Amazon（亚马逊）

OpenThoughts-Agent: Data Recipes for Agentic Models

OpenThoughts-Agent: 智能体模型的数据配方

Negin Raoof, Richard Zhuang, Marianna Nezhurina, Etash Guha, Atula Tejaswi, Ryan Marten, Charlie F. Ruan, Tyler Griggs, Alexander Glenn Shaw, Hritik Bansal, E. Kelly Buchanan, Artem Gazizov, Reinhard Heckel, Chinmay Hegde, Sankalp Jajee, Daanish Khazi, Emmanouil Koukoumidis, Xiangyi Li, Hange Liu, Shlok Natarajan, Harsh Raj, Nicholas Roberts, Ethan Shen, Nishad Singhi, Michael Siu, Ashima Suvarna, Hanwen Xing, Patrick Yubeaton, Robert Zhang, Leon Liangyu Chen, Xiaokun Chen, Steven Dillmann, Saadia Gabriel, Xunyi Jiang, Anurag Kashyap, Boxuan Li, Yein Park, Minh Pham, Sujay Sanghavi, Lin Shi, Ke Sun, Yixin Wang, Zhiwei Xu, Erica Zhang, Siyan Zhao, Wanjia Zhao, Jenia Jitsev, Alex Dimakis, Benjamin Feuer, Ludwig Schmidt

机构 * UC Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学） ； JSC（于利希超级计算中心） ； LAION ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Bespoke Labs ； Laude Institute ； UCLA（加州大学洛杉矶分校） ； Harvard University & Harvard Medical School（哈佛大学与哈佛医学院） ； TU Munich & Munich Center for Machine Learning（慕尼黑工业大学与慕尼黑机器学习中心） ； New York University（纽约大学） ； Medical University of South Carolina（南卡罗来纳医科大学） ； The LLM Data Company ； BenchFlow ； Independent Researcher（独立研究员） ； Northeastern University（东北大学） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； University of Washington（华盛顿大学） ； TU Darmstadt（达姆施塔特工业大学） ； University of Southern California（南加州大学） ； UC San Diego（加州大学圣地亚哥分校） ； Amazon（亚马逊） ； Microsoft（微软） ； Korea University（高丽大学） ； Cornell Tech（康奈尔科技） ； University of Michigan（密歇根大学） 纠错

AI总结 提出全开放数据筛选流水线，通过100多次消融实验研究任务来源与多样性，构建10万样本训练集，在7个智能体基准上平均44.8%准确率，较最强开源模型提升3.9个百分点。

Grad Detect: Gradient-Based Hallucination Detection in LLMs

Grad Detect: 基于梯度的 LLM 幻觉检测

Anand Kamat, Daniel Blake, Brent M. Werness

机构 * Amazon（亚马逊） 纠错

AI总结 提出 Grad Detect，通过单次前向-反向传播中的逐层梯度模式检测 LLM 幻觉，在多项基准上优于置信度与采样基线，并发现最后五层集中了97%以上的判别梯度信号。

Comments Accepted to the 2nd Workshop on Compositional Learning at ICML 2026, Seoul, South Korea. Copyright 2026 by the author(s)

Journal ref 2nd Workshop on Compositional Learning: Safety, Interpretability, and Agents, ICML 2026

TACTFUL: Tactile-Driven Exploration For Object Localization and Identification in Confined Environments

TACTFUL: 受限环境中的触觉驱动探索用于物体定位与识别

Shivani Kamtikar, Chung Hee Kim, Camilla Tabasso, Tye Brady, Joshua Migdal, Taskin Padir

机构 * Amazon Fulfillment Technologies & Robotics（亚马逊履约技术与机器人） ； Siebel School of Computing and Data Science, University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校西贝尔计算与数据科学学院） ； Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所） 纠错

AI总结 提出无视觉触觉探索框架TACTFUL，使多指机器人通过动态奖励策略平衡全局探索与局部表面细化，实现物体自主发现与识别，平均重建误差0.015米，成功率77%。

Comments IROS 2026

Universal Guideline-Driven Image Clustering via a Hybrid LLM Agent

通用指南驱动图像聚类：基于混合LLM代理

Wenliang Zhong, Rob Barton, Lucas Goncalves, Kushal Kumar, Feng Jiang, Hehuan Ma, Yuzhi Guo, Vidit Bansal, Karim Bouyarmane, Junzhou Huang

机构 * The University of Texas at Arlington（德克萨斯大学阿灵顿分校） ； Amazon（亚马逊） 纠错

AI总结 提出首个通用图像聚类框架，通过文本指南弥合任务差异，利用生成式概念代理建模和基于最小生成树的LLM遍历，在多种聚类场景中超越专用方法。

Comments CVPR 2026

Offline Reinforcement Learning for Warehouse SLAM Throughput Control

仓库SLAM吞吐量控制的离线强化学习

Tina Dongxu Li, Mouhacine Benosman, Rajat Kumar, Kevin Tan, Ken Meszaros, Trevor Dardik

机构 * Amazon.com, USA（亚马逊公司，美国） 纠错

AI总结 提出离线强化学习框架优化仓库SLAM吞吐量控制，通过历史状态表示、动作空间抽象和奖励函数设计，结合多种离线RL算法，实验表明CQL策略提升系统健康度22.97%，减少平均节流时长3.18%。

Comments Accepted at 2026 14th International Conference on Control, Mechatronics and Automation (ICCMA 2026)

When Retrieval Metrics Mislead: Measuring Policy Signal in Long-Horizon Tool-Use Agents

当检索指标误导：衡量长周期工具使用智能体中的策略信号

Tianyu Ding, Juan Pablo De la Cruz Weinstein

机构 * Amazon Web Services（亚马逊云服务） 纠错

AI总结 研究发现精确匹配的检索召回率会低估下游策略效用，通过分类器实验表明检索到的策略子句与黄金子句在宏F1上无显著差异。

Do LLM Attribution Metrics Transfer? Auditing Retrieval-Augmented Generation Evaluation Across Datasets and Constructs

LLM归因指标是否可迁移？跨数据集和构念的检索增强生成评估审计

Tianyu Ding, Aditya Nannapaneni, Juan Pablo De la Cruz Weinstein

机构 * Amazon Web Services（亚马逊云服务） 纠错

AI总结 本研究审计了八种自动归因评分器在三个评估构念上的表现，发现没有评分器能在所有数据集上保持最佳性能，指标排名会反转，且简单选择最佳平均评分器会导致显著遗憾。

Deciphering Fingerprints of 3D Molecular Surfaces for Accurate Epitope Prediction

解读3D分子表面指纹以实现准确的表位预测

Fang Wu, Weihao Xuan, Jure Leskovec, Yejin Choi, Li Erran Li

机构 * Stanford University（斯坦福大学） ； The University of Tokyo（东京大学） ； Amazon AWS（亚马逊AWS） 纠错

AI总结 提出SurfBind框架，直接基于分子表面表示，通过Transformer架构、补丁级表面建模、结合物感知交叉注意力和分层粗到细预测范式，实现表位预测，在SAbDab和DB5.5基准上达到最先进性能。

Journal ref KDD 2026 AI4Science

TimeLAVA: Learning-Agnostic Valuation for Time Series Data

TimeLAVA: 时间序列的学习无关数据估值

Wenqin Liu, Weizhi Quan, Aoqi Zuo, Erdun Gao, Vu Nguyen, Dino Sejdinovic, Howard Bondell, Mingming Gong

机构 * School of Mathematics and Statistics, The University of Melbourne（墨尔本大学数学与统计学学院） ； Statistics, The University of Melbourne（墨尔本大学统计学系） ； Statistics, University of Sydney（悉尼大学统计学系） ； Responsible AI Research Centre, Australian Institute for Machine Learning（澳大利亚机器学习研究所负责任人工智能研究中心） ； Amazon（亚马逊） ； School of Mathematical Sciences, Adelaide University（阿德莱德大学数学科学学院） ； Department of Machine Learning, MBZUAI（MBZUAI机器学习系） 纠错

AI总结 提出TimeLAVA，一种学习无关框架，通过小波变换和最优传输评估时间序列片段对分布差异的边际贡献，无需模型训练，在异常检测、数据剪枝和标签噪声检测中优于现有方法。

Comments 34pages

Journal ref ICML2026