大厂专区
CROCODIL：基于大语言模型的跨模型代码编辑
机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Cisco Research（思科研究院）
AI总结 本研究针对多LLM协作时的外来代码过度编辑问题，提出CROCODIL后训练框架，通过相似度奖励与执行奖励的乘积优化，在保证功能正确的同时减少了不必要的代码编辑。
Comments EMNLP 2026 Findings
MASkills：面向多智能体大语言模型系统的持续技能优化
机构 * Arizona State University（亚利桑那州立大学） ； Cisco Research（思科研究院） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校）
AI总结 针对多智能体LLM系统持续优化难的问题，提出MASkills框架，通过整合技能条件信用分配等技术优化技能库，在多任务上验证了其有效性。
Comments 14 pages, 4 figures
Journal ref EMNLP 2026 Findings
面向无线接入点的网络感知预测
机构 * Cisco Systems（思科系统公司）
AI总结 该研究针对无线接入点的资源竞争问题，定义网络感知可部署性标准，通过基准测试揭示模型在AP与Raspberry Pi 5上的性能差异，为AP同时承载网络与ML workload提供部署依据。
Comments 5 pages, 2 figures, 1 table
用大语言模型（LLM）和编程语言语义预测程序退出码
机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Cisco Research（思科研究院）
AI总结 本研究提出程序可执行性预测（PrEx）任务，构建含系统生成非法变换的数据集，评估开源编码LLM，发现其依赖预训练先验而非给定语义，在修改语义及复杂程序上表现差。
Comments Accepted at LMPL 2026
D3-Gym：构建现实世界可验证环境用于数据驱动发现
机构 * The Ohio State University（俄亥俄州立大学） ； Cisco Research（思科研究）
AI总结 D3-Gym通过构建首个自动化的可验证环境数据集，提升科学数据驱动发现的模型能力，验证信号质量高，训练效果显著。
SafeMath: 在推理过程中提升安全性以提高数学准确性
机构 * Indian Institute of Technology Kharagpur（印度理工学院克勒格布尔分校） ； Cisco Systems（思科系统公司） ； National University of Singapore（新加坡国立大学）
AI总结 本文研究了有害数学问题对LLM的影响，提出SafeMath技术在保障安全的同时提升数学推理能力。
Comments Accepted in EMNLP Findings 2026
CAST：用于训练可靠长程工具调用智能体的批判感知监督
机构 * Arizona State University（亚利桑那州立大学） ； Cisco Research（思科研究院）
AI总结 提出批判感知训练框架CAST，通过分析智能体轨迹生成结构化批判，优化Qwen3模型，在零售、远程医疗等动态工具调用任务上提升可靠性，性能优于GPT-OSS-120B。
Comments Accepted to EMNLP 2026 (Main)
NVE：一种面向双聚类的可分性与覆盖率感知内部验证指标
机构 * Robert Bosch Center for Cyber-Physical Systems (RBCCPS)（罗伯特博世网络物理系统中心（RBCCPS）） ； Indian Institute of Science（印度科学学院） ； Cisco India（思科印度公司） ； University of Melbourne（墨尔本大学） ； Centre for Infrastructure, Sustainable Transportation and Urban Planning (CiSTUP)（基础设施、可持续交通与城市规划中心（CiSTUP））
AI总结 本文提出面向双聚类的内部验证指标NVE及变体NVE₍cov₎，通过引入可分性与覆盖率考量，补充了传统仅评估一致性的双聚类验证方法，经实验验证其能更全面评估双聚类质量。
通用激活词化器：跨模型激活解释的统一框架
机构 * New Jersey Institute of Technology（新泽西理工学院） ； University of North Carolina at Charlotte（北卡罗来纳大学夏洛特分校） ； Cisco Research（思科研究） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
AI总结 提出通用激活词化器（UAV）框架，通过共享解码器和轻量适配器将异构模型的隐藏表示转化为自然语言解释，支持跨模型家族和规模的激活词化，在分类、事实检索和要点总结任务中与强基线竞争。
Comments 23 pages, 11 figures, 11 tables
利用上下文学习预测漏洞严重性：一项工业案例研究
机构 * William & Mary（威廉玛丽学院） ； Microsoft（微软公司） ； Cisco Systems（思科系统公司）
AI总结 本研究通过工业案例，用可本地部署的开源LLM的上下文学习从C/C++代码片段预测CVSS v3.1评分，发现CodeLlama2-7B在轻量输出约束提示下可接近云服务性能，且Big-Vul可作为工业数据代理。
Comments 11 pages, 6 figures
Journal ref Software: evolution and process (02 June 2026)
机器人何时应该思考？基于强化学习的资源感知推理在具身机器人决策中的应用
机构 * Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所） ； Northeastern University（东北大学） ； Harvard University（哈佛大学） ； Cornell University（康奈尔大学） ； MIT（麻省理工学院） ； Fujitsu Research of America（美国富士通研究） ； Tsinghua University（清华大学） ； Peking University（北京大学） ； University of Georgia（佐治亚大学） ； Florida International University（佛罗里达国际大学） ； EmbodyX Inc（EmbodyX公司） ； Cisco Systems（思科系统）
AI总结 提出RARRL框架，通过强化学习学习高层编排策略，使具身代理能自适应决定是否调用LLM推理、选择推理角色及分配计算预算，以平衡推理开销与任务成功率。
基于贝叶斯神经网络的直接贝叶斯自由能最小化
机构 * Cisco Inc.（思科公司）
AI总结 本文提出通过直接最小化贝叶斯自由能来训练贝叶斯神经网络，该方法在树状因子图上精确，可处理混合概率和确定性子图，且在单次梯度传递中实现联合优化，无需交叉验证。
Comments Improved the paper - new experiments, improved formal description
面向多智能体系统的流量建模：协调拓扑的作用
机构 * UPC, BarcelonaTech（加泰罗尼亚理工大学（巴塞罗那理工）） ； Cisco（思科公司） ； Budapest University of Technology and Economics（布达佩斯技术与经济大学）
AI总结 本研究针对多智能体LLM系统，通过500次重复运行的多层测量框架，揭示了协调拓扑对LLM请求到达过程的关键影响，相关框架与分析流程已公开。
Comments 7 pages, 5 figures, 4 tables. Published at the ACM SIGCOMM Workshop on Networks for AI Computing (NAIC '26)
Journal ref SIGCOMM '26: Proceedings of the ACM SIGCOMM 2026 Conference, 2060 - 2066
个性化自动研究：迈向真正的AI合作科学家
机构 * Vanderbilt University（范德堡大学） ； Adobe Research（奥多比研究院） ； Dolby Laboratories（杜比实验室） ； University of Georgia（佐治亚大学） ； Cisco AI Research（思科人工智能研究院） ； Texas A&M University（德克萨斯农工大学）
AI总结 针对现有AI合作科学家忽略个体研究者的问题，提出个性化自动研究框架，通过图基研究者表示、全流程个性化及个体评估，解决一刀切模式的隐性知识缺失问题。
基于大语言模型的程序语义不等价博弈
机构 * University of Edinburgh（爱丁堡大学） ； Cisco Systems（思科系统）
AI总结 本研究提出基于语义不等价博弈（SInQ）的方法，通过生成器与评估器智能体半对抗训练合成代码推理数据，在跨语言漏洞检测等基准上显著提升LLMs的代码语义理解能力。
重新思考基础智能体的内存机制：第二阶段综述
机构 * UIC（伊利诺伊大学香槟分校） ； IIT（伊利诺伊理工学院） ； UIUC（伊利诺伊大学厄巴纳-香槟分校） ； UW–Madison（威斯康星大学麦迪逊分校） ； ASU（亚利桑那州立大学） ； Emory（埃默里大学） ； Northwestern（西北大学） ； NTU（国立台湾大学） ； UCF（佛罗里达大学） ； Rutgers（新泽西罗格斯大学） ； Cambridge（剑桥大学） ； Harvard（哈佛大学） ； UTokyo（东京大学） ； UCSD（加州大学圣地亚哥分校） ； UCSC（加州大学圣塔克鲁斯分校） ； TAMU（德克萨斯大学奥斯汀分校） ； UCSB（加州大学圣塔芭芭拉分校） ； MBZUAI（马克斯·普朗克人工智能研究所） ； McGill（麦吉尔大学） ； UCLA（加州大学洛杉矶分校） ； Stanford（斯坦福大学） ； Salesforce ； Google（谷歌） ； Meta ； Roblox ； Cisco（思科） ； Capital One
AI总结 本文综述了基础智能体内存机制，从内存基质、认知机制和主体维度分析内存在不同拓扑结构下的实现，并探讨内存操作的学习策略与评估指标。
Comments Accepted at Transactions on Machine Learning Research (TMLR) with Survey Certification. Project page: https://github.com/AgentMemoryWorld/Awesome-Agent-Memory
StuPASE：迈向低幻觉、工作室质量的生成式语音增强
机构 * Nanjing University（南京大学） ； Cisco Systems, Inc.（思科系统公司） ； Horizon Robotics
AI总结 提出StuPASE，基于PASE框架，通过使用干目标微调和流匹配模块替代GAN，在保持低幻觉的同时实现工作室级语音质量，优于现有方法。
Comments Accepted to Interspeech 2026
评估干净语音条件下神经音频编解码器的语音质量指标
机构 * Collaboration AI, Cisco Systems, Inc.（思科系统公司协作AI部门） ； Faculty of Engineering and Natural Sciences, Yeditepe University（耶迪特佩大学工程与自然科学学院）
AI总结 该研究针对干净语音条件，通过17种编解码器的主观听辨得分，评估45种客观语音质量指标，发现scoreq、utmos等神经指标相关性最高，非侵入式指标在高质量时易饱和。
众包式多语种语音清晰度测试
机构 * Cisco Systems, Inc.（思科系统公司）
AI总结 针对现有语音清晰度测试的局限，本文提出众包式评估方法，公开多语种语音数据并开展早期实验，为相关研究提供支持。
用于 CUDA 内核生成的具有结构和性能感知奖励的多轮强化学习
机构 * Iowa State University（爱荷华州立大学） ； Cisco AI Research（思科人工智能研究院）
AI总结 研究针对 CUDA 内核生成，提出 CudaPerf 框架，结合可验证执行奖励与结构代码感知奖励，分离线排序和在线训练两阶段，利用执行反馈迭代细化，通过实验证明其显著优于基线，在加速和正确性上有大幅提升。
随机元遗忘：连接语言主干与多模态遗忘
机构 * UNC at Chapel Hill（北卡罗来纳大学教堂山分校） ； Cisco Research（思科研究院） ； Michigan State University（密歇根州立大学）
AI总结 研究视觉语言模型的机器遗忘问题，提出随机元遗忘框架，利用VLM级反馈学习初始化，经内、外循环更新语言主干，实验证明该方法在遗忘-保留权衡上表现最佳，能提升准确率且可迁移。
Comments 15 pages
联邦轻量级微调
机构 * Cisco Systems Inc.（思科系统公司）
AI总结 研究联邦微调通信瓶颈问题，提出基于映射网络的方法，通过低秩分解和增量公式等改进，实现低带宽通信，在CIFAR - 网络上大幅减少通信量，准确率与全权重FedAvg相近，在带宽 - 准确率方面表现优异。
Comments 22 pages, 10 figures, 6 tables. Extended preprint with appendix. Under review at ACCV 2026
在极端类别不平衡下基于网络的提示工程对抗有组织的Astroturf活动
机构 * University of Southern California（美国南加州大学） ； Cisco AI Research（思科人工智能研究）
AI总结 本文提出基于大型语言模型的Balanced RAG框架，通过提示工程和平衡检索增强生成技术，在极端类别不平衡下有效识别协调虚假信息活动。
Journal ref WWW '25: Companion Proceedings of the ACM on Web Conference 2025
CLIP 潜在空间的超球面几何：一种语义混合模型
机构 * Tsinghua University（清华大学） ； Cisco Research（思科研究院） ； University of Illinois Chicago（伊利诺伊大学芝加哥分校）
AI总结 研究 CLIP 潜在空间，提出基于冯·米塞斯-费舍尔分布混合的密度模型，用期望最大化算法学习，实现准确可解释的密度估计，改善长尾和分布外检测，建立几何一致的概率框架。
Comments 23 pages, 8 figures
RAGthoven参加SemEval-2026任务1：一个多阶段管道进入基准测试且勉强达标
机构 * Comenius University in Bratislava（布拉迪斯拉发的夸美纽斯大学） ； Cisco Systems（思科系统公司） ； Zaitra s.r.o.（扎伊特拉有限公司） ； NaiveNeuron（天真神经元）
AI总结 介绍用于SemEval-2026任务1子任务A的RAGthoven系统，它将幽默文本生成分解为多阶段LLM管道，经多次实验优化，最终配置用RAG增强规划器，还评估两种智能变体，虽工具调用预算增加，但在英语样本上未超非智能管道，在三种语言中与基线并列第一，显示语言相关回报递减。
Comments SemEval-2026 Task 1
现实世界客户端流失情况下的鲁棒联邦学习
机构 * Georgia Tech（佐治亚理工学院） ； Cisco Research（思科研究院）
AI总结 研究现实世界客户端流失情况下的联邦学习，提出FeLiX框架，通过引入流感知可用性层、新鲜效用选择和信息感知延迟鲁棒聚合三个原语，在实时交互流上最小化达到目标准确率的挂钟时间，相比基线减少挂钟时间和通信带宽。
Comments 13 pages
VOTE：基于轨迹集成投票的视觉-语言-动作优化
机构 * Northeastern University（东北大学） ； Cisco（思科） ； EmbodyX
AI总结 针对VLA模型生成令牌多、动作利用不足的问题，开发训练框架微调模型减少令牌生成，引入基于投票的集成策略优化推理，相比现有模型性能更优，推理更快，证明了实际可部署性。
Comments 12 pages
用于生产中稳定模型更新的全范围二元分类器校准
机构 * Cisco AI Defense（思科人工智能防御）
AI总结 针对对抗环境中检测模型面临的问题，引入基于现有校准原语的方法，使模型输出分数有一致FPR含义，降低FPR误差，且交付工件小，为生产中模型稳定更新提供了有效解决方案。
Sangam：使用AR堆栈高效服务扩散语言模型
机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Cisco Research（思科研究）
AI总结 研究扩散语言模型服务问题，提出Sangam系统，用赤字令牌预算调度器实现摊还无停顿调度，采用混合服务策略缓解预填充资源不足，揭示服务设计空间受预填充-解码干扰等因素影响。
TallyTrain: 通信高效的联邦蒸馏
机构 * Cisco Systems Inc（思科系统公司）
AI总结 针对联邦学习中模型大小和类别数导致的通信瓶颈，提出TallyTrain方法，通过传输argmax类别索引将每个探针的通信量压缩至⌈log₂C⌉比特，在非独立同分布训练下优于软标签蒸馏，并在标准基准上匹配或超越软标签蒸馏，通信量降低三个数量级。
Comments 27 pages, 7 figures, 12 tables
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈