大厂专区
DRACO：面向长视界智能体训练的基于动态规则的细粒度信用分配
机构 * Carnegie Mellon University（卡内基梅隆大学） ； IBM Research（IBM研究院）
AI总结 针对长视界智能体训练中缺乏可验证奖励的问题，提出DRACO方法，通过动态生成规则并重新分配判断结果，在AppWorld和Tau-Bench上均取得显著性能提升。
STAIR（结构感知信息检索器）：用于文档结构增强的新型数据集与基于大语言模型的检索器
机构 * IBM（国际商业机器公司） ； Amazon Books Science（亚马逊图书科学部门）
AI总结 本研究提出新型检索系统STA IR及基准SearchTome，利用语料库目录增强检索，在SearchTome上的Recall@1达82.6%，显著优于DSI、BM25等基线，可构建低幻觉IR系统。
面向Web智能体的判别式世界模型
机构 * University of California, Berkeley（加州大学伯克利分校） ； MIT-IBM Watson AI Lab（麻省理工学院-IBM沃森人工智能实验室） ； Cal Poly San Luis Obispo（加州理工州立大学圣路易斯奥比斯波分校） ； Xero（赛罗公司）
AI总结 针对Web智能体世界模型训练与下游排序模型错位的问题，提出预测状态匹配训练目标，经多基准测试验证可提升动作排序及端到端任务成功率。
用户反馈提供了大型语言模型（LLMs）无法检测到的独特信号
机构 * The Hebrew University of Jerusalem（耶路撒冷希伯来大学） ； IBM Research（IBM研究院） ； MIT（麻省理工学院） ； MIT-IBM Watson AI Lab（麻省理工-IBM沃森人工智能实验室）
AI总结 该研究指出用户反馈是LLMs可利用的高价值改进信号，其被低估源于评估范式偏差，反馈驱动的模型修订解决问题比率更高，且LLM评判者无法识别反馈带来的修正。
DKL：面向指令调优语言模型的解耦知识学习
机构 * IBM（国际商业机器公司） ； Indian Institute of Technology, Madras（马德拉斯印度理工学院）
AI总结 本研究提出DKL方法，通过对指令调优语言模型对应的基础大语言模型进行扩展预训练并合并权重，在不损害指令跟随能力的前提下提升RAG准确率，且训练数据需求远低于现有方案。
Comments 20 pages, 4 figures, 15 tables
DocHop：面向信息密集型文档的域外多跳推理基准测试
机构 * University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Massachusetts Institute of Technology（麻省理工学院） ； Stanford University（斯坦福大学） ； Kookmin University（国民大学） ； MIT-IBM Watson AI Lab, IBM Research（麻省理工学院-IBM沃森人工智能实验室，IBM研究院）
AI总结 该研究推出DocHop基准，针对信息密集型文档的域外多跳推理，构建含2074个样本的测试集，发现MLLMs性能远低于人类，为相关研究提供可控测试平台。
Comments Accepted by ICML 2026
私有计算空间：农业可信多集群联邦学习的实践
机构 * Cornell University（康奈尔大学） ； IBM Research（IBM研究院） ； University of Maryland（马里兰大学）
AI总结 针对美国农民数据隐私担忧限制AI在农业应用的问题，推出开源私有计算空间PCS，结合多集群编排、异步FL、DP和TEEs，在两项农业任务中提升模型准确率并保护隐私。
Comments 15 pages, 13 figures, 3 tables
中庸是LLM作为判断锚点选择的关键
机构 * The Hebrew University of Jerusalem（海法大学） ； IBM Research（IBM研究院） ； MIT（麻省理工学院） ； MIT-IBM Watson AI Lab（麻省理工-IBM沃森人工智能实验室）
AI总结 本文研究了LLM作为判断锚点选择对结果可靠性的影响，发现选择不当的锚点会显著降低与人类排名的相关性，并提出可操作的推荐方案。
Comments ACL 2026
面向大语言模型智能体的基于信念的世界模型
机构 * UIUC（伊利诺伊大学厄巴纳-香槟分校） ； IBM（国际商业机器公司）
AI总结 本研究针对LLM智能体在部分可观测下的决策缺陷，提出BB-WMs，将世界模型的信念暴露给LLM策略，可提升部分可观测任务性能，且与现有基于模拟的世界模型互补。
Comments pre-print
KItCAT：通过输入损坏进行知识注入的自回归训练
机构 * IBM（国际商业机器公司） ； Amazon Books Science（亚马逊图书科学部门）
AI总结 本研究提出轻量级知识注入策略KItCAT，通过随机损坏输入序列实现低成本数据增强，在多个数据集和模型系列上的表现优于持续预训练。
Comments 18 pages. Accepted to EMNLP 2026
用于电路计算的通用Transformer：小型Transformer中的完美长度泛化
机构 * IBM Research（IBM研究院）
AI总结 该研究提出一种仅需280个参数的通用Transformer，将算法任务建模为电路模型，结合特定位置编码与自主终止准则，在布尔运算、模运算等基准测试上实现了完美长度泛化。
SIR：面向计算使用智能体的自改进红队测试
机构 * The Chinese University of Hong Kong（香港中文大学） ； IBM Research（IBM研究院） ； University of Zagreb（萨格勒布大学） ； Radboud University（拉德堡德大学）
AI总结 本文提出SIR，一种针对操作系统层面计算使用智能体的黑盒间接提示注入攻击，通过迭代反馈循环提炼策略，使攻击成功率显著提升且可跨模型迁移。
SearchWiki：学习构建与导航知识Wiki以支持主动信息检索
机构 * IBM（国际商业机器公司）
AI总结 该研究提出SearchWiki框架，将语料库合成分层可导航Wiki，训练WikiResearcher-9B智能体经强化学习优化导航策略，在多基准测试中表现优于同规模模型，证实结构化语料库学习式导航优于扁平检索。
面向多粒度视觉文档检索的空间嵌套训练
机构 * IBM（国际商业机器公司）
AI总结 针对视觉文档检索的多模态晚期交互检索器存储成本高、压缩级别固定的问题，提出ColSNAP训练方法，可生成嵌套压缩层级，实现灵活的精度-存储权衡，大幅压缩下仍保持检索性能并可迁移至多类骨干网络。
全面性指标用于文本生成中事实回忆的自动评估
机构 * Department of Computing, Imperial College London（伦敦帝国学院计算机系） ； IBM Research（IBM研究院）
AI总结 本文提出三种自动评估指标以评估大语言模型生成文本的全面性，发现端到端方法在效果上优于复杂指标，但牺牲了鲁棒性和可解释性。
Comments ACL 2026 Findings
Journal ref Findings of the Association for Computational Linguistics: ACL 2026, 34931-34966. 2026
打破MCP：函数劫持攻击：函数调用和代理模型的新威胁
机构 * IBM Research Europe（IBM欧洲研究院） ； Trinity College Dublin（三一学院都柏林） ； Imperial College London（帝国理工学院伦敦） ； ADAPT Research Centre（ADAPT研究中心）
AI总结 本文提出了一种新的函数劫持攻击，通过操纵代理模型的工具选择过程，迫使调用特定攻击者选择的函数，展示了代理模型在函数调用接口上的新漏洞。
Comments Accepted to TMLR (08/26)
AssetOpsBench：工业资产运维任务自动化AI代理的基准测试
机构 * IBM ； University of South Carolina（南卡罗来纳大学） ； IBM Research（IBM研究院）
AI总结 本文提出AssetOpsBench，一个统一框架，用于协调和评估工业4.0中的领域专用代理。该框架包含四个领域代理目录、140+人工撰写的自然语言查询数据集及模拟的CouchDB后端物联网环境，通过三个关键指标分析工具-代理与计划-执行者范式的架构权衡，并系统化发现新兴故障模式。
Comments 25 pages, 18 figures
POCI-Diff: 通过3D布局引导扩散实现位置对象一致性和交互
机构 * DISI, University of Trento（DISI，特伦托大学） ； Toretei S.r.l.（Toretei公司） ； Visual AI Lab, MIT-IBM Watson AI Lab（视觉人工智能实验室，MIT-IBM沃森人工智能实验室） ； Fondazione Bruno Kessler（布鲁诺·凯斯勒基金会）
AI总结 POCI-Diff通过3D布局引导扩散实现一致性和交互性的物体位置控制，提升文本到图像生成的布局一致性和编辑质量。
通过可追溯性视角理解自动化程序修复智能体：一项实证研究
机构 * Columbia University（哥伦比亚大学） ； IBM Research（IBM研究院）
AI总结 本文通过追踪五个最先进的自动化程序修复智能体在500个真实世界修复任务中的决策流程，揭示了它们在逻辑密集型错误修复、测试生成和回归测试选择方面的关键局限性，并提出了改进方向。
Comments Accepted for publication (ISSTA '26). Camera ready
CoFrGeNet：用于语言生成的连分式架构
机构 * IBM Research（IBM研究院）
AI总结 受连分式启发，提出CoFrGeNet架构，用新函数类替换Transformer中的多头注意力和前馈网络，在参数量减少1/2至2/3的情况下，在下游分类、问答、推理和文本理解任务上达到或超越原模型性能。
Comments Earlier version accepted to ICML 2026
大规模推理模型通过 flawed thinking 学习更好的对齐
机构 * Meta Superintelligence Labs（Meta超级智能实验室） ； IBM Research（IBM研究院）
AI总结 RECAP通过强化学习提升模型安全对齐能力，减少偏见并增强鲁棒性，同时保持推理效率。
DataKernelBench：大语言模型能否在GPU上优化数据库查询？
机构 * IBM Research（IBM研究院） ； TU Wien（维也纳技术大学）
AI总结 本文提出DataKernelBench基准，评估LLM在GPU上优化数据库查询内核的能力，实验显示最强模型配置在TPC-H数据集上实现2.11倍加速，工作负载上下文对性能影响大于硬件上下文。
Comments Accepted at EMNLP 2026
TRACES：用于适应性成本高效提前停止的推理步骤标记
机构 * IBM Research Europe（IBM欧洲研究院） ； Trinity College Dublin（三一学院） ； ADAPT Research Centre（ADAPT研究中心）
AI总结 TRACES通过实时标记推理步骤，实现大语言模型推理的适应性成本高效提前停止，通过监控特定步骤类型提升数学和知识推理任务的效率与准确性。
Comments Accepted at the Third Conference on Language Modeling (COLM 2026)
SIMPLER：通过相似性引导的层剪枝实现高效的地球观测基础模型适应
机构 * Centro Singular de Investigación en Tecnoloxías Intelixentes (CiTIUS), Universidade de Santiago de Compostela, Spain（智能技术研究中心（CiTIUS），圣地亚哥-德孔波斯特拉大学，西班牙） ； Departmento de Electrónica e Computación, Universidade de Santiago de Compostela, Spain（电子与计算系，圣地亚哥-德孔波斯特拉大学，西班牙） ； IBM Research Europe, Zurich, Switzerland（IBM欧洲研究院，瑞士苏黎世）
AI总结 SIMPLER通过在适应前选择有效的模型深度，减少推理和部署成本，同时在无需梯度、幅度启发式或超参数调优的情况下，通过预训练视觉变换器中更深层的表示稳定性，选择冗余层，实现参数减少79%且性能保留94%，提升训练和推理速度。
基于栈跟踪的Transformer适配崩溃重复检测
机构 * University of Calgary（卡尔加里大学） ； York University（约克大学） ； IBM Canada（IBM加拿大）
AI总结 提出基于Transformer的dedupT方法，适配预训练语言模型处理栈跟踪，训练全连接网络排序重复崩溃，在四个公开数据集上优于现有方法，减少人工分类工作量。
Comments This work is currently under review at IEEE Transactions on Software Engineering (TSE)
技能问题：大型语言模型的技能是否具有语言不变性？
机构 * A*STAR（新加坡科技研究局） ； Weizmann Institute of Science（魏茨曼科学研究所） ； MIT-IBM Watson AI Lab（麻省理工学院-IBM沃森人工智能实验室） ； University of Cambridge（剑桥大学） ； EleutherAI
AI总结 该研究以多语言自博弈方法量化大型语言模型的跨语言技能不一致性，发现同一模型在不同语言下博弈实力差异显著，语言可影响决策阶段，技能差异是多语言模型开发的主要障碍。
基于基础模型条件扩散的降水降尺度方法
机构 * IBM Research（IBM研究院） ； Fathom ； STFC Hartree Centre（STFC哈特雷中心）
AI总结 该研究针对降水降尺度问题，探究三种扩散模型条件策略，发现交叉注意力条件优于通道拼接，且Prithvi WxC基础模型在数据有限场景下性能良好。
通过令牌影响归因追踪中毒检索语料库中的目标答案
机构 * National Yang Ming Chiao Tung University（阳明交通大学） ； IBM Research（IBM研究院） ； Hon Hai Research Institute（宏海研究院）
AI总结 提出TRACE框架，通过令牌影响归因识别检索增强生成系统中的语料投毒攻击，无需额外分类器或LLM验证，在三个QA基准和六个LLM上验证了有效性。
Comments This paper has been accepted to EMNLP 2026 Industry Track
你的强化学习奖励函数是你的最佳搜索PRM：统一强化学习与基于搜索的文本生成
机构 * Rutgers University（新泽西州立大学） ； Nanyang Technological University（南洋理工大学） ； University of Connecticut（康涅狄格大学） ； Fudan University（复旦大学） ； NVIDIA Research（NVIDIA研究） ； Red Hat AI Innovation（红帽AI创新） ； MIT-IBM Watson AI Lab（MIT-IBM沃森AI实验室） ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 本文提出AIRL-S，通过强化学习与搜索技术的统一，利用奖励函数直接学习动态PRM，提升推理链扩展和跨任务泛化能力，实验显示性能提升9%并优于基线PRM。
Granite.Trust 策略工具：面向生成式 AI 应用的可共享、可执行策略
机构 * IBM Research（IBM研究院）
AI总结 针对现有策略无法适配 GenAI 内容约束执行的问题，提出 Actionable Policy 模式与合成数据流水线等工具，实现 GenAI 全生命周期的策略规范与执行，相关资源开源。
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