IBM

AgentFixer: From Failure Detection to Fix Recommendations in LLM Agentic Systems

AgentFixer: 从LLM代理系统中故障检测到修复建议

Hadar Mulian, Sergey Zeltyn, Ido Levy, Liane Galanti, Avi Yaeli, Segev Shlomov

机构 * IBM Research（IBM研究院） 纠错

AI总结 本文提出一个综合验证框架，通过系统诊断和改进可靠性故障，结合轻量规则检查与LLM评估，提升代理系统性能，通过实验展示改进效果。

Economics of Human and AI Collaboration: When is Partial Automation More Attractive than Full Automation?

人力与AI协作的经济学：部分自动化何时比完全自动化更具吸引力？

Wensu Li, Atin Aboutorabi, Harry Lyu, Kaizhi Qian, Martin Fleming, Brian C. Goehring, Neil Thompson

机构 * Massachusetts Institute of Technology（麻省理工学院） ； École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院） ； IBM Research（IBM研究院） ； IBM’s Institute for Business Value（IBM商业价值研究院） 纠错

AI总结 本文构建了评估任务自动化最优程度的统一框架，通过连续选择而非二元决策，分析企业在AI准确性水平上的成本最小化选择，揭示部分自动化在人力保留任务下的经济优势。

LLMON: An LLM-native Markup Language to Leverage Structure and Semantics at the LLM Interface

LLMON：一种面向大语言模型的标记语言，用于在大语言模型接口中利用结构和语义

Michael Hind, Basel Shbita, Bo Wu, Farhan Ahmed, Chad DeLuca, Nathan Fulton, David Cox, Dan Gutfreund

机构 * IBM Research（IBM研究院） 纠错

AI总结 LLMON通过引入一种面向大语言模型的标记语言，使文本的结构和语义元数据能自然地传递给大语言模型，从而提升模型的准确性、安全性和稳定性。

Comments 28 pages

Balancing Multi-modal Sensor Learning via Multi-objective Optimization

通过多目标优化平衡多模态传感器学习

Heshan Fernando, Quan Xiao, Parikshit Ram, Yi Zhou, Horst Samulowitz, Nathalie Baracaldo, Tianyi Chen

机构 * Rensselaer Polytechnic Institute（伦斯勒理工学院） ； IBM Research（IBM研究院） ； Cornell University（康奈尔大学） 纠错

AI总结 本文提出MIMO方法，通过多目标优化平衡多模态传感器学习，提升系统可靠性并减少计算开销。

A General Control-Theoretic Approach for Reinforcement Learning: Theory and Algorithms

强化学习的一种通用控制论方法：理论与算法

Weiqin Chen, Mark S. Squillante, Chai Wah Wu, Santiago Paternain

机构 * Rensselaer Polytechnic Institute（伦斯勒理工学院） ； IBM Research（IBM研究院） 纠错

AI总结 本文提出基于控制论的强化学习方法，通过理论分析和算法设计提升策略学习效果，实验表明在经典任务中性能显著优于现有方法。