IBM

CliffSearch: Structured Agentic Co-Evolution over Theory and Code for Scientific Algorithm Discovery

CliffSearch: 基于理论与代码的结构化代理共进化用于科学算法发现

Youssef Mroueh, Carlos Fonseca, Brian Belgodere, David Cox

机构 * IBM Research（IBM研究院） 纠错

AI总结 CliffSearch通过结构化代理共进化框架，在科学算法发现中优先考虑科学可解释性和正确性，同时优化任务指标，在受控新颖性约束下实现发现流程。

OrgAgent: Organize Your Multi-Agent System like a Company

OrgAgent: 以公司式层级结构组织你的多智能体系统

Yiru Wang, Xinyue Shen, Yaohui Han, Michael Backes, Pin-Yu Chen, Tsung-Yi Ho

机构 * The Chinese University of Hong Kong（香港中文大学） ； IBM Research（IBM研究院） ； CISPA Helmholtz Center for Information Security（CISPA亥姆霍兹信息安全中心） 纠错

AI总结 本文提出OrgAgent框架，通过治理、执行、合规三层结构提升多智能体系统的推理性能，实验显示层级结构在任务稳定性、信息控制和验证方面表现更优。

TTA-Vid: Generalized Test-Time Adaptation for Video Reasoning

TTA-Vid: 视频推理的通用测试时间适应

Soumya Shamarao Jahagirdar, Edson Araujo, Anna Kukleva, M. Jehanzeb Mirza, Saurabhchand Bhati, Samuel Thomas, Brian Kingsbury, Rogerio Feris, James R. Glass, Hilde Kuehne

机构 * University of Tübingen（蒂宾根大学） ； MIT（麻省理工学院） ； IBM Research（IBM研究院） ； MIT-IBM Watson AI Lab（MIT-IBM沃森人工智能实验室） ； Tuebingen AI Center（蒂宾根人工智能中心） ； Max Planck Institute for Informatics（马克斯·普朗克信息学研究所） 纠错

AI总结 本文提出TTA-Vid方法，通过测试时间强化学习实现视频推理模型的适应，无需标注数据即可在测试时泛化至新领域。

Decision-Centric Design for LLM Systems

面向决策的LLM系统设计

Wei Sun

机构 * IBM Research（IBM研究院） 纠错

AI总结 本文提出一种以决策为核心的框架，通过分离决策相关信号与策略，使控制成为可检查的显式层，提升LLM系统的可靠性与可诊断性。

Learning to Shuffle: Block Reshuffling and Reversal Schemes for Stochastic Optimization

学习洗牌：用于随机优化的块重排和反转方案

Lam M. Nguyen, Dzung T. Phan, Jayant Kalagnanam

机构 * IBM Research, Thomas J. Watson Research Center（IBM研究院，托马斯·J·沃森研究中心） 纠错

AI总结 本文提出块重排和配对反转结构，通过分析证明其在统一洗牌框架下减少前缀梯度方差常数，并降低顺序敏感性，实验验证了其在凸和非凸基准上的优势。