IBM

Decocted Experience Improves Test-Time Inference in LLM Agents

解毒经验提升LLM代理的测试时间推理

Maohao Shen, Kaiwen Zha, Zexue He, Zhang-Wei Hong, Siru Ouyang, J. Jon Ryu, Prasanna Sattigeri, Suhas Diggavi, Gregory Wornell

机构 * Massachusetts Institute of Technology（麻省理工学院） ； Stanford University（斯坦福大学） ； MIT-IBM Watson AI Lab（MIT-IBM沃森人工智能实验室） ； University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of California, Los Angeles（加利福尼亚大学洛杉矶分校） 纠错

AI总结 本文研究通过解毒经验提升LLM代理测试时间推理性能，探讨如何通过经验构建有效上下文以优化复杂推理任务。

How Well Do Agentic Skills Work in the Wild: Benchmarking LLM Skill Usage in Realistic Settings

代理技能在真实环境中的表现如何：在现实场景中评估LLM技能使用的基准测试

Yujian Liu, Jiabao Ji, Li An, Tommi Jaakkola, Yang Zhang, Shiyu Chang

机构 * UC Santa Barbara（加州大学圣塔芭芭拉分校） ； MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） ； MIT-IBM Watson AI Lab（MIT-IBM沃森人工智能实验室） 纠错

AI总结 本文研究了在更现实的环境下LLM技能的实用性，发现技能效果随环境复杂性增加而下降，通过查询特定的技能细化策略可恢复性能，实验在Terminal-Bench 2.0上提升了Claude Opus 4.6的通过率。

Subspace Control: Turning Constrained Model Steering into Controllable Spectral Optimization

子空间控制：将受约束的模型操控转化为可控的谱优化

Yancheng Huang, Changsheng Wang, Chongyu Fan, Yicheng Lang, Bingqi Shang, Yang Zhang, Mingyi Hong, Qing Qu, Alvaro Velasquez, Sijia Liu

机构 * OPTML, Michigan State University（OPTML，密歇根州立大学） ； MIT-IBM Watson AI Lab, IBM Research（MIT-IBM Watson AI Lab，IBM研究院） ； University of Minnesota（明尼苏达大学） ； University of Michigan（密歇根大学） ； University of Colorado Boulder（科罗拉多大学博尔德分校） 纠错

AI总结 本文提出子空间控制框架，通过分析谱交叉任务干扰并利用一阶解正交化合并子空间，引入SIFT方法，实现可控更新以缓解目标与约束冲突，在四个应用中均取得显著性能提升。

Projected Autoregression: Autoregressive Language Generation in Continuous State Space

投影自回归：在连续状态空间中进行自回归语言生成

Oshri Naparstek

机构 * IBM Research（IBM研究院） 纠错

AI总结 本文提出投影自回归方法，通过连续预测和离散投影实现语言生成，展示连续状态空间在生成文本结构和动态方面的独特优势。

Comments In preperation to Neurips 2026

An Agent-Based Framework for the Automatic Validation of Mathematical Optimization Models

一个基于代理的数学优化模型自动验证框架

Alexander Zadorojniy, Segev Wasserkrug, Eitan Farchi

机构 * IBM Research（IBM研究院） 纠错

AI总结 本文提出基于代理的自动验证方法，通过生成测试API、测试用例和突变体，提升优化模型的验证质量，尤其在突变覆盖方面表现优异。

Batch Entanglement Detection in Parameterized Qubit States using Classical Bandit Algorithms

使用经典多臂老虎机算法进行参数化量子比特状态的批量纠缠检测

K. Bharati, Vikesh Siddhu, Krishna Jagannathan

机构 * IIT Madras（印度马德拉斯理工学院） ； IBM Research India（IBM印度研究院） 纠错

AI总结 本文提出一种基于经典多臂老虎机算法的批量纠缠检测方法，通过测量单参数纠缠见证者并设置阈值，实现对两量子比特状态集的纠缠识别，展示了其在量子信息处理中的应用。

Comments 29 pages, 8 figures

Journal ref Transactions on Machine Learning Research (2026)

Emergent Social Intelligence Risks in Generative Multi-Agent Systems

生成多智能体系统中的涌现社会智能风险

Yue Huang, Yu Jiang, Wenjie Wang, Haomin Zhuang, Xiaonan Luo, Yuchen Ma, Zhangchen Xu, Zichen Chen, Nuno Moniz, Zinan Lin, Pin-Yu Chen, Nitesh V Chawla, Nouha Dziri, Huan Sun, Xiangliang Zhang

机构 * University of Notre Dame（圣母大学） ； LMU Munich（慕尼黑大学） ； University of Washington（华盛顿大学） ； Bake AI ； University of California, Santa Barbara（加州大学圣塔芭芭拉分校） ； Stanford University（斯坦福大学） ； Microsoft Research（微软研究院） ； IBM Research（IBM研究院） ； Cohere ； The Ohio State University（俄亥俄州立大学） 纠错

AI总结 研究生成多智能体系统在共享资源竞争中的涌现风险，揭示集体行为自发复制人类社会故障模式的现象。

Seemingly Simple Planning Problems are Computationally Challenging: The Countdown Game

看似简单的规划问题具有计算挑战性：倒计时游戏

Michael Katz, Harsha Kokel, Sarath Sreedharan

机构 * IBM T. J. Watson Research Center（IBM T. J. Watson 研究中心） ； IBM San Jose（IBM 圣何塞） ； Colorado State University（科罗拉多州立大学） 纠错

AI总结 本文提出基于倒计时游戏的规划基准，该问题具有NP完全复杂性，能有效评估规划能力，实验显示现有LLM方法在该基准上仍面临挑战。

DOVE: A Large-Scale Multi-Dimensional Predictions Dataset Towards Meaningful LLM Evaluation

DOVE：一个大规模多维预测数据集，用于有意义的LLM评估

Eliya Habba, Ofir Arviv, Itay Itzhak, Yotam Perlitz, Elron Bandel, Leshem Choshen, Michal Shmueli-Scheuer, Gabriel Stanovsky

机构 * The Hebrew University of Jerusalem（耶路撒冷希伯来大学） ； IBM Research AI（IBM研究院人工智能） ； MIT（麻省理工学院） ； Technion - Israel Institute of Technology（以色列理工学院） ； Allen Institute for AI（艾伦人工智能研究所） 纠错

AI总结 DOVE通过大规模多维提示扰动评估LLM对不同维度的敏感性，揭示了提示设计对模型性能的影响，提供高效选择高性能提示的方法及鲁棒评估框架。

Journal ref Findings of ACL 2025, pp. 11744-11763