IBM

GazeVLM: Active Vision via Internal Attention Control for Multimodal Reasoning

GazeVLM：通过内部注意力控制实现多模态推理的主动视觉

Brown Ebouky, Gabriele Carrino, Niccolo Avogaro, Christoph Studer, Andrea Bartezzaghi, Mattia Rigotti

机构 * IBM Research（IBM研究院） ； ETH Zurich（苏黎世联邦理工学院） ； TU Wien（维也纳技术大学） 纠错

AI总结 GazeVLM通过内部注意力控制实现主动视觉，使模型在多模态推理中实现从全局空间感知到局部聚焦推理的无缝切换，无需外部工具或增加视觉token。

PolySQL: Scaling Text-to-SQL Evaluation Across SQL Dialects via Automated Backend Isomorphism

PolySQL：通过自动化后端同构性跨SQL方言扩展文本到SQL评估

Yotam Perlitz, Elad Venezian, Corentin Royer, Francesco Fusco, Andrea Giovannini

机构 * IBM Research（IBM研究院） ； ETH Zürich（苏黎世联邦理工学院） 纠错

AI总结 PolySQL通过自动化后端同构性方法，实现跨SQL方言的文本到SQL评估扩展，揭示了从SQLite到其他方言的平均准确率下降10.1%及方言难度层级。

POETS: Uncertainty-Aware LLM Optimization via Compute-Efficient Policy Ensembles

POETS: 通过计算高效的策略集合实现不确定性感知的LLM优化

Nicolas Menet, Andreas Krause, Abbas Rahimi

机构 * IBM Research – Zurich（IBM瑞士苏黎世实验室） ； Department of Computer Science, ETH Zürich（苏黎世联邦理工学院计算机科学系） 纠错

AI总结 POETS通过计算高效的策略集合，结合KL正则化和策略优化，实现了在序列决策和黑箱优化中的不确定性量化，提升了样本效率和优化轨迹。

Comments preprint

SAGE: Hierarchical LLM-Based Literary Evaluation through Ontology-Grounded Interpretive Dimensions

SAGE：基于本体的层级LLM文学评价

Tianyu Wang, Nianjun Zhou

机构 * Mercy University, Math & Computer Science Department（梅里大学数学与计算机科学系） ； IBM T.J. Watson Research Center（IBM 托马斯·贾维斯·沃森研究中心） 纠错

AI总结 SAGE通过本体引导的解释性维度对文学质量进行分层评估，利用结构化大语言模型评估和多轮迭代反思，实现98.8%的评分收敛和94%的评分者一致性，揭示了文学质量的层次结构和影响因素。

Comments 19 pages, 4 figures

Learning and Reusing Policy Decompositions for Hierarchical Generalized Planning with LLM Agents

基于LLM代理的分层通用规划中的策略分解学习与重用

Shirin Sohrabi, Haritha Ananthakrishnan, Harsha Kokel, Kavitha Srinivas, Michael Katz

机构 * IBM 纠错

AI总结 本文提出一种结合通用规划与分层任务分解的动态策略学习方法，通过自动分解学习可重用的策略组件，提升任务执行效率与准确性。

Causal-Aware Foundation-Model for Bilevel Optimization in Discrete Choice Settings

面向离散选择场景的因果感知基础模型用于双层优化

Shivaram Subramanian, Zhengliang Xue, Markus Ettl, Yingdong Lu, Jayant Kalagnanam

机构 * IBM T.J. Watson Research Center（IBM T.J. Watson研究院） 纠错

AI总结 本文提出一种因果感知基础模型框架，用于离散选择环境中实时最优决策。通过约束三头价格优化网络解决服务提供者选择最优商品组合的问题，同时考虑用户个性化接受或拒绝选择。模型在模拟、合成和真实数据集上表现优异，应用于医疗、招标定价等领域，提升定价KPI。

Toeplitz MLP Mixers are Low Complexity, Information-Rich Sequence Models

Toeplitz MLP Mixers 是低复杂度、信息丰富的序列模型

Benjamin L. Badger, Ethan Roland

机构 * IBM ； AE Studio 纠错

AI总结 本文提出Toeplitz MLP Mixer，通过三角掩码的Toeplitz矩阵乘法替代注意力机制，实现更低的计算复杂度，同时在信息保留和复制能力上表现更优。

Comprehensiveness Metrics for Automatic Evaluation of Factual Recall in Text Generation

全面性指标用于文本生成中事实回忆的自动评估

Adam Dejl, James Barry, Alessandra Pascale, Javier Carnerero Cano

机构 * Department of Computing, Imperial College London（伦敦帝国学院计算机系） ； IBM Research（IBM研究院） 纠错

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