Do LLMs Follow Their Own Rules? A Reflexive Audit of Self-Stated Safety Policies
大语言模型是否遵循自身规则？对自我声明安全政策的反思审计
机构 * Microsoft（微软）
AI总结 本文提出SNCA框架，通过提取模型自述安全规则并形式化为类型谓词，评估模型行为一致性，发现模型在安全政策与行为间存在系统性差距。
大厂专区
Microsoft（微软）
Litmus (Re)Agent: A Benchmark and Agentic System for Predictive Evaluation of Multilingual Models
Litmus (Re)Agent：一种用于多语言模型预测评估的基准和代理系统
机构 * Microsoft Corporation, India（微软公司（印度）） ； Mohamed bin Zayed University of Artificial Intelligence (MBZUAI)（穆罕默德·本·扎耶德人工智能大学） ； Indian Institute of Technology Hyderabad（印度理工学院海得拉巴分校）
AI总结 本文提出Litmus (Re)Agent代理系统，通过结构化代理推理方法，在缺乏直接证据的情况下评估多语言模型性能，尤其在转移密集场景中表现突出。
SPPO: Sequence-Level PPO for Long-Horizon Reasoning Tasks
SPPO：用于长时间 horizon 推理任务的序列级 PPO
机构 * Southern University of Science and Technology（南方科技大学） ； INFLY TECH ； Beijing University of Posts and Telecommunications（北京邮电大学） ； Microsoft Research Asia（微软亚洲研究院） ； Shanghai University of Finance and Economics（上海财经大学） ； Tsinghua University（清华大学）
AI总结 本文提出 SPPO，一种结合 PPO 的样本效率与结果稳定性的序列级算法，通过将推理过程转化为序列级上下文老虎机问题，实现低方差优势信号生成，提升推理 LLM 的对齐性能。
Comments ACL 2026 Main
Building Better Environments for Autonomous Cyber Defence
构建更好的自主网络防御环境
机构 * The Alan Turing Institute（艾伦·图灵研究所） ； University College London（伦敦大学学院） ； Cornell University（康奈尔大学） ； Vanderbilt University（范德比尔特大学） ； Microsoft（微软） ； NSA（美国国家安全局）
AI总结 本文通过工作坊总结，提出构建更有效的强化学习环境框架和最佳实践指南，以提升自主网络防御系统的训练与评估。
PSIRNet: Deep Learning-based Free-breathing Rapid Acquisition Late Enhancement Imaging
PSIRNet：基于深度学习的自由呼吸快速获取晚期增强成像
机构 * Health Futures, Microsoft Research（微软研究院健康未来） ； Center for Data Science, New York University（纽约大学数据科学中心） ； Center for Advanced Imaging Innovation and Research (CAI2R), Department of Radiology, NYU Grossman School of Medicine（纽约大学格罗斯曼医学院放射学系高级成像创新与研究中心） ； Bernard and Irene Schwartz Center for Biomedical Imaging, Department of Radiology, NYU Grossman School of Medicine（纽约大学格罗斯曼医学院放射学系伯纳德和艾琳·施瓦茨生物医学成像中心） ； Institute of Cardiovascular Science, University College London（伦敦大学学院心血管科学研究所） ； Barts Heart Centre, Barts Health NHS Trust（巴茨健康NHS信托巴茨心脏中心）
AI总结 本文提出PSIRNet深度学习方法，通过单次呼吸获取两心跳数据生成诊断级自由呼吸PSIR晚期增强成像，相比传统需多次运动校正信号平均的方法，将扫描时间减少8-24倍。
Comments 25 pages, 5 figures, 4 tables
InstrAct: Towards Action-Centric Understanding in Instructional Videos
InstrAct：迈向指令视频中的动作中心理解
机构 * Pennsylvania State University（宾夕法尼亚州立大学） ； Microsoft Research（微软研究院） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出InstrAction框架，通过数据驱动策略和辅助目标提升指令视频中动作识别与建模，建立InstrAct基准测试集，优于现有视频基础模型。
ActionNex: A Virtual Outage Manager for Cloud Computing
ActionNex：云计算中的虚拟故障管理器
机构 * Microsoft PRIMO（微软PRIMO） ； Microsoft Research（微软研究院） ； Microsoft Azure Core（微软Azure Core）
AI总结 本文提出ActionNex，一个生产级智能系统，通过多模态信号处理和分层记忆子系统，实现故障管理的端到端支持，包括实时更新、知识蒸馏和基于角色和阶段的最优行动推荐，实验表明其在真实Azure故障中达到71.4%的精度和52.8-54.8%的召回率。
Mnemis: Dual-Route Retrieval on Hierarchical Graphs for Long-Term LLM Memory
Mnemis：基于分层图的双路检索用于长期LLM记忆
机构 * Microsoft（微软）
AI总结 Mnemis提出一种结合系统1相似性搜索和系统2全局选择机制的新型记忆框架，通过分层图实现语义层次的自顶向下检索，提升长期记忆检索性能。
Comments Accepted to ACL2026
REACT3D: Recovering Articulations for Interactive Physical 3D Scenes
REACT3D: 交互式物理3D场景中关节的恢复
机构 * ETH Zurich（苏黎世联邦理工学院） ； Max Planck Institute for Informatics（马克斯·普朗克信息学研究所） ； Microsoft Spatial AI Lab（微软空间人工智能实验室）
AI总结 REACT3D通过零样本框架实现静态3D场景到可交互模拟的转换，解决了标注过程繁琐的问题，提升了多任务应用的兼容性与效率。
Comments Accepted at IEEE Robotics and Automation Letters (RA-L)
Journal ref IEEE Robotics and Automation Letters, vol. 11, no. 5, pp. 5954-5961, May 2026
