大厂专区
自改进智能体的脆弱性：方差、任务顺序与规格不足
机构 * Salesforce AI Research（Salesforce AI研究院）
AI总结 本研究通过多轮运行与打乱任务顺序的实验，揭示当前基于记忆的自改进智能体存在脆弱性，发现其性能受方差与任务顺序影响，还指出规格不足是相关诱因，呼吁采用更严格评估方案与人工监督机制。
Comments Code: this https URL (https://github.com/SalesforceAIResearch/self-improve-fragility) Data: this https URL (https://huggingface.co/datasets/Salesforce/self-improve-fragility)
LZ惩罚：一种用于自回归语言模型的信息论重复惩罚项
机构 * Salesforce AI Research（Salesforce人工智能研究）
AI总结 本文提出LZ惩罚，基于LZ77压缩算法，可让开源推理模型用贪婪解码时无退化重复，优于现有频率、重复惩罚。
Comments Post-publication corrections (minor calculation mistakes)
测试时的AI辅助AI：通过 harness 实现强模型到弱模型的能力迁移
机构 * Salesforce AI Research（Salesforce人工智能研究院） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 该研究提出在测试时通过构建 harness，无需重新训练即可将强模型的认知结构迁移给弱模型，使目标模型在四个心理理论基准上的平均性能从0.49提升至0.91，为模型能力迁移提供了新的思路。
Comments 23 Pages, 12 Figures, 6 Tables
从可解释性到控制：TrustNLP研讨会六年的启示
机构 * Meta ； Autodesk（欧特克公司） ； New Jersey Institute of Technology（新泽西理工学院） ； Salesforce（salesforce公司） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Amazon AGI（亚马逊AGI）
AI总结 该研究基于TrustNLP研讨会六年论文，分析NLP可信领域从可解释性到生成式系统控制的转变，明确各信任维度的发展趋势及与领域整体的关联性，提出结构性见解与研究方向。
Comments 17 pages, 2 figures, 3 tables. Submitted to ACL ARR August 2026 cycle (EACL 2027)
VisEditBench：视觉语言模型能否基于多模态反馈编辑可视化代码？
机构 * York University（约克大学） ； Nanyang Technological University（南洋理工大学） ； Salesforce AI Research（Salesforce人工智能研究）
AI总结 本研究推出可视化代码编辑基准VisEditBench，评估20种VLMs的编辑能力，提出基于渲染的VisEditAgent框架，显著提升了编辑任务的通过率。
DSAgentBench：智能体能否在真实计算机环境中自动化端到端数据科学工作流？
机构 * York University（约克大学） ； Nanyang Technological University（南洋理工大学） ； Salesforce AI Research（Salesforce AI研究院）
AI总结 DSAgentBench是首个评估智能体在真实计算机环境中自动化完整数据科学工作流的基准，含275项任务，实验显示现有智能体与实际需求存在显著能力差距。
特权似然并非自动等价于价值：在线自蒸馏中 token 信用的三项检验
机构 * Salesforce AI Research（Salesforce AI研究院）
AI总结 该研究针对在线自蒸馏中 token 信用问题，通过三项检验分析特权似然与价值的关系，实验表明 token 分数变体效果不及仅结果对照组，需单独验证分数等因素的有效性。
Comments Preprint
物理人工智能治理：跨越生命周期从理论到实践
机构 * Case Western Reserve University（凯斯西储大学） ； Shanghai Jiao Tong University（上海交通大学） ； Massachusetts Institute of Technology（麻省理工学院） ； Columbia University（哥伦比亚大学） ； University of California, Riverside（加州大学河滨分校） ； Nanyang Technological University（南洋理工大学） ； New York University（纽约大学） ； Salesforce（Salesforce公司） ； Harvard University（哈佛大学） ； Stanford University（斯坦福大学）
AI总结 本文对物理人工智能治理进行全面综述，综合现有原则形成统一框架，提出五阶段生命周期，通过具体实践展示各阶段治理操作，为构建安全可信且符合社会价值的物理人工智能系统提供参考。
DATAREEL：基于动画的自动化数据驱动视频故事生成
机构 * York University（约克大学） ； Bangladesh University of Business and Technology（孟加拉国商业与技术大学） ； RBC, Canada（加拿大RBC） ； Nanyang Technological University（南洋理工大学） ； Salesforce AI Research（Salesforce人工智能研究）
AI总结 本文提出DataReel基准，通过328个真实故事评估模型生成动画数据视频故事的能力，采用多智能体框架提升自动化生成效果。
Comments Under Review
重新思考基础智能体的内存机制：第二阶段综述
机构 * UIC（伊利诺伊大学香槟分校） ； IIT（伊利诺伊理工学院） ； UIUC（伊利诺伊大学厄巴纳-香槟分校） ； UW–Madison（威斯康星大学麦迪逊分校） ； ASU（亚利桑那州立大学） ； Emory（埃默里大学） ； Northwestern（西北大学） ； NTU（国立台湾大学） ； UCF（佛罗里达大学） ； Rutgers（新泽西罗格斯大学） ； Cambridge（剑桥大学） ； Harvard（哈佛大学） ； UTokyo（东京大学） ； UCSD（加州大学圣地亚哥分校） ； UCSC（加州大学圣塔克鲁斯分校） ； TAMU（德克萨斯大学奥斯汀分校） ； UCSB（加州大学圣塔芭芭拉分校） ； MBZUAI（马克斯·普朗克人工智能研究所） ； McGill（麦吉尔大学） ； UCLA（加州大学洛杉矶分校） ； Stanford（斯坦福大学） ； Salesforce ； Google（谷歌） ； Meta ； Roblox ； Cisco（思科） ； Capital One
AI总结 本文综述了基础智能体内存机制，从内存基质、认知机制和主体维度分析内存在不同拓扑结构下的实现，并探讨内存操作的学习策略与评估指标。
Comments Accepted at Transactions on Machine Learning Research (TMLR) with Survey Certification. Project page: https://github.com/AgentMemoryWorld/Awesome-Agent-Memory
并非永远的最佳伙伴：评估AI伴侣中的长时角色崩溃与行为漂移
机构 * Salesforce AI Research（Salesforce AI研究院）
AI总结 本研究针对AI伴侣的长时角色崩溃与行为漂移问题，引入ANCHOR审计方法开展大规模实验，发现现有模型无法可靠维持角色与轨迹，需区分多维度指标进行评估。
SalesSim：多模态语言模型作为零售用户模拟器的基准测试与对齐
机构 * Salesforce Research（Salesforce研究院） ； University of California Los Angeles（加州大学洛杉矶分校）
AI总结 SalesSim通过多轮多模态对话评估多模态大语言模型在模拟真实用户行为中的能力，发现模型在词汇多样性及决策一致性方面存在不足，并提出UserGRPO方法提升对话流畅度与决策对齐度。
AINTMA：用于自主测试管理的智能AI架构，具备生成式智能、安全云通信和自适应质量分析
机构 * International Business Machines (IBM)（国际商业机器公司（IBM）） ； Global Atlantic Financial（全球大西洋金融公司） ； Docusign（DocuSign公司） ； Salesforce Inc（Salesforce公司） ； The Home Depot（家得宝公司）
AI总结 研究针对现代软件质量保证需求，提出AINTMA多智能体AI系统。通过六个专门智能体及安全通信框架协调，结合生成式智能等技术。经实验评估，该系统在测试优先级、周期时间、缺陷逃逸率等方面表现出色，推进了云环境下软件质量管理。
Comments 11 pages, 2 figures, 4 tables, Submitted to AICCONS (AIP Conference Proceedings format)
野外的智能体：研究与部署的交汇点
机构 * Georgetown University（乔治敦大学） ； Salesforce（Salesforce公司） ； Bayer（拜耳公司） ； Bloomberg（彭博公司） ； Microsoft Research（微软研究院）
AI总结 探讨基于大语言模型的智能体系统从研究到部署的转变，通过案例研究分析成功设计模式及失败缓解策略，为与会者提供跨行业安全可靠部署的全面视角、设计模式、评估清单和模板。
LaViDa：用于多模态理解的大型扩散语言模型
机构 * UCLA（加州大学洛杉矶分校） ； Panasonic AI Research（松下人工智能研究） ； Adobe Research（Adobe研究） ； Salesforce Research（Salesforce研究）
AI总结 研究针对现有视觉语言模型在快速推理和可控生成方面的不足，提出基于离散扩散模型构建 LaViDa 系列视觉语言模型，采用多种新技术，在多模态基准测试中性能出色，成为自回归视觉语言模型的有力替代。
Comments 26 pages, 8 figures
离散扩散模型：从词元化到生成的统一框架
机构 * McGill University（麦吉尔大学） ； Mila - Quebec AI Institute（米拉-魁北克人工智能研究所） ； University of Cambridge（剑桥大学） ； University of Toronto（多伦多大学） ； MBZUAI - Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； Tsinghua University（清华大学） ； Rochester Institute of Technology（罗彻斯特理工学院） ； Salesforce（Salesforce公司） ； University of Illinois Chicago（伊利诺伊大学芝加哥分校）
AI总结 研究离散扩散模型，引入统一框架从离散状态空间构建审视该模型，让现有公式成为共同设计空间实例，揭示训练、推理等方面权衡，为未来研究提供方向。
有证据支持的视频问答
机构 * Salesforce, Palo Alto, CA, USA（Salesforce公司） ； Brown University, Providence, RI, USA（布朗大学）
AI总结 研究视频问答中模型缺乏可视化依据的问题，提出E-VQA任务及ST-Evidence基准，开发数据集ST-Evidence-Instruct，通过微调提高模型表现，为可解释的视频理解建立基线。
Journal ref ECCV 2026
用于评估文本摘要的抽象性度量：一种经过实证验证的精确公式
机构 * International Institute of Information Technology, Bhubaneswar（布巴内斯瓦尔国际信息技术学院） ； Salesforce India Pvt Ltd（Salesforce印度私人有限公司）
AI总结 研究旨在量化文本摘要抽象性，引入RA、SA和AR度量，利用文档长度调和平均及非重叠因子公式，在四个模型上评估100个XSUM文档，成功区分提取式与抽象式模型，抽象率可识别需人工评估的摘要。
Comments 13 pages, 8 figures, code at https://github.com/katweNLP/AbstractionStudy. Extended and revised version of: Katwe et al., IEEE OCIT 2022 (doi:10.1109/OCIT56763.2022.00022)
全双工语音智能体的LALM音频评判的可靠性评估
机构 * Salesforce Applied AI Research（Salesforce应用人工智能研究院）
AI总结 研究评估Gemini模型作为全双工语音智能体音频评判的可靠性，以Gemini 2.5 Flash为基准与人类评分者对比，测试多个维度，发现其在一些维度表现良好，不同模型有差异，确定部署需谨慎领域，为LALM部署提供实证依据。
Comments 28 pages total (12 main body, 1 reference, 15 appendix). In main body: 2 diagrams, 3 table, 2 charts
PACE：智能体能力评估的代理框架
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Salesforce AI Research（Salesforce人工智能研究）
AI总结 提出PACE框架，通过从非智能体评测中选取原子实例构建代理基准，以低成本高精度预测智能体基准性能，在14个模型上实现MAE<4%、Spearman>0.80。
并行化混合：面向混合专家模型的内存高效训练栈
机构 * Salesforce AI Research（Salesforce AI研究院）
AI总结 提出一种内存高效的MoE模型训练范式，结合多种并行技术，在有限硬件资源下实现万亿参数、百万上下文长度的无损训练，吞吐量比FSDP2基线提升4.7-8.2倍。
Comments Work in progress
陪审团职责：文化模糊性下MLLM作为评判者的校准与定向失败
机构 * Salesforce AI Research（Salesforce AI 研究院） ； University of Cambridge（剑桥大学） ； University of Colorado Boulder（科罗拉多大学博尔德分校） ； Carnegie Mellon University（卡内基梅隆大学） ； UIUC（伊利诺伊大学厄巴纳-香槟分校）
AI总结 针对MLLM作为评判者在跨文化场景中的偏差问题，提出VOIR DIRE基准，通过分析校准失败（压缩尺度）和定向失败（默认一种文化规范），揭示模型偏向于更宽容的文化解读。
Comments Under Review
LaTtE-Flow: 基于层间时间步专家流的Transformer
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Maryland（马里兰大学） ； Nvidia（英伟达） ； Salesforce AI Research（Salesforce AI研究） ； Intuit AI Research（Intuit AI研究）
AI总结 提出LaTtE-Flow，一种基于预训练视觉语言模型的高效统一架构，通过层间时间步专家流和条件残差注意力机制，实现图像理解与生成，生成速度提升约6倍。
Comments Unified multimodal model, Flow-matching
PLATE: 可塑性可调的几何感知持续学习高效适配器
机构 * Salesforce AI Research（Salesforce人工智能研究）
AI总结 提出无需旧任务数据的持续学习方法PLATE，利用预训练网络的几何冗余性，通过结构化低秩更新显式控制可塑性-保留权衡，提升最坏情况保留保证。
MVEB：大规模视频嵌入基准
机构 * Harvard University（哈佛大学） ； SaluteDevices ； MIRAI ； Zendesk ； Shanghai University of Finance and Economics（上海财经大学） ； Google LLC ； Salesforce ； Cornell University（康奈尔大学） ； Astera Institute（Astera研究院） ； Independent Contributor（独立贡献者） ； Indian Institute of Technology, Kharagpur（印度理工学院，克拉格浦分校） ； Barclays（巴克莱银行） ； Aarhus University（奥胡斯大学） ； Stanford University（斯坦福大学）
AI总结 提出MVEB基准，包含23个任务评估33种视频嵌入模型，发现无单一模型占优，音频贡献取决于标注来源，并集成到MTEB生态。
多智能体优势的错觉
机构 * Salesforce Research（Salesforce研究院） ； HKUST (Guangzhou)（香港科技大学（广州）） ； University of British Columbia（不列颠哥伦比亚大学） ； Nanyang Technological University（南洋理工大学）
AI总结 通过系统评估，发现自动生成的多智能体系统在性能和成本效率上均不如单智能体基线（如思维链自一致性），揭示了现有评估框架的缺陷和架构膨胀问题。
MAStrike: 基于Shapley值的多智能体系统合谋红队测试
机构 * University of Illinois, Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Virtue AI ； University of Chicago（芝加哥大学） ； Wells Fargo（摩根大通） ； Salesforce ； University of California, Santa Barbara（加州大学圣芭芭拉分校）
AI总结 提出MAStrike框架，通过Shapley值分析识别多智能体系统中脆弱智能体联盟，生成角色感知的对抗攻击，并迭代优化以绕过防御，显著优于启发式基线。
断裂链式思维推理
机构 * University of Amsterdam（阿姆斯特丹大学） ； eBay ； Microsoft（微软） ； Google Research（谷歌研究） ； Salesforce
AI总结 提出断裂采样策略，通过截断推理链、调整轨迹数和解数，在推理时实现精度与成本的帕累托最优。
多智能体编排的奖励建模
机构 * Rutgers University（罗杰斯大学） ； Salesforce AI Research（Salesforce人工智能研究）
AI总结 提出OrchRM框架，通过自监督学习从多智能体执行中间产物构建奖励模型，无需人工标注，实现高效编排器训练和测试时扩展，在多个领域提升性能并降低计算成本。
Comments Preprint; work in progress
TimeRouter: 时间序列基础模型的高效自适应路由
机构 * University of Connecticut（康涅狄格大学） ； Salesforce AI Research ； JP Morgan AI Research（摩根大通人工智能研究院）
AI总结 提出TimeRouter框架，通过轻量判别路由、选择性门控和集成回退实现时间序列基础模型的自适应选择，无需LLM推理，在GIFT-EVAL榜单取得最优性能。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈