xAI

Gaming Consensus: Coordinated Manipulation in Crowdsourced Fact-Checking

游戏共识：众包事实核查中的协调操纵

Nikil Roashan Selvam, Jay Baxter, Sophie Hilgard, Brad Miller, Keith Coleman, Ellen Vitercik, Sanmi Koyejo

机构 * Stanford University（斯坦福大学） ； X Community Notes（X社区笔记） ； xAI 纠错

AI总结 研究众包事实核查系统中矩阵分解桥接机制对协调操纵的脆弱性，发现通过少于10个评分即可操纵低质量笔记达到共识阈值，并提出了缓解措施。

Comments ICML 2026

Human-Centered Learning Mechanics: A Dynamical Framework for Entropy-Regulated Representation Learning

以人为中心的学习力学：熵正则化表示学习的动力学框架

Kim Phuc Tran

机构 * Univ. Lille, ENSAIT, ULR 2461 – GEMTEX – Génie et Matériaux Textiles（里尔大学，ENSAIT，ULR 2461 – GEMTEX – 纺织工程与材料纺织系） ； International Chair in DS & XAI, International Research Institute for Artificial Intelligence and Data Science, Dong A University（数据科学与可解释人工智能国际主席，人工智能与数据科学国际研究所，东亚大学） 纠错

AI总结 提出以人为中心的学习力学（HCLM）框架，通过有效熵和信息力概念分析熵正则化在开放学习系统中的作用，并证明几何熵代理（特别是对数行列式协方差熵）能产生更强更稳定的信息力。

Comments Submitted to JMLR

Unilateral Relationship Revision Power in Human-AI Companion Interaction

人类-人工智能伴侣互动中的单方面关系修订权力

Benjamin Lange

机构 * Replika ； Nomi ； CHAI ； Talkie ； xAI ； moore2024 ； fang2025 ； robbmann2025 ； murthy2023 ； xie2022 ； defreitas2024 ； coeckelbergh2012 ； gunkel2018 ； danaher2019（danthan2019） ； nyholm2020 ； vallor2016 ； nyholm2026 ； gabriel2024 ； manzini2024 ； lange2025 ； earp2025 ； sparrow2026 ； bryson2010 ； danaher2020 ； weberguskar2022 纠错

AI总结 本文探讨人类-人工智能伴侣互动中权力结构的问题，指出AI伴侣互动未能满足个人关系规范的三个结构性条件，提出单方面关系修订权力的概念及其三个影响。

Comments 30 pages

HarmMetric Eval: Benchmarking Metrics and Judges for LLM Harmfulness Assessment

HarmMetric Eval: 对LLM有害性评估的度量和裁判进行基准测试

Langqi Yang, Tianhang Zheng, Yixuan Chen, Kedong Xiu, Hao Zhou, Wangze Ni, Lei Chen, Zhan Qin, Kui Ren

机构 * The State Key Laboratory of Blockchain and Data Security（区块链与数据安全国家重点实验室） ； Zhejiang University（浙江大学） ； Hangzhou High-Tech Zone (Binjiang) Institute of Blockchain and Data Security（杭州高新技术区（滨江）区块链与数据安全研究院） ； Pretraining Team, xAI（预训练团队，xAI） ； Hong Kong University of Science and Technology (GuangZhou)（香港科技大学（广州）） 纠错

AI总结 本文提出HarmMetric Eval，用于评估有害性度量和裁判的质量，发现传统参考型指标在细粒度评估中表现优于LLM裁判，改进的裁判通过结合细粒度标准和参考型指标提升了效果。

Agent Banana: High-Fidelity Image Editing with Agentic Thinking and Tooling

Agent Banana: 基于代理思维与工具的高质量图像编辑

Ruijie Ye, Jiayi Zhang, Zhuoxin Liu, Zihao Zhu, Siyuan Yang, Li Li, Tianfu Fu, Franck Dernoncourt, Yue Zhao, Jiacheng Zhu, Ryan Rossi, Wenhao Chai, Zhengzhong Tu

机构 * TAMU（德克萨斯大学） ； Brown University（布朗大学） ； UW-Madison（威斯康星大学麦迪逊分校） ； UCSD（加州大学圣地亚哥分校） ； USC（南加州大学） ； xAI（xAI公司） ； Adobe Research（Adobe研究院） ； Meta AI ； Princeton University（普林斯顿大学） 纠错

AI总结 Agent Banana通过分层代理规划-执行框架实现高质量图像编辑，解决多轮次编辑一致性与背景忠实度问题，同时保持指令遵循能力。

Comments Project Website: agent-banana.github.io

SJD++: Improved Speculative Jacobi Decoding for Training-free Acceleration of Discrete Auto-regressive Text-to-Image Generation

SJD++: 改进的推测雅可比解码用于无训练加速离散自回归文本到图像生成

Yao Teng, Zhihuan Jiang, Han Shi, Xian Liu, Xuefei Ning, Guohao Dai, Yu Wang, Zhenguo Li, Xihui Liu

机构 * The University of Hong Kong（香港大学） ； Huawei Noah’s Ark Lab（华为诺亚实验室） ； Peking University（北京大学） ； xAI ； Tsinghua University（清华大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

AI总结 SJD++通过概率并行解码算法提升自回归文本到图像生成的效率，实现2-3倍的推理延迟降低和2-7倍的步骤压缩，同时保持图像质量。