大模型对齐与安全

NetAgentBench: A State-Centric Benchmark for Evaluating Agentic Network Configuration

NetAgentBench: 一种面向评估代理网络配置的基于状态的基准

Ahmed Twabi, Yepeng Ding, Tohru Kondo

机构 * Hiroshima University（广岛大学） 纠错

专题命中 安全评测 ：trustworthy(abstract)；分类 cs.AI

AI总结 NetAgentBench通过有限状态机形式化方法评估代理交互，揭示了当前LLM代理在复杂多轮网络配置任务中的缺陷，强调了系统性评估多轮行为稳定性的必要性。

Comments 9 pages

AdaQE-CG: Adaptive Query Expansion for Web-Scale Generative AI Model and Data Card Generation

AdaQE-CG：适应性查询扩展用于大规模生成式AI模型和数据卡片生成

Haoxuan Zhang, Ruochi Li, Zhenni Liang, Mehri Sattari, Phat Vo, Collin Qu, Ting Xiao, Junhua Ding, Yang Zhang, Haihua Chen

机构 * University of North Texas（北德克萨斯大学） ； North Carolina State University（北卡罗来纳州立大学） ； Bellevue High School（贝尔维尤高中） 纠错

专题命中 安全评测 ：trustworthy(abstract)；分类 cs.AI

AI总结 本文提出AdaQE-CG框架，通过动态信息提取与跨卡片知识迁移解决生成AI文档的三大挑战，引入MetaGAI-Bench基准，实验表明其在多个质量维度上优于现有方法，接近人类水平。

Comments This paper has been accepted to the main conference of WWW 2026

Retrieval-Augmented Large Language Models for Evidence-Informed Guidance on Cannabidiol Use in Older Adults

基于检索增强的大型语言模型用于指导老年人使用大麻二酚的证据支持

Ali Abedi, Charlene H. Chu, Shehroz S. Khan

机构 * Lawrence Bloomberg Faculty of Nursing, University of Toronto（多伦多大学劳伦斯·布隆伯格护理学院） ； KITE Research Institute, Toronto Rehabilitation Institute, University Health Network（大学健康网络多伦多康复研究所KITE研究所） ； College of Engineering and Technology, American University of the Middle East（中东美国大学工程与技术学院） 纠错

专题命中 安全评测 ：safety(abstract)；分类 cs.AI

AI总结 本文提出一种结合结构化提示工程与大麻二酚证据的检索增强型大型语言模型框架，用于为老年人提供安全指导，同时开发了无标注评估框架以评估AI在敏感健康场景中的可靠性。

Text-to-Image Models and Their Representation of People from Different Nationalities Engaging in Activities

文本到图像模型及其对不同民族参与活动的人的表示

Abdulkareem Alsudais

机构 * Prince Sattam bin Abdulaziz University（沙特王子萨塔姆·本·阿卜杜勒阿齐兹大学） 纠错

专题命中 安全评测 ：alignment(abstract)；分类 cs.CY

AI总结 研究分析了DALL-E 3和Gemini 3 Pro Preview在生成日常活动图像时对206个民族的表示，发现传统服饰在某些活动中不适用，且与地区和收入组相关联。

BadSkill: Backdoor Attacks on Agent Skills via Model-in-Skill Poisoning

BadSkill: 通过模型-技能污染对代理技能进行后门攻击

Guiyao Tie, Jiawen Shi, Pan Zhou, Lichao Sun

机构 * Huazhong University of Science and Technology（华中科技大学） ； Lehigh University（里海大学） 纠错

专题命中 安全评测 ：prompt injection(abstract)；分类 cs.AI

AI总结 研究针对代理技能中嵌入的模型提出后门攻击，通过污染技能中的模型实现隐蔽攻击，验证了在不同模型规模和扰动类型下的有效性，并指出模型承载技能作为代理生态系统中的新型供应链风险。

Comments 4 pages, 4 fIGURES

CrashSight: A Phase-Aware, Infrastructure-Centric Video Benchmark for Traffic Crash Scene Understanding and Reasoning

CrashSight：面向交通事故场景理解与推理的相位感知、基础设施导向视频基准

Rui Gan, Junyi Ma, Pei Li, Xingyou Yang, Kai Chen, Sikai Chen, Bin Ran

机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； University of Wyoming（怀俄明大学） ； Columbia University（哥伦比亚大学） 纠错

专题命中 安全评测 ：safety(abstract)；分类 cs.AI

AI总结 CrashSight通过真实道路摄像头数据构建大规模视频基准，评估视觉语言模型在交通事故场景中的理解与推理能力，揭示现有模型在时间与因果推理方面的不足。

KnowU-Bench: Towards Interactive, Proactive, and Personalized Mobile Agent Evaluation

KnowU-Bench: 向交互式、主动式和个性化移动代理评估迈进

Tongbo Chen, Zhengxi Lu, Zhan Xu, Guocheng Shao, Shaohan Zhao, Fei Tang, Yong Du, Kaitao Song, Yizhou Liu, Yuchen Yan, Wenqi Zhang, Xu Tan, Weiming Lu, Jun Xiao, Yueting Zhuang, Yongliang Shen

机构 * Zhejiang University（浙江大学） ； Apple（苹果公司） ； Tencent（腾讯） 纠错

专题命中 安全评测 ：trustworthy(abstract)；分类 cs.AI

AI总结 KnowU-Bench通过Android仿真环境评估个性化移动代理，涵盖42个通用GUI任务、86个个性化任务和64个主动任务，验证代理在交互中获取用户偏好和主动干预的能力，发现前沿模型在模糊指令下表现下降，揭示偏好获取和干预校准的关键瓶颈。

Neural-Symbolic Knowledge Tracing: Injecting Educational Knowledge into Deep Learning for Responsible Learner Modelling

神经符号知识追踪：将教育知识注入深度学习以实现负责任的学习者建模

Danial Hooshyar, Gustav Šír, Yeongwook Yang, Tommi Kärkkäinen, Raija Hämäläinen, Ekaterina Krivich, Mutlu Cukurova, Dragan Gašević, Roger Azevedo

机构 * Tallinn University（塔林大学） ； University of Jyväskylä（于韦斯屈莱大学） ； Czech Technical University（捷克技术大学） ； Kangwon National University（江原大学） ； University College London（伦敦大学学院） ； The University of Hong Kong（香港大学） ； Monash University（莫纳什大学） ； University of Central Florida（中佛罗里达大学） 纠错

专题命中 安全评测 ：alignment(abstract)；分类 cs.AI

AI总结 本文提出Responsible-DKT，通过整合教育符号知识提升学习者建模的性能与可解释性，实验表明其在预测准确率和时间可靠性方面优于传统方法。

Interpretable Clinical Classification with Kolmogorov-Arnold Networks

可解释的临床分类与科拉莫戈罗夫-阿诺德网络

Alejandro Almodóvar, Patricia A. Apellániz, Alba Garrido, Fernando Fernández-Salvador, Santiago Zazo, Juan Parras

专题命中 安全评测 ：trustworthy(abstract)；分类 cs.LG

AI总结 本文提出基于科拉莫戈罗夫-阿诺德网络的可解释性临床分类方法，通过Logistic KAN和KAAM模型在多个公开数据集上验证了其在预测性能和临床透明度上的优势。

Comments 29 pages

Same Outcomes, Different Journeys: A Trace-Level Framework for Comparing Human and GUI-Agent Behavior in Production Search Systems

相同结果，不同旅程：一种基于轨迹层面的框架，用于比较人类和GUI代理在生产搜索系统中的行为

Maria Movin, Claudia Hauff, Aron Henriksson, Panagiotis Papapetrou

机构 * Spotify, Sweden（Spotify瑞典） ； Spotify, Netherlands（Spotify荷兰） ； Stockholm University, Sweden（斯德哥尔摩大学） 纠错

专题命中 安全评测 ：alignment(abstract)；分类 cs.AI

AI总结 本文提出一个基于轨迹的评估框架，比较人类和GUI代理在任务结果、努力、查询构建和界面状态导航中的行为差异，通过实验证明代理行为与人类不同，强调轨迹层面诊断的重要性。

LLM-Generated Fault Scenarios for Evaluating Perception-Driven Lane Following in Autonomous Edge Systems

基于大语言模型的故障场景生成用于评估自主边缘系统中感知驱动的车道跟随

Faezeh Pasandideh, Achim Rettberg

机构 * Department of Electrical Engineering Hamm-Lippstadt University. of Applied Sciences (HSHL) Lippstadt, Germany 纠错

专题命中 安全评测 ：safety(abstract)；分类 cs.LG

AI总结 本文提出一种解耦的离线-在线故障注入框架，利用大语言模型生成故障场景并合成高保真传感器退化，通过预计算查找表实现边缘设备实时故障感知推理，验证了在雾条件下模型鲁棒性显著下降。

MM-MoralBench: A MultiModal Moral Evaluation Benchmark for Large Vision-Language Models

MM-MoralBench: 一种多模态道德评估基准用于大型视觉-语言模型

Bei Yan, Jie Zhang, Zhiyuan Chen, Shiguang Shan, Xilin Chen

机构 * University of Chinese Academy of Sciences（中国科学院大学） 纠错

专题命中 安全评测 ：alignment(abstract)；分类 cs.AI

AI总结 为评估大型视觉-语言模型的道德对齐性，提出MM-MoralBench基准，通过多模态场景测试模型在六个道德基础上的判断与分类能力，揭示模型存在显著的道德偏见问题。

Comments Accepted by Pattern Recognition

A Unified Framework for Evaluating and Enhancing the Transparency of Explainable AI Methods via Perturbation-Gradient Consensus Attribution

基于扰动-梯度共识归因的可解释人工智能方法评估与增强统一框架

Md. Ariful Islam, Md Abrar Jahin, M. F. Mridha, Nilanjan Dey

机构 * Department of Computer Science, American International University-Bangladesh（美国国际大学-孟加拉国计算机科学系） ； Thomas Lord Department of Computer Science, Viterbi School of Engineering, University of Southern California（南加州大学维特比工程学院托马斯·洛德计算机科学系） ； Department of Computer Science and Engineering, Techno International New Town（Techno International New Town计算机科学与工程系） 纠错

专题命中 安全评测 ：safety(abstract)；分类 cs.AI

AI总结 本文提出多标准评估框架和PGCA方法，通过整合领域优先级动态评分方案，提升XAI在保真度、可解释性、鲁棒性、公平性和完整性方面的性能，实验显示在五个领域均取得显著优势。

Are LLMs Ready for Computer Science Education? A Cross-Domain, Cross-Lingual and Cognitive-Level Evaluation Using Professional Certification Exams

LLMs是否准备好用于计算机科学教育？通过专业认证考试进行跨领域、跨语言和认知层面的评估

Chen Gao, Chi Liu, Zhengquan Luo, Dongfu Xiao, Maiying Sui, Sheng Shen, Congcong Zhu, Huajie Chen, Xuhan Zuo, Zongyuan Ge, Tianqing Zhu, Wanlei Zhou, Xiaotong Han

专题命中 安全评测 ：alignment(abstract)；分类 cs.CY

AI总结 本文通过专业认证考试数据评估了四个LLM在跨语言、认知层次和领域知识上的表现，发现GPT-5在英文考试中表现最佳，Qwen-Plus在中文环境中更优，DeepSeek-R1在跨语言表现最平衡，但Llama-3.3在高阶推理和鲁棒性上存在明显不足。

Comments 40 pages including Appendix

Context-Aware Dialectal Arabic Machine Translation with Interactive Region and Register Selection

具有交互区域和语域选择的上下文感知方言阿拉伯语机器翻译

Afroza Nowshin, Prithweeraj Acharjee Porag, Haziq Jeelani, Fayeq Jeelani Syed

机构 * University of Toledo（托莱多大学） ； Claremont Graduate University（克莱蒙特研究生大学） 纠错

专题命中 安全评测 ：alignment(abstract)；分类 cs.CL

AI总结 本文提出一种上下文感知的阿拉伯语方言机器翻译框架，通过规则基于的数据增强生成多区域语料，提升翻译输出的方言和语域可控性。

Comments 14 pages, 5 figures, 5 tables. Preprint under review

State-of-the-Art Arabic Language Modeling with Sparse MoE Fine-Tuning and Chain-of-Thought Distillation

最先进的阿拉伯语言建模：基于稀疏MoE微调和链式思维蒸馏

Navan Preet Singh, Anurag Garikipati, Ahmed Abulkhair, Jyani Akshay Jagdishbhai, Atul Yaduvanshi, Amarendra Chaudhary, Madalina Ciobanu, Qingqing Mao, Ritankar Das

机构 * Incept Labs（因塞普特实验室） 纠错

专题命中 安全评测 ：safety(abstract)；分类 cs.CL

AI总结 本文提出阿拉伯-DeepSeek-R1，通过稀疏MoE架构和链式思维蒸馏，在开放阿拉伯LLM排行榜上实现SOTA，展示了稀疏MoE与文化导向的蒸馏方法在阿拉伯语言任务中的优势。

Qualixar OS: A Universal Operating System for AI Agent Orchestration

Qualixar OS：面向AI代理编排的通用操作系统

Varun Pratap Bhardwaj

专题命中 安全评测 ：alignment(abstract)；分类 cs.AI

AI总结 Qualixar OS是首个应用层操作系统，支持异构多代理系统，提供10个LLM供应商、8+代理框架和7种传输的完整运行时，包含12种多代理拓扑执行语义、LLM驱动的团队设计引擎、三层模型路由、共识判断管道、四层内容归属和通用兼容性等功能。

Comments 20 pages, 7 figures, 8 tables. Zenodo DOI: 10.5281/zenodo.19454219

Harnessing Hyperbolic Geometry for Harmful Prompt Detection and Sanitization

利用双曲几何进行有害提示检测与净化

Igor Maljkovic, Maria Rosaria Briglia, Iacopo Masi, Antonio Emanuele Cinà, Fabio Roli

机构 * University of Genoa（热那亚大学） ； Sapienza University of Rome（罗马大学） ； University of Cagliari（卡利亚里大学） 纠错

专题命中 安全评测 ：safety(abstract)；分类 cs.AI

AI总结 本文提出HyPE和HyPS方法，利用双曲几何空间检测和净化有害提示，提升视觉语言模型的安全性与鲁棒性。

Comments Paper accepted at ICLR 2026. Webpage available at: https://hype-vlm.github.io

Towards the Development of an LLM-Based Methodology for Automated Security Profiling in Compliance with Ukrainian Cybersecurity Regulations

迈向基于大语言模型的自动化安全配置方法的开发：符合乌克兰网络安全法规

Daniil Shafranskyi, Iryna Stopochkina, Mykola Ilin

机构 * National Technical University of Ukraine “Igor Sikorsky Kyiv Polytechnic Institute”（乌克兰国立技术大学“伊戈尔·西科尔斯基基辅理工学院”） 纠错

专题命中 安全评测 ：alignment(abstract)；分类 cs.AI

AI总结 本文探讨将国际最佳实践整合到国家监管体系中，提出利用大语言模型实现自动化安全配置的方法，以应对高密度混合威胁环境下的网络安全挑战。

Comments 12 pages, 2 figures

ToxReason: A Benchmark for Mechanistic Chemical Toxicity Reasoning via Adverse Outcome Pathway

ToxReason: 一个通过不良后果途径进行机理化学毒性推理的基准

Jueon Park, Wonjune Jang, Chanhwi Kim, Yein Park, Jaewoo Kang

机构 * Korea University（高丽大学） ； Myongji University（明知大学） ； University of Texas Health Science Center at Houston（德克萨斯大学休斯顿健康科学中心） ； AIGEN Sciences 纠错

专题命中 安全评测 ：trustworthy(abstract)；分类 cs.AI

AI总结 ToxReason基准通过整合药物-靶点相互作用证据与毒性标签，评估多器官水平的毒性推理能力，发现强预测性能不等于可靠推理，且推理意识训练能提升机理推理和毒性预测性能。

Comments Accepted to ACL 2026 Findings

TelcoAgent-Bench: A Multilingual Benchmark for Telecom AI Agents

TelcoAgent-Bench：电信AI代理的多语言基准测试

Lina Bariah, Brahim Mefgouda, Farbod Tavakkoli, Enrique Molero, Louis Powell, Merouane Debbah

机构 * Research Institute for Digital Future, Khalifa University（哈利法大学数字未来研究所） 纠错

专题命中 安全评测 ：alignment(abstract)；分类 cs.CL

AI总结 本文提出TelcoAgent-Bench和TelcoAgent-Metrics，用于评估多语言电信LLM代理，通过结构化指标评估意图识别、工具执行、解决正确性和稳定性，以量化LLM代理在电信环境中的可靠性。

Temporal Inversion for Learning Interval Change in Chest X-Rays

时间倒置用于学习胸部X光片的区间变化

Hanbin Ko, Kyungmin Jeon, Doowoong Choi, Chang Min Park

机构 * Interdisciplinary Program in Bioengineering, Seoul National University Graduate School（首尔大学研究生院生物工程跨学科项目） ； Integrated Major in Innovative Medical Science, Seoul National University Graduate School（首尔大学研究生院创新医学科学综合专业） ； Dept. of Radiology, Seoul National University Hospital（首尔大学医院放射科） ； Seoul National University College of Medicine（首尔大学医学院） ； Inst. of Medical and Biological Engineering, Seoul National University Medical Research Center（首尔大学医学研究中心医学与生物工程研究所） 纠错

专题命中 安全评测 ：alignment(abstract)；分类 cs.AI

AI总结 本文提出TILA框架，通过时间倒置增强模型对时间变化的敏感性，改进了胸部X光片的区间变化检测与分类。

Comments 10 pages, 5 figures

PEEM: Prompt Engineering Evaluation Metrics for Interpretable Joint Evaluation of Prompts and Responses

PEEM：提示工程评估指标用于可解释地联合评估提示和响应

Minki Hong, Eunsoo Lee, Sohyun Park, Jihie Kim

机构 * Department of Computer Science and Artificial Intelligence, Dongguk University（东国大学计算机科学与人工智能系） 纠错

专题命中 安全评测 ：alignment(abstract)；分类 cs.CL

AI总结 本文提出PEEM，一种联合且可解释的提示和响应评估框架，通过9个轴线评估提示和响应质量，结合LLM评估器输出评分和解释，提升提示设计的可解释性和优化效果。

Comments This is a preprint version of a paper accepted to IEEE Access. The final published version is available at DOI: 10.1109/ACCESS.2026.3679809

Before We Trust Them: Decision-Making Failures in Navigation of Foundation Models

在我们信任之前：基础模型导航决策中的失败

Jua Han, Jaeyoon Seo, Jungbin Min, Sieun Choi, Huichan Seo, Jihie Kim, Jean Oh

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

专题命中 安全评测 ：safety(abstract)；分类 cs.AI

AI总结 研究发现基础模型在导航任务中存在显著决策失败，需更细致评估以理解其局限性。

Comments Corrected author order in metadata; manuscript changed

AudioRole: An Audio Dataset for Character Role-Playing in Large Language Models

AudioRole: 一个用于大型语言模型角色扮演的音频数据集

Wenyu Li, Xiaoqi Jiao, Yi Chang, Guangyan Zhang, Yiwen Guo

机构 * Westlake University（西湖大学） ； Tencent LIGHTSPEED STUDIOS（腾讯LIGHTSPEED STUDIOS） ； Independent Researcher（独立研究员） 纠错

专题命中 安全评测 ：alignment(abstract)；分类 cs.AI

AI总结 本文提出AudioRole数据集，通过13部电视剧1000+小时的100万+角色对话，提供同步音频文本对及角色身份标注，结合ARP-Eval评估框架，验证了GLM-4-Voice在角色扮演中的优越性能。

Appear2Meaning: A Cross-Cultural Benchmark for Structured Cultural Metadata Inference from Images

Appear2Meaning: 一个跨文化的结构化文化元数据图像推理基准

Yuechen Jiang, Enze Zhang, Md Mohsinul Kabir, Qianqian Xie, Stavroula Golfomitsou, Konstantinos Arvanitis, Sophia Ananiadou

机构 * University of Manchester（曼彻斯特大学） ； School of Artificial Intelligence, Wuhan University（武汉大学人工智能学院） ； Getty Conservation Institute（盖蒂保护研究所） 纠错

专题命中 安全评测 ：alignment(abstract)；分类 cs.CL

AI总结 本文提出一个跨文化的结构化文化元数据图像推理基准，评估VLMs在文化元数据推断中的表现，发现模型在不同文化和元数据类型上存在显著性能差异。

Validated Intent Compilation for Constrained Routing in LEO Mega-Constellations

面向低轨巨型星座受限路由的意图验证编译

Yuanhang Li

专题命中 安全评测 ：safety(abstract)；分类 cs.AI

AI总结 本文提出端到端系统，通过图神经网络路由器、语言模型意图编译器和确定性验证器，实现高阶意图到低阶路由约束的转换，确保路由安全性和网络配置的准确性。

Comments 9 pages, 2 figures

Exclusive Unlearning

排除性反学习

Mutsumi Sasaki, Kouta Nakayama, Yusuke Miyao, Yohei Oseki, Masaru Isonuma

机构 * Tohoku University（东北大学） ； NII LLMC（国立信息学研究所 LLMC） ； The University of Tokyo（东京大学） 纠错

专题命中 安全评测 ：safety(abstract)；分类 cs.CL

AI总结 本文提出排除性反学习方法，通过广泛遗忘非目标知识以实现广泛危害消除，确保模型在多种输入下安全，同时保持对特定领域指令的响应能力。

Scientific Graphics Program Synthesis via Dual Self-Consistency Reinforcement Learning

通过双自一致性强化学习实现科学图形程序合成

Juekai Lin, Yun Zhu, Honglin Lin, Sijing Li, Tianwei Lin, Zheng Liu, Xiaoyang Wang, Wenqiao Zhang, Lijun Wu

机构 * Zhejiang University（浙江大学） ； Shanghai Artificial Intelligence Laboratory, OpenDataLab（上海人工智能实验室，OpenDataLab） ； Shanghai Jiao Tong University（上海交通大学） ； Peking University（北京大学） 纠错

专题命中 安全评测 ：alignment(abstract)；分类 cs.AI

AI总结 本文提出双自一致性强化学习框架，结合高质量数据集和多维基准，提升科学图形到可编辑TikZ代码的转换能力，实现视觉与结构的高精度优化。

Flowr -- Scaling Up Retail Supply Chain Operations Through Agentic AI in Large Scale Supermarket Chains

Flowr -- 通过大规模超市连锁中的代理AI实现零售供应链运营的扩展

Eranga Bandara, Ross Gore, Sachin Shetty, Piumi Siyambalapitiya, Sachini Rajapakse, Isurunima Kularathna, Pramoda Karunarathna, Ravi Mukkamala, Peter Foytik, Safdar H. Bouk, Abdul Rahman, Xueping Liang, Amin Hass, Tharaka Hewa, Ng Wee Keong, Kasun De Zoysa, Aruna Withanage, Nilaan Loganathan

机构 * Old Dominion University（老道明大学） ； Florida International University（佛罗里达国际大学） ； Nanyang Technological University（南洋理工大学） ； University of Colombo（科伦坡大学） ； Center for Wireless Communications, University of Oulu（奥卢大学无线通信中心） ； University of Sri Jayewardenepura（斯里贾亚瓦德纳普拉大学） ； Accenture Technology Labs（埃森哲技术实验室） 纠错

专题命中 安全评测 ：alignment(abstract)；分类 cs.AI

AI总结 本文提出Flowr框架，通过代理AI自动化大规模超市连锁的端到端供应链流程，减少人工协调负担，提升供需匹配度和异常处理能力。