AI 大模型
大模型对齐、安全、越狱、红队、提示注入和可信评测。
CONTRA：可个性化代理的红队配置
机构 * Max Planck Institute for Software Systems（马克斯·普朗克软件研究所）
专题命中 安全评测 ：safety(abstract)；分类 cs.AI
AI总结 探讨代理配置与执行危险行为风险的关系，提出CONTRA算法，通过推理评估良性但危险的配置发现导致恶意行为的代理配置，构建数据集分析发现多数技能有恶意配置，CONTRA能成功识别部分危险配置。
一种评估大语言模型道德敏感性的可扩展方法
专题命中 安全评测 ：alignment(abstract)；分类 cs.CY
AI总结 研究如何评估大语言模型道德敏感性，提出新方法解决AI对齐研究中行为评估的问题，引入MORPH-1K基准测试并应用于八个模型，证明相关特征语义内容稳定。
Comments 9 pages, 3 figures, preprint
AgentLTL：一种用于测量、执行和训练使用工具的语言模型代理程序合规性的跟踪验证框架
机构 * EPITA ； Bpifrance
专题命中 安全评测 ：safety(abstract)；分类 cs.AI
AI总结 介绍基于一阶线性时态逻辑的AgentLTL语言，用于表达代理跟踪的程序规则，产生确定性无评判的合规分数，此框架可用于约束和微调，提升模型合规性与准确性。
审核审核：基准有效性审核中的五种失败模式
机构 * European Parliament and Council（欧洲议会和理事会） ； National Institute of Standards and Technology（美国国家标准与技术研究院） ； State Administration for Market Regulation and Standardization Administration of China（中国国家市场监督管理总局和中国国家标准化管理委员会）
专题命中 安全评测 ：safety(abstract)；分类 cs.LG
AI总结 研究治理框架要求的基于扰动的构造有效性审核的脆弱性，指出五种管道失败类型并通过案例展示，提出六点尽职调查关卡，定位其为保证级证据的协议。
Comments 18 pages, 4 figures. Accepted at the TAIGR Workshop at ICML 2026
跨连续软件开发工具包版本对大语言模型生成的量子代码中的 API 漂移进行基准测试
机构 * Department of Computer Science（计算机科学系） ； Khalifa University（卡利法大学）
专题命中 安全评测 ：alignment(abstract)；分类 cs.AI
AI总结 研究大语言模型生成的量子代码能否可靠适配特定 SDK 版本（API 漂移问题），引入量子 API 漂移基准，以 Qiskit 为例评估 17 个模型，揭示版本对齐是量子代码生成评估新维度及 API 漂移恢复情况。
AI原生游戏：综述与路线图
机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Zhongguancun Academy（中关村学院） ； Zhongguancun Institute of Artificial Intelligence（中关村人工智能研究所） ； School of Computer Science, McGill University, Montreal, Quebec, Canada（麦吉尔大学计算机科学学院） ； Game AI Research Group, Queen Mary University of London, London, United Kingdom（伦敦女王学院游戏人工智能研究组）
专题命中 安全评测 ：safety(abstract)；分类 cs.AI
AI总结 本文定义AI原生游戏为运行时生成式AI构成核心循环的游戏，提出G/N分类法分析53个实例，指出核心设计问题是将语义开放性组织为稳定游戏玩法，并给出路线图。
DramaDirector: 几何引导的短剧生成
机构 * South China University of Technology（华南理工大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳））
专题命中 安全评测 ：alignment(abstract)；分类 cs.AI
AI总结 提出几何引导框架DramaDirector，通过检索真实短剧的深度-姿态参考，结合模式约束SFT和GRPO训练规划器，实现从情节到多镜头短剧的生成，在忠实度、一致性和可控性上优于基线。
Comments 20 pages, 17 figures, 6 tables. Code is available at https://github.com/iLearn-Lab/DramaDirector
文本主导，音乐装饰：基于能量的注意力机制用于可编辑舞蹈动作生成
机构 * University of Maryland, College Park（马里兰大学帕克分校）
专题命中 安全评测 ：alignment(abstract)；分类 cs.AI
AI总结 提出STREAM模型，通过模态解耦的扩散变压器分离文本语义和音乐节奏控制，实现可编辑舞蹈动作生成，并引入新数据集Motorica++和评估指标EDS。
Comments Accepted to ECCV 2026
具有行为潜变量的可控模拟智能体
机构 * Purdue University（普渡大学） ； University of Tokyo（东京大学）
专题命中 安全评测 ：safety(abstract)；分类 cs.LG
AI总结 提出可控神经变分智能体（CNeVA），通过闭环共轭变分更新推断行为潜变量，结合修正流轨迹生成器，实现可解释轴上的可控模拟，在Waymo数据集上达到竞争性真实感并提供通道级可控性。
Comments 23 pages, 5 tables, 8 figures
基于训练无关的概念定位实现对抗印刷体攻击的鲁棒性
机构 * University of Virginia（弗吉尼亚大学）
专题命中 安全评测 ：safety(abstract)；分类 cs.CL
AI总结 提出一种无需训练的可解释性方法，通过分析注意力头对词汇和语义的编码差异，定位并干预ViT中的词汇偏置电路，从而在不额外训练的情况下显著提升对印刷体攻击的鲁棒性。
Comments 15 pages main text, provisionally accepted to ECCV 2026
先学移动再学做事：面向VLA的任务无关预训练
机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院）
专题命中 安全评测 ：alignment(abstract)；分类 cs.AI
AI总结 提出任务无关预训练（TAP）框架，先通过自监督逆动力学从廉价无标签交互数据学习可迁移运动先验，再用少量专家数据将先验与语言对齐，显著降低VLA模型对专家演示的依赖。
Comments Accepted to ICML 2026, 21 pages,6 figures
面向循环经济的高效废物分类：基于置信度的人机协同自动废物分类中一对多与一对一分类策略比较
机构 * Institute for Software and Systems Engineering（软件与系统工程研究所） ； Clausthal University of Technology（克莱斯特哈根技术大学）
专题命中 安全评测 ：alignment(abstract)；分类 cs.AI
AI总结 针对德国不同城市废物分类方案差异问题，比较OvA和OvR分类策略，通过置信度阈值筛选不确定样本进行人工复核，平衡误分类与人工标注成本。
CausalSteward: 一种用于因果发现的智能分治-合并副驾驶
专题命中 安全评测 ：trustworthy(abstract)；分类 cs.AI
AI总结 提出CausalSteward多智能体框架，通过分治策略将高维变量迭代划分并分别分析，融合先验知识与数据驱动方法，解决因果可识别性问题。
鲁棒且可解释的3D模态形状识别：基于区域感知图神经网络
机构 * Siemens Digital Industries Software（西门子数字工业软件） ； KU Leuven（根特大学） ； Department of Mechanical Engineering（机械工程系）
专题命中 安全评测 ：trustworthy(abstract)；分类 cs.AI
AI总结 提出规范工程图表示与区域感知图学习框架，将异构有限元模型和实验测量转化为通用图，通过图注意力学习和区域感知池化实现跨车辆架构的鲁棒3D模态形状识别，并提供物理解释。
RusFinChain：面向金融领域可验证思维链推理的俄语基准与模糊对齐评估
机构 * Kazan Federal University（喀山联邦大学）
专题命中 安全评测 ：alignment(abstract)；分类 cs.CL
AI总结 提出首个俄语金融可验证思维链推理基准RusFinChain，包含5280个参数化示例和模糊对齐评估指标，揭示模型在步骤对齐与最终答案正确性之间存在显著差距。
Comments Preprint
多层Q矩阵嵌入的认知诊断神经网络（M-QCDNet）：面向心理测量可解释性的结构感知深度学习架构
专题命中 安全评测 ：alignment(abstract)；分类 cs.LG
AI总结 提出M-QCDNet，将Q矩阵作为结构先验嵌入神经网络，通过带L2惩罚的损失函数平衡预测性能与结构对齐，实现可解释的认知诊断。
Comments 15 pages, 3 tables
一次反思不够：通过多假设失败归因进行自我修正的自主研究
机构 * Xiamen University（厦门大学） ； Hello Inc.（Hello公司） ； Xiaohongshu Inc.（小红书公司）
专题命中 安全评测 ：trustworthy(abstract)；分类 cs.AI
AI总结 提出SAGE框架，通过多假设失败归因（MHFA）机制将实验失败恢复转化为结构化因果诊断，显著提升自主研究代理的可靠性和产出质量。
CLOUDADV: 漂移下基于零样本基础模型的决策对齐实例大小调整
机构 * University of Pisa（比萨大学） ； Independent Researcher（独立研究员） ； Sintra Consulting Limited（Sintra咨询有限公司） ； Luiss University（路易斯大学）
专题命中 安全评测 ：alignment(abstract)；分类 cs.AI
AI总结 提出CLOUDADV系统，结合零样本时间序列预测与有界推荐生成，在非平稳云环境中实现决策对齐的实例大小调整，通过参考推荐和成本节约评估，在7个生产VM案例中实现52.9%成本节省。
Comments 9 pages, 2 figures
面向6G网络的联合OFDM波形设计与RIS配置的优化算法：从凸松弛到基础模型
机构 * Istanbul Medipol University（伊斯坦布尔梅迪波尔大学）
专题命中 安全评测 ：safety(abstract)；分类 cs.AI
AI总结 综述2021-2026年间78篇联合OFDM-RIS优化工作，将其分为四类范式，发现基于ML的方法在推理速度上比模型方法快2-4个数量级，并指出六个开放挑战。
Comments 22 pages
HistoriQA-ThirdRepublic: 面向历史研究的多跳问答语料库——来自法兰西第三共和国（1870-1940）的议会辩论
机构 * LRE ； EPITA ； EPITECH ； Bpifrance ； CJM
专题命中 安全评测 ：alignment(abstract)；分类 cs.AI
AI总结 提出一个法语多跳历史问答数据集，基于第三共和国议会辩论和报纸，由历史学家协作构建，涵盖跨源综合、时间推理等复杂推理模式，共1782个问题，用于评估检索增强和大型语言模型在特定领域的效果。
Journal ref LREC 2026: Language Resources and Evaluation Conference, ELRA Language Resources Association, May 2026, Palma de Mallorca, Spain
基于结构化自回归建模的长期交通仿真
机构 * The University of Hong Kong（香港大学）
专题命中 安全评测 ：alignment(abstract)；分类 cs.AI
AI总结 提出RosettaSim框架，利用大规模序列模型的归纳偏置和统计先验，通过结构化自回归流建模场景拓扑、智能体状态和生成意图，实现短期准确与长期稳定仿真；并引入基于检索的交通评估（RTE）解决长期评估难题。
Comments ECCV 2026 Accepted
OpenRCA 2.0：从结果标签到因果过程监督
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
专题命中 安全评测 ：trustworthy(abstract)；分类 cs.AI
AI总结 针对现有根因分析数据集仅标注结果而忽略因果传播路径的问题，提出PAVE协议重建因果路径，构建OpenRCA 2.0基准，发现LLM在根因定位中因果验证不足的缺陷。
Comments work in progress
ATRIA: 自适应可追溯心电图报告与迭代智能体
机构 * MedicalAI Co., Ltd.（MedicalAI有限公司）
专题命中 安全评测 ：trustworthy(abstract)；分类 cs.AI
AI总结 提出多智能体系统ATRIA，模拟临床医生迭代工作流，实现可追溯、可编辑的心电图报告生成，支持证据绑定和中间修正。
从检测到行动：使用LLM智能体进行容错控制
机构 * Imperial College London（帝国理工学院伦敦校区） ； Helmut Schmidt University（海德堡-施密特大学）
专题命中 安全评测 ：safety(abstract)；分类 cs.LG
AI总结 提出基于大语言模型智能体的主动容错控制框架，通过多智能体协作、数字孪生和知识图谱增强检索，生成并验证最小风险恢复路径，在离散和连续过程控制中实现从故障检测到有效纠正行动的闭环。
迈向可靠稳健的LLM规划：符号反馈驱动的迭代自我精炼框架
机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）
专题命中 安全评测 ：trustworthy(abstract)；分类 cs.AI
AI总结 提出符号反馈驱动的迭代自我精炼框架，通过自然语言提示、符号验证器和计划识别器增强LLM在长时域规划中的鲁棒性和可靠性。
物理引导的机器人辐射源定位：非结构化环境中沿任意测量路径
机构 * George W. Woodruff School of Mechanical Engineering, Georgia Institute of Technology（乔治·W·伍德拉夫机械工程学院，佐治亚理工学院）
专题命中 安全评测 ：safety(abstract)；分类 cs.LG
AI总结 提出基于物理信息机器学习（PIML）的框架，使机器人沿任意路径在未知环境中精确估计辐射源位置，避免接近源，并通过并行计算提高鲁棒性。
Comments 18 pages, 14 figures, 2 tables
Aloe-Vision: 面向医疗保健的鲁棒视觉-语言模型
机构 * Barcelona Supercomputing Center (BSC)（巴塞罗那超级计算中心（BSC））
专题命中 安全评测 ：safety(abstract)；分类 cs.CL
AI总结 提出Aloe-Vision系列医疗LVLM，通过大规模高质量多模态数据微调，在保持通用能力的同时提升医疗任务性能，并引入低污染基准CareQA-Vision，揭示当前模型在临床环境中的鲁棒性挑战。
Comments MIDL 2026
Journal ref Proceedings of Machine Learning Research, Vol. 315, pp. 2404-2426, 2026
MedGuards: 用于可靠医疗错误检测与纠正的多智能体系统
机构 * New York University Abu Dhabi（纽约大学阿布扎比分校） ； Khalifa University（哈利法大学） ； New York University（纽约大学）
专题命中 安全评测 ：safety(abstract)；分类 cs.CL
AI总结 提出MedGuards框架，通过多智能体上下文学习与置信度引导仲裁机制，无需额外训练即可检测、定位和纠正医疗文本错误，并引入关键词优先纠正评分(KPCS)评估指标。
人工智能指数报告2026
专题命中 安全评测 ：safety(abstract)；分类 cs.AI
AI总结 本报告追踪AI在推理、安全及现实任务执行方面的测试进展，分析治理框架、评估方法与技术发展之间的差距，并新增AI在科学与医学领域的独立章节。
RecallRisk-BERT：用于报告后医疗器械召回分类的多任务框架
机构 * Department of Computer Engineering, Faculty of Engineering, Ankara University（安卡拉大学工程学院计算机工程系）
专题命中 安全评测 ：safety(abstract)；分类 cs.LG
AI总结 提出RecallRisk-BERT多任务模型，联合预测召回严重等级和根因类别，在FDA数据集上优于单任务基线，支持可扩展的召回分类。
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