Semantic Retrieval for Product Search in E-Commerce
电子商务产品搜索中的语义检索
机构 * Flipkart, India（印度Flipkart）
专题命中 偏好对齐 ：alignment(abstract)；分类 cs.LG
AI总结 针对电商搜索中短、嘈杂、口语化查询和细粒度属性区分问题，提出一种基于Siamese LLM双编码器的两阶段训练方法，通过对比学习和偏好优化实现精确匹配与排序。
AI 大模型
大模型对齐与安全
大模型对齐、安全、越狱、红队、提示注入和可信评测。
1. 偏好对齐 3278 篇
PRISM: Preference-Aware Influence Function Based Data Selection Method for Efficient Fine-Tuning
PRISM：基于偏好感知影响函数的数据选择方法用于高效微调
机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）
专题命中 偏好对齐 ：safety(abstract)；分类 cs.LG
AI总结 提出PRISM方法，通过偏好感知影响函数对目标示例加权，构建偏好感知目标方向，优先选择有效驱动模型匹配目标行为的数据，提升高效微调和安全对齐微调性能。
Comments 23 pages, 5 figures
Visual Persuasion: What Influences Decisions of Vision-Language Models?
视觉说服：什么影响了视觉语言模型的决策？
机构 * Massachusetts Institute of Technology（麻省理工学院） ； MIT Media Lab（MIT媒体实验室）
专题命中 偏好对齐 ：safety(abstract)；分类 cs.AI
AI总结 提出一个框架，通过控制图像选择任务并系统性地扰动输入，利用视觉提示优化方法推断视觉语言模型的潜在视觉效用，揭示影响模型决策的视觉偏好。
Comments Accepted to ICML 2026
Preference-Aware Rubric Learning for Personalized Evaluation
偏好感知的评分标准学习用于个性化评估
机构 * National University of Singapore（新加坡国立大学） ； Xiaohongshu Inc.（小红书公司） ； The University of Tokyo（东京大学）
专题命中 偏好对齐 ：alignment(abstract)；分类 cs.CL
AI总结 提出PARL框架，通过从用户历史中学习偏好感知的评估标准并采用自验证机制，实现个性化评估。
Representation Collapse in Sequential Post-Training of Large Language Models
大型语言模型顺序后训练中的表示坍缩
机构 * Hangzhou Dianzi University（杭州电子科技大学） ； Zhejiang Gongshang University（浙江工商大学） ； Ningbo University（宁波大学） ； Shanghai University（上海大学）
专题命中 偏好对齐 ：safety(abstract)；分类 cs.LG
AI总结 研究大型语言模型在顺序后训练阶段中内部表示逐渐压缩为低秩、各向异性且同质的特征空间，并提出轻量级干预措施以保持未来可学习性。
Comments work in progress
AttuneBench: A Conversation-Based Benchmark for LLM Emotional Intelligence
AttuneBench: 基于对话的LLM情商基准测试
机构 * Pareto ； Thoughtful ； University of Pennsylvania（宾夕法尼亚大学）
专题命中 偏好对齐 ：alignment(abstract)；分类 cs.AI
AI总结 提出AttuneBench基准，基于200个真实多轮人机对话，评估LLM在情绪识别、行为分类、偏好预测和响应质量等方面的情商能力，发现这些能力相互独立且偏好对齐和响应质量更具区分性。
Comments v2: Updated def_18 and def_20 supplemental figures to cover all 11 evaluated models (previously 9). Removed redundant supplemental figures. Corrected select captions (color descriptions, chance baselines, figure-content mismatches). No changes to experimental results, numerical claims, or conclusions
Mitigating Cross-Lingual Cultural Inconsistencies in LLMs via Consensus-Driven Preference Optimisation
通过共识驱动的偏好优化缓解多语言大模型中的跨语言文化不一致性
机构 * Language Technology Lab, University of Cambridge（剑桥大学语言技术实验室） ； University of Copenhagen（哥本哈根大学）
专题命中 偏好对齐 ：alignment(abstract)；分类 cs.CL
AI总结 提出C-3PO框架，通过共识驱动的偏好优化，缓解多语言大模型在用户身份明确时因提示语言变化导致的跨语言文化不一致问题，显著提升一致性指标κ_S。
Comments 24 pages, 13 figures, 11 tables
KARMA: Karma-Aligned Reward Model Adaptation
KARMA：基于Karma对齐的奖励模型适应
机构 * Tennessee Tech University（田纳西科技大学）
专题命中 偏好对齐 ：alignment(abstract)；分类 cs.CL
AI总结 提出KARMA框架，利用Reddit对话数据训练奖励模型预测语境依赖的回应价值，并通过强化学习微调语言模型以提升语用能力，发现最佳奖励模型不一定带来最优对齐，且KARMA会降低事实性。
L2Rec: Towards Dual-View Understanding of LLMs for Personalized Recommendation
L2Rec：面向个性化推荐的LLM双视图理解
机构 * Netease Cloud Music（网易云音乐）
专题命中 偏好对齐 ：alignment(abstract)；分类 cs.AI
AI总结 提出L2Rec方法，通过双视图个性化混合专家机制在参数层面统一行为与语义理解，实现端到端个性化推荐，实验证明优于现有方法。
Comments Accepted at SIGIR 2026
Cultivating Machine Intelligence: The OMEGA Shift from Top-Down Optimization to Autopoietic Cognitive Ecologies
培养机器智能：从自上而下优化到自创生认知生态的OMEGA转变
机构 * Nyenrode Business University（奈恩罗德商学院）
专题命中 偏好对齐 ：alignment(abstract)；分类 cs.AI
AI总结 针对当前深度学习优化范式导致的幻觉、谄媚、奖励破解和对齐脆弱等结构性缺陷，提出RECLAIM框架，通过计算生态学而非严格优化来培养智能，并引入OMEGA转变概念。
Comments Extended preprint. A shorter version of this work is currently under peer review
EPPC-OASIS: Ontology-Aware Adaptation and Structured Inference Refinement for Electronic Patient-Provider Communication Mining in Secure Messages
EPPC-OASIS：面向安全消息中电子患者-提供者通信挖掘的本体感知适应与结构化推理精炼
机构 * Yale University（耶鲁大学） ； Cleveland Clinic Lerner College of Medicine of Case Western Reserve University, Cleveland Clinic（克利夫兰医学中心勒纳医学院，克利夫兰医学中心） ； Medical Oncology, Yale School of Medicine（耶鲁医学院医学肿瘤学）
专题命中 偏好对齐 ：alignment(abstract)；分类 cs.AI
AI总结 提出EPPC-OASIS框架，通过本体感知的Wasserstein对齐目标增强微调，并结合推理精炼步骤，从安全消息中自动提取结构化EPPC编码，在多个语言模型上取得一致改进。
Beyond VLM-Based Rewards: Diffusion-Native Latent Reward Modeling
超越基于VLM的奖励：扩散原生潜在奖励建模
机构 * The Hong Kong University of Science ； Huawei Hong Kong AI Framework \& Data Technologies Lab ； Tsinghua University ； The Australian National University
专题命中 偏好对齐 ：alignment(abstract)；分类 cs.AI
AI总结 提出扩散原生潜在奖励模型DiNa-LRM，直接在噪声扩散状态上进行偏好学习，通过噪声校准Thurstone似然和推理时噪声集成，实现高效且鲁棒的奖励建模。
Comments Accepted by ICML 2026. Code: https://github.com/HKUST-C4G/diffusion-rm
Human-in-the-Loop Multi-Agent Ventilator Decision Support with Contextual Bandit Preference Learning
人在回路的多智能体呼吸机决策支持与上下文赌博机偏好学习
机构 * Shanghai University of Engineering Science, Shanghai, China Tencent Youtu Lab, Tencent, China Department of Critical Care Medicine, Shanghai Tenth People's Hospital, Tongji University School of Medicine, Shanghai, China Department of Emergency ； Critical Disease, Songjiang Hospital Affiliated to Shanghai Jiao Tong University School of Medicine, Shanghai, China Max Planck Institute for Heart ； Lung Research, Bad Nauheim, Germany Fudan University, Shanghai, China BIH at Charit\'e -- Universit\"atsmedizin Berlin, Berlin, Germany
专题命中 偏好对齐 ：safety(abstract)；分类 cs.AI
AI总结 提出VDSS框架，通过人在回路的多智能体协作和上下文赌博机在线偏好适应，实现呼吸机决策支持的个性化与可审计性。
Comments miccai 2026
HeadRank: Decoding-Free Passage Reranking via Preference-Aligned Attention Heads
HeadRank: 通过偏好对齐的注意力头实现无需解码的段落重排序
机构 * Weixin Group, Tencent, China（腾讯微信集团，中国） ； South China University of Technology, Guangzhou, China（华南理工大学，广州，中国）
专题命中 偏好对齐 ：alignment(abstract)；分类 cs.AI
AI总结 本文提出HeadRank框架，通过熵正则化的头部选择、硬相邻级偏好对和分布正则化，在连续注意力域中提升偏好优化，从而在无需解码的情况下实现高效的段落重排序，其在多个基准测试中均取得最佳的平均NDCG@10成绩。
Beyond Scaling: Agents Are Heading to the Edge
超越扩展：智能体正走向边缘
机构 * University of Cambridge（剑桥大学） ； University of Macau（澳门大学） ； Nanjing University（南京大学）
专题命中 偏好对齐 ：alignment(abstract)；分类 cs.LG
AI总结 本文探讨了智能体技术发展的瓶颈从单一模型压缩世界知识转向协调系统执行，提出个人智能体架构必须转向边缘计算，以适应高保真局部环境的结构耦合和零延迟执行循环需求。
PERMA: Benchmarking Personalized Memory Agents via Event-Driven Preference and Realistic Task Environments
PERMA：通过事件驱动的偏好和现实任务环境评估个性化记忆代理
机构 * University of Science and Technology of China（中国科学技术大学） ； City University of Hong Kong（香港城市大学） ； Northeastern University（东北大学） ； MemTensor (Shanghai) Technology Co., Ltd.（MemTensor（上海）科技有限公司）
专题命中 偏好对齐 ：alignment(abstract)；分类 cs.AI
AI总结 本文提出PERMA基准，通过事件驱动的偏好和现实任务环境评估个性化记忆代理的长期一致性，引入文本变异和语言对齐以模拟真实数据中的不规则用户输入和个体语言风格，实验表明先进记忆系统能精准提取偏好并减少token消耗，但仍需更稳健的个性化记忆管理。
SSL4RL: Revisiting Self-supervised Learning as Intrinsic Reward for Visual-Language Reasoning
SSL4RL：重新审视自监督学习作为视觉语言推理的内在奖励
机构 * Peking University（北京大学） ； MIT（麻省理工学院） ； TUM（技术大学（TUM）） ； Meituan（美团） ； Peking University School of CIT, MCML, MDSIEECS and CSAIL（北京大学计算机学院、MCML、MDSIEECS以及CSAIL）
专题命中 偏好对齐 ：alignment(abstract)；分类 cs.AI
AI总结 本文提出SSL4RL框架，利用自监督学习任务作为强化学习的可验证奖励，提升视觉语言推理性能，并通过实验验证其在多模态模型对齐中的有效性。
Preference Instability in Reward Models: Detection and Mitigation via Sparse Autoencoders
奖励模型中的偏好不稳定性：通过稀疏自编码器进行检测与缓解
机构 * ETH Zürich（苏黎世联邦理工学院） ； Georgia Institute of Technology（佐治亚理工学院） ； ELLIS Institute Finland（芬兰ELLIS研究所） ； Aalto University（阿alto大学）
专题命中 偏好对齐 ：harmlessness(abstract)；分类 cs.LG
AI总结 本文研究了大型语言模型中奖励模型的偏好不稳定性问题，提出通过稀疏自编码器检测并缓解这种不稳定性，通过隔离不稳定特征来提升模型的偏好准确性。
Beyond Compliance: How AI Could Help Creative Writers by Refusing Them
超越合规：AI如何通过拒绝帮助创意作家
机构 * The Hong Kong University of Science and Technology（香港科技大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Computational Media and Arts (Guangzhou)（计算媒体与艺术（广州）） ； Hong Kong, China（香港，中国）
专题命中 偏好对齐 ：alignment(abstract)；分类 cs.AI
AI总结 本文探讨AI通过拒绝请求引入反思的可能性，通过22名创意作家的质性研究，发现不同情境、认知和关系维度下的偏好差异影响反思效果，提出摩擦性AI设计的策略。
Comments conditionally accepted to Creativity & Cognition 2026
Not All Anquan Is the Same: A Terminological Proposal for Chinese Computer Science and Engineering
并非所有安全都是相同的：对中国计算机科学与工程术语的提案
专题命中 偏好对齐 ：safety(abstract)；分类 cs.CY
AI总结 本文提出将安全与安保区分，以提升术语准确性，应对安全与安保在标准、协作和学术写作中的概念混淆。
The End Justifies the Mean: A Linear Ranking Rule for Proportional Sequential Decisions
目的 justify 平均：一种线性排名规则用于比例序列决策
机构 * MIT, USA（美国麻省理工学院） ； Hasso Plattner Institute, University of Potsdam, Germany（德国波茨坦大学哈索·普拉特纳研究院）
专题命中 偏好对齐 ：alignment(abstract)；分类 cs.AI
AI总结 本文研究了如何通过线性排名规则在多次决策中实现比例性，提出角平均作为满足长期比例性的简单规则，并展示了其在高分歧情况下的优势。
CROP: Expert-Aligned Image Cropping via Compositional Reasoning and Optimizing Preference
CROP：通过组合推理和优化偏好实现专家对齐的图像裁剪
机构 * Southeast University（东南大学） ； Key Laboratory of New Generation Artificial Intelligence Technology（新一代人工智能技术重点实验室） ； Alibaba Group（阿里巴巴集团）
专题命中 偏好对齐 ：alignment(abstract)；分类 cs.AI
AI总结 本文提出CROP方法，通过组合推理和优化偏好，解决传统图像裁剪方法在复杂场景中难以做出组合权衡和缺乏适应性推理的问题，提升裁剪结果与专家审美的一致性。
DGPO: Beyond Pairwise Preferences with Directional Consistent Groupwise Optimization
DGPO: 超越成对偏好与方向一致的组级优化
机构 * Information Hub, The Hong Kong University of Science and Technology (Guangzhou), China（香港科学与技术大学（广州）信息中心，中国） ； The Hong Kong University of Science and Technology, Hong Kong SAR（香港科学与技术大学，香港特别行政区）
专题命中 偏好对齐 ：alignment(abstract)；分类 cs.CL
AI总结 本文提出DGPO框架，通过组级监督信号和多候选比较建模方向一致性，提升偏好优化的准确性和多样性，实验显示在多个数据集上平均提升3.6%。
The Realignment Problem: When Right becomes Wrong in LLMs
重排问题：当正确变为错误时在大语言模型中
机构 * Birla AI Labs（比拉人工智能实验室） ； TCS Research（塔塔咨询服务研究） ； Kalinga Institute of Industrial Technology, Bhubaneswar（比拉工业技术学院，巴布尔萨瓦尔）
专题命中 偏好对齐 ：alignment(abstract)；分类 cs.CL
AI总结 本文提出TRACE框架，通过结构化优化解决LLM在动态标注政策下的重排问题，无需新标注即可提升对齐效果。
Comments ICML 2026
Exploration-Driven Optimization for Test-Time Large Language Model Reasoning
基于探索的优化用于测试时大语言模型推理
机构 * Georgia Institute of Technology（佐治亚理工学院）
专题命中 偏好对齐 ：alignment(abstract)；分类 cs.LG
AI总结 本文提出EDO框架，通过扩展奖励偏差探索目标到迭代后训练，提升大语言模型推理中的探索与利用平衡，实验表明ED-iDPO和ED-GRPO在推理能力和多样性上优于基线模型。
Comments Accepted by TMLR 2026
Dual-Agent Co-Training for Health Coaching via Implicit Adversarial Preference Optimization
双代理协同训练用于健康教练的隐式对抗偏好优化
机构 * Kahlert School of Computing University of Utah（Utah大学计算学院Kahlert学院） ； Department of Health and Kinesiology University of Utah（健康与运动科学系Utah大学）
专题命中 偏好对齐 ：DPO(abstract)；分类 cs.LG
AI总结 本文提出双代理框架，通过隐式对抗偏好优化提升健康教练质量，改进对话和模拟器训练。
Q-Probe: Scaling Image Quality Assessment to High Resolution via Context-Aware Agentic Probing
Q-Probe：通过上下文感知代理探测扩展图像质量评估至高分辨率
机构 * University of Science and Technology of China（中国科学技术大学） ； Hefei University of Technology（合肥工业大学） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； Institute of Intelligent Machines, Chinese Academy of Sciences（中国科学院智能 Machines 研究所）
专题命中 偏好对齐 ：alignment(abstract)；分类 cs.AI
AI总结 Q-Probe通过上下文感知探测方法解决高分辨率图像质量评估中的局部退化捕捉问题，提出Vista-Bench基准和三阶段训练框架，实现高分辨率下的最优性能。
Beyond Factual Correctness: Mitigating Preference-Inconsistent Explanations in Explainable Recommendation
超越事实正确性：缓解可解释推荐中的偏好不一致解释
专题命中 偏好对齐 ：trustworthy(abstract)；分类 cs.AI
AI总结 本文提出PURE框架，通过选择-生成范式缓解推荐中因偏好不一致导致的解释问题，提升解释可信度与推荐准确性。
Comments The authors have identified an issue in the evaluation protocol in Section 5.1.3. Feature extraction and semantic matching used to compute P-EHR require correction and re-validation, as they may not have been applied consistently across all generated explanations and baselines. This may affect part of the reported quantitative results and analysis, so the authors withdraw this version
Reinforced Informativeness Optimization for Long-Form Retrieval-Augmented Generation
强化信息量优化用于长文本检索增强生成
机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学公安学院人工智能学院） ； Baidu Inc.（百度公司）
专题命中 偏好对齐 ：trustworthy(abstract)；分类 cs.CL
AI总结 本文提出RioRAG框架，通过 nugget-centric 验证实现可验证的信息量优化，提升长文本检索增强生成的准确性和稳定性。
HeteroRAG: A Heterogeneous Retrieval-Augmented Generation Framework for Medical Vision Language Tasks
HeteroRAG：一种用于医疗视觉语言任务的异构检索增强生成框架
机构 * Shanghai Jiao Tong University（上海交通大学） ； Fudan University（复旦大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）
专题命中 偏好对齐 ：alignment(abstract)；分类 cs.CL
AI总结 本文提出HeteroRAG框架，通过异构知识源增强医疗大视觉语言模型，解决异构数据检索问题，提升事实准确性与可靠性。
Comments ACL 2026 Findings
