Columbia University（哥伦比亚大学）

Inherited Goal Drift: Contextual Pressure Can Undermine Agentic Goals

继承性目标漂移：情境压力可能削弱代理目标

Achyutha Menon, Magnus Saebo, Tyler Crosse, Spencer Gibson, Eyon Jang, Diogo Cruz

机构 * UC San Diego（加州大学圣地亚哥分校） ； Columbia University（哥伦比亚大学） ； Georgia Tech（佐治亚理工学院） ； MATS ； SPAR 纠错

AI总结 本文研究了语言模型在面对情境压力时目标漂移的继承性问题，发现模型在不同环境下表现出不一致的鲁棒性，强调了对训练后技术改进的必要性。

Comments 22 pages, 7 figures. Accepted at ICLR 2026 Lifelong Agents Workshop

Tell Me What To Learn: Generalizing Neural Memory to be Controllable in Natural Language

告诉我该学习什么：将神经记忆通用化以在自然语言中可控

Max S. Bennett, Thomas P. Zollo, Richard Zemel

机构 * Columbia University（哥伦比亚大学） 纠错

AI总结 本文提出了一种基于自然语言指令的通用神经记忆系统，实现对学习内容的灵活控制，适用于医疗和客户服务等需要动态更新的场景。

Comments 58 Pages, 16 Figures, Code at https://github.com/maxbennett/Generalized-Neural-Memory; updated with acknowledgements

Death of the Novel(ty): Beyond n-Gram Novelty as a Metric for Textual Creativity

新型词的终结：超越n-gram新颖性作为文本创造力的度量

Arkadiy Saakyan, Najoung Kim, Smaranda Muresan, Tuhin Chakrabarty

机构 * Columbia University（哥伦比亚大学） ； Boston University（波士顿大学） ； Stony Brook University（石溪大学） 纠错

AI总结 本文研究了n-gram新颖性作为文本创造力度量的局限性，发现其与专家判断的创造力正相关，但高新颖性表达未必具有创造力，且LLM在识别非实用表达方面表现欠佳。

Comments ICLR 2026 Camera Ready. 30 pages, 11 figures, 15 tables