University of Edinburgh（爱丁堡大学）

Poisoning Agentic Alpha: Adversarial Vulnerabilities Across Roles and Architectures in Multi-Agent Trading Systems

投毒智能体Alpha：多智能体交易系统中跨角色与架构的对抗性漏洞

CheolWon Na, Hao Ni, Lukasz Szpruch, Zhangyang Wang, Dhagash Mehta, Saurabh Nagrecha, Alejandro Lopez-Lira, Chanyeol Choi, Yongjae Lee, Jee-Hyong Lee

机构 * Sungkyunkwan University（成均馆大学） ； University College London（伦敦大学学院） ； University of Edinburgh（爱丁堡大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； BlackRock, Inc.（贝莱德集团） ； Google（谷歌公司） ； University of Florida（佛罗里达大学） ； LinqAlpha ； UNIST（蔚山国家科学技术研究院） 纠错

AI总结 该研究针对多智能体交易系统，将敌手限制为仅可访问源数据与提示，分解交易角色并评估通信拓扑，发现无架构具内在鲁棒性，为安全交易系统设计提供见解。

Investigating Knowledge Transfer Across Interactive Dialogue Games

探究交互式对话游戏间的知识迁移

Filippo Momentè, Mir Nafis Sharear Shopnil, Andrea de Varda, Pavel Merinov, Raffaella Bernardi, Oswald Lanz, Alessandro Suglia, Alessandro Torcinovich

机构 * University of Trento（特伦托大学） ； Technovative Solutions Ltd（泰诺创新解决方案有限公司） ； Massachusetts Institute of Technology（麻省理工学院） ； Free University of Bozen Bolzano（博岑-波尔扎诺自由大学） ； University of Edinburgh（爱丁堡大学） 纠错

AI总结 本文探究不同对话游戏间的知识迁移，通过微调LLM模型开展两项分析，发现视觉空间类游戏迁移效果最佳，基于相似性的方法难以捕捉可迁移性模式。

HAP: Head-Adaptive Visual Token Pruning via Cross-Modal Alignment

HAP：基于跨模态对齐的头部自适应视觉Token剪枝

Yuanhao Sun, Huawei Ji, Yuan Jin, Cheng Deng, Luoyi Fu, Xinbing Wang

机构 * Shanghai Jiao Tong University（上海交通大学） ； University of Edinburgh（爱丁堡大学） 纠错

AI总结 该研究针对视觉-语言模型预填充成本过高的问题，提出基于PAQ指标的头部自适应视觉Token剪枝方法，在18个基准上实现最优权衡，在LLaVA-1.5-7B上仅保留5.6% Token即可维持99.1%的原始性能，优于基线AutoPrune。