高校专区
单一规范提示低估了大语言模型安全的表面形式敏感性
机构 * Northeastern University（东北大学） ； Georgia Institute of Technology（佐治亚理工学院） ； University of Southern California（南加利福尼亚大学）
AI总结 该研究发现仅用单一规范提示评估大语言模型安全会低估其不安全合规性，不同表面形式下的不安全结果并集会超出最糟单一形式，且存在模型差异，同时发布了相关数据集、代码与响应标签。
Comments Accepted at the Sci-FM Workshop @ COLM 2026 (non-archival). Workshop version with reviews: https://openreview.net/forum?id=mZh0MqpOOC
DuplexGen：人机交替对话的自适应合成
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Seoul National University（首尔大学） ； Columbia University（哥伦比亚大学） ； University of California, Berkeley（加州大学伯克利分校） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 DuplexGen框架通过将LLM预测与少量槽级人类偏好标注校准，生成场景自适应交替发言对话，契合人类偏好的效果优于未校准方法，证明人类校准对交替发言合成场景特定性的关键作用。
Comments EMNLP 2026; Project website: https://duplexgen.github.io
QueryWeaver: 基于LLM图生成的可靠多工具查询执行规划
机构 * School of Computational Science and Engineering, Georgia Institute of Technology, Atlanta, GA, USA（计算科学与工程学院，佐治亚理工学院，亚特兰大，GA，美国）
AI总结 提出将自然语言查询转换为结构化图并通过确定性规划器执行的系统，利用深度优先搜索解决跨工具依赖，实现高可靠性查询。
QUBRIC：为超越可验证奖励的强化学习协同设计查询与评分标准
机构 * Amazon（亚马逊） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 针对基于评分标准的强化学习中查询分布固定导致的评分标准质量瓶颈，提出QUBRIC框架，通过协同设计查询与评分标准，利用教师关键点、对比生成和可学习性过滤，在ArenaHard上取得+5.5点提升，并泛化到法律、道德和叙事推理任务。
Comments Published in EMNLP 2026
LaRA: 面向RL后训练中数据污染的逐层表示分析
机构 * Yonsei University（延世大学） ； Seoul National University（首尔国立大学） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 提出LaRA框架，通过逐层表示分析检测强化学习后训练中的污染数据，利用扰动敏感性、方向坍缩和局部表示刚性三个指标，优于现有输出级方法。
Comments EMNLP 2026 Findings
通过4D点云同时监测形状和表面颜色：一种无需配准的方法
机构 * Department of Statistical Sciences, University of Padua（帕多瓦大学统计科学系） ； School of Industrial and Systems Engineering, Georgia Institute of Technology（佐治亚理工学院工业与系统工程学院）
AI总结 本文提出一种无需配准的框架，利用4D点云同时监测形状和颜色，通过拉普拉斯-贝特拉米算子的谱特性捕捉几何特征和形状与颜色的关系，有效检测形状变形和颜色异常。
Comments 38 pages, 13 figures
SPADE：面向精准农业土壤湿度模式识别与异常检测的大语言模型框架
机构 * organization= H. Milton Stewart School of Industrial ； Systems Engineering, Georgia Institute of Technology , city= Atlanta , state= GA , country= USA ； organization= Panhandle Research ； Extension Center, University of Nebraska-Lincoln , city= Scottsbluff , state= NE , country= USA ； organization= Department of Computer Science ； Engineering, University of Nebraska-Lincoln , city= Lincoln , state= NE , country= USA ； organization= Department of Biological Systems Engineering, University of Nebraska-Lincoln , city= Lincoln , state= NE , country= USA ； organization= Institute for Robotics ； Intelligent Machines, Georgia Institute of Technology , city= Atlanta , state= GA , country= USA ； organization= School of Civil \& Environmental Engineering, Georgia Institute of Technology, Georgia Institute of Technology , city= Atlanta , state= GA , country= USA
AI总结 本研究提出首个基于LLM的土壤湿度时间序列分析框架SPADE，用GPT-4.1结合领域提示零样本识别湿润事件与异常，在真实多作物数据上优于无训练基线，可生成结构化报告辅助土壤湿度解读。
网络上的深度图核点过程
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Duke University（杜克大学）
AI总结 该研究提出一种基于图神经网络的新型深度图核点过程模型，用于网络离散事件数据，结合统计与深度学习提升了事件预测和图结构挖掘性能，优于现有方法。
Comments Published at Journal of Computational and Graphical Statistics (JCGS), 2026. pp. 1-41
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