On the Threat Model of Weird Generalization and Emergent Misalignment
怪异泛化与涌现失配的威胁模型研究
机构 * Johns Hopkins University（约翰斯·霍普金斯大学）
AI总结 本文研究怪异泛化（WG）的威胁模型，发现WG程度依赖数据集组成、语言及评估问题集，预训练熟悉数据的WG程度更高，认为WG是需谨慎数据工程的对抗性威胁。
高校专区
Johns Hopkins University（约翰斯·霍普金斯大学）
AnaDiffusion: Anatomically CompositionalLatent Diffusion for Controllable 3D Brain MRI Generation
AnaDiffusion：用于可控3D脑部MRI生成的解剖学组成式潜在扩散模型
机构 * Stanford University（斯坦福大学） ； Texas A&M University（德克萨斯农工大学） ； University of Minnesota（明尼苏达大学） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Johns Hopkins University（约翰霍普金斯大学） ； UTHealth Houston（休斯顿健康科学中心） ； Stony Brook University（纽约州立大学石溪分校）
AI总结 AnaDiffusion是一种解剖学组成式潜在扩散框架，通过分解3D脑部MRI生成为解剖区域并组装细化，在ADNI测试集上实现低FID与高Cohen's d值，支持无需密集分割图的可控部分编辑。
Spine-Branch Coordination for Multi-agent Computer Use
面向多智能体计算机使用的脊柱-分支协调机制
机构 * Scale AI ； Johns Hopkins University（约翰斯·霍普金斯大学） ； University of Texas at Dallas（德克萨斯大学达拉斯分校）
AI总结 该研究针对多智能体计算机使用中虚拟机状态无法合并的瓶颈，提出Spine-Branch协调框架，在200项长视距任务上提升成功率6.0%-16.5%、降低成本34%-70%，实现高效扩展。
Forgotten in Weights, Recovered by Tools: Agentic Tool Unlearning for LLM Agents
权重中遗忘，工具中恢复：面向大语言模型智能体的智能体工具遗忘
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； University of Notre Dame（圣母大学） ； Johns Hopkins University（约翰斯·霍普金斯大学） ； Northwestern University（西北大学） ； MIT（麻省理工学院）
AI总结 该研究针对大语言模型智能体的工具介导恢复问题，提出两阶段的Agentic Tool Unlearning框架，在RWKU和MUSE数据集上实现了更好的遗忘与保留效用平衡。
On the Role of Citations in Preference Data
引用在偏好数据中的作用
机构 * University of Maryland（马里兰大学） ； Johns Hopkins University（约翰斯·霍普金斯大学）
AI总结 本文在科学问答场景下，通过混合效应模型研究引用对人类与四个开源LLM偏好的影响，发现人类偏好多样且数量少的引用，LLM也有相关偏好，还探讨了对偏好数据收集的启示。
