Korea Advanced Institute of Science and Technology（韩国科学技术院）

AutoSaddler: Automatic Harness Optimization with Durable Updates from Agent Execution Traces

AutoSaddler：基于智能体执行轨迹的持久化更新的自动工具优化

Sungho Park, Wonjoong Kim, Rongyuan Tan, Jue Zhang, Wook-Shin Han, Pengfei Gao, Chanyoung Park, Yongqiang Yao, Rao Fu, Elsie Nallipogu, Qingwei Lin, Saravan Rajmohan, Dongmei Zhang

机构 * KAIST（韩国科学技术院） ； Southern University of Science and Technology（南方科技大学） ； Microsoft（微软） ； POSTECH（浦项科技大学） 纠错

AI总结 AutoSaddler是基于智能体执行轨迹的自动工具优化框架，通过离线学习结合故障诊断等技术，在多个基准上提升智能体性能9.0-10.0个百分点，为构建更可靠的智能体系统提供了新方向。

Comments 44 pages, 15 figures. Project website and code: this https URL (https://aka.ms/AutoSaddler-website)

LLM Pedagogical Behavior in AI Tutoring Interactions

AI辅导交互中的LLM教学行为

Suhyeon Lee, Juneha Baek, Jaehyeong Park, Donghyuk Shin

机构 * KAIST（韩国科学技术院） 纠错

AI总结 本研究开发五级支架水平量表，分析大学AI课程中203名学生的14637个LLM辅导响应，发现超95%为高水平帮助，支架水平与学生对话行为相关但对考试表现预测性有限，为LLM辅导提供实证基线与测量框架。

Do Spoken Language Models Hear Speech as They Read Text? Bridging Structural Gaps Between Speech and Text

口语语言模型在阅读文本时是否“听到”语音？弥合语音与文本之间的结构差距

Hyeonyu Kim, Hwayeon Kim, Youngwon Choi, Myeongkyun Cho, Huu-Kim Nguyen

机构 * Maum AI Inc.（Maum AI公司） ； KAIST（韩国科学技术院） ； Atmanity Inc.（Atmanity公司） 纠错

AI总结 该研究针对现有口语语言模型（SLMs）未充分解决语音与文本结构差异的问题，提出解耦长度不匹配与语义对齐的框架，经多基准实验验证其性能可与强基线媲美，凸显了明确解决语音文本结构差异的重要性。

Comments Accepted to EMNLP 2026 Findings

Contextrast++: Robust Multi-Scale Contextual Contrastive Learning for Semantic Segmentation

Contextrast++：用于语义分割的鲁棒多尺度上下文对比学习方法

Changki Sung, Hyungtae Lim, Wanhee Kim, Youngwoo Seo, Hyun Myung

机构 * Information & Electronics Research Institute, KAIST（韩国科学技术院信息与电子研究院） ； Zoox Inc.（Zoox公司） ； KAIST (Korea Advanced Institute of Science and Technology)（韩国科学技术院） ； Hanwha Aerospace（韩华宇航） ； School of Electrical Engineering, KAIST（韩国科学技术院电气工程学院） 纠错

AI总结 针对语义分割中上下文捕捉与长尾分布问题，提出含CCL、BANE采样的Contextrast++，在无额外推理开销下提升了基于对比学习的SOTA方法性能。

Comments Accepted to IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI), 2026

When Persona Simulations Are Informative: Graph-Structured Signals for Pluralistic Opinion Sensing

当角色模拟具有信息性时：用于多元意见感知的图结构化信号

Taehyeon An, Jaehyeong Park, Donghyuk Shin

机构 * Korea Advanced Institute of Science and Technology（韩国科学技术院） 纠错

AI总结 本研究提出角色条件化信息性（PCI）指标，通过将角色建模为相似度图并利用Local Moran's I量化一致性，筛选合成受访者，在PVQ-RR数据集上验证其能提升潜在价值观结构的恢复效果。

DELTA: Deformable Elevation-Based Local Terrain Attention Encoder for Sparse-Terrain Quadrupedal Locomotion

DELTA：用于稀疏地形四足机器人运动的基于可变形高程的局部地形注意力编码器

Sanghyun Park, Moonkyu Jung, Jemin Hwangbo

机构 * Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院（KAIST）） 纠错

AI总结 该研究针对稀疏地形四足机器人运动的地形编码问题，提出DELTA编码器，通过固定成本的注意力机制提升学习效率与泛化性，实现仿真到现实的迁移。

Comments 8 pages, 5 figures. Submitted to the 2027 IEEE International Conference on Robotics and Automation (ICRA 2027). This work has been submitted to the IEEE for possible publication. Copyright may be transferred without notice, after which this version may no longer be accessible

Last But Not Least: Boundary Attention CalibratiON for Multimodal KV Cache Compression

最后但同样重要：用于多模态KV缓存压缩的边界注意力校准

Tianhao Chen, Yuheng Wu, Kelu Yao, Xiaogang Xu, Xiaobin Hu, Dongman Lee

机构 * KAIST（韩国科学技术院） ； Zhejiang Laboratory（之江实验室） ； The Chinese University of Hong Kong（香港中文大学） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 针对多模态大语言模型长视觉上下文中KV缓存压缩导致关键证据丢失的问题，提出BACON方法，通过校准观察窗口注意力与最后查询注意力，并利用层内一致性和层间持久性抑制噪声，在激进压缩下平均提升7.5%性能。

Comments EMNLP 2026 Main Conference

What Models Know, How Well They Know It: Knowledge-Weighted Fine-Tuning for Learning When to Say "I Don't Know"

什么模型知道，它知道得有多好：基于知识加权的微调方法用于学习何时说“我不知道”

Joosung Lee, Hwiyeol Jo, Donghyeon Ko, Kyubyung Chae, Cheonbok Park, Jeonghoon Kim

机构 * NAVER CLOUD（NAVER云） ； Seoul National University（首尔国立大学） ； KAIST（韩国科学技术院） 纠错

AI总结 本文提出一种基于知识加权的微调方法，通过估计实例级知识评分来提升模型在知识不足时的不确定性表达能力，同时保持对已知问题的准确性。

Comments Findings of EMNLP 2026

A gentle tutorial on Bock's algorithm for minimum directed spanning trees with a structured reformulation

一个温和的教程和Bock算法的结构化重述：用于最小有向生成树

Yuxi Wang, Jungyeul Park

机构 * UBC（不列颠哥伦比亚大学） ； KAIST（韩国科学技术院） 纠错

AI总结 本文通过结构化重述Bock算法，使其更易读易复现，强调其作为非投影图依赖解析精确解码器的相关性，展示了算法的阶段结构和控制流。

Safety-Aligned Weights Are Not Enough: Refusal-Teacher-Guided Finetuning Enhances Safety and Downstream Performance under Harmful Finetuning Attacks

仅安全对齐权重不够：拒绝教师引导微调可在有害微调攻击下提升安全性与下游性能

Seokil Ham, Yubin Choi, Yujin Yang, Seungju Cho, Younghun Kim, Changick Kim

机构 * Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院） 纠错

AI总结 针对有害微调攻击威胁，该研究提出拒绝教师引导微调框架，将安全FaaS微调范式从安全对齐权重微调转为基础权重在安全教师指导下的微调，可减少有害输出并提升下游任务性能。