National University of Singapore（新加坡国立大学）

Reinforcement Learning of Large Language Models for Interpretable Credit Card Fraud Detection

基于大语言模型的强化学习在可解释性信用卡欺诈检测中的应用

Cooper Lin, Yanting Zhang, Maohao Ran, Wei Xue, Hongwei Fan, Yibo Xu, Zhenglin Wan, Sirui Han, Yike Guo, Jun Song

机构 * Hong Kong University of Science and Technology（香港科学与技术大学） ； Hong Kong Baptist University（香港 Baptist 大学） ； Imperial College London（伦敦帝国理工学院） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 本文提出利用强化学习后训练轻量级语言模型，以提高信用卡欺诈检测的可解释性和准确性。

Crisis-Bench: Benchmarking Strategic Ambiguity and Reputation Management in Large Language Models

Crisis-Bench: 大型语言模型中战略模糊与声誉管理的基准测试

Cooper Lin, Maohao Ran, Yanting Zhang, Zhenglin Wan, Hongwei Fan, Yibo Xu, Yike Guo, Wei Xue, Jun Song

机构 * Hong Kong University of Science and Technology（香港科技大学） ； Hong Kong Baptist University（香港 Baptist 大学） ； National University of Singapore（新加坡国立大学） ； Imperial College London（伦敦帝国理工学院） 纠错

AI总结 Crisis-Bench通过多智能体POMDP评估LLM在高风险企业危机中的战略模糊与声誉管理能力，揭示模型在信息隐瞒与道德约束间的平衡问题。

ReasonAny: Incorporating Reasoning Capability to Any Model via Simple and Effective Model Merging

ReasonAny: 通过简单有效的模型融合将推理能力融入任意模型

Junyao Yang, Chen Qian, Dongrui Liu, Wen Shen, Yong Liu, Jing Shao

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； National University of Singapore（新加坡国立大学） ； Renmin University of China（中国人民大学） ； Tongji University（同济大学） 纠错

AI总结 ReasonAny通过对比梯度识别解决推理与领域性能崩溃问题，有效融合推理能力与领域专长，提升多领域模型性能。

Comments 22 pages, 6 figures, 14 tables

The Facade of Truth: Uncovering and Mitigating LLM Susceptibility to Deceptive Evidence

真相的 facade：揭示并缓解 LLM 对欺骗性证据的易感性

Herun Wan, Jiaying Wu, Minnan Luo, Fanxiao Li, Zhi Zeng, Min-Yen Kan

机构 * Xi’an Jiaotong University（西安交通大学） ； National University of Singapore（新加坡国立大学） ； Yunnan University（云南大学） 纠错

AI总结 本文提出 MisBelief 框架揭示 LLM 对复杂欺骗性证据的脆弱性，并提出 DIS 机制缓解这一问题，提升模型对误导性证据的抵御能力。

Neural-Driven Image Editing

神经驱动的图像编辑

Pengfei Zhou, Jie Xia, Xiaopeng Peng, Wangbo Zhao, Zilong Ye, Zekai Li, Suorong Yang, Jiadong Pan, Yuanxiang Chen, Ziqiao Wang, Kai Wang, Qian Zheng, Hao Jin, Xiaojun Chang, Gang Pan, Shurong Dong, Kaipeng Zhang, Yang You

机构 * NUS（国立新加坡大学） ； ZJU（浙江大学） ； RIT（罗切斯特理工学院） ； NJU（南京大学） ； USTC（中国科学技术大学） ； Shanghai AI Lab（上海人工智能实验室） ； SII（上海信息所） ； Hangzhou RongNao Tech（杭州融纳科技） 纠错

AI总结 LoongX通过多模态神经信号驱动图像编辑，结合扩散模型和对比学习实现高性能图像编辑任务。

Comments 22 pages, 14 figures