高校专区
突破上下文瓶颈：通过强化学习实现LLM代理的主动上下文精修
机构 * Tongji University（同济大学） ； Stanford University（斯坦福大学） ； CurrentsAI Research（CurrentsAI 研究院）
AI总结 本文提出一种解耦上下文管理和任务执行的框架，通过强化学习训练轻量级策略模型ContextCurator，有效减少工作内存中的信息熵，提升LLM在长周期任务中的表现。
可扩展的LLM辅助临床基准的 stewardship 与医生监督
机构 * Department of Operations, Information and Technology, Stanford Graduate School of Business, Stanford, CA, USA（斯坦福大学商学院运营、信息与技术系） ； Department of Pediatrics, Division of Critical Care Medicine, Stanford University School of Medicine, Stanford, CA, USA（斯坦福大学医学院儿科系重症监护医学部） ； Department of Anesthesiology, Perioperative and Pain Medicine, Stanford University School of Medicine, Stanford, CA, USA（斯坦福大学医学院麻醉学、围手术期与疼痛医学系） ； Department of Radiation Oncology, Stanford University School of Medicine, Stanford, CA, USA（斯坦福大学医学院放射肿瘤学系） ； Department of Electrical Engineering, Stanford University School of Engineering, Stanford, CA, USA（斯坦福大学工程学院电气工程系）
AI总结 研究通过医生监督流程重新评估LLM辅助生成的临床基准标签，发现其可靠性不足，且影响模型性能。
Comments Github codebase: https://github.com/junzeye/validate-medcalc-labels
SimBench：大型语言模型模拟人类行为能力的基准测试
机构 * University of Cambridge（剑桥大学） ； Stanford University（斯坦福大学） ； Bocconi University（博科尼大学） ； University of Oxford（牛津大学）
AI总结 SimBench通过统一20个多样化的数据集，评估大型语言模型模拟人类行为的 fidelity，发现模型性能与模型大小呈对数线性关系，但与计算资源无关，且存在指令微调与模拟准确性之间的权衡。
Comments Accepted at ICLR 2026. Project Website: http://simbench.tiancheng.hu/ Data: https://huggingface.co/datasets/pitehu/SimBench
通过系数动力学设计序列模型的原则
机构 * ETH Zurich（苏黎世联邦理工学院） ； ELLIS Institute Tübingen（图宾根ELLIS研究所） ； Stanford University（斯坦福大学）
AI总结 本文通过系数动力学框架系统比较了序列模型，揭示了不同架构间的数学共同主题，并提出了设计原则以平衡表达能力、效率和稳定性。
反思式扩散语言模型
机构 * Together AI ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Princeton University（普林斯顿大学） ； Stanford University（斯坦福大学）
AI总结 本文提出反思式扩散语言模型，通过引入反思性解码算法，在保持并行解码的同时继承自回归训练的反思一致性，实现了与同规模自回归模型相当的质量并优于先前扩散模型。
通过双路径运行时完整性游戏检测RAG提取攻击
机构 * Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； School of Cyber Security, University of Chinese Academy of Sciences（中国科学院大学网络空间安全学院） ； Beijing University of Post and Telecommunications（北京邮电大学） ； Stanford University（斯坦福大学） ； North China Electric Power University（华北电力大学） ； AI Sec Lab, Beijing Chaitin Technology Co.,Ltd（北京长亭科技有限公司AI安全实验室）
AI总结 本文提出CanaryRAG，一种基于栈canary的运行时防御机制，通过双路径完整性游戏实时检测RAG知识库泄露，有效降低攻击成功率，不影响任务性能和延迟。
Comments Accepted by ACL 2026 Main
单代理LLM在多跳推理中优于多代理系统（在相等的思考令牌预算下）
机构 * Stanford University（斯坦福大学）
AI总结 在相等的思考令牌预算下，单代理系统在多跳推理任务中表现优于多代理系统，研究通过信息论论证指出单代理系统在信息效率上更具优势，并揭示了多代理系统在计算和上下文利用下降时的竞争性。
小规模训练能否可靠地指导数据整理？重新审视代理模型实践
机构 * Princeton University（普林斯顿大学） ； Tsinghua University（清华大学） ； UC Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学） ； Virginia Tech（弗吉尼亚理工大学）
AI总结 本文探讨了小规模代理模型训练在数据整理中的可靠性问题，指出固定配置协议与全规模模型开发流程的差异，并提出通过降低学习率提升小规模实验的可靠性。
Comments ICLR 2026
选择你的战役：多个拔河游戏的分布式学习
机构 * Stanford University（斯坦福大学） ； Tel Aviv University（特拉维夫大学）
AI总结 本文提出一种分布式算法，用于多个拔河游戏的均衡问题，通过简单随机近似算法更新动作，并利用稀疏1位通信决定切换游戏，确保满足服务质量奖励向量。
Comments Accepted for publication at IEEE Transactions on Automatic Control (TAC)
影响人类以符合偏好模型的强化学习从人类反馈
机构 * Stanford University（斯坦福大学） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Brown University（布朗大学） ； Sony AI（索尼AI）
AI总结 本文通过三项人类研究，探讨如何通过干预使人类偏好更符合预期模型，提升RLHF奖励函数对齐效果。
基于模板的对话句嵌入对比学习
机构 * Stanford University（斯坦福大学） ； Zhejiang University（浙江大学） ； Alibaba Qwen Pilot（阿里巴巴Qwen Pilot）
AI总结 本文提出TaDSE方法，利用模板信息通过自监督对比学习学习对话句嵌入，通过合成数据集增强效果，并在五个对话基准数据集上验证了其有效性。
Comments Accepted to ACL 2026
我行走在线上：检验格式化连续性在视觉转换器中物体绑定中的作用
机构 * Stanford University（斯坦福大学） ； Brown University（布朗大学）
AI总结 本文研究视觉转换器中物体绑定是否依赖格式化连续性原理，通过合成数据集验证了连续性在绑定中的重要性，并通过注意力头分析展示了其在跨数据集中的泛化能力。
HealthAdminBench: 评估基于计算机使用的代理在医疗管理任务上的性能
机构 * Stanford University（斯坦福大学） ； Kinetic Systems ； Stanford Health Care（斯坦福医疗保健）
AI总结 本文提出HealthAdminBench，通过四个真实GUI环境和135个专家定义任务，评估CUA在医疗行政流程中的性能，发现端到端可靠性较低，最佳代理仅达成36.3%的任务成功率。
Comments 24 pages, 5 figures, 5 tables. Benchmark paper introducing 4 simulated environments, 135 tasks, and 1,698 evaluation points for healthcare administrative computer-use agents
通过晚期融合多模态EHR模型中的模态脱落改进儿科急诊分诊
机构 * Stanford University（斯坦福大学）
AI总结 本文提出一种晚期融合多模态架构，结合XGBoost和Bio_ClinicalBERT处理结构化数据和非结构化文本，通过逻辑回归元分类器预测急诊严重程度指数，通过模态脱落提升模型在儿科群体中的泛化能力。
Comments 10 pages, 4 figures, 4 tables
SemEnrich：用于视觉-语言学习的医学报告语义增强
机构 * Stanford University（斯坦福大学） ； Stanford Center For Biomedical Informatics Research（斯坦福生物医学信息学研究中心）
AI总结 本文提出一种自监督的医学报告语义增强方法，通过句子语义聚类来丰富训练集中的阳性/中性发现，从而提升视觉-语言学习性能。
GIANTS：从科学文献生成洞察预判
机构 * Stanford University（斯坦福大学） ； New York University（纽约大学）
AI总结 本文提出GIANTS任务，通过生成模型预测下游论文的核心洞察，开发了包含17000个示例的GIantsBench基准，展示了GIANTS-4B模型在多个领域中的优越性能，其生成的洞察在概念清晰度和引用潜力上均优于基线模型。
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