A paradox of AI fluency
AI流利度的悖论
机构 * Bigspin AI ； Stanford University（斯坦福大学）
AI总结 研究揭示AI流利用户与初学者在任务复杂度和交互模式上的差异，指出流利用户虽经历更多失败但失败更显性，而初学者常有隐性失败，强调主动参与对AI成功的重要性。
高校专区
Stanford University（斯坦福大学）
Domain-Filtered Knowledge Graphs from Sparse Autoencoder Features
从稀疏自编码器特征中提取领域过滤的知识图谱
机构 * Institute for Computational and Mathematical Engineering, Stanford University（计算与数学工程研究所，斯坦福大学）
AI总结 本文提出通过对比激活和多阶段过滤构建领域特定概念集，并构建共现图和转换机制图，将稀疏自编码器特征转化为可读的知识图谱，揭示模型知识结构和推理可靠性。
Automated Adversarial Collaboration for Advancing Theory Building in the Cognitive Sciences
自动化对抗协作促进认知科学理论构建
机构 * Department of Psychology, Princeton University（普林斯顿大学心理学系） ； Department of Psychology, Stanford University（斯坦福大学心理学系） ； Princeton AI Lab, Princeton University（普林斯顿大学人工智能实验室）
AI总结 本文提出自动化对抗协作框架，通过闭环模拟验证认知科学理论 adjudication，展示了在噪声环境下恢复真实理论的可行性。
Comments 2 pages
The Dynamics of Delusion: Modeling Bidirectional False Belief Amplification in Human-Chatbot Dialogue
妄想的动力学：人类-聊天机器人对话中双向虚假信念放大建模
机构 * Stanford University（斯坦福大学） ； Carnegie Mellon University（卡内基梅隆大学） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校）
AI总结 研究通过分析聊天记录数据，发现人类与聊天机器人之间存在双向影响，人类短期影响聊天机器人，而聊天机器人长期影响人类，并自我强化妄想，为AI安全提供新见解。
Multi-User Large Language Model Agents
多用户大语言模型代理
机构 * Stanford University（斯坦福大学） ； KAUST ； UT Austin（得克萨斯大学奥斯汀分校） ； MIT（麻省理工学院）
AI总结 本文首次系统研究多用户LLM代理，提出统一交互协议并设计压力测试场景，揭示前沿模型在优先级维护、隐私保护和协调效率方面的系统性缺陷。
Enhancing Financial Report Question-Answering: A Retrieval-Augmented Generation System with Reranking Analysis
增强财务报告问答：一种带有重排序分析的检索增强生成系统
机构 * School of Engineering Stanford University Stanford, CA, USA ； Simon Business School University of Rochester Rochester, NY, USA ； Accounting \& Information Systems Rutgers University Newark, NJ, USA ； Institute for Social ； Economic Research ； Policy Columbia University New York, NY, USA ； Department of Economics Northeastern University Boston, MA, USA
AI总结 本文提出一种检索增强生成系统，通过重排序提升财务报告问答性能，实验表明重排序显著提高答案质量，正确率提升15.5个百分点。
Comments 7 pages, 2 figures. Accepted to ICECET 2026
Gesture2Music: A Low-Latency Real-Time Framework for Continuous Gesture-Driven Music Generation
Gesture2Music: 一种低延迟的实时框架，用于连续的手势驱动音乐生成
机构 * Stanford University（斯坦福大学） ； Saveetha Institute of Medical and Technical Sciences（Saveetha医学与技术科学学院） ； LSU Health Sciences Center New Orleans（路易斯安那州立大学健康科学中心新奥尔良分校）
AI总结 本文提出Gesture2Music框架，通过因果时间卷积网络预测音乐控制事件，结合合成流生成策略和时间一致性损失，实现低延迟的实时连续手势驱动音乐生成。
Comments 43rd The IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR 2026)
Contrast-Enhanced Gating in GRUs for Robust Low-Data Sequence Learning
GRU中对比增强门控用于鲁棒低数据序列学习
机构 * Stanford University（斯坦福大学） ； LSU Health Sciences Center New Orleans（路易斯安那州立大学健康科学中心新奥尔良分校）
AI总结 本文提出SST激活函数提升GRU门控性能，尤其在低数据场景下表现更优，增强信息过滤能力，提升训练稳定性。
Comments 43rd The IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR 2026)
