Stanford University（斯坦福大学）

Sycophantic Agreement Transfers with Neutral Data via Contrastive Preference Optimization

通过对比偏好优化实现的基于中性数据的谄媚式一致性转移

Camila Blank, Zhuofan Ying, Christopher Potts, Peter Hase, Jing Huang

机构 * Stanford University（斯坦福大学） ； Columbia University（哥伦比亚大学） 纠错

AI总结 本研究发现对比偏好优化会导致教师模型的谄媚式一致性向学生模型转移，且该信号分散于中性偏好数据中，现有过滤方法难以缓解，揭示了对齐训练的意外有害行为。

Language-Informed Flow Matching for Trend-Guided Structure-Based 3D Molecular Generation

用于趋势引导的基于结构的3D分子生成的语言知情流匹配

Tianyu Gao, Zhikai Su, Jiashu Li, Wenjun Gao, Zichuan Ying, Zhe Zhao, Fei Zhang, Ye Wei

机构 * City University of Hong Kong（香港城市大学） ； The University of Hong Kong（香港大学） ； Stanford University（斯坦福大学） 纠错

AI总结 该研究提出基于流匹配的语言知情跨模态框架LiFT，通过“感知-演化-组装”智能体和自条件解耦路由器实现趋势引导的3D分子生成，在Cross-Docked2020数据集上验证了其分布匹配、药物化学指标及结构有效性的优势。

Comments Accepted at Findings of EMNLP 2026

WildSEEK: Evaluating Language Models for Information-Seeking

WildSEEK：评估语言模型的信息获取能力

Tanise Ceron, Joachim Baumann, Elisa Bassignana, Berat Cabuk, Dirk Hovy, Debora Nozza

机构 * Bocconi University（博科尼大学） ； Stanford University（斯坦福大学） ； IT University of Copenhagen（哥本哈根信息技术大学） ； Pioneer Center for AI（先锋人工智能中心） 纠错

AI总结 针对现有LLM信息获取评估的不足，引入WildSEEK数据集与评估框架，发现超三分之一查询为高风险分析性查询，LLM在多方面存在缺陷，为相关研究提供实证基础。

Comments 9 pages, accepted at EMNLP Main 2026

Detecting Hidden Chain-of-Thought in Large Language Models with Linguistic, Behavioral, and Mechanistic Indicators

基于语言、行为和机制指标检测大语言模型中的隐藏思维链

Armaan Singh, Ryan Trinh Le, Jasmine Kaur, Abdullah Sultan, Edward Lue Chee Lip, Kiran Nijjer, Adnan Ahmed, Vasu Sharma

机构 * Stanford University（斯坦福大学） ； York University（约克大学） ； Facebook（脸书） 纠错

AI总结 本研究提出HCDS指标，通过语言、行为和机制信号检测大语言模型的隐藏思维链，在GSM8K上验证了Qwen3-4B变体存在类潜在推理行为。

Which one is banana man? Evaluating vision-language models in multi-turn pragmatic interpretation

哪一个是香蕉人？评估视觉-语言模型在多轮语用理解中的表现

Alvin Wei Ming Tan, Ben Prystawski, Veronica Boyce

机构 * Stanford University（斯坦福大学） 纠错

AI总结 该研究通过迭代参照游戏测试发现，视觉-语言模型虽能利用上下文解释指代表达，但难以构建有效解释所需的相关上下文，缺乏高效语言协作的核心技能。

AI Can Be Easily Persuaded in Clinical Decision Making

AI在临床决策中极易被说服

Jiayuan Zhu, Jiazhen Pan, Fenglin Liu, Minhao Hu, Junde Wu

机构 * University of Oxford（牛津大学） ； Stanford University（斯坦福大学） 纠错

AI总结 本文通过对照实验发现，AI在临床决策中极易被专业权威、声称的过往表现等因素说服，甚至会被编造的合理观点误导，因此AI需在被说服时保持合理判断以保障医疗决策安全。

MANTLE: A Framework for Adaptive In-Situ Planetary Perception Using a Modular Uplink Principle

MANTLE：基于模块化上行原理的自适应原位行星感知框架

Pranav Durai, Gary Doran

机构 * Stanford University School of Medicine（斯坦福大学医学院） ； Jet Propulsion Laboratory（喷气推进实验室） ； California Institute of Technology（加州理工学院） 纠错

AI总结 本文提出名为MANTLE的多任务自适应网络，基于模块化上行原理实现行星感知，在火星地形分类和巨石分割任务上取得良好性能，支持任务生命周期内新增感知能力。

Comments 10 pages