University of Toronto（多伦多大学）

LLM Safety From Within: Detecting Harmful Content with Internal Representations

从内部检测有害内容：利用内部表示进行LLM安全

Difan Jiao, Yilun Liu, Ye Yuan, Zhenwei Tang, Linfeng Du, Haolun Wu, Ashton Anderson

机构 * University of Toronto（多伦多大学） ； McGill University（麦吉尔大学） ； LMU Munich（慕尼黑路德维希-马克西米利安大学） 纠错

AI总结 SIREN通过利用内部层特征提升有害内容检测性能，相比现有模型更高效且泛化能力强。

Comments 17 pages,10 figures,6 tables

When Seeing Overrides Knowing: Disentangling Knowledge Conflicts in Vision-Language Models

当感知超越认知：在视觉-语言模型中解构知识冲突

Francesco Ortu, Zhijing Jin, Diego Doimo, Alberto Cazzaniga

机构 * University of Trieste（特里este大学） ； AREA Science Park（AREAS科学公园） ； MPI ； University of Toronto（多伦多大学） ； Vector Institute（向量研究所） 纠错

AI总结 本文研究视觉-语言模型如何解决跨模态冲突，通过引入WHOOPS-AHA!数据集，发现特定注意力头可调节模型对内部知识或视觉信息的偏好，提升冲突解决的精确度。

Comments ACL 2026 (Main)

Peerispect: Claim Verification in Scientific Peer Reviews

Peerispect：科学同行评审中的声明验证

Ali Ghorbanpour, Soroush Sadeghian, Alireza Daghighfarsoodeh, Sajad Ebrahimi, Negar Arabzadeh, Seyed Mohammad Hosseini, Ebrahim Bagheri

机构 * University of Toronto, Reviewerly（多伦多大学，Reviewerly） 纠错

AI总结 Peerispect通过提取同行评审中的可验证声明，检索相关证据并验证其真实性，提供可视化界面帮助快速检查和解释。

SkillFlow:Benchmarking Lifelong Skill Discovery and Evolution for Autonomous Agents

SkillFlow：自主代理终身技能发现与演化的基准测试

Ziao Zhang, Kou Shi, Shiting Huang, Avery Nie, Yu Zeng, Yiming Zhao, Zhen Fang, Qishen Su, Haibo Qiu, Wei Yang, Qingnan Ren, Shun Zou, Wenxuan Huang, Lin Chen, Zehui Chen, Feng Zhao

机构 * University of Science and Technology of China（中国科学技术大学） ； University of Toronto（多伦多大学） ； University of Sydney（悉尼大学） 纠错

AI总结 SkillFlow通过166个任务测试自主代理能否发现、修复和维护技能库，揭示终身学习中技能演化的能力差距。

EGMOF: Efficient Generation of Metal-Organic Frameworks Using a Hybrid Diffusion-Transformer Architecture

EGMOF：一种高效生成金属有机框架的混合扩散-Transformer架构

Seunghee Han, Yeonghun Kang, Taeun Bae, Junho Kim, Younghun Kim, Varinia Bernales, Alan Aspuru-Guzik, Jihan Kim

机构 * Department of Chemical and Biomolecular Engineering, Korea Advanced Institute of Science and Technology（韩国科学技术院化学与生物分子工程系） ； Department of Chemistry, University of Toronto（多伦多大学化学系） ； Vector Institute for Artificial Intelligence（人工智能矢量研究所） ； Department of Chemistry, Sungkyunkwan University（成均馆大学化学系） ； Acceleration Consortium（加速联盟） ； Department of Computer Science, University of Toronto（多伦多大学计算机科学系） ； Department of Materials Science & Engineering, University of Toronto（多伦多大学材料科学与工程系） ； Department of Chemical Engineering & Applied Chemistry, University of Toronto（多伦多大学化学工程与应用化学系） ； Canadian Institute for Advanced Research (CIFAR)（加拿大高级研究 institute (CIFAR)） ； NVIDIA 纠错

AI总结 EGMOF通过模块化流程实现高效MOF逆向设计，利用扩散模型与Transformer模型生成结构，仅需1000个训练样本即取得显著提升，适用于多种属性数据集。

Can we generate portable representations for clinical time series data using LLMs?

能否利用LLMs为临床时间序列数据生成可移植的表示？

Zongliang Ji, Yifei Sun, Andre Amaral, Anna Goldenberg, Rahul G. Krishnan

机构 * University of Toronto, Canada（加拿大多伦多大学） ； Sunnybrook Health Sciences Centre, Canada（加拿大阳光医疗科学中心） ； Vector Institute, Canada（加拿大向量研究所） 纠错

AI总结 本文研究了利用LLMs生成可移植患者表示的方法，通过将不规则ICU时间序列转换为自然语言摘要，再嵌入固定长度向量，实现跨医院的预测任务，展示了其在多个临床任务中的竞争力和可移植性。

Comments Accepted to the 14th International Conference on Learning Representations (ICLR 2026)

Learning to Build Shapes by Extrusion

通过挤出学习构建形状

Thor Vestergaard Christiansen, Karran Pandey, Alba Reinders, Karan Singh, Morten Rieger Hannemose, J. Andreas Bærentzen

机构 * Technical University of Denmark（丹麦技术大学） ； University of Toronto（多伦多大学） 纠错

AI总结 本文提出基于文本的挤出表示（TEE），通过学习面挤出序列生成3D网格，支持任意面数并生成流形网格，同时可应用于现有网格进行编辑。

Comments A preprint

DynaWeb: Model-Based Reinforcement Learning of Web Agents

DynaWeb：基于模型的Web代理强化学习

Hang Ding, Peidong Liu, Junqiao Wang, Ziwei Ji, Meng Cao, Rongzhao Zhang, Lynn Ai, Eric Yang, Tianyu Shi, Lei Yu

机构 * Shanghai Jiao Tong University（上海交通大学） ； Sichuan University（四川大学） ； Hong Kong University of Science and Technology（香港科学与技术大学） ； McGill University（麦吉尔大学） ； Shanghai AI Lab（上海人工智能实验室） ； Gradient ； University of Toronto（多伦多大学） ； Mila - Quebec AI Institute（魁北克AI研究所） 纠错

AI总结 本文提出DynaWeb框架，通过模拟环境提升Web代理的强化学习效率，实验表明其在WebArena和WebVoyager基准上显著提升性能。

PyEPO: A PyTorch-based End-to-End Predict-then-Optimize Library for Linear and Integer Programming

PyEPO：一种基于PyTorch的端到端预测-然后优化库用于线性和整数规划

Bo Tang, Elias B. Khalil

机构 * Department of Mechanical and Industrial Engineering, University of Toronto（机械与工业工程系，多伦多大学） 纠错

AI总结 PyEPO是一种基于PyTorch的端到端预测-然后优化库，用于线性和整数规划，提供用户友好的接口和先进的算法，通过实验比较不同方法并讨论未来研究的启示。

Journal ref Mathematical Programming Computation, Vol. 16, pp. 297-335 (2024)