University of California, Berkeley（加州大学伯克利分校）

Evolutionary Strategies lead to Catastrophic Forgetting in LLMs

进化策略导致大语言模型中的灾难性遗忘

Immanuel Abdi, Akshat Gupta, Micah Mok, Alexander Lu, Nicholas Lee, Gopala Anumanchipalli

机构 * UC Berkeley（加州大学伯克利分校） 纠错

AI总结 进化策略在大语言模型训练中导致灾难性遗忘，尽管性能接近GRPO，但持续学习能力受限。

Multimodal Conversation Structure Understanding

多模态对话结构理解

Kent K. Chang, Mackenzie Hanh Cramer, Anna Ho, Ti Ti Nguyen, Yilin Yuan, David Bamman

机构 * University of California, Berkeley（加州大学伯克利分校） 纠错

AI总结 本文提出多模态对话结构理解任务及TV-MMPC数据集，揭示对话角色匿名化对模型性能的影响，并分析对话中性别角色的参与差异。

Comments accepted to EACL 2026 main conference; 22 pages, 9 figures, 10 tables

Investigating the Development of Task-Oriented Communication in Vision-Language Models

探究视觉-语言模型中以任务为导向的交流发展

Boaz Carmeli, Orr Paradise, Shafi Goldwasser, Yonatan Belinkov, Ron Meir

机构 * Technion – Israel Institute of Technology（技术ion–以色列理工学院） ； EPFL（苏黎世联邦理工学院） ； University of California, Berkeley（加州大学伯克利分校） ； Harvard University（哈佛大学） 纠错

AI总结 研究视觉-语言模型在协作任务中发展以任务为导向的通信协议的潜力与风险

Truthfulness Despite Weak Supervision: Evaluating and Training LLMs Using Peer Prediction

在弱监督下保持真实性：利用同伴预测评估和训练大语言模型

Tianyi Alex Qiu, Micah Carroll, Cameron Allen

机构 * Center for Human-Compatible Artificial Intelligence（兼容人类的人工智能中心） ； University of California, Berkeley（加州大学伯克利分校） 纠错

AI总结 通过同伴预测方法，利用弱监督提升大语言模型的真实性，有效对抗欺骗并增强评估可靠性。

Comments ICLR 2026

Minimax Rates for Hyperbolic Hierarchical Learning

超几何分层学习的最坏率

Divit Rawal, Sriram Vishwanath

机构 * University of California, Berkeley（加州大学伯克利分校） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 该研究证明了双曲空间在分层学习中能实现信息论最优的样本复杂度，而欧几里得空间则面临指数级的样本复杂度问题。

CASCADE: Cumulative Agentic Skill Creation through Autonomous Development and Evolution

CASCADE：通过自主开发与进化实现累积性代理技能创造

Xu Huang, Junwu Chen, Yuxing Fei, Zhuohan Li, Philippe Schwaller, Gerbrand Ceder

机构 * Department of Materials Science and Engineering, University of California, Berkeley, California, United States（加州大学伯克利分校材料科学与工程系） ； Materials Sciences Division, Lawrence Berkeley National Laboratory, California, United States（劳伦斯伯克利国家实验室材料科学部） ； Laboratory of Artificial Chemical Intelligence (LIAC), Institute of Chemical Sciences and Engineering, École Polytechnique Fédérale de Lausanne (EPFL), Lausanne, Switzerland（日内瓦联邦理工学院化学科学与工程研究所人工化学智能实验室） ； National Centre of Competence in Research (NCCR) Catalysis, École Polytechnique Fédérale de Lausanne (EPFL), Lausanne, Switzerland（日内瓦联邦理工学院催化研究国家中心） 纠错

AI总结 CASCADE通过自主开发与进化实现代理技能的累积，提升复杂科学任务的适应性和扩展性。