Codified Foreshadowing-Payoff Text Generation
编码的预兆-回报文本生成
机构 * University of California, San Diego（加州大学圣地亚哥分校）
AI总结 本文提出CFPG框架，通过编码预兆-回报机制，提升LLM的叙事生成能力，实现情节逻辑的准确兑现。
高校专区
University of California, San Diego（加州大学圣迭戈分校）
LLMs Can't Play Hangman: On the Necessity of a Private Working Memory for Language Agents
LLMs无法玩井字游戏：关于语言代理所需私人工作记忆的必要性
机构 * Mila – Quebec AI Institute（魁北克人工智能研究所） ； Polytechnique Montréal（蒙特利尔大学） ； University of California, San Diego（加州大学圣地亚哥分校） ； LAMA-WeST Lab（LAMA-WeST实验室） ； Chandar Research Lab（Chandar研究实验室）
AI总结 本文提出私人状态交互任务（PSITs）并证明标准LLMs无法在交互任务中保持秘密和一致性，提出包含显式私人工作记忆的架构以恢复一致性。
Stable Minima of ReLU Neural Networks Suffer from the Curse of Dimensionality: The Neural Shattering Phenomenon
ReLU神经网络的稳定极小值遭受维度诅咒：神经碎裂现象
机构 * UC San Diego（UC圣地亚哥大学）
AI总结 本文研究了ReLU神经网络中稳定极小值的泛化能力问题，揭示了平坦解在高维情况下因维度诅咒而表现不佳的机制。
Comments Camera Ready Version. Accepted by Neurips 2025 (Spotlight)
Certifying Stability of Reinforcement Learning Policies using Generalized Lyapunov Functions
利用广义李雅普诺夫函数验证强化学习策略的稳定性
机构 * Contextual Robotics Institute University of California San Diego（情境机器人研究所 卡罗来纳大学圣地亚哥分校）
AI总结 本文提出利用广义李雅普诺夫函数验证强化学习策略稳定性，通过结合价值函数与神经网络残差项，提升稳定性认证效率。
Comments NeurIPS 2025
Gecko: An Efficient Neural Architecture Inherently Processing Sequences with Arbitrary Lengths
Gecko：一种高效神经架构，能够处理任意长度的序列
机构 * University of Southern California（美国南加州大学） ； Meta AI Research（Meta人工智能研究） ； Carnegie Mellon University（卡内基梅隆大学） ； University of California San Diego（加州大学圣地亚哥分校） ； MIT CSAIL（麻省理工学院计算机科学与人工智能实验室）
AI总结 Gecko通过改进的神经架构实现高效长序列处理，优于现有模型在效率和长上下文扩展性上的表现。
Comments 13 pages, 5 figure and 3 tables
The Subtle Art of Defection: Understanding Uncooperative Behaviors in LLM based Multi-Agent Systems
缺陷的微妙艺术：理解基于大语言模型的多智能体系统中的不合作行为
机构 * AWS AI Labs（AWS人工智能实验室） ； UC San Diego（大学圣地亚哥）
AI总结 本文提出了一种用于分析基于大语言模型的多智能体系统中不合作行为的框架，通过实验发现不合作行为会迅速导致系统崩溃，同时指出现有防御方法存在检测不足的问题。
