University of Southern California（南加州大学）

AcCoRD: Evaluating User-Agent Collaboration Under Realistic User Preference Dynamics

AcCoRD：评估现实用户偏好动态下的用户-智能体协作

Tejas Srinivasan, Shikib Mehri, Nandita Shankar Naik, Anirban Das, William M. Campbell, Jesse Thomason

机构 * University of Southern California（南加州大学） ； Contextual AI（Contextual AI公司） ； Capital One（第一资本金融公司） ； Georgia Tech University（佐治亚理工大学） 纠错

AI总结 研究针对现有用户-智能体协作基准无法捕捉偏好动态的问题，推出AcCoRD基准，评估前沿LLM处理偏好动态的能力，发现模型难应对交互中出现/演变的偏好，仅提示无法实现所需不确定性识别。

Representation of syntax in LLMs through the lens of linear distance and similarity-aware entropy

通过线性距离与相似度感知熵视角看大语言模型（LLMs）中的句法表征

Juan Pablo Vigneaux, Mary Kennedy, Khalil Iskarous, Robert Frank, Matilde Marcolli

机构 * Northwestern University（西北大学） ； University of Southern California（南加州大学） ； Yale University（耶鲁大学） ； California Institute of Technology（加州理工学院） 纠错

AI总结 本研究通过拆分结构探针的评估指标UASL，发现影响其变异的两个关键因素，揭示了大语言模型句法表征的抽象程度及对嵌入空间几何属性的依赖性。

Comments 29 pages (9 main text, 18 appendix), 20 figures, 7 tables. Code and data: this https URL (https://github.com/jpvigneaux/structural-probes-labelwise-analysis)