Xi'an Jiaotong University（西安交通大学）

Towards robust long-context understanding of large language model via active recap learning

通过主动回顾学习实现大语言模型长上下文理解的鲁棒性

Chenyu Hui

机构 * School of Microelectronics（微电子学院） ； Xi'an Jiaotong University（西安交通大学） 纠错

AI总结 本文提出主动回顾学习方法，通过生成和利用回顾性总结提升大语言模型对长上下文的理解能力，在RULER和LongBench上分别取得26.8%和9.44%的提升。

Comments 5 pages

Towards Efficient and Robust Linguistic Emotion Diagnosis for Mental Health via Multi-Agent Instruction Refinement

通过多智能体指令细化实现高效的稳健语言情绪诊断以促进心理健康

Jian Zhang, Zhangqi Wang, Zhiyuan Wang, Weiping Fu, Yu He, Haiping Zhu, Qika Lin, Jun Liu

机构 * School of Computer Science and Technology, Xi’an Jiaotong University（计算机科学与技术学院，西安交通大学） ； Saw Swee Hock School of Public Health, National University of Singapore（Saw Swee Hock 公共卫生学院，新加坡国立大学） 纠错

AI总结 APOLO通过多智能体协作优化提示空间，提升语言情绪诊断的效率与鲁棒性，适用于心理健康领域的可信LLM应用。

Enhancing Agentic RL with Progressive Reward Shaping and Value-based Sampling Policy Optimization

通过渐进奖励塑造与基于价值的采样策略优化增强代理强化学习

Jianghao Su, Xia Zeng, Luhui Liu, Chao Luo, Ye Chen, Zhuoran Zhuang

机构 * Xi’an Jiaotong University（西安交通大学） ； Fliggy Alibaba（阿里飞猪） 纠错

AI总结 本文提出PRS和VSPO技术，通过渐进奖励塑造和基于价值的采样策略优化，提升代理强化学习在复杂推理任务中的性能与稳定性。

AgentAsk: Multi-Agent Systems Need to Ask

AgentAsk: 多智能体系统需要提问

Bohan Lin, Kuo Yang, Zelin Tan, Yingchuan Lai, Chen Zhang, Guibin Zhang, Xinlei Yu, Miao Yu, Xu Wang, Yudong Zhang, Yang Wang

机构 * University of Science and Technology of China（科学技术大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Xi’an Jiaotong University（西安交通大学） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 AgentAsk通过边缘级澄清模块提升多智能体系统准确性，减少误差传播，提高任务效率与性能。

P2L-CA: An Effective Parameter Tuning Framework for Rehearsal-Free Multi-Label Class-Incremental Learning

P2L-CA：一种适用于无回放多标签类增量学习的有效参数调节框架

Songlin Dong, Jiangyang Li, Chenhao Ding, Zhiheng Ma, Haoyu Luo, Yuhang He, Yihong Gong

机构 * Faculty of Computility Microelectronics, Shenzhen University of Advanced Technology（深圳先进技术大学计算微电子学院） ； College of Artificial Intelligence, Xi’an Jiaotong University（西安交通大学人工智能学院） ； College of Software Engineering, Xi’an Jiaotong University（西安交通大学软件工程学院） 纠错

AI总结 P2L-CA通过结合Prompt-to-Label模块和连续适配器模块，提出了一种参数高效的多标签类增量学习框架，有效解决特征混淆和领域差异问题，实现高性能与低开销的平衡。

Comments 12 pages, 5 figures