Safe Equilibrium Policy Optimization for Strategic Agent Policies
面向策略型智能体的安全均衡策略优化
机构 * Amazon, USA（亚马逊公司）
AI总结 提出Safe Equilibrium Policy Optimization (SEPO)方法，通过惩罚可剥削性、共谋风险和外部性成本，优化语言模型在多智能体博弈中的策略安全性。
Comments Submitted to EMNLP 2026
期刊&会议
EMNLP
Conference on Empirical Methods in Natural Language Processing · 会议 · Natural Language Processing
OpenSTBench: Beyond Semantic Evaluation for Speech Translation
OpenSTBench：超越语义评估的语音翻译
机构 * MoE Key Lab of Artificial Intelligence（摩埃人工智能关键实验室） ； Jiangsu Key Lab of Language Computing（江苏语言计算重点实验室） ； X-LANCE Lab（X-LANCE实验室） ； School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学学院） ； Shanghai Innovation Institute（上海创新研究院） ； Microsoft（微软） ； University of the Chinese Academy of Sciences（中国科学院大学）
AI总结 提出OpenSTBench统一多维评估框架，联合评估语音翻译系统的翻译质量、语音质量、时间一致性等，揭示系统间跨维度差异。
Comments Submitted to EMNLP 2026
Annotations Are Not All You Need: A Cross-modal Knowledge Transfer Network for Unsupervised Temporal Sentence Grounding
注释并非全部所需：面向无监督时间语句定位的跨模态知识迁移网络
机构 * Hubei Key Laboratory of Distributed System Security（湖北分布式系统安全重点实验室） ； Hubei Engineering Research Center on Big Data Security（湖北大数据安全工程研究中心） ； School of Cyber Science and Engineering（网络安全学院） ； Huazhong University of Science and Technology（华中科技大学） ； Peking University（北京大学） ； Henan University（河南大学） ； The Chinese University of Hong Kong（香港中文大学） ； Guangzhou University（广州大学） ； Protagolabs Inc.（Protagolabs公司）
AI总结 提出跨模态知识迁移网络，通过从图像-名词和视频-动词任务中迁移实体感知和事件感知知识，实现无监督时间语句定位，无需配对视频-查询标注。
Comments Published in Findings of EMNLP 2023
PhyDrawGen: Physically Grounded Diagram Generation from Natural Language
PhyDrawGen: 基于自然语言的物理约束图表生成
机构 * Department of Robotics and Mechatronics Engineering, University of Dhaka（机器人与机电工程系，达卡大学）
AI总结 提出PhyDrawGen神经符号管道，通过场景图提取、确定性求解器和视觉验证循环，从自然语言生成符合物理定律的图表，在力学、光学和电磁学基准上显著优于现有模型。
Comments 9 figures, 7 tables. Under review at EMNLP 2026
The Surface You Test Is Not the Surface That Breaks
测试的表面并非断裂的表面
机构 * Department of Robotics and Mechatronics Engineering, University of Dhaka（达卡大学机器人与机电工程系） ； Department of Computer Science and Engineering, University of Dhaka（达卡大学计算机科学与工程系）
AI总结 本文发现工具增强的LLM代理对提示注入的脆弱性依赖于攻击表面（工具输出 vs 工具描述），提出自适应攻击率并强调评估需报告每个表面的脆弱性。
Comments 8 Figures, 8 Tables, Under Review at EMNLP
MaskClaw: Edge-Side Personalized Privacy Arbitration for GUI Agents with Behavior-Driven Skill Evolution
MaskClaw: GUI代理的边端个性化隐私仲裁与行为驱动技能进化
机构 * Beijing University of Posts and Telecommunications（北京邮电大学）
AI总结 提出MaskClaw，一种在边端进行隐私仲裁的GUI代理框架，通过本地视觉证据提取、策略记忆检索和沙箱门控的技能进化，在截图离开信任环境前决定允许、遮蔽或询问，解决了静态PII检测和云端推理的隐私边界问题。
Comments Preprint. Submitted to EMNLP 2026. 21 pages, including appendices; 5 figures Under review. Yanqiu Zhao and Dongying Zheng contributed equally to this work
FoRA: Fisher-orthogonal Rank Adaptation for Parameter-Efficient Fine-Tuning
FoRA: 基于Fisher正交秩适配的参数高效微调
机构 * OptAI Inc（OptAI公司） ； LG Uplus
AI总结 提出FoRA方法，通过Fisher信息选择信息层并在Stiefel流形上训练LoRA下投影，在减少参数预算的同时保持性能，优于LoRA和DoRA。
Comments EMNLP 2026
G-STAR: End-to-End Global Speaker-Tracking Attributed Recognition
G-STAR: 端到端全局说话人跟踪属性识别
机构 * Nanjing University（南京大学） ； Shanghai Jiao Tong University（上海交通大学） ； Central Media Technology Institute, Huawei（华为中央媒体技术研究院） ； Shenzhen Research Institute of Big Data（深圳大数据研究院） ； ETH Zürich（苏黎世联邦理工学院）
AI总结 提出G-STAR框架，通过缓存条件说话人跟踪模块与Speech-LLM转录骨干耦合，实现长时重叠多说话人语音的端到端说话人属性识别，支持组件优化和联合训练，在局部和全局评估中均表现优异。
Comments submitted to Emnlp 2026
