Lightweight and Production-Ready PDF Visual Element Parsing
轻量且适用于生产的PDF视觉元素解析
机构 * Oracle AI
AI总结 本文提出一种轻量级PDF解析框架，通过空间启发式、布局分析和语义相似性结合，实现高准确率的视觉元素检测与标题关联，提升多模态RAG检索性能。
大厂专区
Oracle（甲骨文）
CheXmix: Unified Generative Pretraining for Vision Language Models in Medical Imaging
CheXmix：用于医学影像的统一生成预训练
机构 * Stanford AIMI, Stanford University（斯坦福大学AIMI研究所，斯坦福大学） ； Oracle Health AI（Oracle健康AI） ； Department of Radiology, Stanford University（斯坦福大学放射科）
AI总结 CheXmix通过统一早融合生成方法，在医学影像中实现更精确的联合表征学习，优于现有生成模型，在多个任务上表现突出。
Comments CVPR Findings (2026)
CLARITY: A Framework and Benchmark for Conversational Language Ambiguity and Unanswerability in Interactive NL2SQL Systems
CLARITY：一种用于交互式NL2SQL系统中对话语言歧义和不可回答性的框架和基准
机构 * Oracle Corporation（Oracle公司）
AI总结 CLARITY框架通过多维度歧义和用户行为生成NL2SQL基准，揭示现有系统在复杂歧义下的性能下降，强调需增强歧义检测与解决能力。
Comments Accepted at ACL 2026 (Industry Track)
JTPRO: A Joint Tool-Prompt Reflective Optimization Framework for Language Agents
JTPRO：一种联合工具提示反思优化框架用于语言代理
机构 * Oracle AI
AI总结 JTPRO通过迭代反思优化提升工具调用可靠性，通过联合优化全局指令和工具schema，提高多工具环境下的工具选择和参数填充准确性。
Comments Conference: ACL-2026
SPENCE: A Syntactic Probe for Detecting Contamination in NL2SQL Benchmarks
SPENCE：一种用于检测NL2SQL基准污染的句法探针
机构 * Oracle AI
AI总结 SPENCE通过生成句法变体检测NL2SQL基准中的污染，分析模型在句法差异下的执行准确性变化，揭示基准释放时间与污染程度的关系。
Comments ACL 2026 Main Conference
When Vision-Language Models Judge Without Seeing: Exposing Informativeness Bias
当视觉-语言模型评判而不看：揭示信息性偏差
机构 * The Pennsylvania State University（宾夕法尼亚州立大学） ； Oracle AI
AI总结 研究揭示视觉-语言模型在评判时存在的信息性偏差问题，提出BIRCH方法通过修正图像与答案的一致性提升评判可靠性，实验显示偏差降低17%，性能提升9.8%。
Comments Accepted at ACL 2026 Main Conference
Budget-Aware Anytime Reasoning with LLM-Synthesized Preference Data
具有预算意识的任意时间推理与LLM合成的偏好数据
机构 * Columbia University（哥伦比亚大学） ； Oracle AI
AI总结 研究在有限计算预算下LLM的推理行为，提出任意时间推理框架和Anytime Index指标，通过LLM合成的偏好数据提升推理效率与质量。
Comments ACL 2026 Findings, 13 pages, 3 figures, 1 table
From Attribution to Abstention: Training-Free Attention-Based Auditing for Clinical Summarization
从归因到回避：基于注意力的无训练审计用于临床摘要
机构 * University of California, Santa Barbara（加州大学圣芭芭拉分校） ； Oracle Health AI
AI总结 本文提出ClinTrace框架，通过解码器注意力权重提取临床有用信号，实现无训练的注意力基于审计，提升临床摘要的透明性和可靠性，显著优于基线方法。
Anthropogenic Regional Adaptation in Multimodal Vision-Language Model
人为区域适应于多模态视觉-语言模型
机构 * Cohere ； SEACrowd ； AI Singapore ； Universiti Teknologi PETRONAS ； Oracle ； Carnegie Mellon University（卡内基梅隆大学） ； Monash University, Indonesia（莫纳什大学（印尼）） ； King Mongkut’s University of Technology Thonburi（泰国孔敬大学） ； Nara Institute of Science and Technology（奈良科学技術大學） ； Stanford University（斯坦福大学） ； MBZUAI ； National University of Singapore（新加坡国立大学） ； Monash University, Australia（莫纳什大学（澳大利亚）） ； Brown University（布朗大学） ； University of Bath（巴斯大学） ； Mila - Quebec AI Institute（蒙特利尔AI研究所） ； Institut Teknologi Bandung（Bandung 工程技术大学） ； Ateneo de Manila University（马尼拉亚特内奥大学） ； Universitas Pelita Harapan（Pelita Harapan 大学） ； Seoul National University of Science and Technology（首尔科学技术大学） ； Thammasat University（泰国 Thammasat 大学） ； Independent（独立） ； University College London（伦敦大学学院） ； Nanyang Technological University（南洋理工大学） ； MiroMind AI ； University of Indonesia（印度尼西亚大学） ； University of New Haven（纽黑文大学） ； INTI International University and Colleges（INTI 国际大学和学院） ； Binus University（Binus 大学） ； National University Philippines（菲律宾国家大学） ； ThoughtFull
AI总结 本文提出人为区域适应框架，通过地理通用化简化方法提升多模态模型在特定区域的文化相关性，实验显示在东南亚地区提升5-15%的同时保持全球性能。
Retrieve, Then Classify: Corpus-Grounded Automation of Clinical Value Set Authoring
检索，然后分类：基于语料库的临床价值集编纂自动化
机构 * Oracle Health Data Intelligence（Oracle健康数据智能）
AI总结 本文提出RASC方法，通过检索现有价值集生成候选池，再分类筛选代码，提升临床价值集编纂效率，构建首个大规模基准数据集。
Direct Preference Optimization for Primitive-Enabled Hierarchical RL: A Bilevel Approach
基于原始能力的分层强化学习的直接偏好优化：双层方法
机构 * IIT Kanpur（印度理工学院坎浦尔分校） ； University of Maryland, College Park（马里兰大学学院公园分校） ； U.S. Army Research Laboratory（美国陆军研究实验室） ； University of Texas, Austin（德克萨斯大学奥斯汀分校） ； Oracle（Oracle公司） ； University of Central Florida（中央佛罗里达大学） ； University of Bath（巴斯大学）
AI总结 本文提出DIPPER框架，通过双层优化解决分层强化学习中的非平稳性和不可行子目标问题，采用直接偏好优化提升高层策略性能，实验证明在机器人导航和操作任务中取得显著改进。
RadAgents: Multimodal Agentic Reasoning for Chest X-ray Interpretation with Radiologist-like Workflows
RadAgents: 多模态代理推理用于胸片解读的放射科工作流程
机构 * Oracle Health AI ； Lehigh University（莱荷大学）
AI总结 RadAgents通过结合临床先验知识和任务感知的多模态推理，构建模块化、可审计的放射科工作流程，提升胸片解读的可靠性与临床一致性。
Comments MIDL 2026
Reasoning Provenance for Autonomous AI Agents: Structured Behavioral Analytics Beyond State Checkpoints and Execution Traces
自主AI代理的推理溯源：超越状态检查点和执行轨迹的结构化行为分析
机构 * Oracle Cloud Infrastructure（甲骨文云基础设施）
AI总结 本文提出Agent Execution Record（AER），通过结构化推理溯源记录代理每个动作的选择原因、观察结论及策略影响，支持群体层面的行为分析与反事实测试。
Comments 10 pages, 2 tables, 1 figure, preprint, v2: adds co-author and transport-layer verification mechanism
Bayesian Social Deduction with Graph-Informed Language Models
基于图信息的语言模型的贝叶斯社会推断
机构 * Purdue University（普渡大学） ； Oracle（甲骨文公司） ； Virginia Tech（弗吉尼亚理工大学） ； Intel Labs（英特尔实验室）
AI总结 本文提出一种混合推理框架，通过外部化信念推断到结构化概率模型，结合语言模型进行理解和交互，在Agent-Agent游戏中实现与大模型相当的性能，并首次在受控研究中击败人类玩家。
Comments Accepted to ACL 2026 main conference
DiffuMask: Diffusion Language Model for Token-level Prompt Pruning
DiffuMask: 用于令牌级提示压缩的扩散语言模型
机构 * University of Washington（华盛顿大学） ； Oracle AI（甲骨文人工智能）
AI总结 DiffuMask通过迭代掩码预测实现快速并行提示压缩，保留关键推理上下文，实现80%的提示长度缩减，同时保持或提升准确性。
Controlling Distributional Bias in Multi-Round LLM Generation via KL-Optimized Fine-Tuning
通过KL优化微调控制多轮LLM生成的分布偏倚
机构 * University of Melbourne（墨尔本大学） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； Oracle（甲骨文公司）
AI总结 本文提出通过KL优化微调结合语义对齐的方法，解决多轮LLM生成中分布控制问题，实验显示其在属性生成任务中表现优异。
Comments Accepted at ACL Main Conference
PRCCF: A Persona-guided Retrieval and Causal-aware Cognitive Filtering Framework for Emotional Support Conversation
PRCCF: 一种基于人格的检索与因果感知认知过滤框架用于情感支持对话
机构 * School of Computer Science and Engineering, Northeastern University, Shenyang, Liaoning, China（东北大学计算机科学与工程学院，沈阳，辽宁，中国） ； Oracle Cloud Infrastructure, Oracle, Santa Clara, CA, United States（甲骨文云基础设施，甲骨文公司，圣克拉拉，加利福尼亚州，美国）
AI总结 PRCCF通过结合语义兼容性和人格对齐的检索机制，以及因果感知的认知过滤模块，提升情感支持对话中上下文认知理解能力，在ESConv数据集上优于现有方法。
Comments 14 pages, 6 figures, 5 tables. Submitted to Transactions of the Association for Computational Linguistics (TACL)
Think Twice Before You Write -- an Entropy-based Decoding Strategy to Enhance LLM Reasoning
再三思考后再写作——一种基于熵的解码策略以增强大语言模型推理
机构 * Oracle AI Science（甲骨文人工智能科学） ； University of Pennsylvania（宾夕法尼亚大学）
AI总结 本文提出一种基于熵的解码策略，通过在生成过程中引入令牌级适应性，提高大语言模型的推理能力，实验表明在GSM8K等数据集上表现优异。
PAR$^2$-RAG: Planned Active Retrieval and Reasoning for Multi-Hop Question Answering
PAR$^2$-RAG：计划主动检索与推理用于多跳问答
机构 * Oracle AI（甲骨文人工智能）
AI总结 PAR$^2$-RAG通过分阶段的覆盖与承诺分离，结合广度优先锚定和深度优先细化，提升多跳问答的准确率和检索效果。
Comments 11 pages, 2 figures
†DAGGER: Distractor-Aware Graph Generation for Executable Reasoning in Math Problems
†DAGGER：面向数学问题可执行推理的干扰意识图生成
机构 * University of California, Riverside（加州大学河滨分校） ； University of Maryland, Baltimore County（马里兰大学巴尔的摩县分校） ； Oracle Health AI（甲骨文健康AI）
AI总结 本文提出†DAGGER，通过将数学问题解决转化为可执行计算图生成，提升在低资源和噪声环境下的推理鲁棒性和效率。
Spelling Correction in Healthcare Query-Answer Systems: Methods, Retrieval Impact, and Empirical Evaluation
医疗问答系统中的拼写纠正：方法、检索影响与实证评估
机构 * Oracle Corporation（Oracle公司）
AI总结 本文研究了医疗问答系统中拼写纠正对检索的影响，通过实证分析发现拼写纠正显著提升检索性能，尤其在查询端纠正效果更佳。
Comments 13 pages, 5 tables. Empirical study using TREC 2017 LiveQA Medical and HealthSearchQA datasets
LLM NL2SQL Robustness: Surface Noise vs. Linguistic Variation in Traditional and Agentic Settings
LLM NL2SQL鲁棒性：传统与智能设置中表面噪声与语言变异的比较
机构 * Oracle AI
AI总结 本文评估了NL2SQL系统在表面噪声和语言变异下的鲁棒性，发现传统和智能设置中模型表现各异，揭示了实现鲁棒NL2SQL系统的挑战。
OraPO: Oracle-educated Reinforcement Learning for Data-efficient and Factual Radiology Report Generation
OraPO：基于 oracle 的强化学习用于数据高效且事实准确的放射科报告生成
机构 * Oracle Health & AI（Oracle健康与人工智能）
AI总结 OraPO 通过 FactScore 奖励机制提升放射科报告生成效率，在受限预算下实现 SOTA 性能，使用小规模 VLM 和适度硬件，在 CheXpert Plus 数据集上取得 0.341 的 F1 分数。
Comments Accepted to CVPR 2026
Tree-based Dialogue Reinforced Policy Optimization for Red-Teaming Attacks
基于树结构的对话强化策略优化用于红队攻击
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Oracle AI ； University of Pennsylvania（宾夕法尼亚大学）
AI总结 本文提出DialTree框架，通过树搜索和强化学习发现多轮攻击策略，提升对抗攻击的成功率
Comments Accepted at ICLR 2026
Chart-RL: Generalized Chart Comprehension via Reinforcement Learning with Verifiable Rewards
Chart-RL: 通过可验证奖励的强化学习实现通用图表理解
机构 * Oracle AI
AI总结 Chart-RL通过可验证奖励的强化学习提升图表理解能力，在多个基准测试中超越监督微调，展现强大的泛化和迁移能力。
AgentHub: A Registry for Discoverable, Verifiable, and Reproducible AI Agents
AgentHub: 一个用于可发现、可验证和可重复的AI代理注册表
机构 * Purdue University, USA（普渡大学） ； Socket Inc.（Socket公司） ； Oracle Labs（Oracle实验室）
AI总结 AgentHub旨在通过提供一个注册表层和研究议程，实现AI代理的可发现性、可验证性和可重复性，以构建可靠且可重用的代理生态系统。
FLUKE: A Linguistically-Driven and Task-Agnostic Framework for Robustness Evaluation
FLUKE：一种基于语言驱动且任务无关的鲁棒性评估框架
机构 * The University of Melbourne（墨尔本大学） ； Oracle（Oracle公司） ； Universitas Indonesia（印度尼西亚大学） ； RMIT University（皇家墨尔本理工学院）
AI总结 FLUKE通过系统性语言变化评估模型鲁棒性，揭示任务依赖性、模型脆弱性和语言特征使用与鲁棒性无关的结论。
Comments Accepted to EACL 2026 Findings
IndicJR: A Judge-Free Benchmark of Jailbreak Robustness in South Asian Languages
IndicJR：一种无裁判的南亚语言对抗鲁棒性基准
机构 * Oracle America Inc.（Oracle美国公司）
AI总结 IndicJR是一种无裁判的南亚语言对抗鲁棒性基准，揭示了多语言对抗攻击的模式和风险，尤其关注南亚用户的语言转换和罗马化问题。
Comments Accepted in EACL Industry Track Oral, 2026
Barriers to Discrete Reasoning with Transformers: A Survey Across Depth, Exactness, and Bandwidth
Transformer在离散推理中的障碍：深度、精确性与带宽的跨领域综述
机构 * Oracle AI
AI总结 本文综述了Transformer在离散推理任务中的理论限制，从电路复杂度、近似理论和通信复杂度三个角度分析了深度、精确性和带宽等障碍，并探讨了模型设计的改进方向。
Comments Accepted to EACL 2026 Main Conference
Is Your Paper Being Reviewed by an LLM? Benchmarking AI Text Detection in Peer Review
你的论文正在由LLM审查吗？同行评审中AI文本检测的基准测试
机构 * Oracle AI ； Abridge ； Intel Labs（Intel实验室） ； Thoughtworks
AI总结 本文提出一个包含788,984篇AI与人类同行评审的综合数据集，评估18种AI文本检测算法的性能，并探索上下文感知的Anchor检测方法，揭示识别AI生成文本的困难。
Comments Accepted to ICLR 2026
