大厂专区
超越自然性：基于语言维度探究自动文本转语音评估器
机构 * ServiceNow（ServiceNow公司）
AI总结 该研究构建了首个TTS维度级元评估基准，测试发现MOS预测器聚焦声学信号质量，Audio-LLM评估器检测能力具选择性且依赖提示，两类方法均难捕捉语言结构化语音错误，相关资源已公开。
Comments Work in progress
Agentland中的恶意行为：深入AI供应链后门问题
机构 * ServiceNow Research ； Mila - Qu\'ebec AI Institute
AI总结 研究探讨了在交互数据上微调AI代理时引入的安全漏洞，提出三种供应链威胁模型，证明通过污染少量演示即可使代理泄露用户信息。
Comments 27 pages
LLM2Vec-Gen：从大型语言模型生成嵌入向量
机构 * McGill University（麦吉尔大学） ； Mila–Quebec AI Institute（米拉-魁北克人工智能研究所） ； ServiceNow Research（ServiceNow研究院） ； Cohere ； Canada CIFAR AI Chair（加拿大CIFAR人工智能主席）
AI总结 LLM2Vec-Gen通过自监督学习生成大型语言模型的嵌入向量，无需微调，提升MTEB基准测试性能，并保留语义和推理能力。
Comments Accepted to COLM 2026
ESF-Bench：针对现实世界企业应用的具有挑战性的槽填充场景基准测试
机构 * ServiceNow（ServiceNow公司）
AI总结 针对大语言模型在企业实际部署中槽填充面临的挑战，介绍ESF-Bench基准，它含多轮样本和槽，跨越多个领域，揭示了当前模型局限性，还公开了数据集、分类法及评估代码以推动该领域研究。
DiffuMamba：基于Mamba架构的高吞吐量扩散语言模型
机构 * ServiceNow Research, Montreal, Canada（ServiceNow研究机构，加拿大蒙特利尔） ； Concordia University（Concordia大学）
AI总结 DiffuMamba基于Mamba架构，通过结合扩散目标与线性序列建模，实现了高吞吐量的扩散语言模型，在长序列任务中表现出色。
Comments 9 pages, 3 figures
克服情境差距以实现上下文辅助预测
机构 * ServiceNow Research（ServiceNow研究） ； McGill University（麦吉尔大学） ； Mila - Quebec AI Institute（魁北克AI研究所）
AI总结 本文提出半合成数据增强方法，生成高质量上下文以提升上下文辅助预测性能，构建了700万规模的数据集，并验证了其在真实场景中的有效性。
必然存在分歧：通过可验证替代物的泛化界
机构 * Département d’informatique et génie logiciel Université Laval（计算机与软件工程系洛桑大学） ； ServiceNow Research（ServiceNow研究）
AI总结 针对深度学习模型泛化界的问题，提出基于新分歧证书的方法，通过替代模型界定预测器真实风险，利用三种框架训练替代模型验证证书紧密性及方法通用性，无需修改目标模型和训练过程。
Comments Published in the 42nd conference on Uncertainty in Artificial Intelligence
BRIDGE: 从模型性能预测人类任务完成时间
机构 * Mila - Quebec AI Institute（魁北克人工智能研究所） ； McGill University（麦吉尔大学） ； Polytechnique Montréal（蒙特利尔理工学院） ； Periodic Labs（Periodic实验室） ； Canada CIFAR AI Chair（加拿大CIFAR人工智能主席） ； ServiceNow Research（ServiceNow研究）
AI总结 提出BRIDGE框架，利用项目反应理论从模型性能中学习潜在任务难度，并将其与人类任务完成时间对齐，从而仅凭模型性能预测新基准上的人类任务完成时间。
Comments Accepted to the 43rd International Conference on Machine Learning (ICML 2026)
双置信对比解码用于检索增强生成
机构 * ServiceNow Research（ServiceNow研究院） ； University of British Columbia（不列颠哥伦比亚大学）
AI总结 针对多文档检索增强生成中的内部证据冲突问题，提出无需训练的双置信对比解码方法，结合文档级和词元级置信度选择正负流，在DRQA等基准上取得最佳平均性能。
混合检索器演化：面向多模态文档推理代理
机构 * ServiceNow ； University of Washington（华盛顿大学）
AI总结 提出失败驱动的演化框架，让元代理自动学习任务代理如何协调多种检索器进行多步文档问答，实现自适应检索路由，在MMLongBench-Doc和DocBench上提升高达19.6分。
Comments 17 pages, 3 figures
社会对齐框架可以改进大语言模型对齐
机构 * ETH Zurich（苏黎世联邦理工学院） ； Mila, McGill University（麦吉尔大学米尔人工智能实验室） ； University of Cambridge（剑桥大学） ； Columbia University（哥伦比亚大学） ； University of Toronto, Google DeepMind（多伦多大学与DeepMind） ； McGill University, ServiceNow（麦吉尔大学与ServiceNow） ； Google DeepMind（谷歌DeepMind） ； University of Utah（犹他大学） ； King's College London（伦敦国王学院） ； Johns Hopkins University（约翰霍普金斯大学） ； Mila, McGill University, ServiceNow（麦吉尔大学米尔人工智能实验室与ServiceNow）
AI总结 本文提出借鉴社会、经济和契约对齐框架来改进大语言模型对齐，探讨不确定性在其中的作用，并将目标未指定性视为机遇而非缺陷，同时强调参与式对齐界面设计的必要性。
PrivacyAlign: LLM代理的上下文隐私对齐
机构 * University of Waterloo（滑铁卢大学） ； ServiceNow AI Research（ServiceNow AI 研究） ； McGill University（麦吉尔大学） ； Mila -- Quebec AI Institute（米拉——魁北克人工智能研究所）
AI总结 提出PrivacyAlign数据集，通过人类标注对齐LLM代理的隐私决策，并引入基于标注的奖励建模以提升隐私对齐性能。
迈向无风险的开源权重模型：在LLM中分离公共与私有能力
机构 * Mila and McGill University（Mila和麦吉尔大学） ； Canada CIFAR AI Chair（加拿大CIFAR人工智能主席） ； ServiceNow Research（ServiceNow研究） ； McGill-NLP/tiered-language-models（麦吉尔-自然语言处理/分层语言模型）
AI总结 提出层级语言模型（TLM），通过单一权重集和秘密密钥实现多级能力控制，公共配置保持基础能力，密钥配置解锁私有能力，抵抗微调提取和密钥部分泄露。
Comments Preprint. 28 pages
REDACT：一个系统控制的个人信息检测多语言基准
机构 * ServiceNow
AI总结 提出REDACT基准，包含13,427条记录、51种实体类型、25种语言，通过强度-2覆盖阵列采样控制9个生成轴，并引入实体级元数据（披露状态、形式、GDPR敏感层级）以支持分层评估，揭示检测器在敏感数据上的架构依赖性失败模式。
Comments 14 pages, 5 figures
DRFLOW：用于个性化工作流预测的深度研究基准
机构 * ServiceNow AI Research（ServiceNow人工智能研究）
AI总结 提出DRFLOW基准，评估AI代理从异构源预测个性化工作流的能力，包含5领域100任务，并设计7个诊断指标，实验显示现有代理性能有限。
MCompassRAG：主题元数据作为段落级检索的语义指南针
机构 * University of British Columbia（不列颠哥伦比亚大学） ； University of Salerno（萨莱诺大学） ； ServiceNow Research（ServiceNow研究院）
AI总结 提出MCompassRAG框架，通过主题元数据增强段落表示，利用LLM蒸馏训练轻量检索器，实现主题感知检索，在六个基准上平均信息效率提升8.24%，延迟降低5倍以上。
SproutRAG: 基于注意力引导的树搜索与渐进嵌入的长文档RAG
机构 * University of British Columbia（不列颠哥伦比亚大学） ； ServiceNow Research（ServiceNow研究院）
AI总结 提出SproutRAG，通过注意力引导构建句子级分块树，实现多粒度检索，无需额外LLM调用，平均信息效率提升6.1%。
在线技能与记忆模块是否总是值得其令牌消耗？Web代理的预算约束研究
机构 * ServiceNow AI Research（ServiceNow AI 研究院） ； ÉTS Montreal（蒙特利尔高等技术学院） ； University of British Columbia（不列颠哥伦比亚大学） ； McGill University（麦吉尔大学）
AI总结 在固定推理预算下，对比三种在线增强模块与令牌匹配的基线，发现基线在总成功率上匹配或超越所有增强方法，且常使用更少令牌。
AgentBeats：面向开放性、标准化和可复现性的智能体评估代理化
机构 * University of California, Berkeley（加州大学伯克利分校） ； Purdue University（普渡大学） ； University of Ljubljana（卢布尔雅那大学） ； University of Washington（华盛顿大学） ； Oasis Labs ； University of Maryland（马里兰大学） ； IBM Research（IBM研究院） ； Mila ； McGill University（麦吉尔大学） ； ServiceNow Research（ServiceNow研究院） ； Carnegie Mellon University（卡内基梅隆大学） ； National Institute of Standards and Technology（美国国家标准与技术研究院） ； The Ohio State University（俄亥俄州立大学） ； University of Cambridge（剑桥大学） ； University of California, Santa Barbara（加州大学圣塔芭芭拉分校）
AI总结 提出代理化智能体评估（AAA）框架，通过标准化协议（A2A和MCP）统一评估接口，实现开放、可复现的多智能体评估，并基于AgentBeats系统通过大规模竞赛和案例研究验证其覆盖性、实用性和保真度。
基于人类演示的计算机使用智能体基础构建
机构 * Mila - Quebec AI Institute（魁北克AI研究所） ； McGill University（麦吉尔大学） ； Université de Montréal（蒙特利尔大学） ； ServiceNow Research（ServiceNow研究） ； University of Waterloo（滑铁卢大学） ； University of Oxford（牛津大学） ； National University of Singapore（新加坡国立大学） ； Polytechnique Montréal（蒙特利尔理工学院） ； École de Technologie Supérieure（高级技术学院） ； CIFAR AI Chair（CIFAR人工智能主席）
AI总结 为解决桌面环境高质量基础数据稀缺问题，构建了包含87个应用、56K截图和3.56M人工标注的GroundCUA数据集，并基于此训练GroundNext模型，在5个基准上以少于先前十分之一的数据取得最优结果。
Comments Accepted at ICLR 2026
SKILL.nb：用于持久代理工作流的选择性形式化与门控执行
机构 * ServiceNow Research ； Mila ； Polytechnique Montréal（蒙特利尔综合理工学院） ； Canada CIFAR AI Chair（加拿大CIFAR人工智能讲席）
AI总结 提出SKILL.nb框架，通过选择性形式化和门控执行管理代理工作流的生命周期可靠性，在WebArena-Verified上单轮成功率达53.7%，重执行保留率91.7%。
AI代理实现自适应计算机蠕虫
机构 * University of Toronto（多伦多大学） ； Vector Institute（向量研究所） ； University of Cambridge（剑桥大学） ； ServiceNow
AI总结 本研究展示了AI代理能够生成针对每个目标的定制攻击策略，利用被感染机器上的大语言模型自我维持并传播，形成自持的AI驱动网络威胁。
MosaicLeaks：深度研究代理的开放查询中的隐私风险
机构 * ServiceNow AI Research（ServiceNow AI研究院） ； University of Edinburgh（爱丁堡大学） ； Mila - Quebec AI Institute（魁北克AI研究所） ； McGill University（麦吉尔大学） ； University of British Columbia（不列颠哥伦比亚大学）
AI总结 针对深度研究代理在查询外部工具时可能泄露本地敏感信息的问题，提出MosaicLeaks基准测试和隐私感知深度研究（PA-DR）框架，通过强化学习降低信息泄露风险。
破坏是学习生成的一般策略；扩散的优势在于认真对待它；探索是未来
机构 * ServiceNow AI Research（ServiceNow AI研究院）
AI总结 本文提出扩散模型作为信息隐藏与猜测框架的一部分，论证其破坏式信息隐藏比手工设计更灵活，尤其在数据稀缺场景有优势，并探讨强化学习技术移植到扩散上下文时的微妙问题及原生探索方向。
Comments Published April 27th, 2026 as an ICLR blogpost https://iclr-blogposts.github.io/2026/blog/2026/destruction/
Journal ref Noël, Piere-André. "Destruction is a General Strategy to Learn Generation; Diffusion's Strength is to Take it Seriously; Exploration is the Future", ICLR Blogposts, 2026
重新思考文献检索评估：深度研究有帮助，且人类引用列表并非金标准
机构 * Mila – Quebec AI Institute（魁北克AI研究所） ； HEC Montréal（蒙特利尔HEC商学院） ； ServiceNow Research（ServiceNow研究） ； Canada CIFAR AI Chair（加拿大CIFAR人工智能主席） ； Université de Montréal（蒙特利尔大学） ； Polytechnique Montréal（蒙特利尔理工学院）
AI总结 本文通过改进检索流程和检验人类引用列表作为评估目标的可靠性，发现深度研究管道显著提升召回率，而人类引用中仅51%被判定为中等相关以上，建议采用多维度评估。
EVA-Bench：一种用于评估语音代理的新型端到端框架
机构 * ServiceNow
AI总结 提出EVA-Bench框架，通过机器人间音频对话模拟和复合指标（EVA-A和EVA-X）全面评估语音代理的准确性和体验质量。
Comments Work in progress
Dr-CiK：面向预见驱动型智能体的测试平台
机构 * McGill University（麦吉尔大学） ； ServiceNow Research（ServiceNow研究院） ； Mila -- Quebec AI Institute（蒙特利尔AI研究院） ； University of British Columbia（不列颠哥伦比亚大学）
AI总结 针对现有上下文辅助预测基准假设上下文已提供的问题，提出Dr-CiK基准，评估智能体从文档语料库中检索、过滤、提炼预测相关上下文并生成预测的能力，实验表明高质量上下文显著提升预测性能，但现有深度研究智能体恢复证据不足5%、易受干扰误导。
无需修正的检测：多阶段LLM流水线的双参数分解
机构 * Servicenow CA, USA（Servicenow加州美国）
AI总结 提出检测-条件生成双参数分解框架，揭示多阶段LLM流水线中条件误修正率主导（53-94%）而检测率变化超一个数量级，统一解释准确性平台、逆转等四种现象。
如何以及想象什么？统一多模态模型中的视觉思维用于跨视角空间推理
机构 * Mila - Québec AI Institute（蒙特利尔AI研究所） ； Université de Montréal（蒙特利尔大学） ； McGill University（麦吉尔大学） ； ServiceNow AI Research（ServiceNow人工智能研究） ； Canada CIFAR AI Chair（加拿大CIFAR人工智能主席）
AI总结 提出View Dropout训练策略使模型利用中间思维图像进行跨视角空间推理，并发现全景视觉思维在信息性和可学习性上最优。
Comments Preprint
QUIVER: 复合AI系统中扰动传播与分岔的量化形式化框架
机构 * Servicenow CA, USA（Servicenow加州美国）
AI总结 提出QUIVER形式化框架，通过敏感性矩阵、轨迹散度、分岔阈值和分布忠实度四个组件，量化图结构LLM流水线中扰动传播与结构分岔，并在三个不同架构的企业和公共流水线上验证其有效性。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈