AI Agent

Fair Division via Resource Augmentation

通过资源增强实现公平分配

Hannaneh Akrami, Siddharth Barman, Alon Eden, Michal Feldman, Amos Fiat, Yoav Gal-Tzur, Satyanand Rammohan, Aditi Sethia

专题命中 Agent评测 ：agent(abstract)

AI总结 通过资源增强方法，研究了如何在分配不可分割物品时实现 MMS 公平性，证明了不同估值类型下所需的副本数量及近似保证。

Training Agents to Self-Report Misbehavior

训练代理自我报告不当行为

Bruce W. Lee, Chen Yueh-Han, Tomek Korbak

机构 * UPenn（宾夕法尼亚大学） ； NYU（纽约大学） ； MATS（MATS机构） ； OpenAI 纠错

专题命中 其他Agent ：AI agent(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出自我指控训练方法，通过训练代理在不当行为时产生可见信号，有效降低前沿AI对齐风险，无需假设行为可被防止或可靠分类。

Three AI-agents walk into a bar . . . . `Lord of the Flies' tribalism emerges among smart AI-Agents

三个AI代理走进酒吧......《飞行之王》中的部落主义在智能AI代理中显现

Dhwanil M. Mori, Neil F. Johnson

机构 * Dynamic Online Networks Laboratory（动态在线网络实验室） ； George Washington University（乔治·华盛顿大学） ； Physics Department（物理系） 纠错

专题命中 其他Agent ：AI agent(abstract)；分类 cs.AI

AI总结 研究发现智能AI代理在资源竞争中形成部落，导致系统失败率增加，即使更强大的AI代理反而表现更差。

STILTS-NLI: A Natural Language Interface for STILTS

STILTS-NLI：一种用于STILTS的自然语言接口

R. A. Shaw, S. Fotopoulou, M. Taylor, M. Bremer

专题命中 其他Agent ：agentic(abstract)

AI总结 STILTS-NLI通过微调开源大语言模型，为天文学数据处理提供自然语言接口，降低用户学习门槛并提升使用效率。

Comments Accepted for publication in RASTI