AI Agent

PrivacyAkinator: Articulating Key Privacy Design Decisions by Answering LLM-Generated Multiple-choice Questions

PrivacyAkinator: 通过回答LLM生成的多项选择题来阐明关键隐私设计决策

Qiyu Li, Yuen Sum Wong, Yuen Kei Wong, Longxuan Yu, Haojian Jin

机构 * University of California San Diego（加州大学圣迭戈分校） ； University of California Riverside（加州大学河滨分校） 纠错

专题命中 工作流自动化 ：workflow(abstract)；分类 cs.AI、cs.SE

AI总结 本文提出PrivacyAkinator工具，通过回答LLM生成的多项选择题帮助开发者阐明关键隐私设计决策，相比PRAM方法，用户研究显示其在更短时间内识别出更多关键决策。

Comments Accepted to ACM CHI 2026

From Observation to Prediction: LSTM for Vehicle Lane Change Forecasting on Highway On/Off-Ramps

从观测到预测：LSTM用于高速公路进出匝道的车辆车道变更预测

Mohamed Abouras, Catherine M. Elias

机构 * C-DRiVeS Lab: Cognitive Driving Research in Vehicular Systems（C-DRiVeS实验室：车载系统认知驾驶研究） ； Computer Science and Engineering Department - Faculty of Media Engineering and Technology - German University in Cairo（计算机科学与工程系 - 媒体工程与技术学院 - 埃及德国大学） 纠错

专题命中 工作流自动化 ：workflow(abstract)；分类 cs.AI、cs.LG

AI总结 本文研究了高速公路进出匝道区域与直线路段的区别，利用多层LSTM架构和ExiD无人机数据集训练模型，测试了不同预测时间范围和不同模型的工作流程，结果表明在4秒内预测准确率可达76%（匝道区域）和94%（一般高速公路场景）.

Entry-level guide to the use of large language models for medical research

大型语言模型在医学研究中应用的入门指南

Qiao Jin, Nicholas Wan, Robert Leaman, Shubo Tian, Zhizheng Wang, Yifan Yang, Zifeng Wang, Guangzhi Xiong, Po-Ting Lai, Qingqing Zhu, Benjamin Hou, Maame Sarfo-Gyamfi, Gongbo Zhang, Aidan Gilson, Balu Bhasuran, Zhe He, Aidong Zhang, Jimeng Sun, Chunhua Weng, Ronald M. Summers, Qingyu Chen, Yifan Peng, Zhiyong Lu

机构 * National Library of Medicine (NLM), National Institutes of Health (NIH)（国家医学图书馆（NLM）、国立卫生研究院（NIH）） ； Department of Computer Science, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校计算机科学系） ； Department of Computer Science, University of Virginia（弗吉尼亚大学计算机科学系） ； Department of Biomedical Informatics, Columbia University（哥伦比亚大学生物医学信息学系） ； School of Medicine, Yale University（耶鲁大学医学院） ； School of Information, Florida State University（佛罗里达州立大学信息学院） ； Department of Radiology and Imaging Sciences, NIH Clinical Center（国立卫生研究院临床中心放射学与影像科学部） ； Department of Population Health Sciences, Weill Cornell Medicine（韦尔医学院人口健康科学系） 纠错

专题命中 工作流自动化 ：workflow(abstract)；分类 cs.AI、cs.CL

AI总结 本文提出了一套可操作的指南，帮助医疗专业人员更高效地利用大型语言模型（LLMs）进行医学研究，涵盖任务制定、模型选择、提示工程、微调和模型部署等关键步骤，确保安全可靠地将LLMs应用于临床实践。

Position: Let's Develop Data Probes to Fundamentally Understand How Data Affects LLM Performance

位置：让我们开发数据探针，以根本理解数据如何影响大语言模型性能

Shiqiang Wang, Herbert Woisetschläger, Hans Arno Jacobsen, Mingyue Ji

机构 * Department of Computer Science, University of Exeter, UK（埃克塞特大学计算机科学系） ； Technical University of Munich, Germany（慕尼黑技术大学） ； Department of Electrical and Computer Engineering, University of Toronto, Canada（多伦多大学电气与计算机工程系） ； Department of Electrical and Computer Engineering, University of Florida, FL, USA（佛罗里达大学电气与计算机工程系） 纠错

专题命中 工作流自动化 ：workflow(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出通过开发数据探针系统方法生成合成序列，以揭示数据特性对大语言模型性能、泛化能力和鲁棒性的影响，从而超越经验启发式方法。

Comments Accepted to ICML 2026 Position Paper Track

Journal ref Link to ICML record: https://icml.cc/virtual/2026/poster/67154

Estimating Item Difficulty with Large Language Models as Experts

利用大语言模型作为专家估算项目难度

Diana Kolesnikova, Kirill Fedyanin, Abe D. Hofman, Matthieu J. S. Brinkhuis, Maria Bolsinova

机构 * Department of Methodology and Statistics, Tilburg University（蒂尔堡大学方法学与统计学系） ； Smart Business Technologies（智能商务技术公司） ； Department of Psychological Methods, University of Amsterdam（阿姆斯特丹大学心理方法系） ； Prowise Learn, Amsterdam（Prowise Learn公司，阿姆斯特丹） ； Department of Information and Computing Sciences, Utrecht University（乌得勒支大学信息与计算科学系） 纠错

专题命中 工作流自动化 ：workflow(abstract)；分类 cs.AI、cs.LG

AI总结 本文研究了如何利用大语言模型估算新任务的难度，通过对比不同配置下的模型表现，发现基于对偶比较的配置在无额外优化时表现更优，而结合token概率和已知难度示例的绝对判断配置也表现出中等至高水平的对齐度。

Comments 24 pages, 2 figures, 9 tables

RAG-based EEG-to-Text Translation Using Deep Learning and LLMs

基于深度学习和大语言模型的RAG EEG到文本翻译

Enrico Collautti, Xiaopeng Mao, Luca Tonin, Stefano Tortora, Sadasivan Puthusserypady

机构 * IAS-LAB, Department of Information Engineering, University of Padova（帕多瓦大学信息工程系IAS实验室） ； Padova Neuroscience Center（帕多瓦神经科学中心） ； Department of Health Technology, Technical University of Denmark（丹麦技术大学健康技术系） 纠错

专题命中 工作流自动化 ：workflow(abstract)；分类 cs.AI、cs.CL

AI总结 本文提出了一种基于检索增强生成（RAG）的EEG到文本解码方法，结合EEG编码器、向量检索阶段和大语言模型，以提高句子级解码的准确性，并在ZuCo数据集上验证了其有效性。

Comments 6 pages, 2 figures. Submitted to the 2026 IEEE International Conference on Systems, Man, and Cybernetics

Benchmarking Mythos-Linked Bug Rediscovery

基于Mythos链接的Bug重发现基准测试

Isaac David, Arthur Gervais

机构 * University College London（伦敦大学学院） 纠错

专题命中 工作流自动化 ：workflow(abstract)；分类 cs.AI、cs.SE

AI总结 本文基于Mythos链接的公开系统任务，对六个目标文件进行受控重发现实验，评估不同模型在无CVE标识等信息情况下发现核心bug的能力，结果显示仅6个目标匹配。

Visual Timelines of Police Encounters in Body-Worn Camera Footage: Operational Context and Activity Cataloging for Training and Analysis in OpenBWC

警察执法视频中的视觉时间线：用于训练和分析的开放BWC操作上下文和活动编目

Angela Srbinovska, Christopher Homan, Adrian Martin, Ernest Fokoué

机构 * Rochester Institute of Technology（罗切斯特理工大学） ； Rochester Police Department（罗切斯特警察局） ； Office of Business Intelligence（业务智能办公室） ； School of Mathematics and Statistics（数学与统计学学院） 纠错

专题命中 工作流自动化 ：workflow(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出了一种处理体感摄像头视频的方法，生成时间对齐的固定长度10秒窗口序列，用于训练和分析，通过隐私保护协议进行处理和标记，以提高事件审查和培训流程的效率。

Comments 13 pages, 10 figures, 9 tables

On the Fragility of Data Attribution When Learning Is Distributed

在分布式学习中数据归因的脆弱性

Xian Gao, Bo Hui, Min-Te Sun, Wei-Shinn Ku

机构 * Department of Computer Science and Software Engineering, Auburn University, Auburn, Alabama, USA（计算机科学与软件工程系，阿伯茨温泉大学，阿伯茨温泉，阿拉巴马州，美国） ； Department of Computer Science, University of Tulsa, Tulsa, Oklahoma, USA（计算机科学系，塔尔萨大学，塔尔萨，俄克拉荷马州，美国） ； Department of Computer Science and Information Engineering, National Central University, Taoyuan, Taiwan（计算机科学与信息工程系，国立中央大学，桃园，台湾） 纠错

专题命中 工作流自动化 ：workflow(abstract)；分类 cs.AI、cs.LG

AI总结 研究揭示了分布式学习中数据归因的脆弱性，通过归因优先攻击展示归因值可能被人为放大，同时提出归因鲁棒和激励相容的评分机制。

XFP: Quality-Targeted Adaptive Codebook Quantization with Sparse Outlier Separation for LLM Inference

XFP：面向LLM推理的质量导向自适应码本量化与稀疏异常分离

Thomas Witt

机构 * Gemini Stiftung（吉姆米基金会） 纠错

专题命中 工作流自动化 ：workflow(abstract)；分类 cs.AI、cs.LG

AI总结 XFP通过自适应码本量化和稀疏异常分离技术，实现高质量LLM推理，无需Hessian或校准数据，支持动态调整码本大小和异常预算，提升推理速度和精度。

Comments 17 pages, 3 figures, 17 tables, 1 algorithm. Code: https://github.com/flash7777/vllm/tree/multiquant

Self-Pruned Key-Value Attention: Learning When to Write by Predicting Future Utility

自修剪键值注意机制：通过预测未来效用学习何时写作

Gergely Szilvasy, Manuel Faysse, Maria Lomeli, Matthijs Douze, Pierre-Emmanuel Mazaré, Loïc Cabannes, Wen-tau Yih, Hervé Jégou

机构 * Meta FAIR 纠错

专题命中 工作流自动化 ：agentic(abstract)；分类 cs.CL、cs.LG

AI总结 本文提出自修剪键值注意机制，通过预测未来效用减少长序列的KV缓存大小，提升内存使用和解码速度，同时保持验证损失和下游任务性能。

Comments 28 pages, 8 figures, 8 tables

Grid-Orch: An LLM-Powered Orchestrator for Distribution Grid Simulation and Analytics

Grid-Orch：一种基于大语言模型的配电系统仿真与分析 orchestrator

Boming Liu, Jin Dong, Jamie Lian

机构 * Electrification and Energy Infrastructures Division, Oak Ridge National Laboratory（电力化与能源基础设施部门，橡树岭国家实验室） ； UT-Battelle, LLC（UT-巴托尔实验室） 纠错

专题命中 工作流自动化 ：workflow(abstract)；分类 cs.AI、cs.SE

AI总结 Grid-Orch通过Model Context Protocol将大语言模型与电力系统仿真结合，提供36个领域工具，支持自然语言进行复杂分析，提升配电系统研究效率。

It's Not the Size: Harness Design Determines Operational Stability in Small Language Models

大小并非关键：Harness设计决定小型语言模型的操作稳定性

Yong-eun Cho

机构 * KailosLab（凯洛斯实验室） 纠错

专题命中 工作流自动化 ：planning(abstract)；分类 cs.AI、cs.SE

AI总结 本文通过实验分析Harness工程水平对小型语言模型操作性能的影响，采用三种Harness条件在24项任务中比较TSR和VTSR，发现Pipeline Harness在Gemma4 E2B上取得高成功率，且发现最小外壳条件下的TSR低于模型-only条件。

PaperFit: Vision-in-the-Loop Typesetting Optimization for Scientific Documents

PaperFit：科学文档中的视觉闭环排版优化

Bihui Yu, Xinglong Xu, Junjie Jiang, Jiabei Cheng, Caijun Jia, Siyuan Li, Conghui He, Jingxuan Wei, Cheng Tan

机构 * University of Chinese Academy of Sciences（中国科学院大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； School of Automation and Intelligent Sensing, Shanghai Jiao Tong University（上海交通大学自动化与智能感知学院） 纠错

专题命中 工作流自动化 ：agent(abstract)；分类 cs.AI、cs.SE

AI总结 PaperFit通过视觉闭环优化将可编译的LaTeX文档转化为高质量PDF，解决排版问题并提升文档自动化流程的完整性。

Comments 47 pages, 17 figures, 17 tables

TiledAttention: a CUDA Tile SDPA Kernel for PyTorch

TiledAttention: 一种用于PyTorch的CUDA瓷砖SDPA内核

Taimur Khan

机构 * Helmholtz Centre for Environmental Research - UFZ（环境保护研究霍普夫研究所） 纠错

专题命中 工作流自动化 ：workflow(abstract)；分类 cs.AI、cs.LG

AI总结 TiledAttention是一种基于SDPA的注意力机制，通过cuTile Python实现，提供可编辑的调度层面，实现高性能和可定制化的平衡。

Fairness of Explanations in Artificial Intelligence (AI): A Unifying Framework, Axioms, and Future Direction toward Responsible AI

人工智能中解释的公平性：统一框架、公理与迈向负责任人工智能的未来方向

Gideon Popoola, John Sheppard

机构 * Montana State University（蒙大拿州立大学） 纠错

专题命中 工作流自动化 ：workflow(abstract)；分类 cs.AI、cs.LG

AI总结 本文探讨了人工智能中解释公平性的问题，提出统一框架和公理，指出解释过程中的程序性偏见，并提出评估流程以实现公平性审计。

Comments 53 pages, 1 figure

MedExAgent: Training LLM Agents to Ask, Examine, and Diagnose in Noisy Clinical Environments

MedExAgent：训练LLM代理在嘈杂的临床环境中提问、检查和诊断

Yicheng Gao, Xiaolin Zhou, Yahan Li, Yue Zhao, Ruishan Liu

机构 * University of Southern California（南加州大学） ； Arizona State University（亚利桑那州立大学） 纠错

专题命中 工作流自动化 ：agent(abstract)；分类 cs.AI、cs.CL

AI总结 本文提出MedExAgent，通过两阶段流程训练医疗诊断代理，结合合成对话和DAPO优化，实现高效诊断与成本控制。

Direction for Detection: A Survey of Automated Vulnerability Detection and all of its Pain Points

检测方向：自动化漏洞检测的综述及其所有痛点

Dan Ristea, Shae McFadden, Ezzeldin Shereen, Madeleine Dwyer, Sanyam Vyas, Chris Hicks, Vasilios Mavroudis

机构 * University College London（伦敦大学学院） ； The Alan Turing Institute（艾伦·图灵研究所） ； King’s College London（伦敦国王学院） ； University of Southampton（南安普顿大学） 纠错

专题命中 工作流自动化 ：agentic(abstract)；分类 cs.AI、cs.SE

AI总结 本文综述了自动化漏洞检测领域，指出其在问题定义、数据集、指标等方面存在的12个痛点，并提出解决这些痛点的建议，同时探讨了AIxCC案例在代理AI时代中的相关性。

Career-Aware Resume Tailoring via Multi-Source Retrieval-Augmented Generation with Provenance Tracking: A Case Study

面向职业发展的简历定制：通过多源检索增强生成与溯源的多源检索增强生成：案例研究

Kumar Abhinav

专题命中 工作流自动化 ：agentic(abstract)；分类 cs.AI、cs.CL

AI总结 本文提出Resume Tailor系统，通过多源检索增强生成与溯源技术，利用纵向职业档案提升简历定制效果，实验显示在相关经验存在时，ATS匹配分数提升，但领域知识不足时分数下降。

Comments 6 pages, 1 figure, 5 tables. Also available on SSRN

D3-Gym: Constructing Real-World Verifiable Environments for Data-Driven Discovery

D3-Gym：构建现实世界可验证环境用于数据驱动发现

Hanane Nour Moussa, Yifei Li, Zhuoyang Li, Yankai Yang, Cheng Tang, Tianshu Zhang, Nesreen K. Ahmed, Ali Payani, Ziru Chen, Huan Sun

机构 * The Ohio State University（俄亥俄州立大学） ； Cisco Research（思科研究） 纠错

专题命中 工作流自动化 ：workflow(abstract)；分类 cs.AI、cs.LG

AI总结 D3-Gym通过构建首个自动化的可验证环境数据集，提升科学数据驱动发现的模型能力，验证信号质量高，训练效果显著。

On the Role of Artificial Intelligence in Human-Machine Symbiosis

人工智能在人机共生中的作用

Ching-Chun Chang, Yuchen Guo, Hanrui Wang, Timo Spinde, Isao Echizen

机构 * Information and Society Research Division, National Institute of Informatics（信息与社会研究部，国立信息研究所） ； Graduate School of Information Science and Technology, University of Tokyo（信息科学与技术研究生院，东京大学） 纠错

专题命中 工作流自动化 ：agent(abstract)；分类 cs.AI、cs.CL

AI总结 研究探讨如何追踪人工智能在自然语言生成中的功能角色，提出方法推断提示中的隐含角色并在生成过程中嵌入，实验验证了方法在角色区分、抗扰性和语言质量上的有效性。

Unsupervised Electrofacies Classification and Porosity Characterization in the Offshore Keta Basin Using Wireline Logs

基于测井数据的无监督电性相分类及孔隙度表征：以近海凯塔盆地为例

Hamdiya Adams, Theophilus Ansah-Narh, Daniel Kwadwo Asiedu, Bruce Kofi Banoeng-Yakubo, Marcellin Atemkeng, Thomas Armah, Richmond Opoku-Sarkodie, Rebecca Davis, Ezekiel Nii Noye Nortey

机构 * Department of Earth Science（地球科学系） ； Department of Mathematics（数学系） ； Rhodes University（罗德斯大学） ； University of Ghana（加纳大学） ； Department of Actuarial Science（精算科学系） 纠错

专题命中 工作流自动化 ：workflow(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出一种无监督机器学习方法，利用测井数据对近海凯塔盆地的电性相进行分类，通过聚类分析揭示了泥质含量、孔隙度和岩石框架属性的变化规律，为深部地质研究提供了可靠工具。

Comments 7 pages, 7 figures. Accepted to ICECET 2026

Data-Centric Foundation Models in Computational Healthcare: A Survey

计算医学中的数据驱动基础模型：一项综述

Yunkun Zhang, Jin Gao, Zheling Tan, Lingfeng Zhou, Kexin Ding, Mu Zhou, Shaoting Zhang, Dequan Wang

机构 * Shanghai Jiao Tong University（上海交通大学） ； Rutgers University（罗切斯特大学） ； Shanghai Jiao Tong University, China（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） 纠错

专题命中 工作流自动化 ：workflow(abstract)；分类 cs.AI、cs.LG

AI总结 本文综述了计算医学中数据驱动基础模型的发展，探讨了从预训练到推理的数据中心化方法，旨在提升医疗工作流程，并讨论了AI安全、评估及与人类价值观的对齐问题。

Comments Published in ACM Computing Surveys

Journal ref ACM Comput. Surv. 58, 11, Article 287 (August 2026), 35 pages

Spreadsheet Modeling Experiments Using GPTs on Small Problem Statements and the Wall Task

使用GPTs在小问题陈述和墙任务上进行电子表格建模实验

Thomas A. Grossman, Yuan Chen, Sopiko Datuashvili

机构 * University of San Francisco（旧金山大学） 纠错

专题命中 工作流自动化 ：workflow(abstract)；分类 cs.AI、cs.SE

AI总结 本文研究GPT工具在构建可重用分析电子表格模型中的作用，通过测试发现Excel AI在结构化实验中表现不一致且不可复现，指出需要专业用户验证和调整。

Journal ref Proceedings of the EuSpRIG 2025 Conference: Spreadsheet Productivity & Risks ISBN : 978-1-905404-60-5

From World-Gen to Quest-Line: A Dependency-Driven Prompt Pipeline for Coherent RPG Generation

从World-Gen到Quest-Line：一种依赖驱动的提示管道用于连贯的RPG生成

Dominik Borawski, Marta Szulc, Robert Chudy, Małgorzata Giedrowicz, Piotr Mironowicz

机构 * Gdańsk University of Technology（格但斯克技术大学） 纠错

专题命中 工作流自动化 ：planning(abstract)；分类 cs.AI、cs.CL

AI总结 本文提出一种依赖驱动的提示管道，通过结构化中间表示建模叙事依赖，以生成连贯的RPG内容。该方法通过分阶段生成世界构建、NPC创建、玩家角色创建、战役级任务规划和任务扩展，减少叙事漂移并支持可扩展的叙事元素生成。

Comments 13 pages, 1 figure, 5 listings

RbtAct: Rebuttal as Supervision for Actionable Review Feedback Generation

RbtAct: 用于生成可操作性评审反馈的反驳作为监督

Sihong Wu, Yiling Ma, Yilun Zhao, Tiansheng Hu, Owen Jiang, Manasi Patwardhan, Arman Cohan

机构 * Yale University（耶鲁大学） ； New York University（纽约大学） ； TCS Research（TCS研究院） 纠错

专题命中 工作流自动化 ：workflow(abstract)；分类 cs.AI、cs.CL

AI总结 本文提出RbtAct，通过利用反驳作为隐式监督，优化反馈生成器以提高可操作性。引入了视角条件段级评审反馈生成任务，并构建了RMR-75K数据集，实验表明在可操作性和具体性上优于基线模型。

Comments ACL 2026 Findings

SnapMLA: Efficient Long-Context MLA Decoding via Hardware-Aware FP8 Quantized Pipelining

SnapMLA: 通过硬件感知的FP8量化流水线实现高效的长上下文MLA解码

Yifan Zhang, Zunhai Su, Shuhao Hu, Rui Yang, Wei Wu, Yulei Qian, Yuchen Xie, Xunliang Cai

机构 * Meituan LongCat Team（美团LongCat团队） ； Tsinghua University（清华大学） 纠错

专题命中 工作流自动化 ：workflow(abstract)；分类 cs.CL、cs.LG

AI总结 SnapMLA通过硬件感知的FP8量化流水线优化，提升长上下文解码效率，实验显示在长输出解码任务中吞吐量提升达1.91倍，同时在推理和代码生成基准上与BF16基线表现相近。

Large Language Models Are Effective Human Annotation Assistants, But Not Good Independent Annotators

大语言模型是有效的标注助手，但不是好的独立标注者

Feng Gu, Zongxia Li, Carlos Rafael Colon, Benjamin Evans, Ishani Mondal, Jordan Lee Boyd-Graber

机构 * Department of Computer Science, University of Maryland（大学计算机科学系） ； National Consortium for the Study of Terrorism and Responses to Terrorism（反恐与反恐响应国家研究中心） 纠错

专题命中 工作流自动化 ：workflow(abstract)；分类 cs.AI、cs.CL

AI总结 本文研究了大语言模型在事件标注中的有效性，发现其在辅助专家标注时表现优于传统方法，但独立标注仍不理想。

Comments 9 pages, 4 figures

Journal ref ACL 2026 Findings

Uncertainty Propagation in LLM-Based Systems

基于大语言模型系统的不确定性传播

Boming Xia, Liming Zhu, Erdun Gao, Qinghua Lu, Minhui Xue, Dino Sejdinovic

机构 * Responsible AI Research (RAIR) Centre（责任人工智能研究 (RAIR) 中心） ； Adelaide University（阿德莱德大学） ； CSIRO（澳大利亚联邦科学与工业研究组织） ； UNSW Sydney Australia（新南威尔士大学悉尼分校） 纠错

专题命中 工作流自动化 ：workflow(abstract)；分类 cs.AI、cs.SE

AI总结 本文研究了大语言模型系统中不确定性传播问题，提出系统层面的分析框架，梳理了内在模型、系统级和社会技术层面的传播机制，并识别了五个开放性研究挑战。

Comments WIP under review

Who Audits the Auditor? Tamper-Proof Fraud Detection with Blockchain-Anchored Explainable ML

谁审计审计师？基于区块链的可篡改欺诈检测可解释机器学习

Zhaohui Wang

机构 * Viterbi School of Engineering（维特比工程学院） ； University of Southern California（南加州大学） ； Los Angeles, CA, USA（美国加利福尼亚州洛杉矶） 纠错

专题命中 工作流自动化 ：workflow(abstract)；分类 cs.LG、cs.SE

AI总结 本文提出一种基于区块链的欺诈检测系统，通过智能合约确保审批流程的不可篡改性，提升审计可追溯性与监管合规性。

Comments Accepted to IEEE COMPSAC 2026 (Paper ID 9376, SEPT Symposium). This is the de-anonymized camera-ready version. Code is available at: https://github.com/GeoffreyWang1117/fraud-detection-chain