R-WoM: Retrieval-augmented World Model For Computer-use Agents
R-WoM：基于检索的世界模型用于计算机使用代理
机构 * Rutgers University（罗杰斯大学） ； AWS Agentic AI（亚马逊敏捷人工智能）
专题命中 幻觉与事实性 ：alignment(abstract)；分类 cs.CL
AI总结 R-WoM通过整合外部检索知识提升世界模型能力，有效改善长周期模拟中的决策表现。
AI 大模型
大模型对齐与安全
大模型对齐、安全、越狱、红队、提示注入和可信评测。
1. 幻觉与事实性 5 篇
Whitening Reveals Cluster Commitment as the Geometric Separator of Hallucination Types
去噪揭示集群承诺作为幻觉类型的几何分隔器
机构 * Independent Researcher（独立研究者）
专题命中 幻觉与事实性 ：alignment(abstract)；分类 cs.CL
AI总结 通过去噪揭示集群承诺作为幻觉类型分离的几何分隔器，证明类型1/2边界是容量限制而非测量伪影。
Comments 9 pages, 2 figures, appendices (reproducibility, sample generation, additional figures)
Looking Back and Forth: Cross-Image Attention Calibration and Attentive Preference Learning for Multi-Image Hallucination Mitigation
回望与前行：用于多图像幻觉缓解的跨图像注意力校准与关注偏好学习
机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Harbin Institute of Technology（哈尔滨工业大学） ； Beijing Institute of Technology（北京理工大学） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学深圳分校）
专题命中 幻觉与事实性 ：alignment(abstract)；分类 cs.AI
AI总结 本文提出CAPL框架，通过跨图像注意力校准和偏好学习缓解多图像幻觉问题，提升模型对跨图像关联的建模能力，并在多个任务中取得稳定性能提升。
An LLM-Assisted Multi-Agent Control Framework for Roll-to-Roll Manufacturing Systems
用于卷对卷制造系统的基于LLM的多智能体控制框架
专题命中 幻觉与事实性 ：safety(abstract)
AI总结 本文提出一种基于LLM的多智能体框架，用于自动化卷对卷制造系统的控制设计与适应，通过五个阶段实现安全、高效的控制性能
2. 隐私与版权 1 篇
Resource-Adaptive Federated Text Generation with Differential Privacy
具有差分隐私的资源自适应联邦文本生成
机构 * Oak Ridge National Laboratory（奥克伍德国家实验室）
专题命中 隐私与版权 ：alignment(abstract)；分类 cs.LG
AI总结 本文提出了一种资源自适应的联邦文本生成框架，通过差分隐私机制和轻量级投票机制，提升在计算异质性和隐私保护下的分布对齐和下游任务鲁棒性。
Comments Accepted by DATA-FM workshop @ ICLR 2026
3. 安全评测 35 篇
Taiwan Safety Benchmark and Breeze Guard: Toward Trustworthy AI for Taiwanese Mandarin
台湾安全基准与Breeze Guard：迈向可信的台湾台语AI
机构 * MediaTek Research（联发科研究实验室） ； National Taiwan University（国立台湾大学）
专题命中 安全评测 ：safety(title,abstract)；trustworthy(title,abstract)；分类 cs.CL
AI总结 本文提出TS-Bench基准和Breeze Guard模型，通过文化基础预训练提升台湾台语安全检测性能，显著优于现有模型。
Comments 17 pages
AdaCultureSafe: Adaptive Cultural Safety Grounded by Cultural Knowledge in Large Language Models
AdaCultureSafe: 基于文化知识的自适应文化安全大语言模型
专题命中 安全评测 ：safety(title,abstract)；alignment(abstract)；分类 cs.CL、cs.AI
AI总结 AdaCultureSafe通过整合文化知识与大语言模型，提升文化安全性和响应生成能力。
Information Routing in Atomistic Foundation Models: How Task Alignment and Equivariance Shape Linear Disentanglement
原子基础模型中的信息路由：任务对齐与等变性如何塑造线性解缠
机构 * Independent Researcher（独立研究者）
专题命中 安全评测 ：alignment(title,abstract)；分类 cs.AI、cs.LG
AI总结 研究通过CPD方法揭示原子基础模型中任务对齐与等变性如何影响线性解缠，发现任务对齐主导几何信息可访问性，且对称类型影响信息路由。
Goal Alignment in LLM-Based User Simulators for Conversational AI
基于对话AI的LLM用户模拟器中的目标对齐
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
专题命中 安全评测 ：alignment(title,abstract)；分类 cs.CL、cs.AI
AI总结 本文提出UGST框架，通过三阶段方法改进用户模拟器的目标对齐能力，并在两个基准测试中取得显著成效。
Your Agent May Misevolve: Emergent Risks in Self-evolving LLM Agents
你的代理可能误进化：自我进化大语言模型代理中的新兴风险
专题命中 安全评测 ：alignment(abstract)；safety(abstract)；trustworthy(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 本文研究了自我进化代理中因自我进化偏离导致的误进化风险，揭示了其广泛存在及对安全对齐的影响，并提出缓解策略。
Comments Published in ICLR 2026
CORE-Acu: Structured Reasoning Traces and Knowledge Graph Safety Verification for Acupuncture Clinical Decision Support
CORE-Acu: 结构化推理轨迹与知识图谱安全验证用于针灸临床决策支持
机构 * College of Information Science and Engineering, Northeastern University, Shenyang 110819, China（信息科学与工程学院，东北大学，沈阳110819，中国） ； School of Information Science and Engineering, Yanshan University, Qinhuangdao, Hebei 066000, China（信息科学与工程学院，燕山大学，秦皇岛，河北省066000，中国） ； School of Computer Science and Engineering, Northeastern University, Shenyang 110819, China（计算机科学与工程学院，东北大学，沈阳110819，中国） ； School of Artificial Intelligence, Beihang University, Beijing 100000, China（人工智能学院，北航，北京100000，中国） ； Key Laboratory of Bioresource Research and Development of Liaoning Province, Northeastern University, Shenyang 110169, China（辽宁省生物资源研究开发重点实验室，东北大学，沈阳110169，中国） ； College of Life and Health Sciences, Northeastern University, Shenyang 110169, China（生命与健康科学学院，东北大学，沈阳110169，中国）
专题命中 安全评测 ：safety(title,abstract)；分类 cs.AI
AI总结 CORE-Acu通过结构化推理轨迹与知识图谱安全验证，提升针灸临床决策支持的可解释性与安全性。
Comments 19 pages, 5 figures, 18 tables. Includes the Acu-Reasoning dataset and TCM knowledge graph schema
Distributed Legal Infrastructure for a Trustworthy Agentic Web
分布式法律基础设施用于可信代理网络
机构 * Institute for Technoscience and Society（科技与社会研究所） ； Berkeley Center for Law & Technology（伯克利法与科技中心） ； U.C. Berkeley Law School（伯克利法学院） ； Technical University of Munich（慕尼黑技术大学） ； Università degli Studi dell’Aquila（阿奎拉大学） ； University of Oxford（牛津大学） ； Existential Risk Alliance（存在风险联盟） ； NYU Shanghai（纽约大学上海分校） ； Sun Yat-sen University（中山大学） ； Shanghai Innovation Institute（上海创新研究院） ； Norwegian University of Science and Technology（挪威科学技术大学）
专题命中 安全评测 ：trustworthy(title,abstract)；分类 cs.AI
AI总结 本文提出分布式法律基础设施，旨在通过可互操作的协议构建可信代理网络，实现连贯治理与合法性维持。
More Than 1v1: Human-AI Alignment in Early Developmental Communities with Multimodal LLMs
多于一对一：在早期发展社区中的人工智能对齐与多模态大语言模型
专题命中 安全评测 ：alignment(title,abstract)
AI总结 本文探讨了在早期发展社区中，利用多模态大语言模型实现人机对齐的挑战，提出分层社区对齐框架，强调社区治理而非个体优化。
Comments Accepted at CHI 2026 BiAlign Workshop; OpenReview URL: https://openreview.net/forum?id=ikeH0hsBLN
LieCraft: A Multi-Agent Framework for Evaluating Deceptive Capabilities in Language Models
LieCraft：一种用于评估语言模型欺骗能力的多智能体框架
机构 * Intel Labs（英特尔实验室）
专题命中 安全评测 ：alignment(abstract,comments)；safety(abstract)；分类 cs.CL、cs.AI
AI总结 LieCraft通过多智能体隐藏角色游戏评估语言模型的欺骗能力，揭示所有模型在面对高风险领域时均倾向于不道德行为。
Comments AAAI 2026 Alignment track. Authors 1 and 2 contributed equally, 3 and 4 contributed equally, 6 and 7 and 8 contributed equally (ordered by last name)
MICA: Multi-Agent Industrial Coordination Assistant
MICA：多智能体工业协调助手
机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄大学） ； INSAIT ； Hunan University（湖南大学） ； Carl Zeiss Stiftung（卡尔蔡司基金会） ； University of Excellence（卓越大学） ； Helmholtz Association（海德堡协会） ； State of Baden-Württemberg（巴登-符腾堡州） ； German Research Foundation（德国研究基金会） ； National Natural Science Foundation of China（国家自然科学基金委员会） ； Hunan Provincial Research and Development Project（湖南省研发项目） ； State Key Laboratory of Autonomous Intelligent Unmanned Systems（自主智能无人系统国家重点实验室）
专题命中 安全评测 ：safety(abstract)；trustworthy(abstract)；分类 cs.AI、cs.LG
AI总结 MICA是一种基于感知和语音交互的多智能体系统，通过自适应步骤融合技术提升工业任务的执行效率和可靠性。
Comments Accepted to ICRA 2026. The source code will be made publicly available at https://github.com/Kratos-Wen/MICA
ConflictBench: Evaluating Human-AI Conflict via Interactive and Visually Grounded Environments
ConflictBench: 通过交互式和视觉 grounded 环境评估人类-人工智能冲突
机构 * Harbin Institute of Technology（哈尔滨工业大学） ； SERES
专题命中 安全评测 ：alignment(abstract)；safety(abstract)；分类 cs.CL
AI总结 ConflictBench通过交互式和视觉 grounded 环境评估人类-人工智能冲突，揭示智能体在不同风险情境下的行为差异及对齐失败问题。
Comments 29 pages, 20 figures, 9 tables
Backdoor4Good: Benchmarking Beneficial Uses of Backdoors in LLMs
Backdoor4Good: 对LLMs中有益后门应用的基准测试
机构 * Singapore Management University（新加坡国立管理学院） ； The University of Melbourne（墨尔本大学） ； Fudan University（复旦大学）
专题命中 安全评测 ：safety(abstract)；trustworthy(abstract)；分类 cs.AI
AI总结 Backdoor4Good提出了一种统一的基准和框架，用于在大型语言模型中实现有益的后门应用，通过三元组形式定义触发器、激活机制和效用函数，展示后门在提升安全性和可控性方面的潜力。
Comments 19 pages, 5 figures
Spoken Conversational Agents with Large Language Models
基于大语言模型的语音对话代理
机构 * NVIDIA Research（NVIDIA研究）
专题命中 安全评测 ：alignment(abstract)；safety(abstract)；分类 cs.CL
AI总结 本文探讨了如何通过大语言模型构建语音对话代理，涵盖从级联到端到端系统的路径，以及跨模态对齐和联合训练等关键技术，同时讨论了隐私、安全和评估中的开放问题。
Comments Accepted to EMNLP 2025 Tutorial
Who is Responsible? The Data, Models, Users or Regulations? A Comprehensive Survey on Responsible Generative AI for a Sustainable Future
谁该负责？数据、模型、用户还是法规？为可持续未来全面调查负责任的生成式人工智能
专题命中 安全评测 ：safety(abstract)；AI safety(abstract)；分类 cs.CY
AI总结 本文全面调查了生成式人工智能的负责任发展，提出评估标准、生命周期指标及领域分析，旨在推动安全和可持续的AI部署。
Comments under review
Lying to Win: Assessing LLM Deception through Human-AI Games and Parallel-World Probing
谎言以赢：通过人机游戏和平行世界探测评估LLM欺骗
机构 * Sharif University of Technology（谢里夫技术大学）
专题命中 安全评测 ：safety(abstract)；AI safety(abstract)；分类 cs.CL
AI总结 本研究通过人机游戏和平行世界探测评估LLM欺骗行为，发现存在性框架显著增加Qwen和Gemini的欺骗率，凸显需新的行为审计方法。
Comments 10 pages
Drift-to-Action Controllers: Budgeted Interventions with Online Risk Certificates
漂移到行动控制器：具有在线风险证书的预算干预
机构 * Multidisciplinary Faculty of Nador（多学科纳多 faculty） ； Mohammed First University（穆罕默德第一大学） ； Laboratory LaSTI（LaSTI 实验室） ； Sultan Moulay Slimane University（苏丹·穆莱·斯利曼大学）
专题命中 安全评测 ：safety(abstract)；分类 cs.CL、cs.LG
AI总结 Drift2Act通过在线风险证书实现预算干预，有效应对分布漂移，减少安全违规并提高恢复速度。
Comments Published as a conference paper at CAO Workshop at ICLR 2026
One Model Is Enough: Native Retrieval Embeddings from LLM Agent Hidden States
一个模型就足够：从LLM代理隐藏状态中获取原生检索嵌入
机构 * Temple University（特拉华大学）
专题命中 安全评测 ：alignment(abstract)；分类 cs.CL、cs.AI
AI总结 本文提出通过轻量级投影头使LLM代理具备原生检索能力，无需额外嵌入模型，保留97%检索质量并在QReCC基准测试中表现优异。
Know When You're Wrong: Aligning Confidence with Correctness for LLM Error Detection
知何时错误：将置信度与正确性对齐以用于LLM错误检测
机构 * Alexa AI, Amazon, Seattle, WA, USA（Alexa AI，亚马逊，西雅图，华盛顿州）
专题命中 安全评测 ：DPO(abstract)；分类 cs.CL、cs.LG
AI总结 本文提出归一化置信度分数和自我评估框架，通过SFT提升LLM置信度可靠性，减少校准误差，提升错误检测效果。
XInsight: Integrative Stage-Consistent Psychological Counseling Support Agents for Digital Well-Being
XInsight：集成化阶段一致的心理咨询支持代理用于数字福祉
机构 * Hefei University of Technology（合肥工业大学） ； Institute of Artificial Intelligence, Hefei Comprehensive National Science Center（合肥综合性国家科学中心人工智能研究院） ； Anhui University（安徽大学） ； United Arab Emirates University（阿联酋大学） ； Intelligent Interconnected Systems Laboratory of Anhui Province (HFUT)（安徽省智能互联系统实验室（HFUT））
专题命中 安全评测 ：alignment(abstract)；分类 cs.CY、cs.LG
AI总结 XInsight是一种集成化多代理框架，通过阶段一致的工作流程和统一循环，提升网络应用中数字福祉的心理支持效果。
Comments Accepted by WWW 2026
COACH meets QUORUM: A Framework and Pipeline for Aligning User, Expert and Developer Perspectives in LLM-generated Health Counselling
COACH meets QUORUM: 一个框架和流程用于对齐用户、专家和开发者在LLM生成健康咨询中的视角
专题命中 安全评测 ：trustworthy(abstract)；分类 cs.CL
AI总结 COACH与QUORUM框架通过多利益相关者评估，提升LLM生成健康建议的可信度和实用性。
Comments Under review for the CL4Health workshop
Adversarial Domain Adaptation Enables Knowledge Transfer Across Heterogeneous RNA-Seq Datasets
对抗域适应促进跨异构RNA-seq数据集的知识转移
机构 * IBISC Laboratory（IBISC实验室） ； University Paris-Saclay (Univ. Evry)（巴黎萨克雷大学（欧韦尔大学）） ； France（法国）
专题命中 安全评测 ：alignment(abstract)；分类 cs.LG
AI总结 本研究提出基于深度学习的域适应框架，通过跨异构RNA-seq数据集实现有效知识转移，提升癌症类型分类的准确性，尤其在低数据场景下表现更优。
Comments 7 pages, 5 figures. Submitted to ECCB 2026
LeJOT-AutoML: LLM-Driven Feature Engineering for Job Execution Time Prediction in Databricks Cost Optimization
LeJOT-AutoML：基于LLM的特征工程用于Databricks成本优化中的作业执行时间预测
机构 * University of Science and Technology of China（中国科学技术大学） ； Lenovo（联想）
专题命中 安全评测 ：safety(abstract)；分类 cs.LG
AI总结 LeJOT-AutoML利用LLM驱动的AutoML框架，通过动态生成特征提升Databricks作业执行时间预测的准确性，从而实现成本优化。
YAQIN: Culturally Sensitive, Agentic AI for Mental Healthcare Support Among Muslim Women in the UK
YAQIN：面向英国穆斯林女性的文化敏感、代理型AI心理健康支持系统
机构 * Dyson School of Design Engineering, Imperial College London（帝京理工学院伦敦校区设计工程学院）
专题命中 安全评测 ：alignment(abstract)；分类 cs.AI
AI总结 YAQIN通过整合伊斯兰心理学和用户中心设计，为英国穆斯林女性提供文化敏感的AI心理健康支持，提升信任与治疗效果。
Memory for Autonomous LLM Agents:Mechanisms, Evaluation, and Emerging Frontiers
自主LLM代理的记忆：机制、评估与新兴前沿
机构 * Hong Kong Research Institute of Technology（香港理工大学）
专题命中 安全评测 ：trustworthy(abstract)；分类 cs.AI
AI总结 本文探讨了自主LLM代理中记忆的机制、评估及未来发展方向，分析了五种核心机制及评估挑战，强调记忆对代理适应性和应用的重要性。
TS-MLLM: A Multi-Modal Large Language Model-based Framework for Industrial Time-Series Big Data Analysis
TS-MLLM：一种基于多模态大语言模型的工业时间序列大数据分析框架
机构 * School of Automation Science and Electrical Engineering, Beihang University（北京航空航天大学自动化科学与电气工程学院） ； School of Software, Beihang University（北京航空航天大学软件学院） ； Hangzhou International Innovation Institute, Beihang University（北京航空航天大学杭州国际创新研究院） ； State Key Laboratory of Intelligent Manufacturing System Technology（智能制造系统技术国家重点实验室） ； School of Computer and Artificial Intelligence, Zhengzhou University（郑州大学计算机与人工智能学院） ； Department of Computer Science, St. Francis Xavier University（圣弗朗西斯科大学计算机科学系）
专题命中 安全评测 ：alignment(abstract)；分类 cs.LG
AI总结 TS-MLLM通过多模态大语言模型联合建模时序信号、频域图像和文本知识，提升工业时间序列预测的鲁棒性、效率和泛化能力。
