Distributional AGI Safety
分布式AGI安全
机构 * Google DeepMind（谷歌DeepMind）
专题命中 其他安全 ：safety(title,abstract)；alignment(abstract)；AI safety(abstract)；分类 cs.AI
AI总结 本文提出了一种分布式的AGI安全框架，旨在通过设计和实现虚拟代理沙盒经济来应对群体代理协调带来的安全风险，强调市场机制、可审计性和监管的重要性。
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. 其他安全 12 篇
HELLoRA: Hot Experts Layer-Level Low-Rank Adaptation for Mixture-of-Experts Models
HELLoRA: Hot Experts Layer-Level Low-Rank Adaptation for Mixture-of-Experts Models
机构 * Department of Computer Science and Technlogy（计算机科学与技术系） ； Tsinghua University（清华大学） ； School of Computer Science and Technlogy（计算机科学与技术系） ； Xi’an Jiaotong University（西安交通大学） ； The State Key Laboratory of Blockchain and Data Security, Zhejiang University（区块链与数据安全国家重点实验室，浙江大学） ； Hangzhou High-Tech Zone (Binjiang) Institute of Blockchain and Data Security（杭州高科技区（滨江）区块链与数据安全研究院）
专题命中 其他安全 ：alignment(abstract,abstract_cn)；safety(abstract,abstract_cn)；分类 cs.AI、cs.LG
AI总结 本文提出HELLoRA，一种针对混合专家模型的层级低秩适应方法，通过仅对最活跃的专家添加LoRA模块，减少可训练参数和计算量，同时提升下游任务性能。
Brain alignment of reasoning and action representations from vision-language and action models during naturalistic gameplay
在自然主义游戏过程中，视觉语言和动作模型的推理与动作表示的脑部对齐
机构 * Independent（独立） ； Microsoft Research（微软研究院） ； AWS AI Labs（AWS人工智能实验室） ； GE HealthCare（通用电气医疗） ； IIT Delhi（德里理工学院） ； IIIT-Hyderabad（海得拉巴理工学院） ； Microsoft（微软）
专题命中 其他安全 ：alignment(title,abstract)；分类 cs.AI、cs.LG
AI总结 本文研究了在自然主义游戏过程中，视觉语言模型和大动作模型的推理与动作表示在脑部活动中的对齐情况，发现动作聚焦和推理聚焦的提示影响模型内部表示与fMRI脑活动的对齐程度。
Comments 21 pages, 11 figures
Tango3D: Towards Alignment for Global and Local 2D-3D Correspondence
Tango3D: 向全局和局部2D-3D对应关系对齐迈进
机构 * HKUST（香港科技大学） ； Tencent Hunyuan（腾讯混元）
专题命中 其他安全 ：alignment(title,abstract)
AI总结 本文提出Tango3D，一种统一密集对应和全局检索的3D基础模型，通过几何感知的2D视觉骨干网络和预训练的3D VAE将图像编码为2D片段，点云编码为3D标记，并映射到共享空间以实现局部像素-点对齐和全局语义对齐。
Quantifying the Pre-training Dividend: Generative versus Latent Self-Supervised Learning for Time Series Foundation Models
量化预训练红利：生成与潜在自监督学习在时间序列基础模型中的应用
机构 * Faculty of Engineering, Bar-Ilan University（巴伊兰大学工程学院）
专题命中 其他安全 ：alignment(abstract)；分类 cs.AI、cs.LG
AI总结 本文研究了自监督学习在时间序列中的应用，比较了生成范式与潜在对齐架构，发现预训练红利在异常检测和分类任务中显著提升，但在预测任务中效果有限，同时表明表示质量与数据来源无关，且在适度的架构深度下趋于稳定。
Concept-Guided Noisy Negative Suppression for Zero-Shot Classification and Grounding of Chest X-Ray Findings
基于概念的噪声负样本抑制用于零样本分类和胸片发现的 grounding
机构 * The Center for Smart Health, School of Nursing, the Hong Kong Polytechnic University, Hong Kong, China（香港理工大学智能健康中心，护理学院，中国香港） ； Research Institute for Smart Ageing, the Hong Kong Polytechnic University, Hong Kong, China（香港理工大学智能老龄化研究 institute，中国香港） ； School of Biomedical Engineering, Tsinghua Medicine, Tsinghua University, Beijing, China（清华大学生物医学工程学院，清华大学，北京，中国） ； Queen Mary Hospital, LKS Faculty of Medicine, The University of Hong Kong, Hong Kong, China（香港大学李嘉诚医学院Queen Mary医院，中国香港）
专题命中 其他安全 ：alignment(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出了一种基于概念的噪声负样本抑制框架CoNNS，通过构建层次化概念本体，解决不同患者间相似发现导致的噪声负样本问题，提升零样本理解任务的性能。
Comments Early accepted by MICCAI 2026
Be Kind, Rewrite: Benign Projections via Rewriting Defend Against LLM Data Poisoning Attacks
仁者重写：通过重写实现良性投影以防御大语言模型数据中毒攻击
机构 * Leidos ； University of Pennsylvania（宾夕法尼亚大学）
专题命中 其他安全 ：safety(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出了一种基于重写的良性投影方法（OBBR），通过利用开放书本的良性样本来提高大语言模型对数据中毒攻击的防御能力，实验表明OBBR在多种已知攻击模式中表现出更高的安全性能，并且在计算效率和模型性能方面具有优势。
Comments 15 pages, 2 Figures, 5 Tables
RLFTSim: Realistic and Controllable Multi-Agent Traffic Simulation via Reinforcement Learning Fine-Tuning
RLFTSim: 通过强化学习微调实现逼真且可控的多智能体交通仿真
机构 * University of Alberta（阿尔伯塔大学） ； Huawei Technologies Canada（华为加拿大技术有限公司） ； York University（约克大学） ； Canada CIFAR AI Chair, Amii（加拿大 CIFAR 人工智能主席，Amii）
专题命中 其他安全 ：alignment(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出RLFTSim框架，通过强化学习微调提升交通仿真场景的真实感，并通过目标条件化方法实现对交通仿真可控性的提炼，实验表明其在真实感和可控性方面均优于其他启发式搜索方法。
Comments CVPR 2026 Highlight; Project page at https://ehsan-ami.github.io/rlftsim
How does longer temporal context enhance multimodal narrative video processing in the brain?
更长的时间上下文如何增强大脑对多模态叙事视频的处理？
机构 * Technische Universität Berlin（柏林技术大学） ； Microsoft Research（微软研究院） ； IIT Delhi（德里理工学院） ； Microsoft（微软） ； IIIT-Hyderabad（海得拉巴理工学院）
专题命中 其他安全 ：alignment(abstract)；分类 cs.AI、cs.LG
AI总结 本研究探讨了视频片段时长和叙事任务提示如何影响自然电影观看过程中大脑模型对多模态大语言模型（MLLMs）的对齐情况，发现增加片段持续时间显著提高了大脑对齐程度，而单模态视频模型则无明显提升。
Comments 22 pages, 15 figures
Tracing Moral Foundations in Large Language Models
在大型语言模型中追溯道德基础
机构 * Department of Computer Science, University of Southern California（南加州大学计算机科学系） ； Department of Psychology, University of Southern California（南加州大学心理学系） ； Center for Computational Language Sciences, University of Southern California（南加州大学计算语言科学中心）
专题命中 其他安全 ：alignment(abstract)；分类 cs.CL、cs.AI
AI总结 本文研究了大型语言模型中道德基础的编码、组织和表达，通过多层方法分析道德基础与人类道德感知的一致性，并发现道德结构在预训练和微调过程中自然形成，且部分解耦。
STABLE: Simulation-Ready Tabletop Layout Generation via a Semantics-Physics Dual System
STABLE: 通过语义-物理双系统生成仿真准备的桌面布局
机构 * Shanghai AI Laboratory（上海人工智能实验室）
专题命中 其他安全 ：alignment(abstract)
AI总结 本文提出STABLE，一种通过语义-物理双系统生成仿真准备的桌面布局的方法，通过语义推理模块生成粗略布局，物理校正模块校正布局以确保物理合理性，从而提升场景的物理有效性。
Comments ICML 2026
HOI-PAGE: Zero-Shot Human-Object Interaction Generation with Part Affordance Guidance
HOI-PAGE：基于部分可及性的零样本人类-物体交互生成
机构 * University of Virginia（弗吉尼亚大学） ； Technical University of Munich（慕尼黑技术大学）
专题命中 其他安全 ：alignment(abstract)
AI总结 本文提出HOI-PAGE，一种通过部分可及性推理生成高保真4D人类-物体交互的零样本方法，利用大语言模型进行部分级机械推理，并通过结构化部分可及性图（PAG）引导三阶段合成，生成复杂多物体或多人物交互序列。
Comments ICML 2026. Project page: https://craigleili.github.io/projects/hoipage/ Video: https://www.youtube.com/watch?v=gwXjOffCFyk
