Agentic Services Computing
智能服务计算
专题命中 安全评测 ：alignment(abstract)
AI总结 探讨服务计算范式转变带来的新问题，基于现有研究基础，引入智能服务计算，扩展服务计算范畴，为未来服务生态系统奠定以服务为中心的基础，实现对自治代理的系统管理。
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. 安全评测 471 篇
CoDoL: Conditional Domain Prompt Learning for Out-of-Distribution Generalization
CoDoL：用于分布外泛化的条件域提示学习
机构 * East China Normal University（东华师范大学） ； Xidian University（西安电子科技大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； The University of Oxford（牛津大学） ； Tsinghua University（清华大学）
专题命中 安全评测 ：alignment(abstract)
AI总结 针对基于提示的CLIP方法存在的文本描述不准确、视觉语言嵌入对齐有限问题，提出CoDoL方法，利用域信息形成提示，还提出DMN生成输入条件令牌，实验验证其在分布外泛化的有效性。
Comments Accepted to TMLR 2026
REConnect: Participatory RE for Social Sustainability
REConnect：面向社会可持续性的参与式需求工程
专题命中 安全评测 ：alignment(abstract)
AI总结 介绍REConnect这一以人类为中心的参与式需求工程框架，通过对多个社区软件项目分析得出，阐述了三项核心原则及行动，强调人际联系是社会可持续性需求工程基础，讨论其与AI支持的整合。
Comments 22 pages
A Simulation Framework for Electromagnetic Signal Injection Attacks on Image Sensors
图像传感器电磁信号注入攻击的仿真框架
机构 * The Hong Kong Polytechnic University（香港理工大学） ； The Education University of Hong Kong（香港教育大学） ； Simon Fraser University（西蒙弗雷泽大学）
专题命中 安全评测 ：safety(abstract)
AI总结 针对图像传感器电磁信号注入攻击，通过建模开发仿真框架生成合成对抗图像，可快速评估算法漏洞，对抗训练能提升算法鲁棒性，为缓解攻击威胁提供实用路径。
Comments 20 pages, 9 figures, 6 tables
Journal ref 31st European Symposium on Research in Computer Security 2026
Omni-DuplexEval: Evaluating Real-time Duplex Omni-modal Interaction
Omni-DuplexEval: 评估实时双工全模交互
机构 * Tsinghua University（清华大学） ； Tongji University（同济大学） ； ModelBest Inc.（ModelBest公司）
专题命中 安全评测 ：alignment(abstract)
AI总结 本文提出Omni-DuplexEval基准，用于系统评估实时双工交互能力，通过两个互补场景评估模型生成连续响应和主动提醒的能力，并揭示现有模型在平衡响应及时性和内容连贯性方面的局限性。
Comments 21 pages, 6 figures
Can LLMs Credibly Transform the Creation of Panel Data from Diverse Historical Tables?
LLM能否可信地转换来自不同历史表格的面板数据？
专题命中 安全评测 ：alignment(abstract)
AI总结 提出基于多模态LLM的管道，以低成本从历史表格中提取面板数据，在车辆登记数据上达到95.4%精确匹配率，成本仅为传统方法的1/50。
SegFly: A Dataset and 2D-3D-2D Paradigm for Aerial RGB-Thermal Semantic Segmentation at Scale
SegFly：大规模航空RGB-热红外语义分割的数据集与2D-3D-2D范式
机构 * Fraunhofer Institute IVI（弗劳恩霍夫交通与基础设施系统研究所） ； TU Munich（慕尼黑工业大学） ； MCML（慕尼黑机器学习中心） ； UCLA（加州大学洛杉矶分校） ； Uni Cambridge（剑桥大学）
专题命中 安全评测 ：alignment(abstract)
AI总结 针对航空RGB-T数据集规模小、标注成本高和对齐困难的问题，提出几何驱动的2D-3D-2D范式，通过少量RGB标注自动生成密集伪标签并实现跨模态对齐，构建含2万+RGB图像和1.5万+RGB-T对的SegFly基准，实验表明该范式有效提升分割性能。
Journal ref ECCV 2026
Artificial Intelligence for Software Architecture: Literature Review and the Road Ahead
人工智能用于软件架构：文献综述与未来之路
专题命中 安全评测 ：trustworthy(abstract)
AI总结 通过系统文献综述，识别AI在软件架构中应用的14个主题领域和6个AI特有挑战，并基于实证访谈提出五大战略支柱的研究路线图。
Comments 37 pages, accepted for publication in TOSEM
HunyuanImage 3.0 Technical Report
HunyuanImage 3.0 技术报告
专题命中 安全评测 ：alignment(abstract)
AI总结 HunyuanImage 3.0是一种统一多模态理解与生成的自回归模型，通过精心数据整理、先进架构、原生思维链、渐进预训练和激进后训练，训练出超800亿参数MoE模型（推理时激活130亿），在文本-图像对齐和视觉质量上媲美最先进模型，并开源代码和权重。
MSPL: Multi-Step Pseudo-Labeling for Open-Vocabulary Object Detection
MSPL: 用于开放词汇目标检测的多步伪标签方法
机构 * KAIST AI（韩国韩世大学AI研究所） ； Boston University（波士顿大学）
专题命中 安全评测 ：alignment(abstract)
AI总结 提出MSPL框架，通过多步视觉推理（目标定位、类别识别、背景确认）生成伪标签，解决开放词汇检测中单步图像-文本匹配忽略中间推理步骤的问题，在OV-COCO和OV-LVIS上取得最优性能。
Comments This paper has been accepted by ECCV 2026
Wireless Copilot: An AI-Powered Partner for Navigating Next-Generation Wireless Complexity
无线副驾驶：一个AI驱动的合作伙伴，用于驾驭下一代无线复杂性
专题命中 安全评测 ：trustworthy(abstract)
AI总结 提出“无线副驾驶”框架，通过集成大语言模型与认知架构，将人类意图转化为精确的网络操作，以管理6G的复杂性，并在低空无线网络中验证其有效性。
MalSkillBench: A Runtime-Verified Benchmark of Malicious Agent Skills
MalSkillBench: 一个运行时验证的恶意智能体技能基准
专题命中 安全评测 ：prompt injection(abstract)
AI总结 提出MalSkillBench，首个运行时验证的恶意智能体技能基准，包含3944个恶意技能，通过闭环生成-验证-反馈流水线构建，揭示代码注入与提示注入检测的不对称性，并指出联合推理任务意图、代码和指令的必要性。
AlignDrive: Aligned Lateral-Longitudinal Planning for End-to-End Autonomous Driving
AlignDrive: 用于端到端自动驾驶的对齐横向-纵向规划
机构 * School of Software Engineering, XJTU（软件工程学院，西安交通大学） ； Horizon Robotics ； Shenzhen Loop Area Institute（深圳河套学院） ； University of Chinese Academy of Sciences（中国科学院大学）
专题命中 安全评测 ：safety(abstract)
AI总结 本文提出一种 cascaded 框架，通过将纵向规划转化为路径条件推理过程，提升自动驾驶的协调性和安全性。方法引入锚点回归设计和规划导向的数据增强策略，实现在 Bench2Drive 上达到 SOTA 性能。
Comments underreview
ReMoBot: Retrieval-Based Few-Shot Imitation Learning for Mobile Manipulation with Vision Foundation Models
ReMoBot: 基于检索的少样本模仿学习用于移动操作与视觉基础模型
机构 * School of Electrical Engineering, Aalto University, Espoo, Finland（艾尔沃大学电气工程学院，埃斯波，芬兰）
专题命中 安全评测 ：alignment(abstract)
AI总结 提出ReMoBot，一种基于检索的少样本模仿学习框架，利用视觉基础模型从演示中检索信息，解决移动操作任务中的部分可观测性和数据有限问题，在真实世界任务中取得高成功率。
Causal Mirage Equilibrium in Agentic Machine Intelligence
生成式机器智能中的因果幻象均衡
专题命中 安全评测 ：alignment(abstract)
AI总结 针对生成式机器智能中语义表征与物理现实脱钩的问题，提出风险敏感平均场型因果幻象均衡（CME），证明其存在性并揭示内生强化主导时非因果状态的稳定分岔。
Comments 10 pages, 1 figure. References double-checked manually
CrossAlpha: An Annual-Report Benchmark for Cross-Market Factor Research (with LLM Agents)
CrossAlpha: 跨市场因子研究的年报基准
专题命中 安全评测 ：alignment(abstract)
AI总结 提出CrossAlpha基准，通过披露蒸馏、残差模式图构建和时序对齐评估，解决跨市场因子研究中披露到收益评估的挑战。
MVAD: A Benchmark Dataset for Multimodal AI-Generated Video-Audio Detection
MVAD：多模态AI生成视频-音频检测基准数据集
机构 * University of Science and Technology of China（中国科学技术大学）
专题命中 安全评测 ：trustworthy(abstract)
AI总结 针对现有数据集缺乏多模态真实性的问题，提出MVAD数据集，包含三种伪造模式、高质量样本及多样化的视觉风格和内容类别，用于检测AI生成的视频-音频内容。
Comments 10 pages,2 figures
Semantic Communication for the Internet of Underwater Things: Architectures, Applications, Challenges, and Future Directions
水下物联网的语义通信：架构、应用、挑战与未来方向
专题命中 安全评测 ：trustworthy(abstract)
AI总结 本文综述了语义通信在水下物联网中的应用，探讨了其架构、学习驱动方法及代表性应用，并指出了关键研究方向，旨在提升资源受限水下网络的通信效率。
Comments 33 pages, 10 figures, and 9 tables. The paper is submitted to IEEE for Possible Publication
ADAPT: An Autonomous Forklift for Construction Site Operation
ADAPT：一种用于建筑工地作业的自主叉车
机构 * Center for Vision, Automation and Control（视觉、自动化与控制中心） ； AIT Austrian Institute of Technology GmbH（奥地利技术研究所） ； Automation and Control Institute（自动化与控制研究所） ； Technische Universität Wien（维也纳技术大学）
专题命中 安全评测 ：safety(abstract)
AI总结 提出ADAPT自主叉车，结合AI感知与经典方法，在非结构化建筑工地实现近人类水平的物流操作，提升安全与效率。
Where, What, Why, and Importance: Structured Defect Grounding for Text-to-Image Feedback
位置、类型、原因与重要性：面向文本到图像反馈的结构化缺陷定位
机构 * Tsinghua University（清华大学） ； Kolors Team, Kuaishou Technology（快手科技Kolors团队） ； University of British Columbia（不列颠哥伦比亚大学） ； Vector Institute（向量研究所） ； South China Normal University（华南师范大学）
专题命中 安全评测 ：alignment(abstract)
AI总结 提出结构化缺陷定位（SDG）方法，将文本到图像生成中的缺陷诊断建模为结构化集合预测，通过构建SDG-30K数据集和SDG-Eval评估协议，并利用视觉语言模型作为检测器，结合BoxFlow-GRPO将预测的缺陷集合转化为空间奖励以改进扩散模型对齐。
Comments 25 pages, 9 figures
From Seeing to Experiencing: Scaling Navigation Foundation Models with Reinforcement Learning
从看见到体验：通过强化学习扩展导航基础模型
机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； Coco Robotics（Coco机器人）
专题命中 安全评测 ：safety(abstract)
AI总结 提出S2E框架，结合离线视频预训练和模拟环境强化学习，通过锚点引导分布匹配和残差注意力模块，提升导航基础模型的交互性和安全性。
Comments 27 pages, 20 figures, 9 tables, conference
CORRECT: COndensed eRror RECognition via knowledge Transfer in multi-agent systems
CORRECT: 多智能体系统中基于知识迁移的浓缩错误识别
专题命中 安全评测 ：alignment(abstract)
AI总结 提出CORRECT框架，利用在线缓存蒸馏错误模式，实现轻量级、免训练的错误定位，在多智能体系统中提升错误识别效率，并在七个应用上取得最高19.8%的步骤级错误定位提升。
MBench: A Comprehensive Benchmark on Memory Capability for Video World Models
MBench: 视频世界模型记忆能力的综合基准
机构 * Tsinghua University（清华大学） ； WeChat Vision, Tecent Inc.（微信视觉，腾讯公司） ； Peking University（北京大学）
专题命中 安全评测 ：alignment(abstract)
AI总结 提出MBench基准，通过实体一致性、环境一致性和因果一致性三个核心维度及其12个子维度，系统评估视频世界模型的长期记忆能力，并揭示现有方法在长期状态保持上的关键局限。
Comments Project Page: https://peanutup.github.io/MBench-project/
Causal Transfer in Medical Image Analysis
医学图像分析中的因果迁移
机构 * University of Waterloo（滑铁卢大学）
专题命中 安全评测 ：trustworthy(abstract)
AI总结 本文探讨了医学图像分析中因果迁移方法，整合因果推理与跨域表示学习，以解决领域偏移问题，提升临床AI的鲁棒性和泛化能力。
QUARE: Quality-Aware Requirements Analysis through Multi-Agent Dialectical Negotiation
QUARE：通过多智能体辩证协商进行质量感知的需求分析
专题命中 安全评测 ：safety(abstract)
AI总结 QUARE通过多智能体辩证协商解决需求质量分析中的多属性冲突，生成高质量需求规格，提升合规性和可验证性。
2. AI治理与伦理 69 篇
Studying People to Study AI: Expert Perspectives on the Epistemic Fit and Barriers of Human Research in AI Safety & Ethics
研究人以研究AI：关于人类研究在AI安全与伦理中的认知适配性及障碍的专家观点
专题命中 AI治理与伦理 ：safety(title,abstract)；AI safety(title,abstract)；分类 cs.AI、cs.CY
AI总结 本研究通过对93名AI安全与伦理领域专家的调查及17名专家的访谈，分析了人类研究在AI安全与伦理领域的认知适配性与障碍，并提出相关建议以避免流于形式的“人类洗白”。
Comments Ninth AAAI/ACM Conference on AI, Ethics, and Society (AIES 2026)
Efficiency vs. Alignment: Investigating Safety and Fairness Risks in Parameter-Efficient Fine-Tuning of LLMs
效率与对齐：研究大语言模型参数高效微调中的安全与公平风险
专题命中 AI治理与伦理 ：alignment(title,abstract)；safety(title,abstract)；分类 cs.AI、cs.LG
AI总结 该研究发现良性参数高效微调会改变大语言模型的安全与公平性，基于适配器的方法更安全，基础模型和PEFT类型会影响对齐偏移，需按类别审计安全与公平性。
Comments Revised version with expanded experiments, robustness analyses, and appendices
AI Alignment in Medical Imaging: Unveiling Hidden Biases Through Counterfactual Analysis
医学影像中的AI对齐：通过反事实分析揭示隐藏偏差
机构 * School of Computation, Information and Technology, Technical University of Munich（技术大学慕尼黑计算、信息与技术学院） ； Department of Computer Science, University of Oxford（牛津大学计算机科学系） ； Department of Engineering Science, University of Oxford（牛津大学工程科学系） ； Helmholtz AI, Munich, Germany（海德堡人工智能研究所，德国慕尼黑）
专题命中 AI治理与伦理 ：alignment(title,abstract)；safety(abstract)；AI safety(abstract)；分类 cs.LG
AI总结 本研究针对医学影像ML系统的偏差问题，提出结合条件潜在扩散模型与统计假设检验的统计框架，在多数据集上验证其优于基线，为医疗AI安全提供可靠工具。
Emergent alignment and the projectability of ethical personas
涌现对齐与伦理人格的可投射性
机构 * University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； Indiana University Bloomington（印第安纳大学布卢明顿分校）
专题命中 AI治理与伦理 ：alignment(title,abstract)；safety(abstract)；分类 cs.AI、cs.LG
AI总结 研究微调大语言模型在窄任务上如何引发广泛对齐行为，通过宪法AI方法赋予模型伦理人格，发现窄对齐可投射到未训练类别，并提出对齐策略应评估可投射性。
Societal Alignment Frameworks Can Improve LLM Alignment
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）
专题命中 AI治理与伦理 ：alignment(title,abstract)；分类 cs.CL、cs.AI、cs.CY
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。
