iOSWorld: A Benchmark for Personally Intelligent Phone Agents
iOSWorld：个人智能手机代理的基准测试
机构 * Carnegie Mellon University（卡内基梅隆大学）
AI总结 提出首个基于持久用户身份的交互式原生iOS模拟器基准iOSWorld，包含26个新应用和133个任务，评估代理在单应用、多应用及记忆个性化任务上的表现，最佳配置整体准确率52%，多应用任务仅37%。
高校专区
Carnegie Mellon University（卡内基梅隆大学）
(Auto)formalization is supposed to be easy: Trellis process semantics for spelling out rigorous proofs
(自动)形式化应该很简单：用于详细阐述严格证明的Trellis过程语义
机构 * Department of Mathematical Sciences, Carnegie Mellon University（卡内基梅隆大学数学科学系）
AI总结 提出Trellis系统，通过确定性约束工作流和LLM代理迭代细化自然语言证明，实现Lean自动形式化，强调严格证明的可细化性。
Comments 15 pages, 7 figures, 5 tables
Hardening Agent Benchmarks with Adversarial Hacker-Fixer Loops
通过对抗性黑客-修复者循环强化智能体基准测试
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Fewshot Corp（Fewshot公司） ； Independent Researcher（独立研究员）
AI总结 提出黑客-修复者循环方法，通过LLM代理交替攻击和修补验证器，自动生成抗利用的验证器，将KernelBench攻击成功率从62%降至0%。
PaperMentor: A Human-Centered Multi-Agent Writing Tutor for AI Research Papers on Overleaf
PaperMentor：面向Overleaf的AI研究论文写作人本多智能体辅导系统
机构 * CMU（卡内基梅隆大学） ； Jinesis Lab, University of Toronto & Vector Institute（Jinesis实验室，多伦多大学与向量研究所） ； EuroSafeAI ； ETHZ（苏黎世联邦理工学院） ； EPFL（洛桑联邦理工学院） ； UIUC（伊利诺伊大学厄巴纳-香槟分校） ； Max Planck Institute for Intelligent Systems, Tübingen, Germany（马克斯·普朗克智能系统研究所，德国图宾根）
AI总结 提出PaperMentor，一种在Overleaf中提供内联建议的人本写作助手，通过专家技能库和12个专业智能体提供可操作反馈，用户研究中90.6%建议被认为可操作。
Comments Accepted to the ACL 2026 Demo Track
Video2Sim2Real: Full-Stack Autonomous Dexterous Skill Acquisition from a Single Human Video
Video2Sim2Real：从单个人类视频实现全栈自主灵巧技能获取
机构 * Georgia Institute of Technology（佐治亚理工学院） ； University of Pennsylvania（宾夕法尼亚大学） ； Toyota Research Institute（丰田研究所） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 提出Video2Sim2Real框架，从单个人类操作视频中重建数字孪生并提取运动先验，通过物体关键帧优化机器人配置，结合残差强化学习与碰撞感知规划，实现从仿真到真实世界的灵巧技能迁移。
Comments Website: https://video2sim2real.github.io/
TRADE: Transducer-Augmented Decoder for Speech LLM
TRADE: 换能器增强的语音大语言模型解码器
机构 * Hippocratic AI ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 提出TRADE模型，通过换能器分支增强多模态大语言模型，实现帧同步对齐与语言推理结合，支持流式和非流式解码，在多个基准上取得低词错误率。
Sparrow: Sparse Rollout for Stable and Efficient Long-context RL of Large Language Models
Sparrow: 用于大语言模型稳定高效长上下文强化学习的稀疏 rollout
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Cornell University（康奈尔大学） ； Intel（英特尔） ； Amazon AGI（亚马逊AGI）
AI总结 针对RLVR中长上下文rollout计算昂贵的问题，提出Sparrow方法，通过动态稀疏度调度保持token级策略失配的下尾统计量稳定，在Qwen3系列模型上实现2.0-2.4倍加速，并推广到更大模型和编程领域。
Understanding the Sociocultural Dimensions of Mental Health Discourse in Arabic-Language X Communities
理解阿拉伯语X社区中心理健康话语的社会文化维度
机构 * King Saud University（沙特国王大学） ； Cairo University（开罗大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 通过GPT-4.1识别个人披露的推特用户，分析边缘型人格障碍、双相障碍和ADHD相关话语，发现不同病症的词汇模式差异，提出可复用的LLM辅助披露流程和文化关键词框架。
Comments Accepted to the SMM4H-HeaRD Workshop, co-located with the 64th Annual Meeting of the Association for Computational Linguistics (ACL 2026)
Causal Agent Replay: Counterfactual Attribution for LLM-Agent Failures
因果智能体回放：LLM智能体故障的反事实归因
机构 * Carnegie Mellon University（卡内基梅隆大学）
AI总结 提出Causal Agent Replay (CAR)方法，通过结构因果模型和干预操作，对LLM智能体失败步骤进行反事实归因，解决现有方法无法定位决策步骤的问题。
Comments Open-source: https://github.com/jaineet17/causal-agent-replay
SciTrace: Trajectory-Aware Safety Reasoning for Scientific Discovery Agents
SciTrace: 面向科学发现代理的轨迹感知安全推理
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Allen Institute（艾伦研究所）
AI总结 提出SciTrace框架，通过安全内在推理循环和组合工具链验证器，在科学代理管道的每个阶段融入安全推理，实现工具调用安全性和对抗鲁棒性的SOTA提升。
Comments 23 pages
IntentNav: Learning Spatial-Visual Object Navigation from Human Demonstrations
IntentNav: 从人类演示中学习空间-视觉物体导航
机构 * Nanyang Technological University（南洋理工大学） ； Carnegie Mellon University（卡内基梅隆大学） ； The Chinese University of Hong Kong（香港中文大学） ； A*STAR Institute for Infocomm Research (I2R)（新加坡科技研究局资讯通信研究院）
AI总结 提出IntentNav框架，通过人类演示学习类人物体导航策略，利用前沿标注和意图对齐目标实现最优性能，并零样本迁移到多种机器人平台。
Comments 26 pages, 9 figures
Active Learning with Foundation Model Priors: Efficient Learning under Class Imbalance
基于基础模型先验的主动学习：类别不平衡下的高效学习
机构 * University of California, Riverside（加州大学河滨分校） ； Carnegie Mellon University（卡内基梅隆大学） ； Worcester Polytechnic Institute（伍斯特理工学院）
AI总结 针对现实数据中的类别不平衡和噪声标注问题，提出一种利用基础模型先验的主动学习框架，通过不平衡感知的协同决策选择信息量最大的样本，在图像和文本数据集上实现超过50%的标注节省。
Comments To appear at ICML 2026
Offline Reinforcement Learning for Plasma Control in Nuclear Fusion: Codebase and Benchmark
核聚变等离子体控制的离线强化学习：代码库与基准
机构 * Central South University（中南大学） ； Chongqing University（重庆大学） ； Carnegie Mellon University（卡内基梅隆大学） ； The University of Hong Kong（香港大学）
AI总结 提出RL4F基准，基于DIII-D托卡马克历史数据构建评估环境，比较多种离线RL方法在等离子体控制任务上的性能，发现基于模型的离线RL方法平均表现最佳。
Comments 23 pages (10 pages main text)
