Many-Tier Instruction Hierarchy in LLM Agents
多层级指令层级在大语言模型代理中的应用
机构 * Johns Hopkins University（约翰霍普金斯大学）
AI总结 本文提出Many-Tier Instruction Hierarchy (ManyIH) 以解决多源指令冲突，通过12层级的测试任务验证模型在复杂冲突场景下的表现，揭示了细粒度可扩展指令冲突解决的迫切需求。
高校专区
Johns Hopkins University（约翰斯·霍普金斯大学）
Replicable Reinforcement Learning with Linear Function Approximation
可重复的强化学习与线性函数逼近
机构 * University of Pennsylvania（宾夕法尼亚大学） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 本文提出可重复的强化学习算法，针对线性函数逼近问题，设计了高效的随机设计回归和协方差估计算法，并在生成模型和片段设置中实现了可证明高效的可重复RL算法，通过实验验证了其对神经策略的一致性影响。
Comments ICLR 2026
CoLA: A Choice Leakage Attack Framework to Expose Privacy Risks in Subset Training
CoLA：一种用于揭示子集训练中隐私风险的泄露攻击框架
机构 * King Abdullah University of Science and Technology（国王阿卜杜勒-阿齐兹大学科学与技术学院） ； Provable Responsible AI and Data Analytics Lab（可证责任AI与数据分析实验室） ； National University of Singapore（新加坡国立大学） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 本文提出CoLA框架，揭示子集训练中隐私泄露问题，通过两种攻击场景分析训练成员和选择参与的隐私风险，扩展隐私范围至数据-模型供应链。
Domain-Specific Latent Representations Improve the Fidelity of Diffusion-Based Medical Image Super-Resolution
领域特定潜在表示提高基于扩散的医学图像超分辨率的保真度
机构 * Massachusetts Institute of Technology（麻省理工学院） ； Department of Biomedical Engineering, Mbarara University of Science and Technology（姆巴拉大学科学与技术学院生物医学工程系） ； Johns Hopkins University（约翰霍普金斯大学） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； Makerere University（Makerere大学） ； Federal University of São Paulo（圣保罗联邦大学） ； Technical University of Applied Sciences Lübeck (TH Lübeck)（吕贝克应用技术大学） ； Harvard T.H. Chan School of Public Health（哈佛大学T.H. Chan公共卫生学院）
AI总结 本文通过替换通用稳定扩散VAE为领域特定的MedVAE，显著提升了医学图像超分辨率的PSNR，验证了领域特定自动编码器对重建质量的关键影响。
The Effect of Document Selection on Query-focused Text Analysis
文档选择对查询导向文本分析的影响
机构 * Johns Hopkins University（约翰霍普金斯大学）
AI总结 本文评估了七种文档选择策略对四种文本分析方法在两个数据集上的影响，发现语义或混合检索策略能有效避免弱策略的弊端，确立数据选择为方法学决策。
