University of Maryland, College Park（马里兰大学帕克分校）

From Generalist to Specialist Representation

从通用到专业表征

Yujia Zheng, Fan Feng, Yuke Li, Shaoan Xie, Kevin Murphy, Kun Zhang

机构 * CMU（卡内基梅隆大学） ； UIUC（伊利诺伊大学香槟分校） ； UCSD（加州大学圣地亚哥分校） ； MBZUAI（穆斯林人工智能研究所） ； UMD（马里兰大学） ； UBC（不列颠哥伦比亚大学） 纠错

AI总结 研究在非参数设置下如何通过非监督方式识别时间步间任务结构，并利用稀疏正则化分离任务相关潜在表征，为从通用到专业模型的理论保障提供新思路。

Comments ICML 2026

Can LLM Agents Simulate Dynamic Networks? A Case Study on Email Networks with Phishing Synthesis

大语言模型代理能否模拟动态网络？基于钓鱼合成的邮件网络案例研究

Siqi Miao, Ziyang Chen, Yuhong Luo, Hans Hao-Hsun Hsu, Mufei Li, Kaiqing Zhang, Pan Li

机构 * Georgia Institute of Technology（佐治亚理工学院） ； University of Maryland, College Park（马里兰大学 College Park 分校） ； Rutgers University（罗格斯大学） 纠错

AI总结 本文探讨了大语言模型多代理系统在模拟动态网络中的能力，提出两种扩展方法以提升网络仿真精度，通过钓鱼合成案例验证了其在建模信息传播和网络安全威胁中的有效性。