New York University（纽约大学）

AI-Native Insurance for Agentic AI: Pricing, Underwriting, and End-to-End Automation

面向智能体人工智能的原生人工智能保险：定价、承保与端到端自动化

Quanyan Zhu

机构 * NYU Tandon School of Engineering, New York University（纽约大学坦登工程学院） 纠错

AI总结 针对智能体人工智能带来的保险挑战，开发原生人工智能数学框架，通过风险状态映射相关要素并制定优化问题，建立可保性结构属性，经医疗案例展示了合同优化等内容。

Safeguard-Conditioned Uplift: Measuring Utility-Risk Frontiers for Dual-Use Biology Assistants

保障条件提升：衡量两用生物助手的效用-风险前沿

Dipesh Tharu Mahato

机构 * New York University（纽约大学） 纠错

AI总结 研究两用生物助手访问条件对效用和风险的影响，提出保障条件提升协议，通过人工判断效用-风险前沿比较访问条件，评估了Claude Sonnet 4.6和Gemini 3.5 Flash，给出部署级评估目标和校准程序，衡量其对效用-风险前沿的作用。

Comments 17 pages, 1 figure

VQCSim: When Does Compile-Once Statevector Simulation Beat Generic Quantum Frameworks?

VQCSim：何时编译一次的态矢量模拟优于通用量子框架？

Anton Firc, Martin Perešíni, Vojtěch Mrázek, Kamil Malinka, Vojtěch Staněk, Zbyněk Lička, Nouhaila Innan, Walid El Maouaki, Alberto Marchisio, Muhammad Shafique

机构 * Brno University of Technology（布拉格技术大学） ； New York University Abu Dhabi（纽约大学阿布扎克分校） 纠错

AI总结 研究混合量子-经典机器学习工作流中编译一次的态矢量模拟何时优于通用量子框架，通过VQCSim实现，它有原生自动求导，在MQT Bench研究及多GPU评估中有加速效果，推导硬件感知图并发布开源选择器，助力QML设计循环选模拟器。

Comments Accepted at IEEE/ACM International Conference on Computer-Aided Design (ICCAD 2026), San Jose, CA, USA. 9 pages

How LLMs Might Think

大型语言模型可能如何思考

Joseph Gottlieb, Ethan Kemp, Matthew Trager

机构 * Texas Tech University（德克萨斯理工大学） ； New York University（纽约大学） ； University of Pittsburgh（匹兹堡大学） 纠错

AI总结 本文挑战了LLMs不思考的观点，提出LLMs可能以非理性、联想式方式思考，其思维过程纯粹基于联想。

Journal ref Mind & Language (2026)