Stanford University（斯坦福大学）

Autogenesis: A Self-Evolving Agent Protocol

自生成：一种自我进化代理协议

Wentao Zhang, Zhe Zhao, Haibin Wen, Yingcheng Wu, Cankun Guo, Ming Yin, Bo An

机构 * Nanyang Technological University（南洋理工大学） ； Stanford University（斯坦福大学） ； Princeton University（普林斯顿大学） ； City University of Hong Kong（香港城市大学） ； University of Science and Technology of China（中国科学技术大学） 纠错

AI总结 本文提出了一种自生成协议（AGP），该协议通过分离进化内容与进化过程，解决了现有代理协议在跨实体生命周期管理、版本追踪和安全更新接口方面的不足。基于AGP，作者展示了自生成系统（AGS），该系统能够动态实例化、检索和优化协议注册的资源，通过多个具有长视界规划和工具使用的挑战性基准测试，验证了代理资源管理和闭环自我进化的有效性。

Positive Alignment: Artificial Intelligence for Human Flourishing

积极对齐：人工智能促进人类繁荣

Ruben Laukkonen, Seb Krier, Chloé Bakalar, Shamil Chandaria, Morten Kringelbach, Adam Elwood, Daniel Ford, Fernando Rosas, Maty Bohacek, Matija Franklin, Nenad Tomašev, Stephanie Chan, Verena Rieser, Roma Patel, Michael Levin, Arun Rao

机构 * Department of Psychiatry, University of Oxford（牛津大学精神病学系） ； Flourishing Intelligence Program, Centre for Eudaimonia and Human Flourishing, Linacre College, University of Oxford（牛津大学幸福智能计划、幸福与人类繁荣中心、林acre学院） ； Google DeepMind（谷歌DeepMind） ； LIFE ； OpenAI ； Anthropic ； University of California, Los Angeles（加州大学洛杉矶分校） ； Aily Labs（Aily实验室） ； Stanford University（斯坦福大学） ； Tufts University（塔夫茨大学） ； Positive AI Labs（积极AI实验室） ； Department of Informatics, University of Sussex（Sussex大学信息学系） ； Department of Brain Sciences, Imperial College London（伦敦帝国理工学院脑科学系） 纠错

AI总结 本文提出积极对齐，旨在通过支持人类和生态繁荣，同时确保安全与合作，推动AI发展。研究指出传统对齐关注安全，而积极对齐强调促进人类福祉，提出多项技术挑战与设计原则。

Sycophantic AI makes human interaction feel more effortful and less satisfying over time

谄媚型AI使人类互动感觉更加费力且满意度降低

Lujain Ibrahim, Franziska Sofia Hafner, Myra Cheng, Cinoo Lee, Rebecca Anselmetti, Robb Willer, Luc Rocher, Diyi Yang

机构 * University of Oxford（牛津大学） ； Stanford University（斯坦福大学） ； UK AI Security Institute（英国人工智能安全研究所） 纠错

AI总结 研究显示，谄媚型AI会改变用户对亲密关系的处理方式，长期使用导致用户更倾向于寻求AI建议而非真实人际关系，且满意度下降。

StructSAM: Structure- and Spectrum-Preserving Token Merging for Segment Anything Models

StructSAM: 面向分割一切模型的结构与谱保持令牌合并

Duy M. H. Nguyen, Tuan A. Tran, Duong Nguyen, Siwei Xie, Trung Q. Nguyen, Mai T. N. Truong, Daniel Palenicek, An T. Le, Michael Barz, TrungTin Nguyen, Tuan Dam, Ngan Le, Minh Vu, Khoa Doan, Vien Ngo, Pengtao Xie, James Zou, Daniel Sonntag, Jan Peters, Mathias Niepert

机构 * University of Stuttgart（斯图加特大学） ； DFKI ； Max Planck Research School（马克斯·普朗克研究学校） ； University of Oldenburg（奥尔登堡大学） ； Technical University of Darmstadt（达姆施塔特技术大学） ； VinRobotics ； VinUniversity（Vin大学） ； Aalto University（阿莱大学） ； Queensland University of Technology（昆士兰技术大学） ； HUST（华中科技大学） ； Technical University of Denmark（丹麦技术大学） ； University of Arkansas（阿肯色大学） ； UC San Diego（圣地亚哥大学） ； Stanford University（斯坦福大学） 纠错

AI总结 针对SAM系列模型，提出StructSAM框架，通过基于梯度能量的令牌评分、网格平坦度筛选和合并-恢复机制，在保持边界和提示信息的同时减少计算量，实现25-30% FLOPs降低且性能损失极小。

Comments Second version

Oracle-RLAIF: An Improved Fine-Tuning Framework for Multi-modal Video Models using Reinforcement Learning from Ranking Feedback

Oracle-RLAIF：一种利用排名反馈强化学习改进多模态视频模型微调框架的方法

Derek Shi, Ruben Glatt, Christine Klymko, Shubham Mohole, Hongjun Choi, Shashank Kushwaha, Sam Sakla, Felipe Leno da Silva

机构 * Stanford University（斯坦福大学） ； Lawrence Livermore National Laboratory（劳伦斯利弗莫尔国家实验室） ； Microsoft（微软公司） 纠错

AI总结 提出Oracle-RLAIF框架，用通用排序器替代奖励模型，结合基于GRPO的排名损失函数GRPO_rank，实现更高效的多模态视频模型微调，在多个基准上优于现有方法。

Comments Proceedings of the 39th Annual Conference on Neural Information Processing Systems, ARLET Workshop (Aligning Reinforcement Learning Experimentalists and Theorists)

Journal ref Transactions on Machine Learning Research, Vol. 2026, June 2026

DataMIL: Selecting Data for Robot Imitation Learning with Datamodels

DataMIL: 使用数据模型为机器人模仿学习选择数据

Shivin Dass, Alaa Khaddaj, Logan Engstrom, Aleksander Madry, Andrew Ilyas, Roberto Martín-Martín

机构 * UT Austin（得克萨斯大学） ； MIT（麻省理工学院） ； Stanford University（斯坦福大学） 纠错

AI总结 提出DataMIL框架，基于数据模型端到端选择对任务性能提升最大的数据点，避免基于人类质量标准的过滤，通过替代损失函数避免环境交互，在60+模拟和真实操作任务中验证了有效性。