Real-Time Voice AI Hears but Does Not Listen
实时语音AI能听到但不倾听
机构 * Together AI ； Stanford University（斯坦福大学）
AI总结 评估四个领先实时语音系统，发现它们依赖文字而非声学线索，在情感理解上存在感知与行动脱节，提示需谨慎用于依赖语调的场景。
高校专区
Stanford University（斯坦福大学）
Same Evidence, Different Answer: Auditing Order Sensitivity in Multimodal Large Language Models
相同证据，不同答案：多模态大语言模型中的顺序敏感性审计
机构 * Stanford University（斯坦福大学）
AI总结 提出Facet-Probe审计框架，评估18个多模态大语言模型在五种顺序扰动下的答案翻转率，发现所有模型均非顺序不变，最佳模型仍有13.4%翻转率，提示仅靠提示级缓解难以实现通用顺序鲁棒性。
Comments 22 pages, 4 figures, 5 tables
Space-Efficient Language Generation in the Limit
极限空间高效语言生成
机构 * EPFL（苏黎世联邦理工学院） ； Stanford University（斯坦福大学）
AI总结 针对空间效率约束下的极限语言生成问题，提出基于DFA假设类的流式算法，在多项式空间内实现生成差距O(k^{2s-2})，并证明近乎匹配的下界。
Comments Accepted at COLT 2026
BiPACE: Bisimulation-Guided Policy Optimization with Action Counterfactual Estimation for LLM Agents
BiPACE：基于双模拟引导与动作反事实估计的LLM智能体策略优化
机构 * University of Chicago（芝加哥大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Stanford University（斯坦福大学） ； University of Science and Technology of China（中国科学技术大学） ； Meituan（美团）
AI总结 针对分组强化学习中状态-动作信用分配不匹配问题，提出BiPACE优势估计器，通过双模拟引导的状态聚类和动作反事实基线，在无需批评网络或额外采样的前提下提升LLM智能体训练效果。
Structuring Sparsity: Block-Sparse Featurizers Capture Visual Concept Manifolds
结构化稀疏：块稀疏特征化器捕获视觉概念流形
机构 * Goodfire ； Harvard University（哈佛大学） ； Stanford University（斯坦福大学） ； Brown University（布朗大学）
AI总结 提出块稀疏特征化器（BSF）来建模视觉概念流形，通过最小描述长度分析证明其比方向基特征化器更紧凑，并应用于解释曲线检测、发现新流形及控制图像生成。
Geometry-Aware Online Scheduling for LLM Serving: From Theoretical Bound to System Practice
面向LLM服务的几何感知在线调度：从理论界到系统实践
机构 * Gaoling School of Artificial Intelligence（人工智能学院） ； Renmin University of China（中国人民大学） ； Department of Management Science and Engineering（管理科学与工程系） ； Stanford University（斯坦福大学） ； Department of Industrial Engineering and Decision Analytics（工业工程与决策分析系） ； HKUST（香港科技大学）
AI总结 针对LLM推理中KV缓存动态内存占用问题，提出Smallest Volume First (SVF)算法，通过几何感知调度优化性能，理论证明将竞争比从48降至5，并在vLLM中实现即插即用，显著降低平均和尾部延迟。
