University of California, Los Angeles（加州大学洛杉矶分校）

AutoSupervision: Closing the Feedback Loop in Scientific Workflows with Grounded Revision Verification

AutoSupervision：通过基于事实的修订验证闭合科学工作流中的反馈循环

Haobo Li, Eunseo Jung, Wenxiao Zhao, Feng Liu, Jiong Wang, Kaiyi Xu, Zijie Guo, Zixin Chen, Ben Fei, Fenghua Ling, Lei Bai

机构 * Shanghai AI Laboratory（上海人工智能实验室） ； University of California, Los Angeles（加州大学洛杉矶分校） ； The Hong Kong University of Science and Technology（香港科技大学） 纠错

AI总结 本研究提出AutoSupervision，利用《自然·通讯》5.6万篇文章的评审记录构建数据集，发现LLM刻画评审关切表现较好但证据验证是瓶颈，为AI辅助科学工作流提供反馈循环闭合方案。

DexDirect: Direct Kinesthetic Arm Guidance for Efficient Dexterous Demonstration Collection

DexDirect：用于高效灵巧演示采集的直接运动学手臂引导

Beom Jun Kim, Shiu-Jen Wang, Jonathan Liu, Alvin Zhu, Quanyou Wang, Hanzhang Fang, Feng Xu, Mingzhang Zhu, Yuchen Cui, Dennis W. Hong

机构 * UCLA（加利福尼亚大学洛杉矶分校） 纠错

AI总结 该研究提出DexDirect方法，结合直接运动学手臂引导与视觉手部重定向，采集灵巧操作演示的效率更高、认知负荷更低，训练的扩散策略在立方体抓取任务上达到90%成功率。

Comments 8pages, 6 figures

Asymmetric Collapse in Model Merging: When Refusal Over- writes Recognition

模型合并中的非对称坍塌：当拒绝覆盖识别

Aarnav Choudhary, Matheus Fonseca Rocha, Jiwon Seo, Vasu Sharma, Maheep Chaudhary

机构 * UCLA（加利福尼亚大学洛杉矶分校） ； Algoverse（阿尔戈沃斯公司） ； Purdue University（普渡大学） 纠错

AI总结 本研究针对模型合并能否同时保留多种安全行为的问题，以Gemma-3-1B-IT微调模型为对象，发现合并时攻击抵抗性保留远多于分类准确率，原因是弃权微调的任务向量幅度更大，导致安全识别坍塌为广泛弃权。

Comments Accepted into COLM AIW, waiting decision for AdvML-Frontiers x CoTMA and HAIPS