Rethinking the Divergence Regularization in LLM RL
重新思考LLM强化学习中的散度正则化
机构 * Tencent Hunyuan（腾讯混元） ； UIUC（伊利诺伊大学厄巴纳-香槟分校） ； NUS（新加坡国立大学）
AI总结 针对PPO等方法的硬裁剪或硬掩码在长尾词汇中分布偏移代理不佳的问题，提出DRPO，用平滑的优势加权二次正则化替代硬掩码，保持信任区域几何的同时提供连续梯度权重，提升训练稳定性和效率。
高校专区
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
The Neutral Mask: How RLHF Provides Shallow Alignment while Leaving Partisan Structure Intact in a Large Language Model
中性面具：RLHF如何提供浅层对齐而保留大语言模型中的党派结构
机构 * Vanderbilt University（范德堡大学） ； University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； National Center for Supercomputing Applications（国家超级计算应用中心）
AI总结 研究RLHF对Llama 3.1 8B党派倾向的影响，发现RLHF仅压缩党派信号方差以实现中性输出，而非移除党派结构，且特征级操控可绕过对齐。
PaperMentor: A Human-Centered Multi-Agent Writing Tutor for AI Research Papers on Overleaf
PaperMentor：面向Overleaf的AI研究论文写作人本多智能体辅导系统
机构 * CMU（卡内基梅隆大学） ； Jinesis Lab, University of Toronto & Vector Institute（Jinesis实验室，多伦多大学与向量研究所） ； EuroSafeAI ； ETHZ（苏黎世联邦理工学院） ； EPFL（洛桑联邦理工学院） ； UIUC（伊利诺伊大学厄巴纳-香槟分校） ； Max Planck Institute for Intelligent Systems, Tübingen, Germany（马克斯·普朗克智能系统研究所，德国图宾根）
AI总结 提出PaperMentor，一种在Overleaf中提供内联建议的人本写作助手，通过专家技能库和12个专业智能体提供可操作反馈，用户研究中90.6%建议被认为可操作。
Comments Accepted to the ACL 2026 Demo Track
The Amplifying Mirror: Locating and Steering the Partisan Direction inside a Large Language Model
放大镜：定位和操控大语言模型内的党派方向
机构 * Vanderbilt University（范德比尔特大学） ； University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 通过线性探针在Llama 3.1 8B Instruct模型的隐藏状态中定位党派政治身份方向，并利用稀疏自编码器分解为可解释特征，因果干预可系统性改变模型输出，证明党派偏见是可定位和操控的几何特征。
Beyond Individual Personas: Aligning Synthetic Dialogue to Population-Level Behavior Distributions
超越个体角色：将合成对话对齐到群体层面的行为分布
机构 * Amazon（亚马逊） ； University of Illinois Urbana–Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University College London（伦敦大学学院）
AI总结 提出GroupPersona框架，通过将参考语料库的行为分布转化为生成控制，使合成对话语料库在群体层面与参考分布对齐，在12个行为属性上Jensen-Shannon散度降低24.4%。
Do VLMs See What Sensors Feel? A Scalable Expert-Guided Design for Wheelchair Accessibility Assessment from Street View
视觉语言模型能否感知传感器所感？一种可扩展的专家引导设计用于从街景评估轮椅可达性
机构 * University of Florida（佛罗里达大学） ； University of South Florida（南佛罗里达大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 本文提出专家引导的检索增强框架，利用视觉语言模型从谷歌街景图像识别轮椅可达性障碍，通过GPS轮椅停留行为验证，表明VLM评分与移动摩擦部分一致，但细粒度障碍识别有限。
LEAF: Growing Trees Without Branching for Speech-Aware Large Language Model Post-Training
LEAF: 无需分支的树生长方法用于语音感知大语言模型后训练
机构 * University of Illinois, Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 针对语音感知大语言模型后训练中GRPO方法粗粒度信用分配问题，提出LEAF方法，通过回溯式树结构学习、高信息量边界选择和跨度级优势分配，在语音问答和翻译任务上超越GRPO。
Comments 15 pages, 3 figures, 11 tables
