arXivDaily arXiv每日学术速递 周一至周五更新

高校专区

University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)

2026-07-30 至 2026-07-30 共收录 5
2607.25364 2026-07-30 cs.AI cs.SE 版本更新

Explanation-Bound Tool Execution for AI Agents: Server-Verified Action Claims Without Trusting Model Rationales

人工智能代理的解释约束工具执行:无需信任模型原理的服务器验证动作声明

Genliang Zhu, Chu Wang

机构 * Accentrust(Accentrust公司) Georgia Institute of Technology(佐治亚理工学院) University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)

AI总结 研究针对人工智能代理工具执行问题,提出EBTE中介层,将原理内容转换为动作声明并经服务器检查。通过形式化和实现参考配置文件,经多场景验证其可行性与诊断价值,支持服务器检查动作声明而非其他相关特性。

Comments 25 pages, 1 figure, 15 tables. Revised presentation and synchronized evaluation details

详情

展开后加载摘要…

URL PDF HTML 收藏
2606.22916 2026-07-30 cs.AI 版本更新

Intent-Governed Tool Authorization for AI Agents

意图驱动的AI代理工具授权

Genliang Zhu, Chu Wang

机构 * Georgia Institute of Technology(佐治亚理工学院) University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校) Accentrust

AI总结 提出意图驱动访问控制(IGAC),通过将用户意图作为单调可审计策略属性,限制AI代理的工具调用权限,防止静态凭证滥用。

Comments 33 pages. Revised presentation and analysis

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.15591 2026-07-30 cs.IR cs.AI 版本更新

BioHiCL: Hierarchical Multi-Label Contrastive Learning for Biomedical Retrieval with MeSH Labels

BioHiCL:基于MeSH标签的层次多标签对比学习的生物医学检索

Mengfei Lan, Lecheng Zheng, Halil Kilicoglu

机构 * University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)

AI总结 BioHiCL通过层次化MeSH标注实现多标签对比学习,提升生物医学信息检索的语义和层次理解能力,在检索、句子相似性和问答任务中表现优异且计算效率高。

Comments Accepted by ACL 2026 (Oral)

详情

展开后加载摘要…

URL PDF HTML 收藏
2601.15284 2026-07-30 cs.CV 版本更新

Walk through Paintings: Egocentric World Models from Internet Priors

穿越绘画:来自互联网先验的自我中心世界模型

Anurag Bagchi, Zhipeng Bao, Homanga Bharadhwaj, Yu-Xiong Wang, Pavel Tokmakov, Martial Hebert

机构 * Carnegie Mellon University(卡内基梅隆大学) University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校) Toyota Research Institute(丰田研究机构)

AI总结 EgoWM通过利用互联网先验和轻量级条件层,将预训练视频扩散模型转换为自我中心世界模型,实现可控的未来预测,提升结构一致性评分并降低推理延迟。

详情

展开后加载摘要…

URL PDF HTML 收藏
2601.06300 2026-07-30 cs.CL cs.AI cs.LG 版本更新

$\texttt{AMEND++}$: Benchmarking Eligibility Criteria Amendments in Clinical Trials

AMEND++:临床试验资格标准修订的基准测试

Trisha Das, Mandis Beigi, Jacob Aptekar, Jimeng Sun

机构 * University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校) Medidata Solutions(Medidata解决方案)

AI总结 AMEND++通过CAMLM模型提升临床试验资格标准修订预测的准确性与效率。

详情

展开后加载摘要…

URL PDF HTML 收藏