University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）

LLawCo: Learning Laws of Cooperation for Modeling Embodied Multi-Agent Behavior

LLawCo: 学习合作法则以建模具身多智能体行为

Qinhong Zhou, Chuang Gan, Anoop Cherian

机构 * University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； Mitsubishi Electric Research Laboratories（三菱电机研究实验室） 纠错

AI总结 提出LLawCo框架，通过反思失败提取行为模式并推导高层合作法则，结合监督微调融入推理，提升具身多智能体在分散部分可观测环境中的合作效率与任务成功率。

Comments Accepted to ICML 2026

Odyssey: Constructing Verifiable Local Truth-Preserving Foundation Models

Odyssey: 构建可验证的局部保真基础模型

Sridhar Mahadevan

机构 * Adobe Research（Adobe 研究院） ； University of Massachusetts, Amherst（马萨诸塞大学阿默斯特分校） 纠错

AI总结 提出一种名为ODYSSEY的范畴论框架，通过组合“foundries”构建可验证的局部保真基础模型，并引入Universal Foundry Learning和Foundry SQL实现形式化构造与查询。

Comments 34 pages

The Curse of Multiple Mediators: Hidden Interaction Effects in Activation Patching

多重中介者的诅咒：激活补丁中的隐藏交互效应

Sankaran Vaidyanathan, David Arbour, Aaron Mueller, Scott Niekum, David Jensen

机构 * University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； Adobe Research（Adobe研究院） ； Boston University（波士顿大学） 纠错

AI总结 本文从因果中介分析重新推导激活补丁估计量，发现自然间接效应包含交互效应，导致组件因果重要性评估偏差，并提出交互效应作为可解释性诊断工具。

AI Snitches Get Glitches: Towards Evading Agentic Surveillance

AI告密者出故障：走向规避智能体监控

Hyejun Jeong, Dzung Pham, Amir Houmansadr, Eugene Bagdasarian

机构 * University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） 纠错

AI总结 本文提出智能体监控问题，创建SurveilBench数据集评估模型监控能力，并开发三种规避技术（隐藏、欺骗、诱导过度升级）以保护用户。

Comments The code and Demo are available at https://aisec.cs.umass.edu/demo/ai-snitches-get-stitches/