One Token Away from Collapse: The Fragility of Instruction-Tuned Helpfulness
距离崩溃仅一步之遥：指令调制帮助性的脆弱性
机构 * University of Southern California（南加州大学） ； Intel AI（英特尔人工智能）
AI总结 研究探讨了指令调制大语言模型在简单约束下的帮助性稳定性，发现其在词汇约束下响应质量显著下降，揭示了指令调制对表面模板的依赖性。
高校专区
University of Southern California（南加州大学）
B-FIRE: Binning-Free Diffusion Implicit Neural Representation for Hyper-Accelerated Motion-Resolved MRI
B-FIRE：无分组扩散隐式神经表示用于超加速运动分辨MRI
机构 * Radiation Oncology, University of California, San Francisco, California（加州大学旧金山分校放射肿瘤学系） ； Radiology and Biomedical Imaging, University of California, San Francisco, California（加州大学旧金山分校放射学与生物医学成像系） ； Siemens Medical Solutions USA, Inc., Cleveland, Ohio（西门子医疗解决方案美国公司，克利夫兰，俄亥俄） ； Radiology at Children’s Hospital Los Angeles, Keck School of Medicine, University of Southern California, Los Angeles, California（洛杉矶儿童医院放射学，美国南加州大学凯克医学院，洛杉矶，加利福尼亚）
AI总结 B-FIRE通过扩散隐式神经表示框架实现超加速MRI重建，解决运动分辨信息模糊问题，提升3D腹部解剖的即时重建精度。
Cooptimizing Safety and Performance Using Safety Value-Constrained Model Predictive Control
通过安全价值约束模型预测控制优化安全与性能
机构 * Ming Hsieh Department of Electrical and Computer Engineering, University of Southern California（南加州大学明希德电气与计算机工程系） ； Department of Aeronautics and Astronautics, Stanford University（斯坦福大学航空与航天系） ； Electrical and Computer Engineering Department, New York University（纽约大学电气与计算机工程系）
AI总结 本文提出基于安全价值函数的终端约束MPC方法，实现安全与性能的协同优化，通过仿真和硬件实验验证了其在约束满足和鲁棒性方面的改进。
TimingLLM: A Two-Stage Retrieval-Augmented Framework for Pre-Synthesis Timing Prediction from Verilog
TimingLLM: 一种两阶段检索增强框架，用于从Verilog预合成时间预测
机构 * University of Southern California（美国南加州大学）
AI总结 TimingLLM通过两阶段检索增强框架，利用Verilog直接预测最坏负松弛和总负松弛，提升预合成时间预测的准确性和效率。
Using Language Models as Closed-Loop High-Level Planners for Robotics Applications: A Brief Overview and Benchmarks
利用语言模型作为闭环高层规划器用于机器人应用：简要概述与基准测试
机构 * Ming Hsieh Department of Electrical and Computer Engineering, University of Southern California（南加州大学明希德电气与计算机工程系） ； Department of Aeronautics and Astronautics, Stanford University（斯坦福大学航空航天工程系） ； Department of Mechanical Engineering, Stanford University（斯坦福大学机械工程系）
AI总结 本文研究了语言模型在机器人闭环高层规划中的应用，探讨了控制时间跨度和预热启动对性能的影响，并通过实验提供改进建议。
The Surprising Effectiveness of Membership Inference with Simple N-Gram Coverage
基于简单n-gram覆盖的成员推断的惊人效果
机构 * University of Southern California（南加州大学） ； University of Washington（华盛顿大学） ； Stanford University（斯坦福大学）
AI总结 本文提出基于文本输出的成员推断攻击，通过n-gram重叠度评估模型生成文本与真实后缀的相似性，验证了其在黑盒模型上的有效性，并发现攻击成功率随计算预算增加而提升。
Comments CoLM 2025. v2: update citation
UNSEEN: A Cross-Stack LLM Unlearning Defense against AR-LLM Social Engineering Attacks
UNSEEN: 一种跨栈LLM去学习防御对抗AR-LLM社会工程攻击
机构 * Hubei University（湖北大学） ； University of Southern California（南加州大学） ； Huazhong University of Science and Technology（华中科技大学）
AI总结 针对AR-LLM社会工程攻击，提出UNSEEN跨栈防御机制，结合AR访问控制层、基于F-RMU的LLM去学习和运行时代理防护，通过用户研究验证其有效性。
