University of Southern California（南加州大学）

NeuroAgent: LLM Agents for Multimodal Neuroimaging Analysis and Research

NeuroAgent：用于多模态神经影像分析和研究的LLM代理

Lujia Zhong, Yihao Xia, Jianwei Zhang, Shuo huang, Jiaxin Yue, Mingyang Xia, Yonggang Shi

机构 * Stevens Neuroimaging and Informatics Institute, Keck School of Medicine, University of Southern California（史蒂文斯神经影像与信息学研究所，凯克医学院，南加州大学） ； Viterbi School of Engineering, University of Southern California（维特比工程学院，南加州大学） ； Alfred E. Mann Department of Biomedical Engineering, Viterbi School of Engineering, University of Southern California（阿尔弗雷德·E·曼生物医学工程部门，维特比工程学院，南加州大学） 纠错

AI总结 NeuroAgent通过LLM驱动的代理框架自动化多模态神经影像预处理与分析，支持自然语言查询，提升神经影像研究的自动化与可重复性。

Chain of Risk: Safety Failures in Large Reasoning Models and Mitigation via Adaptive Multi-Principle Steering

风险链：大型推理模型中的安全故障及通过自适应多原则引导的缓解

Xiaomin Li, Jianheng Hou, Zheyuan Deng, Zhiwei Zhang, Taoran Li, Binghang Lu, Bing Hu, Yunhan Zhao, Yuexing Hao

机构 * Harvard University（哈佛大学） ； University of Southern California（南加州大学） ； Brown University（布朗大学） ； Pennsylvania State University（宾夕法尼亚州立大学） ； Texas A&M University（德克萨斯阿姆大学） ； Purdue University（普渡大学） ； University of California, Irvine（加州大学 Irvine 分校） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

AI总结 研究发现大型推理模型在推理轨迹中存在额外安全风险，提出自适应多原则引导方法降低不安全内容出现率，提升整体安全性。

Discovering What You Can Control: Interventional Boundary Discovery for Reinforcement Learning

发现你可以控制的东西：强化学习中的干预边界发现

Jiaxin Liu, Anzhe Cheng, Paul Bogdan

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Southern California（南加州大学） 纠错

AI总结 本文提出干预边界发现方法，通过随机化动作生成干预对比，利用FDR校正的两样本检验确定观测维度，有效识别可控状态维度。

ChronoSpike: An Adaptive Spiking Graph Neural Network for Dynamic Graphs

ChronoSpike: 一种自适应脉冲图神经网络用于动态图

Md Abrar Jahin, Taufikur Rahman Fuad, Jay Pujara, Craig Knoblock

机构 * University of Southern California（南加州大学） ； Islamic University of Technology（伊斯兰科技大学） 纠错

AI总结 本文提出ChronoSpike，结合可学习LIF神经元、多头空间注意力聚合和轻量Transformer时间编码器，实现动态图的高效表示学习，优于现有方法并在训练速度上更优。

Fed-Listing: Federated Label Distribution Inference in Graph Neural Networks

Fed-Listing：图神经网络中的联邦标签分布推断

Suprim Nakarmi, Junggab Son, Yue Zhao, Zuobin Xiong

机构 * Department of Computer Science, University of Nevada Las Vegas（内华达大学拉斯维加斯分校计算机科学系） ； Department of Computer Science, University of Southern California（南加州大学计算机科学系） 纠错

AI总结 本文提出Fed-Listing，一种基于梯度的攻击方法，用于在联邦图神经网络中推断目标客户端的隐私标签统计信息，展示了其在非独立同分布场景下的优越性能。

Comments 9 pages, 3 figures, and 4 tables