Do LLM-derived graph priors improve multi-agent coordination?
基于大语言模型的图先验是否能提升多智能体协调？
机构 * University of Southern California（南加州大学） ； DEVCOM ARL Army Research Office（美国陆军研究办公室）
AI总结 本文探讨大语言模型能否通过少量自然语言描述推断出多智能体协调的图先验，以提升动态环境中的协调与适应能力。
高校专区
University of Southern California（南加州大学）
Uncertainty Quantification in LLM Agents: Foundations, Emerging Challenges, and Opportunities
大语言模型代理中的不确定性量化：基础、新兴挑战与机遇
机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； Carnegie Mellon University（卡内基梅隆大学） ； Nanyang Technological University（南洋理工大学） ； University of Pennsylvania（宾夕法尼亚大学） ； University of Southern California（南加州大学） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 本文探讨了大语言模型代理中不确定性量化的基础、挑战及未来方向，提出新的框架并分析了现实场景中的技术难题。
Comments ACL 2026 Main Conference
Beyond URLs: Metadata Diversity and Position for Efficient LLM Pretraining
超越URLs：元数据多样性与位置对高效LLM预训练的影响
机构 * EPFL（苏黎世联邦理工学院） ； University of Southern California（南加州大学）
AI总结 本文研究了元数据类型对LLM预训练的影响，发现细粒度文档质量指标能提升训练效率，并提出元数据追加方法以加速预训练过程。
Comments ICLR 2026
Data Compressibility Quantifies LLM Memorization
数据压缩性量化大语言模型的记忆性
机构 * The Chinese University of Hong Kong（香港中文大学） ； Nanyang Technological University（南洋理工大学） ； University of Southern California（南加州大学） ； Meta
AI总结 本文通过数据压缩性量化大语言模型的记忆性，发现集级别指标能揭示熵与记忆性之间的线性关系。
Comments accepted by TMLR
Attributing Culture-Conditioned Generations to Pretraining Corpora
将文化条件化生成归因于预训练语料
机构 * University of Southern California（南加州大学） ； IIIT Delhi（德里印度理工学院）
AI总结 研究通过分析预训练数据模式，探讨预训练如何导致文化条件化生成的偏差，提出MEMOed框架以识别记忆化生成，并发现高频文化生成更多记忆符号，而低频文化则无生成。
LLMs can persuade only psychologically susceptible humans on societal issues, via trust in AI and emotional appeals, amid logical fallacies
LLMs只能通过信任AI和情感诉求说服心理上易受影响的人群在社会问题上的观点，尽管存在逻辑谬误
机构 * organization= CogNosco Lab, Department of Psychology ； Cognitive Science, University of Trento , city= Rovereto , country= Italy ； organization= Institute of Information Science ； Technologies ``Alessandro Faedo", National Research Council , country= Italy ； organization= Thomas Lord Department of Computer Science, University of Southern California , city= Los Angeles , state= California , country= USA ； organization= Department of Sociology ； Social Research, University of Trento , city= Trento , country= Italy ； organization= Centre for Behavioural ； Implementation Sciences in Medicine (BISI), National University of Singapore , city= Singapore , country= Singapore
AI总结 本文通过Talk2AI框架研究LLM在时间演变的心理框架下对社会议题的说服力，发现人类对AI的可信度和情感诉求影响其观点变化，同时揭示了逻辑谬误在说服过程中的作用。
Mapping Election Toxicity on Social Media across Issue, Ideology, and Psychosocial Dimensions
在选举议题、意识形态和心理社会维度上映射社交媒体上的选举毒性
机构 * University of Southern California（南加州大学）
AI总结 研究通过分析社交媒体上的选举讨论，探讨毒性在不同议题、意识形态及心理社会维度上的差异，揭示毒性表达的驱动因素及情感与道德框架的影响。
Interdisciplinary Workshop on Mechanical Intelligence: Summary Report
机械智能跨学科研讨会：总结报告
机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of Pittsburgh（匹兹堡大学） ； Purdue University（Purdue 大学） ； University of Michigan（密歇根大学） ； Tufts University（塔夫茨大学） ； Oregon State University（俄勒冈州立大学） ； Case Western Reserve University（凯斯西储大学） ； John’s Hopkins University（约翰·霍普金斯大学） ； Boston University（波士顿大学） ； University of Southern California（南加州大学） ； University of California at Berkeley（加州大学伯克利分校） ； Penn State University（宾夕法尼亚州立大学） ； Northeastern University（东北大学） ； University of Pennsylvania（宾夕法尼亚大学） ； University of Colorado Boulder（科罗拉多大学 Boulder 分校） ； New Mexico State University（新墨西哥州立大学） ； University of Notre Dame（诺丁汉大学） ； Stanford University（斯坦福大学）
AI总结 本报告总结了2024年机械智能跨学科研讨会的成果，探讨了机械结构自身通过响应性、适应性、记忆和学习编码智能的现象，以及其与计算智能的区别。
FedBCD:Communication-Efficient Accelerated Block Coordinate Gradient Descent for Federated Learning
FedBCD：用于联邦学习的通信高效加速块坐标梯度下降法
机构 * School of Artificial Intelligence Xi'an Xidian University, China ； College of Intelligence ； Computing Tianjin Tianjin University, China ； Medical College, Tianjin University\ Cheng Laboratory Tianjin China ； University of Southern California Los Angeles US ； School of Artificial Intelligence ； Medical College, Tianjin University\ Cheng Laboratory ； University of Southern California
AI总结 本文提出FedBCGD方法，通过划分模型参数为多个块以降低通信开销，并开发FedBCGD+算法实现加速，首次在大规模深度模型中应用参数块通信。
Journal ref ACM MM 2024
eCP: Equivariant Conformal Prediction with pre-trained models
eCP：基于预训练模型的等变符合预测
机构 * GRASP Laboratory, Department of Electrical & Systems Engineering, University of Pennsylvania（宾夕法尼亚大学电气与系统工程系GRASP实验室） ； Department of Computer Science, University of Southern California（南加州大学计算机科学系） ； Automatic Control Laboratory, ETH Zürich（苏黎世联邦理工学院自动控制实验室）
AI总结 本文提出eCP方法，通过结合几何信息和预训练模型，改进符合预测的不确定性区域，提升高置信度下的预测精度。
ID-PaS+ : Identity-Aware Predict-and-Search for General Mixed-Integer Linear Programs
ID-PaS+ : 基于身份的预测与搜索用于通用混合整数线性规划
机构 * University of Southern California（南加州大学） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文提出ID-PAS+框架，通过身份感知学习方法提升混合整数线性规划求解性能，实验证明其优于Gurobi和传统PAS方法。
Sobolev Gradient Ascent for Optimal Transport: Barycenter Optimization and Convergence Analysis
机构 * Department of ACMS University of Notre Dame（ACMS系，诺特大学） ； Department of Mathematics University of California（数学系，加州大学） ； Department of Mathematics University of Southern California（数学系，南加州大学）
Neural Network-Based Score Estimation in Diffusion Models: Optimization and Generalization
基于神经网络的扩散模型分数估计：优化与泛化
机构 * Department of Management Science and Engineering, Stanford University（斯坦福大学管理科学与工程系） ； Daniel J. Epstein Department of Industrial and Systems Engineering, University of Southern California（南加州大学工业与系统工程系）
AI总结 本文提出基于梯度下降训练的神经网络分数估计框架，解决扩散模型中优化与泛化问题，通过参数化方法将去噪分数匹配转化为回归问题，并建立首个最小最大最优泛化界限。
Comments 58 pages
WildFeedback: Aligning LLMs With In-situ User Interactions And Feedback
WildFeedback: 对齐大语言模型与实时用户交互与反馈
机构 * Microsoft Corporation（微软公司） ； Purdue University（普渡大学） ； Texas A&M University（德克萨斯农工大学） ； University of California San Diego（加州大学圣地亚哥分校） ； University of Southern California（南加州大学）
AI总结 本文提出WildFeedback框架，通过实时用户反馈自动创建偏好数据集，提升大语言模型对用户偏好的对齐能力，解决了现有方法的可扩展性、主观性和偏见问题。
Comments ACL 2026 Camera-ready. 25 pages, 6 figures, 9 tables
Why Fine-Tuning Encourages Hallucinations and How to Fix It
为何微调会鼓励幻觉以及如何解决
机构 * Hebrew University of Jerusalem（海法大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Technion – Israel Institute of Technology（技术学院 – 以色列理工学院） ； University of Southern California（南加州大学）
AI总结 本文探讨微调导致幻觉的原因，提出基于自蒸馏的微调方法以减少幻觉，通过抑制输出分布漂移提升事实学习效果。
Anthropomorphism and Trust in Human-Large Language Model interactions
拟人化与人类-大语言模型互动中的信任
机构 * Brain and Creativity Institute, Dornsife College of Letters, Arts and Sciences, University of Southern California（脑与创造力研究所，文理学院，南加州大学） ； USC Mrs. T.H. Chan Division of Occupational Science and Occupational Therapy, University of Southern California（USC 玛丽·T.H.陈职业科学与职业治疗 division，南加州大学） ； Psychiatry and Biobehavioral Sciences, David Geffen School of Medicine, University of California, Los Angeles（精神病学与生物行为科学，大卫·格芬医学院，加州大学洛杉矶分校） ； Google DeepMind, Zurich（谷歌深Mind，苏黎世） ； Google Research（谷歌研究） ； Brain and Creativity Institute（脑与创造力研究所）
AI总结 研究探讨了人们如何通过温暖、能力与共情维度对大语言模型进行拟人化并建立信任，发现温暖和认知共情显著影响多种感知，而能力主要影响除拟人化外的其他结果。
COEVO: Co-Evolutionary Framework for Joint Functional Correctness and PPA Optimization in LLM-Based RTL Generation
COEVO：用于LLM基于RTL生成中功能正确性与PPA优化的联合进化框架
机构 * University of Southern California（南加州大学）
AI总结 本文提出COEVO框架，通过联合优化功能正确性与PPA，在单个进化循环中统一两者目标，提升RTL生成效率与性能。
The Blind Spot of Agent Safety: How Benign User Instructions Expose Critical Vulnerabilities in Computer-Use Agents
智能体安全的盲点：良性用户指令如何暴露计算机使用智能体的关键漏洞
机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； University of Minnesota（明尼苏达大学） ； University of Southern California（南加州大学） ； McGill University（麦吉尔大学） ； Mila（Mila研究院） ； MBZUAI（MBZUAI研究院）
AI总结 研究揭示了良性用户指令下智能体安全漏洞，提出OS-BLIND基准测试，发现多数智能体在攻击条件下成功率高达90%以上，且在多智能体系统中风险加剧，现有安全措施效果有限。
Comments 63 pages
Fragile Thoughts: How Large Language Models Handle Chain-of-Thought Perturbations
脆弱的思考：大型语言模型如何处理推理链扰动
机构 * University of Southern California（南加州大学） ； Information Sciences Institute（信息科学研究所）
AI总结 本文研究了大型语言模型在推理链扰动下的鲁棒性，通过五种扰动类型评估13种模型，发现不同扰动对模型的影响各异，模型规模在某些扰动中起到保护作用。
Gating Enables Curvature: A Geometric Expressivity Gap in Attention
门控使曲率：注意力中的几何表达性差距
机构 * Department of Electrical and Computer Engineering（电气与计算机工程系） ； University of Southern California（南加州大学）
AI总结 研究揭示门控注意力机制在几何表达性上的优势，通过分析高斯分布均值参数的几何结构，发现门控能产生非平坦流形，提升模型表现，尤其在非线性决策边界任务中表现更佳。
Comments 41 pages, 9 figures
Predicting Post-Traumatic Epilepsy from Clinical Records using Large Language Model Embeddings
基于大型语言模型嵌入的创伤后癫痫预测
机构 * Ming Hsieh Department of Electrical and Computer Engineering（明希德电气与计算机工程系） ； University of Southern California（南加州大学） ； Epilepsy Center（癫痫中心） ； Cleveland Clinic Neurological Institute（克利夫兰诊所神经医学研究院）
AI总结 本文研究利用大型语言模型嵌入从临床记录中预测创伤后癫痫，通过融合表格特征和嵌入特征，提升预测性能，达到AUC-ROC 0.892。
Psychological Steering of Large Language Models
对大语言模型的心理操控
机构 * Department of Computer Science, University of Southern California（南加州大学计算机科学系）
AI总结 本文提出一种心理操控框架，通过在语义校准的单元中进行无界、流畅性约束的扫描，改进大语言模型的干预方法，在14个模型中表现出色，优于传统方法。
Comments 66 pages, 60 images
Cornfigurator: Automated Planning for Any-to-Any Multimodal Model Serving
Cornfigurator：任意到任意多模态模型服务的自动化规划
机构 * University of Michigan（密歇根大学） ； University of Southern California（南加州大学） ； Cisco Research（思科研究）
AI总结 Cornfigurator是首个针对通用任意到任意模型推理服务的部署规划器，通过统计评估最大化服务吞吐量，比现有系统和专家调优方案提升1.12至6.32倍。
Comments Open-source at https://github.com/cornserve-ai/cornfigurator
eBandit: Kernel-Driven Reinforcement Learning for Adaptive Video Streaming
eBandit：基于内核的强化学习用于自适应视频流
机构 * University of Southern California（南加州大学）
AI总结 eBandit通过将网络监控和ABR算法选择移至Linux内核，利用eBPF实现更高效的自适应视频流传输，实验证明其在异构移动环境下能显著提升QoE。
SPG: Sandwiched Policy Gradient for Masked Diffusion Language Models
SPG：用于遮蔽扩散语言模型的夹心策略梯度
机构 * Meta Superintelligence Labs（Meta超智能实验室） ； MIT（麻省理工学院） ； USC（南加州大学） ； UCLA（加州大学洛杉矶分校）
AI总结 本文提出SPG策略梯度方法，通过同时利用真实对数似然的上下界，解决扩散大语言模型在强化学习中对齐人类偏好或任务奖励的难题，实验显示其在多个任务中表现优异。
Comments ICLR 2026
RANDPOL: Parameter-Efficient End-to-End Quadruped Locomotion via Randomized Policy Learning
RANDPOL: 通过随机策略学习实现参数高效的端到端四足运动
机构 * Ming Hsieh Department of Electrical and Computer Engineering, University of Southern California（明希德电气与计算机工程系，南加州大学） ； Department of Aerospace & Mechanical Engineering, University of Southern California（航空航天与机械工程系，南加州大学）
AI总结 本文提出RANDPOL，一种通过随机初始化隐藏层实现参数高效端到端四足运动控制的方法，相比PPO在参数量、计算效率和性能-复杂度平衡上表现更优。
Comments 6 pages main, 7 pages total, 10 figures
Computation of Least Trimmed Squares: A Branch-and-Bound framework with Hyperplane Arrangement Enhancements
最小子集平方求解：一种结合超平面排列改进的分支限界框架
机构 * MIT Operations Research Center（麻省理工学院运营研究中心） ； USC Daniel J. Epstein Department of Industrial and Systems Engineering（南加州大学Daniel J. Epstein工业与系统工程系） ； MIT Sloan School of Management, Operations Research Center（麻省理工学院斯隆管理学院，运营研究中心）
AI总结 本文提出一种改进的分支限界框架，用于高效求解稳健统计中的加权最小子集平方回归问题，通过超平面排列逻辑提升计算效率，实验证明在低维数据中能显著提升求解速度和精度。
Schema-Adaptive Tabular Representation Learning with LLMs for Generalizable Multimodal Clinical Reasoning
基于LLM的Schema自适应表格表示学习用于通用多模态临床推理
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Boston University（波士顿大学） ； University of Southern California（南加州大学） ； GDIIST ； Renyixun Health Technology Co., Ltd.（仁心迅健康科技有限公司）
AI总结 本文提出基于LLM的Schema自适应表格表示学习方法，通过将结构化变量转换为语义自然语言并编码，实现零样本跨schema对齐，结合表格和MRI数据在多模态 dementia 诊断中取得优于临床基准的性能。
Comments 11 pages, 4 figures
Journal ref ACL 2026, Main conference
LOLGORITHM: Funny Comment Generation Agent For Short Videos
LOLGORITHM：短视频 funny 评论生成代理
机构 * University of New South Wales（新南威尔士大学） ； University of Sydney（悉尼大学） ； The University of Hong Kong（香港大学） ； University of Southern California（南加州大学）
AI总结 本文提出LOLGORITHM框架，通过视频摘要、分类和语义检索生成符合平台文化的短视频评论，实验显示其在YouTube和抖音上的人类偏好选择率高达80.46%和84.29%。
MosaicMRI: A Diverse Dataset and Benchmark for Raw Musculoskeletal MRI
MosaicMRI：一个多样化的数据集和基准用于原始骨科MRI
机构 * University of Southern California（南加州大学） ； USC Center on AI Foundations for the Sciences（南加州大学科学人工智能基础中心） ； University of Utah（犹他大学）
AI总结 本文提出MosaicMRI数据集，用于训练和评估机器学习方法，通过多样化解剖结构和成像参数，研究模型在不同场景下的表现，揭示跨解剖相关性的重要性。
Comments 15 pages, 6 figures, preliminary version
