University of Wisconsin-Madison（威斯康星大学麦迪逊分校）

OpenSafeIntent: Evaluating Intent-Calibrated Safe Completion Across Dual-Use Prompt Sets

OpenSafeIntent: 评估跨双用途提示集的意图校准安全补全

Rheeya Uppaal, Seungwoo Lyu, Selina Sung, Junjie Hu

机构 * Department of Computer Sciences University of Wisconsin-Madison（计算机科学系威斯康星大学麦迪逊分校） ； Department of CSE Korea University（计算机科学与工程系韩国大学） 纠错

AI总结 提出OpenSafeIntent基准，通过控制任务不变而改变意图的提示集，评估模型在意图变化时是否校准辅助行为，发现提示级安全掩盖重要失败。

Comments Preprint

WARP: Weight-Space Analysis for Recovering Training Data Portfolios

WARP: 基于权重空间分析恢复训练数据组合

Tzu-Heng Huang, Aditya Goyal, John Cooper, Frederic Sala

机构 * University of Wisconsin-Madison（威斯康星大学麦迪逊分校） 纠错

AI总结 提出WARP框架，通过模型合并生成伪检查点，从权重空间几何特征恢复微调模型的训练数据域混合比例，在BERT和GPT-2上平均MAE分别低至0.046和0.104。

Comments This work appears in the ICML 2026 Workshop on Weight-Space Symmetries (WSS): from Foundations to Practical Applications. Our source code is available at github.com/SprocketLab/WARP

Multi-Head Recurrent Memory Agents

多头递归记忆智能体

Jiatong Li, Samuel Yeh, Sharon Li

机构 * Department of Computer Science, University of Wisconsin-Madison（威斯康星大学麦迪逊分校计算机科学系） 纠错

AI总结 针对递归记忆智能体在长上下文中性能退化问题，提出多头递归记忆（MHM）框架，通过分阶段选择-更新策略隔离记忆头，显著提升记忆保持率和端到端准确性。

Comments 19 pages, 11 figures, 5 tables

How Much Future Helps? A Controlled Study of Future-Privileged Supervision for Causal Egocentric Gaze Estimation

未来有多大帮助？面向因果自我中心视线估计的未来特权监督受控研究

Jia Li, Wenjie Zhao, Fnu Atisri, Sanskriti Aripineni, Shijian Deng, Jon E. Froehlich, Yuhang Zhao, Yapeng Tian

机构 * The University of Texas at Dallas（德克萨斯大学达拉斯分校） ； University of Washington（华盛顿大学） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） 纠错

AI总结 提出一种受控框架，通过训练时访问未来帧但推理时丢弃的未来感知分支，研究未来上下文对因果视线估计的影响，发现最优未来视野约1.7-3.3秒。

Comments Accepted to the 7th International Workshop on Eye and Gaze in Computer Vision (GAZE 2026), CVPR 2026. Best Paper Award

BIFROST: Bridging Invariant Feature Representation for Observation-space Sim2Real Transfer

BIFROST: 桥接不变特征表示用于观测空间Sim2Real迁移

Yunfu Deng, Josiah P. Hanna

机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校） 纠错

AI总结 提出BIFROST方法，通过跨域双模拟目标学习共享历史编码器，将导致等价长期行为的观测-动作序列映射到相近潜状态，实现零样本sim2real迁移。