OtherarXiv 2610.09296
论文用生成式 Agent 建模模拟私有测试集对评分与用户体验差距的影响
用混合生成式多智能体仿真考察基准留出对评分与满意度差距的影响
- arXiv
- 2610.09296
- Published
- Layer
- Application layer
- Setting
- Multi-agent systems
All papers
Filter1
System type
Layer
Select any value within a category; different categories must all match. Counts include the other filters you have selected.Another 305papers have no tags yet and are not included in filtered results.
Another 305papers do not have category tags yet and are not included in filtered results.
- OtherarXiv 2610.09279
研究将 ChatGPT 记录与 Prolific 提交比对
比对捐赠对话史与众包提交，测量 AI 代答的集中度与获批
- arXiv
- 2610.09279
- Published
- Layer
- Prompt layer
- Setting
- Models and APIs
- OtherarXiv 2610.06084
研究分析英国 112 例 AI 生成虚假信息，识别八类危害风险
用伤害风险模型评估英国 AI 生成虚假信息的伤害潜能
- arXiv
- 2610.06084
- Published
- Layer
- Model layer
- Setting
- Models and APIs
- OtherarXiv 2609.39518
研究：视觉语言模型在协作任务中很少主动表达指代不确定性
研究视觉语言模型在协作中能否表示并说出指称不确定性
- arXiv
- 2609.39518
- Published
- Layer
- Model layer
- Setting
- Models and APIs
- Evaluated models
- GPT-4.1 (2025-04-14), GPT-5 (2025-08-07), GPT-5.5 (2026-04-24)
- ComponentVision
Abstract指称不确定性可被引出，但很少说出来。
- OtherarXiv 2608.30387
研究者提出多智能体系统输出与委派链路双层存证方案
提出多智能体输出与跨部署方委派的两层存证
- arXiv
- 2608.30387
- Published
- Layer
- Application layer
- Setting
- Multi-agent systems
- ComponentPermissions and sandboxing
Abstract两层证明记录放出字节与边授权。
部署方侧的两层证明，用来在多智能体跨部署方委托之后回答两个事后问题：谁放出了这些字节，这条跨部署方边有没有父方授权。
- OtherarXiv 2607.21317
研究称全球南方 AI 审计远落后于部署，十年仅不足二十例已部署系统审计
论证全球南方已部署 AI 系统的独立审计远落后于部署
- arXiv
- 2607.21317
- Published
- Layer
- Application layer
- Setting
- LLM applications
- Evaluated models
- Robot Laura, national child-welfare risk model (Southern Cone, anonymized), national public employment matching algorithm (Latin America, anonymized) and others4
Abstract作者用自身委托记录评估缺口和四类模式，并主张资助方把独立评估写成用款条件。
Eticas 的立场是：全球南方的 AI 已经进入公共系统，独立评估还没有成为义务，先能动的是出资方。
- OtherarXiv 2605.22949
MARGIN：面向多智能体基础模型协调的运行时置信度校准
提出 MARGIN 在线校正异构模型自报置信并用于答案投票
- arXiv
- 2605.22949
- Published
- Layer
- Application layer
- Setting
- LLM applications
- Evaluated models
- MiniMaxAI/MiniMax-M2.5, Qwen/Qwen2.5-14B-Instruct-1M, Qwen/Qwen2.5-32B-Instruct and others18
Abstract有反馈时，MARGIN 按模型校正自报置信，并在两次代码迁移上得到更低 ECE。
MARGIN 是放在协调器侧的运行时置信校正：异构基础模型各自报告置信，协调器不改模型，只把这些分数变成答案级投票的权重。要处理的是两件事。同一自报数值在不同模型上可靠性不同。
- OtherarXiv 2509.05219
对话式 AI 提升政治知识的效果与自主上网搜索相当
比较对话式 AI 与自主搜索对政治真假信念的影响
- arXiv
- 2509.05219
- Published
- Layer
- Model layer
- Setting
- Models and APIs
- Evaluated models
- GPT-4o, Claude-3.5, Mistral
Abstract作者称任务导向下对话式 AI 改变政治知识的程度与谷歌搜索相当。
作者报告，英国人已把对话式 AI 用于选举相关信息。在被要求研究指定议题时，它改变政治知识的程度与自行谷歌搜索相当。
You have reached the end