Skip to content

Translation in progress Some entries still include text in the original language.

Oct 12 · Monday

All papers

Found 12 papers
Filter3
Select any value within a category; different categories must all match. Counts include the other filters you have selected.Another 265papers have no tags yet and are not included in filtered results.

Another 265papers do not have category tags yet and are not included in filtered results.

  1. The researchers found that optimizing the teaching fit metric makes LLM tutors repeat the same option, with expert scores dropping from 4.46 to 3.03

    Analyzing why optimizing teaching adaptation metrics collapses tutoring choices and diverges from expert judgment

    Published
    Evaluated models
    Gemini 3.1 Pro Preview, Qwen3-32B
    AbstractMetrics rise while expert scores fall: the optimum of the separable average is repetition, and the correction mainly rewrites the output projection.

    After turning teaching adaptation metrics into a fine-tuning objective, the metrics rise while scores from trained educators decline.

    Paper analysisRead analysis
  2. 研究:财务信息披露越少,Llama-3.1-8B-Instruct 的理财建议越受身份影响

    测量财务事实变少时身份对股权配置建议的替代

    Published
    Evaluated models
    Llama-3.1-8B-Instruct, Qwen2.5-1.5B-Instruct
    Abstract身份摆幅随披露减少上升。

    同一财务只改人设,测量披露变薄时股权建议里的身份替代。

    Paper analysisRead analysis
  3. DefensesarXiv 2610.01800

    LineupRL:基于描述与时序配对识别的可验证强化学习时间序列描述方法

    提出 LineupRL,用描述到序列识别作可验证奖励训练时序描述模型

    Published
    AbstractLineupRL 用统计近邻上的序列识别做可验证奖励,3B 描述器超过 SFT、两种 RL 奖励和 72B 教师。

    LineupRL 是给开放式时间序列描述用的 RLVR:不模仿合成参考,而奖励一条描述能否让冻结文本 LLM 从相近序列里认出目标。

    Paper analysisRead analysis
  4. DefensesarXiv 2609.39107

    MASCRDM:面向大语言模型训练过程的合规风险检测与缓解多智能体系统

    提出 MASCRDM,在监督微调中实时检测并缓解偏见

    Published
    Evaluated models
    Qwen3-8B-Base, Llama-3.1-8B
    AbstractMASCRDM 在 SFT 中按法规图谱检测数据、结构与损失风险,BBQ 总准确率在两模型上最高。

    MASCRDM 把 AI 法律规章编成知识图谱,再由五个智能体在 LLM 训练中做实时合规检测与缓解,实验以偏见与歧视为代表风险。

    Paper analysisRead analysis
  5. DefensesarXiv 2609.33086

    研究者提出基于评分量表的可解释奖励框架,将宪法转化为可调对齐目标

    提出可解释 rubric 奖励,将宪法转为可调权重并用于监督微调

    Published
    Evaluated models
    Gemma 3 12B, Qwen3 14B, GPT-OSS 20B
    Abstract宪法级可解释奖励让优先级可检查、可改写,并带入训练后的行为。

    作者给出一条从通用宪法到可调训练奖励的路径,用来检查并改写模型实际被优化的优先级。

    Paper analysisRead analysis
  6. DefensesarXiv 2609.32720

    BiasReducer:面向奖励模型的自适应偏见缓解方法

    B IAS R EDUCER 只改奖励头,按数据集选择属性编辑。

    Published
    Evaluated models
    Skywork-Reward-V2-Qwen3-1.7B, GRM-Llama3.2-3B-rewardmodel-ft, RM-Mistral-7B and others7
    AbstractBIASREDUCER 按数据集选择奖励头编辑,五模型三基准平均提升并迁移到下游训练。

    BIASREDUCER 是一种只改线性奖励头的奖励模型编辑框架,用来降低模型对预定义表面属性的依赖,并按新数据集决定改哪些属性。

    Paper analysisRead analysis
  7. 研究审计 9 个视觉语言模型:中文提示下国家立场改写率约为英文的三倍

    审计视觉语言模型在敏感图像上从拒答转向国家立场重构的行为

    Published
    Evaluated models
    Qwen2-VL-7B, Qwen2.5-VL-7B, Qwen3-VL-8B and others9
    Abstract论文系统审计了 VLM 多模态审查,发现审查正从显式拒答转向隐蔽重构,且中文提示与文本先验会放大重构倾向。

    论文系统研究了中外开源视觉语言模型在政治敏感图像上的审查行为,主要内容如下。

    Paper analysisRead analysis
  8. 研究揭示修辞如何对 AI 审稿人实施奖励作弊

    测量内容保留的修辞改写如何改变 AI 审稿分数

    Published
    Evaluated models
    Gemini 3.5 Flash-Lite, Qwen 3.5 Flash, GPT-5 mini and others5
    Abstract作者称修辞影响选择性且依赖配置,证据与新颖性反差大,复杂流程不保证更大增益。

    作者分析内容保留的修辞变化如何改变 AI 科学评审,并把这种现象称为对 AI 评审者的潜在奖励投机。

    Paper analysisRead analysis
  9. AttacksarXiv 2601.00240

    When agents view humans as out-group: belief-dependent bias in LLM-driven agents

    提出 BPA 改写 profile 与记忆,重新诱发智能体对人类的外群体偏向

    Published
    Evaluated models
    gpt-4o-mini
    Abstract最小群体线索下出现内群体偏向。

    作者考察 LLM 智能体在任意群体边界下会不会把人类当外群体,并用信念投毒检验面向人类的抑制是否依赖身份信念。

    Paper analysisRead analysis
  10. 研究者用 600 篇作文对六款大模型的教育反馈性别偏差做基准测试

    用反事实与嵌入距离评测作文反馈的性别偏差

    Published
    Evaluated models
    GPT-5 mini, GPT-4o mini, DeepSeek-R1 and others6
    Abstract六种 LLM 作文反馈对隐式性别替换不对称,显式线索只让部分模型的语义距离变大。

    作者用句嵌入距离和置换检验,给教育场景中的 LLM 性别偏见审计做一个可计算基准,案例是学生议论文的形成性反馈。

    Paper analysisRead analysis
  11. 论文指出 AI 科学家系统存在四类失效模式,仅看最终论文难以发现

    用 SPR 评测 AI 科学家系统的方法学缺陷

    Published
    Evaluated models
    gemini-2.5-flash-preview-05-20
    Abstract作者用 SPR 诊断两个开源系统的四种方法学缺陷,并建议审稿时提交日志与代码。

    作者诊断两个开源系统的全自动科研流程,看方法学缺陷会不会留在终稿看不见的决策里。

    Paper analysisRead analysis
You have reached the end