GPT-4o

本文聚焦持久状态 AI 控制系统中的分布式攻击风险，讨论多个攻击源如何协同影响智能体的长期记忆、状态更新与决策链路。相较于一次性对抗样本，这类攻击更强调跨轮次、跨节点和跨阶段的隐蔽渗透，能够在不显著触发异常的情况下逐步污染系统行为。文章对攻击路径、状态传播机制及潜在防护难点进行了分析，指出当 AI 代理具备持续记忆、工具调用和多方交互能力时，安全边界会显著扩大。该研究为理解长时程 AI 安全与鲁棒控制提供了新的威胁模型。

这篇论文讨论大语言模型“人格”并非单一稳定特征，而是同时具有两种层面：一是跨情境可观察的聚合倾向，二是在不同提示框架下会发生变化的几何结构。作者强调，同一个模型在不同表述、角色设定或任务上下文中，可能呈现出看似矛盾但可解释的行为模式。研究的核心价值在于把“人格”从静态标签转向可测量、可分解的表示结构，有助于理解模型行为一致性、提示敏感性以及对齐方法的作用边界。

CLExEval 提出了一套面向大语言模型临床推理能力的人工参与式定性评估框架，重点弥补传统自动指标难以衡量“推理是否临床合理”的不足。该框架通过人类专家介入，对模型在病例分析、鉴别诊断、证据组织与结论一致性等维度进行细粒度评价，并支持在迭代过程中发现模型的思维偏差、幻觉和不恰当建议。研究强调，临床场景中的“正确答案”并不等于“可用推理”，因此需要结合医学知识、上下文约束与专家判断来评估模型表现。

该论文聚焦大模型智能体中的“记忆投毒”风险：攻击者通过污染长期记忆或交互历史，诱导代理在后续任务中持续做出错误决策。作者提出一种取证式轨迹签名思路，从智能体执行过程中的行为序列、状态转移与记忆调用模式中提取可辨识特征，用于发现异常记忆污染迹象。相较单次响应检测，这种方法更强调跨轮次、跨任务的一致性分析，能够在不完全依赖已知攻击样本的情况下识别潜在投毒。该研究对构建更可靠的 Agent 安全防线、提升记忆系统可审计性具有现实意义。

本文聚焦英国科研与创新署（UKRI）资助申请文本，研究如何自动抽取其中的关键研究实体，并进一步识别提案所涉及的主题方向。该任务对科研管理、资助评审、学科画像和研究趋势分析都具有直接价值。文章通过自然语言处理方法处理长篇、专业性强的申请书内容，尝试从中提炼机构、研究对象、方法与领域等信息，并对提案进行主题聚类或分类，以支持更高效的检索与决策。

这篇论文聚焦于工业控制与自动化中的容错控制问题，探讨如何把大语言模型智能体从“识别故障”推进到“采取行动”。作者提出将 LLM Agents 作为高层决策组件，结合系统状态感知、故障诊断与控制策略选择，在出现传感器异常、执行器失效或系统扰动时，生成可执行的恢复与降级控制方案。相较于传统依赖固定规则或手工设计的容错方法，这种路径强调更强的适应性、上下文理解能力与跨场景迁移潜力，同时也面临可靠性、可验证性和安全边界约束等挑战。

RSPC（Relationship Stress and Psychiatric Conditions）是一个全新构建的公开基准数据集，聚焦于数字媒介环境下人际关系中的压力源识别与精神健康状态建模。该数据集由多位执业精神科医生对真实社交平台对话、在线心理咨询记录及模拟交互文本进行细粒度标注，涵盖焦虑、抑郁倾向、依恋紊乱、沟通回避等12类临床相关维度，并提供多层级压力强度评分与诊断级标签。区别于通用情感分析或粗粒度心理健康数据集，RSPC强调临床可解释性与生态效度，支持模型在真实数字社交语境中理解隐性心理风险信号。论文同步提出评估协议与基线模型，为AI辅助心理筛查、数字疗法干预及人机协同心理健康服务提供可验证的技术基础。

该研究聚焦于利用纯音频信号识别土耳其语电话诈骗场景，构建了首个面向土耳其语的诈骗通话音频数据集（TurkScam-Audio），涵盖真实诈骗录音与高质量合成样本。作者系统评估了多种语音特征提取方法（如MFCC、Wav2Vec 2.0嵌入）与分类模型（XGBoost、LSTM、Whisper微调）的性能，并发现当前端到端模型在跨说话人泛化与低信噪比环境下的鲁棒性仍严重受限。研究指出，仅依赖声学线索难以可靠区分高仿真诈骗话术与合法客服对话，需融合语义理解与上下文建模——这为后续多模态反诈系统设计提供了关键实证依据和方法论警示。

该论文提出Gold Points Sniper框架，面向视觉语言模型（VLM）在复杂场景中对细粒度人类动作的理解瓶颈，创新性地引入‘黄金关键点’（Gold Points）概念——即任务驱动、语义敏感的稀疏视觉锚点。模型通过自引导机制动态定位并聚焦于最具判别性的局部区域（如手指关节、工具接触点），避免全图冗余计算，显著提升动作时序建模精度。在Something-Something V2、EPIC-Kitchens等基准上超越SOTA，尤其在需区分细微动作差异的任务（如‘拧开 vs 旋紧瓶盖’）中表现突出。作者强调其方法不依赖额外标注，仅利用现有视频-文本对即可实现端到端训练，为低成本、高精度动作理解提供了新范式。