标签
一篇综述与立场论文，认为不同模态的嵌入研究正通过对比学习和 Transformer 架构走向融合，并提出一个涵盖覆盖性、可比性和组合性的框架，将变换、对齐和联合嵌入视为通向全模态统一的路径。
一篇 Hugging Face 与 Data & Society 合作的立场论文，指出当前 AI agent 设计中的人工监督（HITL）不仅因工作量与复杂度难以有效执行，还会导致监督者技能退化，呼吁在设计与组织层面同等重视监督者的认知需求。
这篇立场论文概述了现有可解释人工智能特征重要性忠实度指标的五项主要缺陷，并提出了四个研究方向以提高其可靠性，认为当前的可解释人工智能解释缺乏严谨的基准，难以量化其对底层模型的忠实程度。
一篇立场论文主张，AI 开发应超越将单一 ground truth 视为绝对标准的做法，转而对合理的人类判断空间进行建模，同时区分有意义的模糊性与标注噪声。
这篇立场文章主张，离线强化学习应当从学习静态的部署策略，转向学习能够通过后续在线交互不断改进的自适应策略先验。作者提出了名为自适应离线强化学习（Adaptive Offline RL, AORL）的框架，并强调贝叶斯离线强化学习是保留认知不确定性的一种有原则的方法。
这篇立场论文分析了机器学习领域的复现危机——对不可用代码和无法复现的结果进行量化——并提出具体措施，以加强机器学习研究中结果的可核查性与可验证性。
本文将语言模型视为语言产物，使用意大利模型来探究其训练过程，并质疑其对语言的表征。文章主张在自然语言处理中区分技术产品和研究工具。
本文论证，改进机器学习同行评审需要实施可执行的程序保障措施，并引入可消耗积分系统（如OpenReview Points），以此激励优质评审并控制投稿量。
本文立场论文认为，人工智能安全研究必须应对AI锁定现象，即过度依赖人工智能导致人类技能退化和系统性脆弱性，并提供缓解策略的指导。
这篇立场论文认为，用于高风险决策的AI系统应以与其用户相似的方式进行推理，并忠实地传达这种推理，同时概述了实现这种“认知对齐AI”的研究议程。
本文认为，现代AI对齐技术尽管旨在防止有害输出，但属于双重用途技术，可能被滥用于审查和操纵，并敦促社区正视这一风险。
这篇立场论文认为，AI推理缺乏清晰的操作性定义，削弱了评估的有效性，并提出将推理定义为一种可学习的基于规则的过程，同时提供研究最佳实践的检查清单。
This position paper argues that many LLM failures stem from evaluating outputs independently and proposes a self-consistency framework that treats diverse techniques as special cases of consistency optimization.
This position paper argues that long-horizon benchmark failures must be compared against baselines built from matched short stages, introducing the 'horizon residual' metric to distinguish task size from task difficulty in LLM agent evaluation.
This position paper argues that language model evaluation scores should be treated as perishable knowledge claims, not ground truth, and proposes explicit metadata such as formality tier, scope declaration, and expiration date to counter 'trust inflation' caused by averaging weak and strong signals.
本文立场论文反驳了自然语言可以完全取代形式语言（如编程语言）的观点，提出了一个基于信息论的特定性框架，并证明了一个交叉定理，表明形式语言在高特定性任务中更具优势。
本文主张从被动的AI飞轮维护（出现错误时修补）转向主动的测试驱动方法，将反馈映射到任务条件的测试空间，并从数学上证明主动方法能以更少的迭代实现更好的长期扩展。