让 Agent 更可靠地调用工具和复用技能、评测视频生成的时间一致性和运动真实感、提升 RAG 检索和知识库问答可靠性

D2VBench: Benchmarking Large Language Models with Value Dilemmas in Daily Scenarios

中文标题D2VBench ：在日常场景中对具有价值困境的大型语言模型进行基准测试

关注理由涉及工具调用、执行反馈和可复用能力，可作为 Agent 工作流可靠性的补充线索。

Lean-SAM2: Target-Anchored Memory and Encoder Acceleration for SAM2

中文标题精益SAM2 ： SAM2的目标锚定存储器和编码器加速

关注理由涉及任务设置、指标和失效案例，可补充模型评测与回归测试。

Evolving Cache Schedules for Fast Diffusion Policy Inference

中文标题Evolving Cache Schedules 面向 Fast Diffusion Policy Inference

关注理由涉及推理成本、延迟、吞吐和部署约束，可补充系统优化方向。

Interpretable Fuzzy Rule-Based Regression Extension for Ex-Fuzzy Library

中文标题Interpretable Fuzzy Rule-Based Regression Extension 面向 Ex-Fuzzy Library

关注理由涉及模型安全、护栏路由、风险分类或治理评测，可作为安全评测与治理工具链的补充线索。

Adaptive Bayesian Online Learning via Expert Aggregation

中文标题通过专家聚合进行自适应贝叶斯在线学习

关注理由涉及检索、知识库问答与证据可靠性，可作为 RAG 评测和企业知识系统的补充线索。

RIM: A Retrieval-In-Matching Framework for Cross-Domain Global Visual Localization of UAVs

中文标题RIM：A Retrieval-In-Matching 框架 面向 Cross-Domain Global Visual Localization of UAVs

关注理由涉及检索、知识库问答与证据可靠性，可作为 RAG 评测和企业知识系统的补充线索。

Cumsum-Composable Phase Transport for Low-Cost Streaming Keyword Spotting

中文标题用于低成本流式关键词识别的累积可组合相位传输

关注理由涉及任务设置、指标和失效案例，可补充模型评测与回归测试。

A Framework of User Experience Principles for Human-AI Agent Interaction in the Workplace

中文标题工作场所人工智能座席互动的用户体验原则框架

关注理由涉及工具调用、执行反馈和可复用能力，可作为 Agent 工作流可靠性的补充线索。

Harnessing Disagreement: Detecting Correlated Agreement Blindness in Multi-Agent Triage

中文标题驾驭分歧：在多代理分类中检测相关的协议盲目性

关注理由涉及工具调用、执行反馈和可复用能力，可作为 Agent 工作流可靠性的补充线索。

Efficient Clustering with Provable Guardrails for LLM Inference at Scale

中文标题使用可证明的护栏进行大规模LLM推理的高效聚类

关注理由涉及模型安全、护栏路由、风险分类或治理评测，可作为安全评测与治理工具链的补充线索。

Edge Intelligence in Civil Aviation: Paradigms, Techniques, and Applications

中文标题民航边缘智能：范式、技术和应用

关注理由涉及模型安全、护栏路由、风险分类或治理评测，可作为安全评测与治理工具链的补充线索。

FMRP-LEAN: A HIPAA-Compliant AI-Augmented LIMS Architecture for End-to-End Clinical Assay Workflow Optimization

中文标题FMRP-LEAN：A HIPAA-Compliant AI-Augmented LIMS Architecture 面向 End-to-End Clinical Assay Workflow Optimization

关注理由涉及检索、知识库问答与证据可靠性，可作为 RAG 评测和企业知识系统的补充线索。

Closing the Lab-to-Store Gap: A Data-Efficient Post-Training and Experience-Driven Learning VLA Framework for Retail Humanoids

中文标题缩小实验室到商店的差距：面向零售类人机的数据高效后期培训和体验驱动学习VLA框架

关注理由涉及工具调用、执行反馈和可复用能力，可作为 Agent 工作流可靠性的补充线索。

OpenSkillRisk: Benchmarking Agent Safety When Using Real-World Risky Third-Party Skills

中文标题OpenSkillRisk：基准ing Agent Safety When 使用 Real-World Risky Third-Party Skills

关注理由涉及模型安全、护栏路由、风险分类或治理评测，可作为安全评测与治理工具链的补充线索。

Reinforcement Learning for Large Language Model Selective Evidence Adoption from Contaminated Retrieval Results

中文标题从受污染的检索结果中采用大型语言模型选择性证据的强化学习

关注理由涉及检索、知识库问答与证据可靠性，可作为 RAG 评测和企业知识系统的补充线索。

PRO-LONG: Programmatic Memory Enables Long-Horizon Reasoning

中文标题PRO-LONG ：程序化内存实现长视野推理

关注理由涉及工具调用、执行反馈和可复用能力，可作为 Agent 工作流可靠性的补充线索。

Unified Prediction and Planning via Conflict-Aware Disjoint Parameter Training

中文标题通过冲突感知不相交参数培训进行统一预测和规划

关注理由涉及工具调用、执行反馈和可复用能力，可作为 Agent 工作流可靠性的补充线索。

When Shippers Become Algorithms: Candidate Exposure, Information Design, and the Concentration of LLM-Mediated Freight Markets

中文标题当托运人成为算法时：候选人曝光、信息设计和LLM介导的货运市场的集中

关注理由涉及工具调用、执行反馈和可复用能力，可作为 Agent 工作流可靠性的补充线索。

When Does Knowledge Distillation Hurt? Reliability-Aware Distillation for Low-Resource Language Summarization

中文标题知识蒸馏何时会造成伤害？用于低资源语言总结的可靠性感知蒸馏

关注理由涉及检索、知识库问答与证据可靠性，可作为 RAG 评测和企业知识系统的补充线索。

G-MAD: A Game-Based Data Generation Framework for Multi-View RGB-T Aerial Object Detection

中文标题G-MAD：A Game-Based Data Generation 框架 面向 Multi-View RGB-T Aerial Object Detection

关注理由涉及任务设置、指标和失效案例，可补充模型评测与回归测试。