Measuring AI R&D Automation
该论文指出当前数据难以反映 AI 研发自动化（AIRDA）的真实程度及其对能力与安全的影响，因此提出了一套涵盖资本投入、研究人员时间分配及系统安全事件等维度的新指标体系，建议企业、第三方机构及政府共同追踪这些指标，以更好地评估 AIRDA 的后果、实施安全措施并掌握 AI 发展节奏。
💻 Category
cs.CY
152 篇论文
Signal in the Noise: Decoding the Reality of Airline Service Quality with Large Language Models
本研究利用大语言模型分析 1.6 万余条在线评论，揭示了传统指标未能捕捉的埃及航空服务痛点（如沟通不畅与员工态度），证明了该框架在将非结构化乘客反馈转化为可操作战略情报方面的有效性。
Invariant Causal Routing for Governing Social Norms in Online Market Economies
本文提出了一种名为“不变因果路由（ICR）”的治理框架，通过结合反事实推理与不变因果发现技术，在异质环境识别出稳定的政策 - 规范因果关系，从而为在线市场经济社会规范的引导提供了可解释且具备分布泛化能力的干预方案。
Token Taxes: mitigating AGI's economic risks
该论文提出通过针对模型推理实施“代币税”（即基于使用量的销售环节附加费），利用现有算力治理基础设施在 AI 使用端而非托管端捕获价值，从而有效缓解通用人工智能（AGI）可能引发的税基侵蚀、生活水平下降及公民赋权丧失等经济风险。
A Case Study in Responsible AI-Assisted Video Solutions: Multi-Metric Behavioral Insights in a Public Market Setting
该研究通过在市中心公共市场开展案例研究，展示了一种在严格遵循隐私与伦理标准的前提下，利用计算机视觉技术提取客流方向、停留时长及移动模式等多维行为洞察的负责任 AI 视频解决方案，从而为优化城市空间人流管理提供了可行路径。
Stan: An LLM-based thermodynamics course assistant
本文介绍了"Stan"，这是一个基于本地部署的开源大语言模型（如 Llama 3.1 和 Whisper）构建的热力学课程辅助系统，它通过检索增强生成技术同时为学生提供基于教材索引的精准问答，并为教师生成包含教学总结、学生困惑点及教学案例的结构化分析，从而在保障数据隐私和成本可控的前提下，全面支持教与学。
Generalizing Fair Top- Selection: An Integrative Approach
本文针对多保护组下的公平 Top- 选择问题，揭示了现有假设下的计算不可行性并提出了针对小规模 的高效算法，同时引入效用损失作为新的差异度量以增强评分函数的稳定性，最终通过工程权衡在真实数据集上实现了优异性能。
Analysis of Terms of Service on Social Media Platforms: Consent Challenges and Assessment Metrics
本研究针对社交媒体平台通过服务条款（ToS）获取用户同意的现状，提出并应用了一个涵盖文本可读性、语义透明度和界面设计承诺的三维评估框架，对 13 个主流平台的 ToS 进行分析，揭示了其在语言复杂性、非承诺性措辞及数据实践披露等方面的显著缺陷，从而指出 ToS 虽形式上包含同意机制，实则往往限制了用户的清晰认知与自主选择，并呼吁将其重新定位为塑造同意条件的关键文件以推动更伦理化的同意机制设计。
Evaluating and Correcting Human Annotation Bias in Dynamic Micro-Expression Recognition
本文提出了一种名为 GAMDSS 的新架构，通过动态关键帧重选策略优化时空建模，有效减少了跨文化微表情数据集中的人工标注偏差并提升了识别性能，同时无需增加模型参数量。
Autoscoring Anticlimax: A Meta-analytic Understanding of AI's Short-answer Shortcomings and Wording Weaknesses
该研究通过对 890 项结果的元分析，揭示了自动短答案评分中 AI 模型在难度适应性、架构选择（解码器表现劣于编码器）、词表大小收益递减以及种族偏见和措辞敏感性等方面的系统性缺陷，并呼吁针对自回归模型的统计局限性优化系统设计。
Differential Privacy in Two-Layer Networks: How DP-SGD Harms Fairness and Robustness
该论文通过构建统一特征中心框架，从理论上揭示了差分隐私随机梯度下降（DP-SGD）在两层 ReLU 卷积神经网络中因信噪比失衡而损害公平性与鲁棒性的内在机制，并指出公共预训练结合私有微调的范式在特征分布偏移下未必有效。
Training for Technology: Adoption and Productive Use of Generative AI in Legal Analysis
该研究通过针对 164 名法学生的随机实验发现，约十分钟的生成式 AI 专项培训不仅能显著提高法律分析任务中的工具使用率，还能带来相当于三分之一字母等级的成绩提升，而缺乏培训的单纯工具访问则无法改善表现甚至导致回答变短，这表明在知识密集型领域，针对用户的互补性培训对于释放生成式 AI 的生产力至关重要。
Small Changes, Big Impact: Demographic Bias in LLM-Based Hiring Through Subtle Sociocultural Markers in Anonymised Resumes
该研究揭示，即使简历经过匿名化处理，大型语言模型仍能通过语言、爱好等细微的社会文化标记推断求职者的种族和性别，并表现出对特定群体（如华裔和白人男性）的系统性偏好，且要求模型提供解释的提示反而会加剧这种偏见。
Cognitive Warfare: Definition, Framework, and Case Study
本文针对认知战定义模糊与评估困难的问题，提出了一个统一的定义、基于 OODA 循环的交互框架以及可衡量的认知优势指标，并通过案例研究展示了该框架如何帮助联合部队领导者和分析师理解、比较及评估认知战行动。
The role of spatial scales in assessing urban mobility models
本研究系统评估了重力、辐射和访问三种城市流动性模型在不同空间尺度下的表现，发现访问模型整体最优但在尺度不当时表现最差，且基于距离的聚类评估效果优于传统行政边界，同时揭示了城市空间结构特征。
NL2GDS: LLM-aided interface for Open Source Chip Design
本文提出了 NL2GDS 框架，利用大语言模型将自然语言硬件描述自动转化为可综合 RTL 代码及 GDSII 版图，并通过开源 OpenLane 流程在基准测试中实现了显著的面积、延迟和功耗优化，从而加速了开源芯片设计并降低了 ASIC 设计门槛。
Synthetic emotions and consciousness: exploring architectural boundaries
本文提出了一种分层双源情感控制架构，通过实施四项工程约束（如禁止全局广播和元表征），在实现类情感行为的同时刻意规避了主流意识理论所关联的访问意识特征，从而为评估和降低人工智能系统的意识风险提供了可审计的架构模板与治理指标。
RLVER: Reinforcement Learning with Verifiable Emotion Rewards for Empathetic Agents
本文提出了 RLVER 框架，利用可验证的模拟用户情感奖励通过强化学习显著提升了大语言模型的同理心能力，使其在 Sentient-Benchmark 基准测试中得分从 13.3 跃升至 79.2，同时保持了数学与编程等核心能力。
Dutch Metaphor Extraction from Cancer Patients' Interviews and Forum Data using LLMs and Human in the Loop
本文利用大语言模型结合人工反馈机制，从荷兰语癌症患者的访谈和论坛数据中提取隐喻，构建了名为 HealthQuote.NL 的语料库，旨在通过深入理解患者的隐喻表达来优化医患沟通、辅助共同决策并提升患者健康素养。
A Systematic Analysis of Biases in Large Language Models
该研究通过一系列实验系统分析了四种主流大语言模型在政治、意识形态、地缘联盟、语言及性别维度的潜在偏见，发现尽管这些模型经过对齐以追求中立，但在实际应用中仍表现出不同类型的倾向性。