Virginia Tech

多智能体工作流的自动生成开始把执行时间当作目标：LAWA通过针对关键路径瓶颈的图编辑压缩总耗时，在七个基准上同时保持有竞争力的任务表现。

多智能体工作流的自动生成开始把执行时间当作目标：LAWA通过针对关键路径瓶颈的图编辑压缩总耗时，在七个基准上同时保持有竞争力的任务表现。

SymAnt把场景图与知识图谱合并成一张联合图，用图搜索得到的符号上下文作为迭代解码的起点，从而在很短的观察窗口内预测较长的动作序列。在Breakfast与50 Salads的短观察设置中，它的平均类别准确率高于神经符号基线NeSCA和若干大模型基线；在EPIC-KITCHENS上，3M参数的模型与参数量达数十亿的微调大模型处于相近水平。由于预测锚定在可编辑的图上，用户可以在推理时增删节点来改变预测，无需重新训练。

SymAnt把场景图与知识图谱合并成一张联合图，用图搜索得到的符号上下文作为迭代解码的起点，从而在很短的观察窗口内预测较长的动作序列。在Breakfast与50 Salads的短观察设置中，它的平均类别准确率高于神经符号基线NeSCA和若干大模型基线；在EPIC-KITCHENS上，3M参数的模型与参数量达数十亿的微调大模型处于相近水平。由于预测锚定在可编辑的图上，用户可以在推理时增删节点来改变预测，无需重新训练。

防疫干预是文本政策，但普通大模型缺少推演干预后果的流行病动力学、判断严重度的监测信号，以及界定可行动作的机构约束。EpiWorld把LLM政策智能体接到一个以动作为条件的流行病世界模型上，用反事实推演筛选候选干预，并把推演结果沉淀为可复用的经验条目。在回顾性新冠与流感数据上，完整配置相对历史参考政策把8周累计住院降低59.3%（真实美国Omicron），六个LLM骨干平均约降16%。

防疫干预是文本政策，但普通大模型缺少推演干预后果的流行病动力学、判断严重度的监测信号，以及界定可行动作的机构约束。EpiWorld把LLM政策智能体接到一个以动作为条件的流行病世界模型上，用反事实推演筛选候选干预，并把推演结果沉淀为可复用的经验条目。在回顾性新冠与流感数据上，完整配置相对历史参考政策把8周累计住院降低59.3%（真实美国Omicron），六个LLM骨干平均约降16%。

该工作主张低维拓扑（如莫尔斯理论）可为机器学习提供尚未被充分探索的互补视角，提出引入配边理论概念并利用离散莫尔斯理论工具构建 MG-Diff 流程以改进图扩散模型性能，推导出在正决策间隙下莫尔斯理论工具及其诱导扩散引导在小扰动下保持稳定的理论保证与充分条件，并在时空图预测与图再生任务上展示其效用。

该工作主张低维拓扑（如莫尔斯理论）可为机器学习提供尚未被充分探索的互补视角，提出引入配边理论概念并利用离散莫尔斯理论工具构建 MG-Diff 流程以改进图扩散模型性能，推导出在正决策间隙下莫尔斯理论工具及其诱导扩散引导在小扰动下保持稳定的理论保证与充分条件，并在时空图预测与图再生任务上展示其效用。

该工作提出一种PAC-私有的扩散模型适配方法：先用LoRA或Textual Inversion学习紧凑的数据相关组件，再依据重复机制输出的协方差校准各向异性高斯噪声，仅对学习组件做一次扰动，从而避免梯度更新间的隐私组合；在少样本概念个性化与全数据集图像合成上，该方法在达到与DP相同重建隐私的同时，更好地保留了主体身份、生成质量和下游分类准确率。

该工作提出一种PAC-私有的扩散模型适配方法：先用LoRA或Textual Inversion学习紧凑的数据相关组件，再依据重复机制输出的协方差校准各向异性高斯噪声，仅对学习组件做一次扰动，从而避免梯度更新间的隐私组合；在少样本概念个性化与全数据集图像合成上，该方法在达到与DP相同重建隐私的同时，更好地保留了主体身份、生成质量和下游分类准确率。

该工作提出自反思微调（SRFT）：在干净专家轨迹中注入攻击指令，让智能体在受攻击上下文中采样自身可能失败的动作，再由专家模型生成对比安全与最优动作的结构化反思推理，用该反思监督微调智能体；在 Llama-3.1-8B-Instruct 与 Qwen3-8B 上实例化为 SR-Agent，AgentDojo 攻击成功率分别从 7.59% 降至 1.26%、从 16.97% 降至 1.05%，并在 RL-Hammer 自适应攻击下保持较低攻击成功率。

该工作提出自反思微调（SRFT）：在干净专家轨迹中注入攻击指令，让智能体在受攻击上下文中采样自身可能失败的动作，再由专家模型生成对比安全与最优动作的结构化反思推理，用该反思监督微调智能体；在 Llama-3.1-8B-Instruct 与 Qwen3-8B 上实例化为 SR-Agent，AgentDojo 攻击成功率分别从 7.59% 降至 1.26%、从 16.97% 降至 1.05%，并在 RL-Hammer 自适应攻击下保持较低攻击成功率。