这篇 ACL 2026 的论文提出了 SAGE（Skill Augmented GRPO for self-Evolution），面向带有技能库的自改进智能体，通过强化学习同时优化 Skill 的生成、复用与任务执行。其核心是 Sequential Rollout：让智能体连续执行一组相似任务，并把前序任务生成的 Skill 保存到技能库中供后续任务调用；同时设计 Skill-integrated Reward，不仅奖励当前任务成功，还额外奖励“生成的 Skill 能帮助后续任务成功”以及“成功复用已有 Skill”的行为。实验在 AppWorld 上表明，SAGE 相比普通 GRPO 在 Test Normal 上将 SGC 从 51.8% 提升到 60.7%，同时减少约 26% 的交互步数和 59% 的生成 Token。论文说明，相比只优化单任务结果的传统 Agent RL，SAGE 更关注经验能否被沉淀为可复用技能，从而提升智能体的持续自改进能力与执行效率。
大家好，本周将和大家分享文章《Concept Bottleneck Models》。本文认为，传统端到端模型直接从输入预测结果，虽然能够获得较好的任务性能，但缺乏基于人类可理解概念进行解释和干预的能力。为此，文章在输入与最终预测之间引入概念瓶颈，构建 (X\rightarrow C\rightarrow Y) 的模型结构，并重点研究了不同训练方式下模型的任务准确率、概念准确率以及测试时概念干预的效果。
大家好，本周和大家分享一篇关于神经符号学习与医学图像分类的论文《Abductive Multi-Instance Multi-Label Learning for Periodontal Disease Classification with Prior Domain Knowledge》，发表于 Medical Image Analysis。论文针对传统牙周疾病分类方法难以刻画局部病变与疾病类别之间复杂关系、且难以有效利用医生先验知识的问题，提出了 AB-MIML 方法。该方法将整张口腔图像作为 Bag、局部图像块作为 Instance，利用多实例多标签学习建模局部区域与疾病属性之间的关系，并进一步将医生经验和图像结构信息表示为知识库，通过溯因推理（Abductive Reasoning）对模型产生的伪标签进行校验和修正，使神经网络的感知能力与符号知识的推理能力相结合。汇报中将重点介绍 MIML 建模、知识库构建、溯因学习机制以及实验结果。欢迎大家批评指正，谢谢！
这篇 ICLR 2025 的论文提出了“环境注入攻击”（EIA），揭示了网页智能体的一种新型隐私泄露风险。攻击者通过在网页 HTML 中植入隐藏恶意元素，诱导智能体在执行任务时，将用户的个人信息（PII）泄露出去。实验显示，针对特定 PII 的窃取成功率最高可达 70%。由于攻击后原任务仍能正常完成，用户难以察觉。论文强调，简单的提示词防御无效，需构建多层次的防御体系。
该论文提出 DeepTutor，一个以共享个性化引擎为核心的个性化学习框架，旨在解决大模型教育系统中问题辅导与问题生成相互割裂、缺乏持续学习者模型的问题。系统由静态知识基础（SKG）和动态个性化记忆（DPM）组成：SKG 提供课程知识依据，DPM 通过轨迹森林和学习者画像持续记录学习过程与薄弱点。DeepTutor 将辅导拆为“调查—引导—迭代生成”，将出题拆为“想法生成—题目/答案/解析生成”，并用独立 Validator 校验，使辅导与练习形成闭环。论文还提出 TutorBench 基准，实验显示其相比最佳基线整体提升 10.76%，验证了 SKG 与 DPM 对个性化教学的关键作用。
本文提出L3A，将解析持续学习方法ACL扩展到多标签类增量学习场景，目标是在不保存历史样本的情况下持续学习新类别并减轻遗忘。针对多标签数据中历史类别标签缺失的问题，方法利用上一阶段分类器为当前样本生成历史类别伪标签，形成更完整的训练标签；同时设计加权解析分类器，根据类别出现频率为不同样本分配权重，减弱高频类别主导、低频类别被忽视的问题。模型采用冻结的 TResNet-M 提取图像特征，并通过随机投影和ReLU映射到高维空间，最终利用加权岭回归的闭式解以及递归更新的 $R_t$ 和 $W_t$ 完成持续学习。实验表明，L3A在COCO和VOC多种增量协议下取得了较好的无回放多标签持续学习性能。