arXiv AI74
一项研究在 OpenAI Custom GPT 环境中开发了面向 AI 治理教育的 TESSA，采用设计科学研究方法，用 100 个基准场景与基线 ChatGPT 对比。LLM 辅助评估显示治理对齐率为 TESSA 90%、基线 83%；由 AI 监管法律从业者独立验证后分别为 71% 和 70%。人类专家评审认为两者提供的治理指导总体较强，而 TESSA 在重复执行中保持较高一致性。
为什么值得看此前中小企业获取欧盟 AI 法案合规指导多依赖通用聊天机器人或人工咨询。该研究把治理对齐作为可量化指标，并引入法律从业者独立验证，显示专用治理型 GPT 相对通用基线在自动评估中有差距、在专家验证中差距缩小，其价值更多体现在输出稳定性而非绝对准确率提升。
arXiv AI69
该 arXiv 论文研究提示注入下 LLM 代理工具执行的安全问题，将 LLM 与工具之间的执行框架形式化为 Petri 网的监督控制问题，用标记表示能力、审批和预算；当所需的标记不存在或已经花费，被注入的请求就会被拒绝。论文还提出重规划闭环，并指出在该闭环中，传统监督器可能比更严格的安全监督器带来更多干预。
为什么值得看此前代理安全多依赖提示词约束或模型判断，措辞变化可能绕过防护；该工作把执行许可交给 Petri 网状态约束，使安全条件不取决于请求文本，并给出可转移到运行系统的条件。
arXiv AI64
arXiv 论文提出 MUFFIN 异步智能体框架：orchestrator 按推理需求路由查询，将高难度任务交给多智能体环境，用共享内存缓冲区异步交换中间结果，而各智能体的私有推理仍保留在本地。在 20 个基准设置中，Muffin 在 17 个取得最高准确率；相比多智能体辩论，准确率提升 19.2 个百分点，token 用量减少 77.4%，且无需共享完整推理轨迹。
为什么值得看此前的多智能体辩论多依赖同步轮次发言并共享全部信息，协调成本高且容易在交互中丢失关键信息。Muffin 把信息交换改为异步共享缓冲区，只交换中间发现而非全轨迹，在准确率和 token 成本上同时优于同步辩论范式，为多智能体协作提供了新的协议思路。
arXiv AI63
该论文提出潜在互连协议 LIP，让专家模型的高维表征通过连接器直接映射进 LLM 内部状态；实验把三种蛋白质与三种小分子专家模型接入 Gemma 3 的 4B 和 12B 版本以及 Kimi K2.6，并冻结所有预训练模型；结果显示，独立训练的连接器能提供有效信息，并实现跨领域任务的零样本迁移，但 LLM 尚未原生支持专家表征输入。
为什么值得看过去 LLM 调用专家模型时，专家信息必须先转成文本、图像、音频或视频才能进入上下文，这会丢失高维信息；该工作尝试绕开这一文本瓶颈，并且不改动 LLM 与已有连接器就能扩展新专家，说明专家能力接入方式可能从“转述”走向“直接表征传递”。
arXiv AI62
arXiv 论文提出 BELT 方法：将结果预测与停止控制拆开，先利用冻结 LLM 的隐藏状态学习对当前和未来答案的信念表示，再在此特征上拟合线性停止策略。在五个 OOD 数学基准上，BELT 分别在 Qwen3-1.7B 和 OLMo-3-7B-Think 上减少 41% 和 51% 生成 token 且不损失准确率；该方法在数学数据上训练后，还能迁移到编程和智能体任务。
为什么值得看此前控制推理何时停止通常依赖按 token 价格端到端训练控制器，更换成本约束需要重新训练；BELT 将预测目标与 token 价格解耦，使一次训练后的表示能通过重新拟合策略支持不同准确率—成本权衡，并且无需代码或智能体训练数据即可迁移。