Daily AI Papers - 2026年2月20日#

1. KLong: Training LLM Agent for Extremely Long-horizon Tasks ⭐⭐⭐#

作者: Yue Liu 等
链接: arXiv:2602.17547
方向: Agent / Long-horizon RL

核心创新: 针对超长时域任务（如研究论文复现），提出 KLong —— 开源 LLM Agent 训练框架。核心方法包括：

1. Research-Factory 自动化数据 pipeline：收集研究论文并构建评估标准，从 Claude 4.5 Sonnet (Thinking) 蒸馏长时域轨迹
2. 轨迹分割 SFT：保留早期上下文，渐进式截断后期上下文，保持子轨迹间重叠，解决超长轨迹训练难题
3. 渐进式 RL：分阶段训练，逐阶段延长 timeout 时间

实验结果:

• KLong (106B) 在 PaperBench 上超越 Kimi K2 Thinking (1T) 达 11.28%
• 在 SWE-bench Verified 和 MLE-bench 上同样展现强泛化能力
• 证明通过高质量数据蒸馏和渐进式训练，中等规模模型可超越超大模型

2. MARS: Margin-Aware Reward-Modeling with Self-Refinement ⭐⭐⭐#

作者: Payel Bhattacharjee 等
链接: arXiv:2602.17658
方向: RLHF / Reward Modeling

核心创新: Reward Model (RM) 训练依赖昂贵的人工标注偏好数据。本文提出 MARS —— 边缘感知的自适应增强和采样策略：

• 关注 低边缘 (low-margin) 偏好对（即 RM 最不确定的样本）进行增强
• 通过难样本增强迭代优化训练分布
• 理论证明该策略增加损失函数平均曲率，改善信息和条件数

实验结果:

• 相比均匀增强策略，RM 鲁棒性显著提升
• 在 RLHF/RLAIF pipeline 中提供更可靠的奖励信号

3. ODESteer: A Unified ODE-Based Steering Framework for LLM Alignment ⭐⭐⭐#

作者: Hongjue Zhao, Haosen Sun, Yejin Choi, Manling Li 等 (UIUC, Stanford)
链接: arXiv:2602.17560
代码: 已开源
方向: Alignment / Activation Steering

核心创新: 激活值引导 (activation steering) 缺乏统一理论框架，且现有方法依赖单步引导无法捕捉复杂激活分布。本文：

• 提出基于 ODE (常微分方程) 的统一理论框架
• 证明传统激活值加法可解释为 ODE 的一阶近似
• 将引导方向识别转化为控制理论中的 barrier function 设计问题
• 实现 多步自适应引导，在 TruthfulQA、UltraFeedback、RealToxicityPrompts 上取得 SOTA

实验结果:

• TruthfulQA 提升 5.7%
• UltraFeedback 提升 2.5%
• RealToxicityPrompts 提升 2.4%
• ICLR 2026 接收

4. Multi-Round Human-AI Collaboration with User-Specified Requirements ⭐⭐#

作者: Sima Noorani 等
链接: arXiv:2602.17646
方向: Human-AI Collaboration

核心创新: 随着多轮对话 AI 在高风险决策中的应用，需要确保协作可靠提升决策质量。本文提出两个核心原则：

1. 反事实伤害 (Counterfactual Harm)：确保 AI 不削弱人类优势
2. 互补性 (Complementarity)：确保 AI 在人类易错处增加价值

通过用户自定义规则形式化这些概念，提出在线、分布无关的算法，有限样本保证在用户指定约束下执行。

实验结果:

• 医疗诊断任务（LLM 模拟）和图形推理任务（众包研究）验证
• 算法维持规定的反事实伤害和互补性违规率
• 约束收紧/放松可预测地改变人类准确率

5. Evaluating Chain-of-Thought Reasoning through Reusability and Verifiability ⭐⭐#

作者: Shashank Aggarwal 等
链接: arXiv:2602.17544
方向: Reasoning / Chain-of-Thought

核心创新: 当前 CoT 评估仅关注目标任务准确率，无法评估推理过程本身的质量。本文提出两个新指标：

1. 可复用性 (Reusability)：Executor 复现 Thinker CoT 的容易程度
2. 可验证性 (Verifiability)：Executor 使用 CoT 匹配 Thinker 答案的频率

采用 Thinker-Executor 框架解耦 CoT 生成与执行，4 个 Thinker 模型 vs 10 个 Executor 模型在 5 个基准上评估。

实验结果:

• 可复用性和可验证性与标准准确率 不相关，暴露准确率导向评估的盲区
• 专用推理模型的 CoT 并未比通用 LLM (Llama/Gemma) 更可复用或验证

6. Pushing the Frontier of Black-Box LVLM Attacks via Fine-Grained Detail Targeting ⭐#

作者: Xiaohan Zhao 等
链接: arXiv:2602.17645
代码: https://github.com/vila-lab/M-Attack-V2
方向: LVLM Safety / Adversarial Attack

核心创新: 黑盒 LVLM 攻击因缺失梯度和复杂多模态边界而极具挑战。本文发现现有 M-Attack 的局部裁剪匹配导致高方差、几乎正交的梯度。提出 M-Attack-V2：

• Multi-Crop Alignment (MCA)：多独立局部视图梯度平均降低方差
• Auxiliary Target Alignment (ATA)：用语义相关分布的小辅助集替代激进的目标增强
• Patch Momentum：历史裁剪梯度回放

实验结果:

• Claude-4.0 成功率从 8% 提升至 30%
• Gemini-2.5-Pro 从 83% 提升至 97%
• GPT-5 从 98% 提升至 100%