作者: Yijiang River Dong, Tiancheng Hu, Yinhong Liu, Ahmet Üstün, Nigel Collier
研究方向: 个性化偏好学习与大型语言模型（LLM）的适配性
本文研究了如何通过个性化偏好学习来提高LLM在开放领域中的适应性和准确性，并评估了不同个性化方法的性能、公平性、意外影响和适应性。
作者: Pierre Peigne-Lefebvre, Mikolaj Kniejski, Filip Sondej, Matthieu David, Jason Hoelscher-Obermaier, Christian Schroeder de Witt, Esben Kran
研究方向: 人工智能与网络安全
该论文研究了在多智能体系统中，如何平衡安全性和协作能力。通过模拟智能体在共享目标上的协作，分析了安全风险和安全权衡。重点研究了攻击者通过篡改一个智能体，利用它来操纵整个系统以实现不一致的结果的情景。
作者: Enrico Saccon, Ahmet Tikna, Davide De Martini, Edoardo Lamon, Luigi Palopoli, Marco Roveri
研究方向: 多智能体系统的时间规划与知识库管理
该研究提出了一种名为PLANTOR的框架，该框架通过结合大型语言模型（LLMs）和基于Prolog的知识管理及规划，用于多机器人任务。该系统通过两阶段生成面向机器人的知识库，确保了可重用性和组合推理，以及一个三步规划过程，用于处理时间依赖性、资源约束和并行任务执行。
作者: Lars Benedikt Kaesberg, Jonas Becker, Jan Philip Wahle, Terry Ruas, Bela Gipp
研究方向: 多智能体辩论与决策
本研究系统地评估了多智能体辩论中决策协议的有效性，对比了投票和共识两种决策协议在不同任务上的表现，并提出了两种新的方法来提高答案多样性。
作者: Behnaz Elhaminia, Abdullah Alsalemi, Esha Nasir, Mostafa Jahanifar, Ruqayya Awan, Lawrence S. Young, Nasir M. Rajpoot, Fayyaz Minhas, Shan E Ahmed Raza
研究方向: 全切片图像注册（WSI Registration）
本文对全切片图像注册技术进行了全面的回顾，重点关注了从传统方法到深度学习方法的应用。文章讨论了WSI注册的挑战、现有方法、数据集、软件和工具，并提出了未来研究方向。
作者: Guikun Chen, Xu Zhang, Yi Yang, Wenguan Wang
研究方向: 化学知识驱动的隐私保护反合成学习
本文研究了在化学知识指导下，如何通过隐私保护的方式学习反合成模型。针对传统机器学习反合成训练模式存在的隐私风险，提出了一种名为CKIF的化学知识驱动的框架，实现多个化学组织之间的分布式训练，同时保护私有反应数据的机密性。
作者: Bojana Bašaragin, Darija Medvecki, Gorana Gojić, Milena Oparnica, Dragiša Mišković
研究方向: 自然语言处理（NLP）在客户服务领域的应用
该研究提出了一种基于BERTopic的NLP管道，用于提高塞尔维亚电信公司Telekom Srbija的客户服务效率。该管道通过自动检测和标记用户电子邮件的主题，实现了对客户服务电子邮件的自动分类。
作者: Dejan Grba
研究方向: 人工智能与艺术的关系，以及人工智能在艺术创作中的应用与影响
本文探讨了生成式人工智能（Generative AI）对艺术观念的影响，分析了人工智能在艺术创作中的应用、艺术观念的变化以及人工智能对艺术和文化的传播。作者认为，人工智能在艺术创作中的应用和传播过程中，存在着一些问题和挑战，如技术观念的误解、艺术本质的误解、作者身份的混淆以及艺术民主化的误区等。
作者: Samuele Pasini, Gianluca Maragliano, Jinhan Kim, Paolo Tonella
研究方向: 网络安全，深度学习，对抗攻击
该论文研究了基于深度强化学习的XSS对抗攻击，旨在通过对抗攻击提升XSS检测模型的鲁棒性。论文首先复现了现有研究，然后分析了其潜在的威胁，并提出了改进方法。
作者: Humza Sami, Mubashir ul Islam, Samy Charas, Asav Gandhi, Pierre-Emmanuel Gaillardon, Valerio Tenace
研究方向: 多智能体系统（MAS）与大型语言模型（LLM）的融合应用
本文介绍了NEXUS，一个轻量级且可扩展的多智能体框架，用于复杂任务的自动化。NEXUS利用LLM的能力，通过灵活的架构和简化的工作流程设计，实现了高效的任务委托和信息管理。