Buchumschlag

Position: Assistive Agents Need Accessibility Alignment

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Hu, Jie, Yan, Changyuan, Zheng, Yu, Wang, Ziqian, Zhang, Jiaming
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

From Digital Twins to World Models:Opportunities, Challenges, and Applications for Mobile Edge General Intelligence
von: Zheng, Jie, et al.
Veröffentlicht: (2026)

AgentAsk: Multi-Agent Systems Need to Ask
von: Lin, Bohan, et al.
Veröffentlicht: (2025)

You Need an Encoder for Native Position-Independent Caching
von: Zhao, Shiju, et al.
Veröffentlicht: (2026)

Embracing Trustworthy Brain-Agent Collaboration as Paradigm Extension for Intelligent Assistive Technologies
von: Chen, Yankai, et al.
Veröffentlicht: (2025)

COMPASS: Cognitive MCTS-Guided Process Alignment for Safe Search Agents
von: Shen, Wenkai, et al.
Veröffentlicht: (2026)

Echo: Decoupling Inference and Training for Large-Scale RL Alignment on Heterogeneous Swarms
von: Xiao, Jie, et al.
Veröffentlicht: (2025)

World Models for Cognitive Agents: Transforming Edge Intelligence in Future Networks
von: Zhao, Changyuan, et al.
Veröffentlicht: (2025)

Noisy-Pair Robust Representation Alignment for Positive-Unlabeled Learning
von: Zhao, Hengwei, et al.
Veröffentlicht: (2025)

Position: Emergent Machina Sapiens Urge Rethinking Multi-Agent Paradigms
von: Li, Hepeng, et al.
Veröffentlicht: (2025)

CANDY: Benchmarking LLMs' Limitations and Assistive Potential in Chinese Misinformation Fact-Checking
von: Guo, Ruiling, et al.
Veröffentlicht: (2025)

ALI-Agent: Assessing LLMs' Alignment with Human Values via Agent-based Evaluation
von: Zheng, Jingnan, et al.
Veröffentlicht: (2024)

Position: Uncertainty Quantification Needs Reassessment for Large-language Model Agents
von: Kirchhof, Michael, et al.
Veröffentlicht: (2025)

Out of Control -- Why Alignment Needs Formal Control Theory (and an Alignment Control Stack)
von: Perrier, Elija
Veröffentlicht: (2025)

AgentAlign: Navigating Safety Alignment in the Shift from Informative to Agentic Large Language Models
von: Zhang, Jinchuan, et al.
Veröffentlicht: (2025)

LifeEval: A Multimodal Benchmark for Assistive AI in Egocentric Daily Life Tasks
von: Gao, Hengjian, et al.
Veröffentlicht: (2026)

Agents Need Not Know Their Purpose
von: Garcia, Paulo
Veröffentlicht: (2024)

VISA: Value Injection via Shielded Adaptation for Personalized LLM Alignment
von: Chen, Jiawei, et al.
Veröffentlicht: (2026)

Neural Assistive Impulses: Synthesizing Exaggerated Motions for Physics-based Characters
von: Wang, Zhiquan, et al.
Veröffentlicht: (2026)

More Agents Is All You Need
von: Li, Junyou, et al.
Veröffentlicht: (2024)

Assistive Large Language Model Agents for Socially-Aware Negotiation Dialogues
von: Hua, Yuncheng, et al.
Veröffentlicht: (2024)

UDA: Unsupervised Debiasing Alignment for Pair-wise LLM-as-a-Judge
von: Zhang, Yang, et al.
Veröffentlicht: (2025)

SCENEBench: An Audio Understanding Benchmark Grounded in Assistive and Industrial Use Cases
von: Iyer, Laya, et al.
Veröffentlicht: (2026)

EcoThink: A Green Adaptive Inference Framework for Sustainable and Accessible Agents
von: Li, Linxiao, et al.
Veröffentlicht: (2026)

OffSeeker: Online Reinforcement Learning Is Not All You Need for Deep Research Agents
von: Zhou, Yuhang, et al.
Veröffentlicht: (2026)

Multi-Stakeholder LLM Alignment: Decomposing Estimation from Aggregation
von: Zheng, Lulu, et al.
Veröffentlicht: (2026)

Do Agent Societies Develop Intellectual Elites? The Hidden Power Laws of Collective Cognition in LLM Multi-Agent Systems
von: Venkatesh, Kavana, et al.
Veröffentlicht: (2026)

GenderAlign: An Alignment Dataset for Mitigating Gender Bias in Large Language Models
von: Zhang, Tao, et al.
Veröffentlicht: (2024)

Transparent, Evaluable, and Accessible Data Agents: A Proof-of-Concept Framework
von: Bahador, Nooshin
Veröffentlicht: (2025)

InterMT: Multi-Turn Interleaved Preference Alignment with Human Feedback
von: Chen, Boyuan, et al.
Veröffentlicht: (2025)

DynaTrust: Defending Multi-Agent Systems Against Sleeper Agents via Dynamic Trust Graphs
von: Li, Yu, et al.
Veröffentlicht: (2026)

Time-Scaling Is What Agents Need Now
von: Liu, Zhi, et al.
Veröffentlicht: (2026)

LoRA is All You Need for Safety Alignment of Reasoning LLMs
von: Xue, Yihao, et al.
Veröffentlicht: (2025)

Beyond Ordinal Preferences: Why Alignment Needs Cardinal Human Feedback
von: Whitfill, Parker, et al.
Veröffentlicht: (2025)

Towards Feedback-to-Plan Decisions for Self-Evolving LLM Agents in CUDA Kernel Generation
von: Chong, Yee Hin, et al.
Veröffentlicht: (2026)

Position: Foundation Agents as the Paradigm Shift for Decision Making
von: Liu, Xiaoqian, et al.
Veröffentlicht: (2024)

Addressing Situated Teaching Needs: A Multi-Agent Framework for Automated Slide Adaptation
von: Liu, Binglin, et al.
Veröffentlicht: (2025)

Assistive AI for Augmenting Human Decision-making
von: Gyöngyössy, Natabara Máté, et al.
Veröffentlicht: (2024)

Position: Artificial Intelligence Needs Meta Intelligence -- the Case for Metacognitive AI
von: Chuprov, Sergei, et al.
Veröffentlicht: (2026)

Agent-Environment Alignment via Automated Interface Generation
von: Liu, Kaiming, et al.
Veröffentlicht: (2025)

Evaluating Cognitive Age Alignment in Interactive AI Agents
von: Shen, Yifan, et al.
Veröffentlicht: (2026)