大模型对齐与安全

Leveraging Hallucinations to Reduce Manual Prompt Dependency in Promptable Segmentation

利用幻觉减少可提示分割中的手动提示依赖

Jian Hu, Jiayi Lin, Junchi Yan, Shaogang Gong

机构 * Queen Mary University of London（伦敦大学玛丽女王学院） ； Shanghai Jiao Tong University（上海交通大学） 纠错

专题命中 其他安全 ：alignment(abstract)

AI总结 本文提出ProMaC框架，通过利用MLLM幻觉挖掘任务相关信息，提升分割精度与遮罩生成效果。

Comments NeurIPS 2024

VisualAD: Language-Free Zero-Shot Anomaly Detection via Vision Transformer

VisualAD: 通过视觉变换器实现无语言零样本异常检测

Yanning Hou, Peiyuan Li, Zirui Liu, Yitong Wang, Yanran Ruan, Jianfeng Qiu, Ke Xu

机构 * State Key Laboratory of Opto-Electronic Information Acquisition and Protection Technology, Anhui University, Hefei, China（光电信息采集与防护技术国家重点实验室，安徽大学，合肥，中国） ； School of Artificial Intelligence, Anhui University, Hefei, China（人工智能学院，安徽大学，合肥，中国） ； College of Intelligence Science and Technology, National University of Defense Technology, Changsha, China（智能科学与技术学院，国防科技大学，长沙，中国） 纠错

专题命中 其他安全 ：alignment(abstract)

AI总结 VisualAD通过纯视觉变换器实现无语言零样本异常检测，引入可学习标记和空间感知模块，提升异常检测性能。

Comments Accepted by CVPR 2026

Brain-WM: Brain Glioblastoma World Model

Brain-WM: 脑部胶质瘤世界模型

Chenhui Wang, Boyun Zheng, Liuxin Bao, Zhihao Peng, Peter Y. M. Woo, Hongming Shan, Yixuan Yuan

专题命中 其他安全 ：alignment(abstract)

AI总结 Brain-WM通过统一治疗预测与MRI生成，实现了肿瘤与治疗的共进化动态建模，提升了治疗计划的准确率和MRI生成的质量。

UltraUPConvNet: A UPerNet- and ConvNeXt-Based Multi-Task Network for Ultrasound Tissue Segmentation and Disease Prediction

UltraUPConvNet：一种基于UPerNet和ConvNeXt的多任务网络，用于超声组织分割和疾病预测

Zhi Chen, Le Zhang

机构 * School of Engineering, College of Engineering and Physical Sciences, University of Birmingham, Birmingham, UK（工程学院，工程与物理科学学院，伯明翰大学，伯明翰，英国） 纠错

专题命中 其他安全 ：safety(abstract)

AI总结 UltraUPConvNet是一种结合UPerNet和ConvNeXt的多任务网络，用于超声组织分割和疾病预测，通过高效计算实现高精度性能。

Comments 8 pages

ADAS-TO: A Large-Scale Multimodal Naturalistic Dataset and Empirical Characterization of Human Takeovers during ADAS Engagement

ADAS-TO：大规模多模态自然数据集及ADAS参与期间人类接管的实证分析

Yuhang Wang, Yiyao Xu, Jingran Sun, Hao Zhou

机构 * Department of Civil and Environmental Engineering, University of South Florida（土木与环境工程系，佛罗里达州立大学） 纠错

专题命中 其他安全 ：safety(abstract)

AI总结 ADAS-TO数据集通过多模态分析揭示了ADAS参与期间人类接管的运动特征及视觉预警潜力。

RoboCritics: Enabling Reliable End-to-End LLM Robot Programming through Expert-Informed Critics

RoboCritics: 通过专家指导的批评者实现可靠的端到端LLM机器人编程

Callie Y. Kim, Nathan Thomas White, Evan He, Frederic Sala, Bilge Mutlu

机构 * Department of Computer Sciences University of Wisconsin--Madison（计算机科学系威斯康星大学麦迪逊分校） 纠错

专题命中 其他安全 ：safety(abstract)

AI总结 RoboCritics通过专家指导的批评者提升LLM在机器人编程中的可靠性与用户参与度。

Comments 10 pages, 5 figures, Proceedings of the 21st ACM/IEEE International Conference on Human Robot Interaction (HRI 2026)