大模型对齐与安全

Time-Layer Adaptive Alignment for Speaker Similarity in Flow-Matching Based Zero-Shot TTS

基于流匹配的零样本文本到语音系统中的时间层自适应对齐

Haoyu Li, Mingyang Han, Yu Xi, Dongxiao Wang, Hankun Wang, Haoxiang Shi, Boyu Li, Jun Song, Bo Zheng, Shuai Wang, Kai Yu

专题命中 其他安全 ：alignment(title,abstract)

AI总结 本文提出TLA-SA方法，通过联合利用时间与层次变化提升说话人一致性，在研究和工业数据集上显著提高说话人相似度，并在不同模型架构中表现良好。

Comments Submitted to INTERSPEECH 2026

Why the Valuable Capabilities of LLMs Are Precisely the Unexplainable Ones

为何大语言模型的宝贵能力恰恰是无法解释的那些

Quan Cheng

机构 * Tsinghua University（清华大学） 纠错

专题命中 其他安全 ：safety(abstract)；AI safety(abstract)；分类 cs.AI

AI总结 本文提出论点：大语言模型真正有价值的能力恰恰是无法用人类可读的离散规则完全描述的部分。通过专家系统等价性证明，若LLM能力可被规则完全描述，则等同于专家系统，但专家系统在历史上和实证上均弱于LLM，从而产生矛盾。

Comments 12 pages, v2: added correction to Polanyi on why tacit knowledge is tacit (structural vs quantitative), unified three independent intellectual threads (Smolensky, Dreyfus, dynamical systems theory)

Domain Mixture Design via Log-Likelihood Differences for Aligning Language Models with a Target Model

通过对数似然差异设计领域混合以对齐语言模型与目标模型

Ryo Kishino, Riku Shiomi, Hiroaki Yamagiwa, Momose Oyama, Hidetoshi Shimodaira

机构 * Kyoto University（京都大学） ； RIKEN（理化学研究所） 纠错

专题命中 其他安全 ：alignment(abstract)；分类 cs.CL

AI总结 本文通过设计训练数据的领域混合，利用对数似然空间对齐模型方向，减少KL散度并提升下游任务性能。

Adaptive Theory of Mind for LLM-based Multi-Agent Coordination

自适应理论 of mind 用于基于大语言模型的多智能体协调

Chunjiang Mu, Ya Zeng, Qiaosheng Zhang, Kun Shao, Chen Chu, Hao Guo, Danyang Jia, Zhen Wang, Shuyue Hu

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） 纠错

专题命中 其他安全 ：alignment(abstract)；分类 cs.AI

AI总结 本文提出自适应理论 of mind 机制，通过估计伙伴的理论 of mind 深度以提升多智能体协作效率，实验验证了该机制在多个任务中的有效性。

Comments Accepted by AAAI 2026

Streetscape Analysis with Generative AI (SAGAI): Vision-Language Assessment and Mapping of Urban Scenes

利用生成式AI进行街景分析（SAGAI）：基于视觉-语言评估和城市场景制图

Joan Perez, Giovanni Fusco

机构 * Urban Geo Analytics, France（法国城市地理分析） 纠错

专题命中 其他安全 ：safety(abstract)；分类 cs.LG

AI总结 本文提出SAGAI，一种利用开放数据和视觉-语言模型分析街景的模块化流程，通过定制提示生成空间指标，实现城市场景的自动化制图与评估，展示了其在城市研究中的广泛应用潜力。

Comments 25 pages, 6 figures in main paper, 6 figures in appendices

M^3: Dense Matching Meets Multi-View Foundation Models for Monocular Gaussian Splatting SLAM

M^3：密集匹配与多视角基础模型结合的单目高斯点云SLAM

Kerui Ren, Guanghao Li, Changjian Jiang, Yingxiang Xu, Tao Lu, Linning Xu, Junting Dong, Jiangmiao Pang, Mulin Yu, Bo Dai

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； Zhejiang University（浙江大学） ； Beijing Institute of Technology（北京理工大学） ； The Chinese University of Hong Kong（香港中文大学） ； The University of Hong Kong（香港大学） 纠错

专题命中 其他安全 ：alignment(abstract)

AI总结 本文提出M^3，结合多视角基础模型与单目高斯点云SLAM，通过引入匹配头提升密集对应关系，增强跟踪稳定性，在多种基准上取得优异的位姿估计和场景重建性能。

Comments Project page: https://city-super.github.io/M3/

UrbanFlow-3K: A Dataset of 3,000 Lattice-Boltzmann Simulations of Random Building Layouts

UrbanFlow-3K: 一个包含3000个随机建筑布局的格子玻尔兹曼模拟数据集

Hojin Lee, Andreas Lintermann, Sangseung Lee, Mario Rüttgers

专题命中 其他安全 ：safety(abstract)

AI总结 本文提出包含3000个二维城市流动模拟的数据集，用于训练机器学习模型，通过高几何多样性捕捉关键流动特征，适用于开发和基准测试ML架构及迁移学习。

Comments 14 pages, 23 figures

Evo-Retriever: LLM-Guided Curriculum Evolution with Viewpoint-Pathway Collaboration for Multimodal Document Retrieval

Evo-Retriever：基于观点-路径协作的LLM引导课程进化多模态文档检索框架

Weiqing Li, Jinyue Guo, Yaqi Wang, Haiyang Xiao, Yuewei Zhang, Guohua Liu, Hao Henry Wang

机构 * Alibaba Cloud Computing（阿里巴巴云计算） 纠错

专题命中 其他安全 ：alignment(abstract)

AI总结 本文提出Evo-Retriever框架，通过LLM引导的课程进化和观点-路径协作提升多模态文档检索性能，实现在ViDoRe V2和MMEB数据集上达到SOTA水平。

Comments Accepted by CVPR2026

PanguMotion: Continuous Driving Motion Forecasting with Pangu Transformers

PanguMotion: 基于Pangu Transformer的连续驾驶运动预测

Quanhao Ren, Yicheng Li, Nan Song

机构 * School of Data Science, Fudan University（复旦大学数据科学学院） 纠错

专题命中 其他安全 ：safety(abstract)

AI总结 本文提出PanguMotion框架，利用Pangu-1B的Transformer模块提升连续驾驶场景的运动预测能力，通过Argoverse 2数据集的RealMotion策略生成连续序列以提升预测准确性。

ViT-AdaLA: Adapting Vision Transformers with Linear Attention

ViT-AdaLA：基于线性注意力的视觉变换器适应

Yifan Li, Seunghyun Yoon, Viet Dac Lai, Franck Dernoncourt, Jason Kuen, Yu Kong, Trung Bui

机构 * Adobe Research（Adobe研究院） ； Michigan State University, East Lansing, MI, USA.（密歇根州立大学，东兰辛，MI，美国） 纠错

专题命中 其他安全 ：alignment(abstract)

AI总结 本文提出ViT-AdaLA框架，通过注意力对齐、特征对齐和监督微调三阶段，有效将视觉基础模型的先验知识迁移至线性注意力ViT，提升长序列处理能力。

The Era of End-to-End Autonomy: Transitioning from Rule-Based Driving to Large Driving Models

端到端自主时代：从基于规则的驾驶转向大型驾驶模型

Eduardo Nebot, Julie Stephany Berrio Perez

机构 * The Australian Centre for Robotics, School of Aeronautical, Mechanical and Mechatronic Engineering, The University of Sydney（澳大利亚机器人中心，航空航天、机械及机电工程学院，悉尼大学） 纠错

专题命中 其他安全 ：safety(abstract)

AI总结 本文探讨自动驾驶从模块化规则系统向端到端学习系统过渡，分析大型驾驶模型在复杂环境中的表现及行业影响。

Dynamics of particle lane formation in confined viscoelastic fluids under shear

受限粘弹性流体中粒子车道形成的动力学

Hiroto Yokoyama, Masanori Honda, Rinya Miyakawa, Yuki Shinohara, Kota Nakamura, Kojiro Otoguro, Kiwamu Yoshii, Yutaka Sumino

专题命中 其他安全 ：alignment(abstract)

AI总结 研究通过在间隙中平行旋转盘的原位观测平台，揭示了粘弹性流体中粒子对齐的动力学及轨迹，发现当局部粒子Weissenberg数超过1时发生对齐，并通过粒子追踪发现粒子的来回穿梭运动。

Comments 12 pages, 8 figures

EmoStory: Emotion-Aware Story Generation

EmoStory：情感感知的故事生成

Jingyuan Yang, Rucong Chen, Weibin Luo, Hui Huang

机构 * CSSE, Shenzhen University（安全科学与工程学院，深圳大学） 纠错

专题命中 其他安全 ：alignment(abstract)

AI总结 本文提出EmoStory，一种情感感知的故事生成方法，通过两阶段框架整合基于代理的故事规划与区域感知生成，提升情感准确性、提示对齐和主体一致性。

Comments accepted to ICME

CARE: A Molecular-Guided Foundation Model with Adaptive Region Modeling for Whole Slide Image Analysis

CARE：一种具有自适应区域建模的分子引导基础模型用于全切片图像分析

Di Zhang, Zhangpeng Gong, Xiaobo Pang, Jiashuai Liu, Junbo Lu, Hao Cui, Jiusong Ge, Zhi Zeng, Kai Yi, Yinghua Li, Si Liu, Tingsong Yu, Haoran Wang, Mireia Crispin-Ortuzar, Weimiao Yu, Chen Li, Zeyu Gao

机构 * Xi’an Jiaotong University（西安交通大学） ； University of Cambridge（剑桥大学） ； KingMed（康方生物） ； BGI Research（贝登基因研究院） ； A ⋆ STAR 纠错

专题命中 其他安全 ：alignment(abstract)

AI总结 CARE通过自适应区域建模和分子引导，提升全切片图像分析的性能，实现对病理区域的精准识别与分类，优于现有基础模型。

Comments Accepted to CVPR 2026