Enhancing Online Support Group Formation Using Topic Modeling Techniques
利用主题建模技术增强在线支持小组的形成
专题命中 幻觉与事实性 ：alignment(abstract)
AI总结 本文提出两种新模型，通过整合用户生成内容、人口统计数据和网络数据，实现自动化个性化支持小组形成，提升语义连贯性和内部一致性。
AI 大模型
大模型对齐与安全
大模型对齐、安全、越狱、红队、提示注入和可信评测。
1. 幻觉与事实性 2 篇
2. 隐私与版权 4 篇
Alignment Whack-a-Mole : Finetuning Activates Verbatim Recall of Copyrighted Books in Large Language Models
对齐的打砖块：微调激活大型语言模型对版权书籍的原文回忆
机构 * Stony Brook University（石溪大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Columbia Law School（哥伦比亚法学院）
专题命中 隐私与版权 ：alignment(title,abstract)；RLHF(abstract)；safety(abstract)；分类 cs.CL、cs.AI、cs.CY
AI总结 研究显示微调可绕过安全对齐策略，使GPT-4o等模型能回忆85-90%的版权书籍，揭示模型权重存储版权作品的漏洞。
Comments Preprint Under Review
Dual-Space Smoothness for Robust and Balanced LLM Unlearning
双空间平滑性用于鲁棒且平衡的LLM反学习
机构 * School of Data Science, The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）数据科学学院） ； Department of Computer Science and Engineering, University of Notre Dame（圣母大学计算机科学与工程系）
专题命中 隐私与版权 ：safety(abstract)；jailbreak(abstract)；分类 cs.CL、cs.AI
AI总结 本文提出PRISM框架，通过双空间平滑性提升LLM反学习的鲁棒性和平衡性，有效对抗重学和劫持攻击。
Comments Accepted by ICLR 2026
A Step Toward Federated Pretraining of Multimodal Large Language Models
迈向多模态大语言模型联邦预训练的一小步
机构 * MAIS, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所多模态人工智能系统实验室） ； King Abdullah University of Science and Technology (KAUST)（阿卜杜拉国王科技大学） ； Pengcheng Laboratory（鹏城实验室） ； School of Artificial Intelligence, University of Chinese Academy of Sciences (UCAS)（中国科学院大学人工智能学院）
专题命中 隐私与版权 ：alignment(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出Fed-MA任务，通过冻结视觉编码器和LLM，协同训练跨模态投影器，解决参数干扰和梯度震荡问题，提出Fed-CMP框架在联邦预训练中取得显著优势。
Filipino Students' Willingness to Use AI for Mental Health Support: A Path Analysis of Behavioral, Emotional, and Contextual Factors
菲律宾学生使用AI进行心理健康支持的意愿：行为、情感和情境因素的路径分析
专题命中 隐私与版权 ：safety(abstract)；分类 cs.CY
AI总结 研究探讨了行为、情感和情境因素如何影响菲律宾学生使用AI进行心理健康支持的意愿，发现习惯对意愿影响最大，后续为舒适度、情感益处等因素，强调情感安全与常规使用对提升意愿的重要性。
Comments 24 pages, 5 figures, 1 table, book chapter
Journal ref Implications for Students' Mental Health in the Digital Age: AI and Cyber Behavior (2026) 381-404
3. 安全评测 38 篇
Evaluating Human-AI Safety: A Framework for Measuring Harmful Capability Uplift
评估人机安全：衡量有害能力提升的框架
机构 * Massachusetts Institute of Technology（麻省理工学院）
专题命中 安全评测 ：safety(title,abstract)；AI safety(title,abstract)；分类 cs.AI、cs.CY
AI总结 本文提出通过测量前沿模型带来的有害能力提升，推动人中心的AI安全评估，提供系统性测量方法和行动步骤。
Diagnosing and Repairing Unsafe Channels in Vision-Language Models via Causal Discovery and Dual-Modal Safety Subspace Projection
通过因果发现和双模态安全子空间投影诊断和修复视觉-语言模型中的不安全通道
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Huawei Technologies Ltd.（华为技术有限公司） ； Peking University（北京大学） ； Chongqing University of Posts and Telecommunications（重庆邮电大学）
专题命中 安全评测 ：safety(title,abstract)；alignment(abstract)；分类 cs.AI
AI总结 本文提出CARE框架，通过因果分析和双模态安全子空间投影修复视觉-语言模型中的不安全通道，提升安全性而不影响多模态能力。
Comments Accepted by CVPR 2026 main conference
CREST: Universal Safety Guardrails Through Cluster-Guided Cross-Lingual Transfer
CREST：通过聚类引导的跨语言迁移实现通用安全性防护
专题命中 安全评测 ：safety(title,abstract)；分类 cs.CL、cs.LG
AI总结 本文提出CREST模型，通过跨语言迁移有效提升低资源语言的安全性防护，展示其在六个安全基准上的优越表现。
Comments 9 Pages, 5 Figures, Accepted at LREC 2026
Squish and Release: Exposing Hidden Hallucinations by Making Them Surface as Safety Signals
挤压与释放：通过使其显现为安全信号来暴露隐藏的幻觉
专题命中 安全评测 ：safety(title,abstract)；分类 cs.AI、cs.LG
AI总结 本文提出Squish and Release框架，通过激活空间修补技术揭示模型在对话压力下隐藏的幻觉问题，通过实验验证了检测模块和核心架构的有效性。
What Is Your Agent's GPA? A Framework for Evaluating Agent Goal-Plan-Action Alignment
你的代理的GPA是多少？一个评估代理目标-计划-行动对齐的框架
机构 * BASIS Independent Silicon Valley Upper School（BASIS独立硅谷高中） ； Department of Computer Science, Stanford University（斯坦福大学计算机科学系）
专题命中 安全评测 ：alignment(title,abstract)；分类 cs.AI
AI总结 本文提出Agent GPA框架，通过评估代理目标、计划和行动的对齐性，验证其在多代理、单代理和企业数据代理中的有效性，展示了高误差覆盖和调试定位能力。
Mimetic Alignment with ASPECT: Evaluation of AI-inferred Personal Profiles
模仿对齐与ASPECT：AI推断个人资料的评估
机构 * University of Washington（华盛顿大学） ； Microsoft Research（微软研究院）
专题命中 安全评测 ：alignment(title,abstract)；分类 cs.AI
AI总结 本文提出ASPECT方法，通过验证的沟通量表和职场数据评估LLM沟通特征，生成的个人资料在自评上表现良好，并在多个场景中优于通用和自述基线。
Comments 20 pages (including appendix), 5 figures, 5 tables
Reward Hacking as Equilibrium under Finite Evaluation
奖励黑客行为作为有限评估下的均衡
专题命中 安全评测 ：alignment(abstract)；RLHF(abstract)；DPO(abstract)；分类 cs.AI
AI总结 本文基于五个公理证明优化AI代理在未被评估系统覆盖的质量维度上会系统性地减少努力，揭示奖励黑客行为为结构性均衡而非可修复错误，并提出可计算的扭曲指数预测黑客行为。
Comments 16 pages
LITTA: Late-Interaction and Test-Time Alignment for Visually-Grounded Multimodal Retrieval
LITTA：晚期交互与测试时对齐用于视觉接地多模态检索
专题命中 安全评测 ：alignment(title)；分类 cs.CL、cs.AI
AI总结 LITTA通过查询扩展提升多模态文档检索，利用晚期交互评分和反向排名融合提高检索鲁棒性，适用于计算机科学、制药和工业手册等多领域。
Control Barrier Function for Aligning Large Language Models
用于对齐大语言模型的控制屏障函数
机构 * Keio University（庆应义塾大学）
专题命中 安全评测 ：alignment(abstract)；safety(abstract)；分类 cs.CL、cs.AI
AI总结 本文提出基于控制的框架，利用控制屏障函数确保用户期望的文本生成，通过安全过滤器干预生成文本，无需微调基模型。
Comments This work is an extenede version of arXiv:2408.15625 and has been submitted to the IEEE for possible publication
Journal ref IEEE Transactions on Control Systems Technology 2026
Surfacing Subtle Stereotypes: A Multilingual, Debate-Oriented Evaluation of Modern LLMs
揭示微妙的刻板印象：一种多语言、辩论导向的现代大语言模型评估
机构 * The University of British Columbia（不列颠哥伦比亚大学） ； University of Waterloo（滑铁卢大学）
专题命中 安全评测 ：alignment(abstract)；safety(abstract)；分类 cs.CL、cs.CY
AI总结 本文提出多语言辩论基准测试，揭示生成模型中叙事偏见。通过8400个跨语言辩论提示，评估模型对敏感领域刻板印象的再现，发现所有模型均存在偏见，且低资源语言中偏见更严重。
Why Cognitive Robotics Matters: Lessons from OntoAgent and LLM Deployment in HARMONIC for Safety-Critical Robot Teaming
为何认知机器人很重要：来自OntoAgent和HARMONIC中LLM部署的启示
机构 * Rensselaer Polytechnic Institute（伦斯勒理工学院） ； University of Georgia（佐治亚大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校）
专题命中 安全评测 ：safety(title)
AI总结 研究探讨了在物理世界部署具身体AI代理所需的认知能力，通过HARMONIC架构评估LLM是否能复制OntoAgent的认知能力，发现LLM在知识状态评估上存在缺陷。
Model Merging in the Era of Large Language Models: Methods, Applications, and Future Directions
大语言模型时代下的模型合并：方法、应用与未来方向
机构 * Tencent, China（腾讯（中国））
专题命中 安全评测 ：alignment(abstract)；safety(abstract)；分类 cs.CL
AI总结 本文探讨了大语言模型时代模型合并的方法、应用及未来方向，通过FUSE分类体系系统回顾了算法空间、下游应用及支持生态系统，识别了关键挑战与未来研究方向。
Algorithmic Insurance
算法保险
机构 * Sloan School of Management, Massachusetts Institute of Technology（麻省理工学院斯隆管理学院） ； Saïd Business School, Oxford University（牛津大学赛德商学院）
专题命中 安全评测 ：safety(abstract)；AI safety(abstract)；分类 cs.LG
AI总结 研究算法保险在AI致损中的风险定价与责任框架，提出基于CVaR的分类阈值优化方法，通过乳腺癌案例验证降低尾部风险并提升保险收益。
PubMed Reasoner: Dynamic Reasoning-based Retrieval for Evidence-Grounded Biomedical Question Answering
PubMed Reasoner: 基于动态推理的证据导向生物医学问答检索
机构 * PayPal ； Worcester Polytechnic Institute（伍斯特理工学院）
专题命中 安全评测 ：alignment(abstract)；trustworthy(abstract)；分类 cs.CL
AI总结 PubMed Reasoner通过动态推理机制提升生物医学问答的准确性与证据可靠性，采用三阶段框架优化检索过程并生成有据可查的回答。
Comments 20 pages; under review
Explaining CLIP Zero-shot Predictions Through Concepts
通过概念解释CLIP零样本预测
机构 * School of Informatics, University of Edinburgh（爱丁堡大学信息学院） ； Dept. of Computer Eng., Middle East Technical University (METU)（中东技术大学计算机工程系） ； Orbital ； DTU Compute, Technical University of Denmark（丹麦技术大学DTU计算学院） ； Dept. of Biology, University of Copenhagen（哥本哈根大学生物系） ； LTCI, Télécom Paris, Institut Polytechnique de Paris（巴黎理工学院巴黎电信学院LTCI实验室） ； Technical University of Munich (TUM)（慕尼黑工业大学） ； Helmholtz Munich（亥姆霍兹慕尼黑中心） ； MCML ； MDSI ； Robotics & AI Center (ROMER), METU（中东技术大学机器人与人工智能中心）
专题命中 安全评测 ：alignment(abstract)；trustworthy(abstract)
AI总结 本文提出EZPC方法，通过人类可理解的概念解释CLIP的零样本预测，保持分类精度并提供概念层面的解释。
Comments Accepted to CVPR 2026
ScenePilot-4K: A Large-Scale First-Person Dataset and Benchmark for Vision-Language Models in Autonomous Driving
ScenePilot-4K：一个大规模第一视角数据集和基准，用于自动驾驶中视觉-语言模型的安全感知学习与评估
机构 * Tongji University（同济大学） ； UT Austin（德克萨斯大学奥斯汀分校） ； Fudan University（复旦大学） ； Beihang University（北京航空航天大学） ； Tsinghua University（清华大学）
专题命中 安全评测 ：alignment(abstract)；safety(abstract)
AI总结 本文提出ScenePilot-4K数据集，包含3847小时视频和27.7亿帧图像，用于评估视觉-语言模型在自动驾驶中的场景理解、空间感知、运动规划和语义对齐能力，揭示模型在几何感知和规划推理方面的局限性。
ParsCN: A Persian Dataset for Counter-Narrative Generation to Combat Online Hate Speech
ParsCN：一种针对网络仇恨言论的Persian数据集用于生成反叙事以对抗在线仇恨言论
专题命中 安全评测 ：alignment(abstract)；safety(abstract)
AI总结 本文提出ParsCN数据集，用于生成对抗网络仇恨言论的反叙事，通过结合文化导向的人工标注与少样本LLM增强生成，提升低资源语言的反叙事质量。
Comments Accepted at the International AAAI Conference on Web and Social Media (ICWSM 2026); Paper Information: 16 pages, 3 Figures, 10 Tables
From Prediction to Diagnosis: Reasoning-Aware AI for Photovoltaic Defect Inspection
从预测到诊断：面向光伏缺陷检测的推理感知AI
机构 * Illinois Institute of Technology（伊利诺伊理工学院） ； Argonne National Laboratory（阿贡国家实验室） ； Commonwealth Edison（联邦爱迪生公司） ； Drexel University（德雷塞尔大学） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校）
专题命中 安全评测 ：alignment(abstract)；trustworthy(abstract)
AI总结 本文提出REVL-PV框架，通过融合电致发光、热成像和可见光图像，实现光伏缺陷的结构化诊断报告，提升检测准确性和可解释性。
Comments 34 pages, 5 figures
An Intelligent Framework for Real-Time Yoga Pose Detection and Posture Correction
实时瑜伽体态检测与纠正的智能框架
机构 * Independent Researcher（独立研究员） ； NovaTech Innovative Solutions（NovaTech创新解决方案）
专题命中 安全评测 ：alignment(abstract)；safety(abstract)
AI总结 本文提出一种混合边缘AI框架，用于实时瑜伽姿势检测与体态纠正，结合轻量级人体姿态估计模型与生物力学特征提取，通过CNN-LSTM时序学习架构分析运动动态，并利用量化和剪枝技术提升边缘设备性能。
Evaluating LLMs for Answering Student Questions in Introductory Programming Courses
评估LLMs在初级编程课程中回答学生问题的能力
专题命中 安全评测 ：alignment(abstract)；分类 cs.AI
AI总结 本文研究了LLMs在初级编程课程中协助教师回答学生问题的能力，通过构建基准数据集和定制评估指标，证明了LLMs能超越传统教师回答质量，并提出'教师在环'策略以降低风险。
Physics-Embedded Feature Learning for AI in Medical Imaging
嵌入物理的特征学习用于医学影像中的AI
专题命中 安全评测 ：trustworthy(abstract)；分类 cs.LG
AI总结 本文提出PhysNet，通过将肿瘤生长动力学嵌入卷积神经网络的特征学习过程，提升医学影像AI的可解释性和鲁棒性，实验表明其在脑部MRI数据集上优于多种现有模型。
Comments 7 pages, 5 figures
Tokenization and Morphological Fidelity in Uralic NLP: A Cross-Lingual Evaluation
词化与乌拉尔语NLP中的形态保真度：跨语言评估
机构 * University of Eastern Finland（东芬兰大学） ； AI-Bio Convergence Research Institute（人工智能-生物融合研究所） ； Soongsil University（崇实大学）
专题命中 安全评测 ：alignment(abstract)；分类 cs.CL
AI总结 本文通过比较三种子词方法在六个乌拉尔语中的表现，发现OBPE在形态对齐和标注准确性上优于传统方法，尤其在拉丁字母语中表现突出。
Journal ref Proceedings of the Second Workshop on Language Models for Low-Resource Languages (LoResLM 2026)
LLM-Assisted Emergency Triage Benchmark: Bridging Hospital-Rich and MCI-Like Field Simulation
基于大语言模型的急救分级基准：连接医院丰富与MCI类现场模拟
机构 * University of Maryland Baltimore County（马里兰大学巴尔的摩县分校）
专题命中 安全评测 ：alignment(abstract)；分类 cs.LG
AI总结 本文提出一个开放的急救分级基准，通过大语言模型辅助构建，解决现有基准不可用的问题，涵盖医院环境和MCI模拟两种场景，提升临床AI数据集的可重复性和可访问性。
Comments Submitted to GenAI4Health@NeurIPS 2025. This was the first version of the LLM-assisted emergency triage benchmark dataset and baseline models. A related but separate benchmark-focused study on emergency triage under constrained sensing has been accepted at the IEEE International Conference on Healthcare Informatics (ICHI) 2026 (see arXiv:2602.20168)
OpenAVS: Training-Free Open-Vocabulary Audio Visual Segmentation with Foundational Models
OpenAVS: 基于基础模型的无训练开放词汇音频视觉分割
机构 * National University of Singapore（新加坡国立大学） ； Zhejiang University（浙江大学）
专题命中 安全评测 ：alignment(abstract)；分类 cs.LG
AI总结 OpenAVS通过文本作为代理，首次实现音频与视觉模态对齐，利用基础模型直接推断掩码，提升开放词汇音频视觉分割的泛化能力。
Comments Accepted by ICME 2026
Can Large Language Models Simulate Human Cognition Beyond Behavioral Imitation?
大语言模型能否超越行为模仿模拟人类认知？
机构 * Harbin Institute of Technology（哈尔滨工业大学）
专题命中 安全评测 ：alignment(abstract)；分类 cs.CL
AI总结 本文通过217位AI研究者纵向研究轨迹构建基准，评估LLM是否能模拟人类认知，提出多维认知对齐指标，系统评估最新LLM及增强技术，探讨其模拟人类认知的能力及提升空间。
