AI 大模型
大模型对齐、安全、越狱、红队、提示注入和可信评测。
评估稀疏自编码器与概念标注的可解释性
机构 * The Berlin Institute for the Foundations of Learning and Data (BIFOLD)（柏林学习与数据基础研究所） ； Technische Universität Berlin（柏林工业大学） ； INRAE（法国国家农业、食品与环境研究院） ； Inria, EVERGREEN（法国国家信息与自动化研究所，EVERGREEN） ； UMR TETIS, Univ Montpellier（UMR TETIS，蒙彼利埃大学）
专题命中 安全评测 ：alignment(abstract)；分类 cs.AI
AI总结 提出一种基于人类标注的评估框架，通过合成基准和二分匹配方法量化稀疏自编码器潜在变量与概念的对齐，并验证可解释性。
Comments Accepted at ECCV 2026
当CQ出错时：OE辅助下CQ验证中的挑战
机构 * University of Bologna（博洛尼亚大学） ； ISTC-CNR（意大利国家研究委员会认知科学与技术研究所） ； Linköping University（林雪平大学）
专题命中 安全评测 ：alignment(abstract)；分类 cs.AI
AI总结 研究能力问题（CQ）验证中的挑战，通过19名参与者使用LLM助手进行20项任务的实验，发现CQ的歧义和复杂性导致验证困难，提出需在发布前优化CQ以避免问题。
Comments Acceted poster at accepted-papers/poster-demo/" target="_blank" rel="noopener">https://2026.eswc-conferences.org/program/accepted-papers/poster-demo/ 23rd European Semantic Web Conference (Satellite Event)
量化收敛：连接经典价值投资与现代因子模型进行系统性股票选择
机构 * Milwaukee School of Engineering（密尔沃基工程学院）
专题命中 安全评测 ：safety(abstract)；分类 cs.AI
AI总结 本研究通过将格雷厄姆经典价值投资规则作为数学低通滤波器，结合现代因子模型，在S&P 500数据上测试XGBoost和AutoGluon等复杂模型，发现纯格雷厄姆随机森林实现了最高收益（232.13%）和较低风险，证明了价值投资规则能有效约束现代AI过度冒险。
超越Logprobs：基于LLM的文档字段提取的多信号置信度引擎
机构 * Perfios Software Solutions Pvt. Ltd.（Perfios软件解决方案私人有限公司）
专题命中 安全评测 ：trustworthy(abstract)；分类 cs.CL
AI总结 提出ExtractConf，通过双视角文档解析（字段引导与文档引导）的不一致性，融合多信号实现高可靠置信度估计，在DocILE上AUC达0.928，准确率99.1%。
Comments Extended version of a paper accepted (Oral) at the RobustifAI Workshop, IJCAI-ECAI 2026, Bremen, Germany. 9 pages, 5 figures, 2 tables
T2D-Bench：基于多层临床-生活方式知识图谱的2型糖尿病LLM输出证据门控评估
机构 * University of California, Irvine（加州大学尔湾分校）
专题命中 安全评测 ：safety(abstract)；分类 cs.AI
AI总结 提出T2D-Bench基准，通过多层知识图谱和证据门控机制，检测LLM输出中未满足指南约束的临床遗漏，并在2型糖尿病诊断、用药安全等场景中实现可测量纠正。
Comments 7 pages, 2 figures, 2 tables. Accepted as a poster at AMIA 2026 Annual Symposium
倾听使VLMs视觉清晰
机构 * Beijing Normal University（北京师范大学）
专题命中 安全评测 ：alignment(abstract)；分类 cs.AI
AI总结 针对视觉语言模型解码漂移导致注意力分布与语义不一致的问题，提出基于提示侧语义的PV-TAM方法，通过过滤模态边界标记偏差并利用注意力峰值分布评估提示与视觉区域对齐，显著提升定位指标。
Comments 18pages,3 figures
轻量级发音评估：基于离散语音标记的意外度
机构 * Qatar Computing Research Institute, Doha, Qatar（卡塔尔计算研究所，多哈，卡塔尔）
专题命中 安全评测 ：alignment(abstract)；分类 cs.CL
AI总结 提出仅使用母语语音资源训练的轻量级发音评估框架，通过离散化语音标记和语言模型计算意外度，结合文本引导对齐特征，在无监督或少量校准下达到接近监督方法的性能。
Comments Accepted to Interspeech 2026
AI赋能的无人机辅助反向散射定位与通感一体化技术用于零能耗物联网：综述
机构 * Engineering Requirements Unit (ERU), College of Engineering, United Arab Emirates University（工程需求单位（ERU）、工程学院、阿联酋大学）
专题命中 安全评测 ：trustworthy(abstract)；分类 cs.AI
AI总结 本文综述了AI赋能的无人机辅助反向散射定位与通感一体化技术在零能耗物联网中的应用，梳理了网络架构、无人机角色、反向散射模式等关键技术，并分析了开放挑战与未来方向。
Comments 33 pages, 19 figures, 7 tables. Submitted to Elsevier for Possible Publication
评估意识并非单一能力：来自开放语言模型的证据
机构 * University of Massachusetts, Amherst（马萨诸塞大学阿默斯特分校） ； Microsoft Corp.（微软公司）
专题命中 安全评测 ：safety(abstract)；分类 cs.CL
AI总结 通过37个开放权重模型实验，发现语言模型对评估线索的检测、行为变化和表征可控性三个维度弱耦合，表明评估意识是多维的，单一分数无法可靠预测部署安全。
EEG基准测试需要一个任务规范层：NeuroDoc用于基于规则手册的可执行基准构建
机构 * School of Advanced Technology, Xi’an Jiaotong-Liverpool University（西交利物浦大学先进技术学院） ； School of Electrical Engineering, Electronics and Computer Science, University of Liverpool（利物浦大学电气工程、电子与计算机科学学院） ； School of Computer Science and Informatics, University of Liverpool（利物浦大学计算机科学与信息学学院） ； Department of Data Science and Artificial Intelligence, Hong Kong Polytechnic University（香港理工大学数据科学与人工智能系）
专题命中 安全评测 ：alignment(abstract)；分类 cs.LG
AI总结 提出NeuroDoc框架，通过结构化任务规范语言和共享规则手册，将异构EEG数据集标准化为可重用基准单元，并发布包含53个条目、245个任务定义的社区审查基准语料库。
SkillAudit：从固定套件基准测试到以技能为中心的评估
机构 * Northeastern University（东北大学） ； City University of Hong Kong（香港城市大学） ； Northwestern University（西北大学） ； Fudan University（复旦大学） ； University of Science and Technology of China（中国科学技术大学） ； Santa Clara University（圣克拉拉大学） ； Fenz AI ； Ohio State University（俄亥俄州立大学） ； University of Glasgow（格拉斯哥大学） ； National University of Singapore（新加坡国立大学） ； DeciLix Lab（DeciLix实验室）
专题命中 安全评测 ：safety(abstract)；分类 cs.AI
AI总结 提出SkillAudit框架，自动生成技能的多维度评估报告，涵盖效用、效率/成本和安全性，通过基线比较和两阶段检测解决固定套件评估的不足。
Comments Preprint. Project page: https://skillaudit.github.io/. Code and evaluation artifacts: https://github.com/SkillAudit/skillaudit
AutoRAS: 学习具有原始表示的鲁棒智能系统
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Guangxi Transportation Science and Technology Group Co., Ltd.（广西交通科技集团有限公司） ； Fudan University（复旦大学）
专题命中 安全评测 ：safety(abstract)；分类 cs.AI
AI总结 提出AutoRAS框架，通过生成符号原始序列并利用执行安全信号和流式序列级目标优化，自动设计鲁棒智能系统，在正常和对抗设置下均表现最佳。
Comments Accepted by ICML2026
不一致的价值？通过参数变化探测LLM的偏好
专题命中 安全评测 ：trustworthy(abstract)；分类 cs.CY
AI总结 本文通过参数化变体测试LLM的价值一致性，发现即使最强模型也存在显著不一致，且一致性不随能力提升而出现，但允许推理时间可减少不一致。
一种验证门控机制的自杀检测在LLMs中的解释
机构 * Intelligent Neuromorphic and Quantum Understanding for Innovative Research and Engineering (INQUIRE) Lab（智能神经形态与量子理解创新研究与工程实验室） ； School of Electrical and Computer Engineering（电气与计算机工程学院） ； University of Oklahoma（俄克拉荷马大学） ； School of Psychology（心理学学院） ； Georgia Institute of Technology（佐治亚理工学院）
专题命中 安全评测 ：trustworthy(abstract)；分类 cs.CL
AI总结 提出验证门控框架，通过因果分析发现Llama-3.1-8B-Instruct在自杀检测中依赖语义特征而非关键词，且该特征在多个模型和数据集中一致出现。
AI可评估性差距：管理风险和维持价值缺失的层面
机构 * Harrisburg University of Science and Technology（哈里斯堡科技大学）
专题命中 安全评测 ：safety(abstract)；分类 cs.AI
AI总结 提出AI可评估性差距概念，指组织缺乏足够证据支持高风险治理决策，引入可评估性框架，区分运营认证和投资认证，强调证据充分性是AI治理缺失的层面。
Comments 24 pages, 9 figures. Conceptual framework paper introducing the AI Evaluability Gap, Evaluability as evidence sufficiency for governance decisions, Operational Certification, Investment Certification, and a six-property evidence lifecycle for AI governance
医疗物联网中结构化数据翻译的形式化验证代码合成
机构 * Computer Science Laboratory, SRI International（SRI国际计算机科学实验室）
专题命中 安全评测 ：trustworthy(abstract)；分类 cs.AI
AI总结 提出一种基于LLM的进化代码合成系统，集成形式化验证步骤，用于医疗物联网中结构化数据翻译，确保生成代码满足预定义需求，并以脉搏血氧仪集成案例展示其低开销生成正确翻译的能力。
Comments Spotlight Paper at the Workshop on Structured Data for Health at ICML 2026
JAMER：专业游戏引擎上的项目级代码框架数据集与基准测试
机构 * Nankai University（南开大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai AI Laboratory（上海人工智能实验室）
专题命中 安全评测 ：alignment(abstract)；分类 cs.CL
AI总结 提出首个基于专业游戏引擎的项目级代码框架数据集JamSet和基准JamBench，通过设计确定性验证流程，从24万仓库中筛选出8133个已验证项目，评估9个前沿模型发现项目规模增大时能力急剧下降。
学习该记住什么：一种基于认知的多因素记忆价值模型
机构 * Huatai Securities（华泰证券） ； OneBeget.com
专题命中 安全评测 ：alignment(abstract)；分类 cs.AI
AI总结 针对长期LLM代理的记忆管理问题，提出一种基于认知心理学的多因素记忆价值函数，通过无梯度优化学习权重，统一控制编码深度、遗忘风险和检索排名，在LongMemEval上显著优于单一因素和近因策略。
Comments 11 pages, 3 figures
超越平均值：在分布层面评估LLM对人类调查的复现能力
机构 * Ewha Womans University（梨花女子大学）
专题命中 安全评测 ：alignment(abstract)；分类 cs.CL
AI总结 本研究通过非公开的韩国方便面购买实验，在分布层面评估LLM复现人类调查响应的能力，发现均值匹配的模型可能产生更偏离人类的分布，且结构化角色和多模态输入提升对齐度，而推理提示则降低。
SARLO-80：全球斜距SAR语言光学数据集80cm
机构 * DEMR-ONERA – The French Aerospace Lab, Université Paris-Saclay（法国航空航天实验室DEMR-ONERA，巴黎-萨克雷大学） ； DTIS-ONERA – The French Aerospace Lab, Université Paris-Saclay（法国航空航天实验室DTIS-ONERA，巴黎-萨克雷大学） ； Hugging Face
专题命中 安全评测 ：alignment(abstract)；分类 cs.AI
AI总结 为解决高分辨率SAR与光学图像及文本对齐的数据稀缺问题，基于Umbra SLC数据构建了80cm斜距网格的SAR-光学-文本三元组数据集，支持跨模态检索与生成任务。
FreeStyle: 从社区LoRA挖掘中实现风格-内容双参考生成的自由控制
机构 * Fudan University（复旦大学） ； StepFun ； Westlake University（西湖大学） ； University of Hong Kong（香港大学）
专题命中 安全评测 ：alignment(abstract)；分类 cs.AI
AI总结 提出FreeStyle框架，利用社区LoRA作为锚点，通过两阶段课程学习（注意力级约束和频率感知RoPE调制）解决双参考生成中的内容泄露问题，并引入新基准和评估指标，实现风格对齐、内容保持与泄露抑制的平衡。
Comments 35 pages, 26figures. Project page: https://github.com/Blue2Giant/FreeStyle
See-and-Reach: 视场内的精确视觉语言导航用于无人机
机构 * School of Information Science and Engineering, Shandong University（山东大学信息科学与工程学院） ； Faculty of Engineering and Information Technology, University of Technology Sydney（悉尼科技大学工程与信息技术学院） ； School of Computer Science and Technology, Shandong University（山东大学计算机科学与技术学院） ； School of Artificial Intelligence, Shandong University（山东大学人工智能学院） ； School of Computer Science and Artificial Intelligence, Shandong Normal University（山东师范大学计算机科学与人工智能学院） ； Interdisciplinary Research Center of General Artificial Intelligence, Shandong Normal University（山东师范大学通用人工智能跨学科研究中心）
专题命中 安全评测 ：alignment(abstract)；分类 cs.AI
AI总结 针对无人机视觉语言导航中目标可见后精确到达能力评估不足的问题，提出UAV-VLN-FOV任务和3DG-VLN框架，通过动态3D方向线索增强细粒度视觉定位与空间对齐，在基准和真实实验中显著提升成功率。
Comments 12 pages, 7 figures
大型语言模型黑盒不确定性估计方法的系统评估
机构 * State Key Laboratory of Multimodal Artificial Intelligence Systems, 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国家重点实验室）
专题命中 安全评测 ：trustworthy(abstract)；分类 cs.AI
AI总结 系统评估了24种黑盒不确定性估计方法在4个模型和4个数据集上的表现，发现无单一方法普遍最优，但基于答案空间推理和比较的方法通常有效，混合方法在多数条件下表现良好。
代理式电子设计自动化：一种交接视角
机构 * The Chinese University of Hong Kong（香港中文大学） ； Primarius Technologies（Primarius技术公司）
专题命中 安全评测 ：trustworthy(abstract)；分类 cs.AI
AI总结 本文从交接有效性角度出发，将EDA流程中的代理系统分为三类，并提出五层代理通信协议，以解决多阶段、多工具间的状态传递和验证问题。
预测参数高效微调更新的可合并性
机构 * Sichuan University（四川大学） ； University of Electronic Science and Technology of China（电子科技大学）
专题命中 安全评测 ：safety(abstract)；分类 cs.LG
AI总结 提出MergeProbe，通过训练初期信号预测LoRA适配器的可合并性，在MERGE-PEFT基准上实现最佳平均和最差保留性能。
DynAMO：基于拓扑多智能体调度的动态资产管理编排
机构 * Gati Shakti Vishwavidyalaya（加蒂·沙克蒂大学） ； IBM Research（IBM研究院）
专题命中 安全评测 ：safety(abstract)；分类 cs.AI
AI总结 提出DynAMO引擎，采用先规划后执行架构生成可验证工作流图，支持顺序与并行执行，通过动态识别独立任务提升效率，在工业基准上实现1.6倍延迟降低，并保持正确性与安全性。
Comments 11 pages, 2 figures, 7 tables, 4 algorithms. Evaluated on the AssetOpsBench industrial benchmark. Code: https://github.com/kushwaha001/DynAMO
缩小社会-语义差距：SPSD用于云LLM推理中的边缘端提示压缩
机构 * Indian School of Business（印度管理学院）
专题命中 安全评测 ：safety(abstract)；分类 cs.LG
AI总结 针对云LLM推理中提示词预填充阶段能耗高的问题，提出SPSD边缘端管道，利用4比特量化小语言模型压缩用户提示，在保持响应质量非劣效的前提下，平均节省99.9个输入token，每调用净节能70-270 uWh。
Comments 19 pages, 7 tables, 1 figure, includes appendix
最优确定性多校准与全预测
机构 * University of Pennsylvania（宾夕法尼亚大学）
专题命中 安全评测 ：trustworthy(abstract)；分类 cs.LG
AI总结 本文提出一种确定性算法，实现多校准的极小化最优样本复杂度，并推广到结果不可区分性，解决确定性预测器是否必要的问题。
通过正-无标签学习量化与审计大语言模型评估
机构 * Department of Mathematics and Statistics（数学与统计学系） ； Georgia State University（佐治亚州立大学） ； Department of Statistics（统计学系） ； University of Manitoba（曼尼托巴大学）
专题命中 安全评测 ：alignment(abstract)；分类 cs.LG
AI总结 针对大语言模型作为评估者存在的系统性偏差（如冗长偏好），提出基于部分最优传输的几何审计框架，利用少量人工验证正样本校正偏差，无需重训练即可提升与人类偏好的一致性。
RECOM：开放式 Reddit 问答中自动评估指标的有效性与区分性权衡
机构 * University of Alabama Huntsville（阿拉巴马大学亨茨维尔分校） ； University of North Alabama（北阿拉巴马大学） ； Stanford University（斯坦福大学） ； Meta AI ； Amazon GenAI（亚马逊生成人工智能）
专题命中 安全评测 ：alignment(abstract)；分类 cs.CL
AI总结 提出 RECOM 数据集，发现自动评估指标在开放式问答中无法同时兼顾有效性和区分性，余弦相似度有效性高但区分性差，BERTScore 区分性受长度影响且有效性弱。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈