语言大模型 / LLM

Probing and Bridging Geometry-Interaction Cues for Affordance Reasoning in Vision Foundation Models

探索并弥合几何-交互线索以实现视觉基础模型中的可及性推理

Qing Zhang, Xuesong Li, Jing Zhang

专题命中 知识编辑与模型理解 ：foundation model(title,abstract)

AI总结 本文探讨了视觉基础模型中几何感知与交互感知对可及性推理的互补作用，通过融合DINO的几何原型与Flux的交互地图，实现了与弱监督方法相当的可及性估计。

Comments 11 pages, 12 figures, Accepted to CVPR 2026

DiveUp: Learning Feature Upsampling from Diverse Vision Foundation Models

DiveUp: 从多样化视觉基础模型中学习特征上采样

Xiaoqiong Liu, Heng Fan

机构 * Department of Computer Science and Engineering, University of North Texas（计算机科学与工程系，北卡罗来纳州立大学） 纠错

专题命中 知识编辑与模型理解 ：foundation model(title,abstract)

AI总结 本文提出DiveUp框架，通过多基础模型关系引导解决单一模型依赖问题，利用专家共识正则化上采样过程，实现跨模型无缝交互，实验表明其在密集预测任务中性能优异。

FAIRGAME: a Framework for AI Agents Bias Recognition using Game Theory

FAIRGAME: 一个用于通过博弈论识别AI代理偏见的框架

Alessio Buscemi, Daniele Proverbio, Alessandro Di Stefano, The-Anh Han, German Castignani, Pietro Liò

专题命中 知识编辑与模型理解 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 FAIRGAME利用博弈论框架识别AI代理中的偏见，通过模拟和比较不同场景下的结果，系统发现偏见并预测战略互动中的行为。

Auditing Cascading Risks in Multi-Agent Systems via Semantic-Geometric Co-evolution

通过语义-几何共演化审计多智能体系统中的级联风险

Zixun Luo, Yuhang Fan, Hengyu Lin, Yufei Li, Youzhi Zhang

机构 * Huazhong University of Science and Technology（华中科技大学） ； Lingnan University（岭大大学） ； Tsinghua University（清华大学） ； Centre for Artificial Intelligence and Robotics（人工智能与机器人中心） ； Hong Kong Institute of Science and Innovation（香港创新科技研究院） ； Chinese Academy of Sciences（中国科学院） 纠错

专题命中 知识编辑与模型理解 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 本文提出基于语义-几何共演化的框架，通过动态图模型和Ollivier-Ricci曲率检测多智能体系统中的级联风险，提前预警并定位根本原因。

Comments This work has been accepted to ICLR 2026 Workshop: Principled Design for Trustworthy AI

SCAN: Sparse Circuit Anchor Interpretable Neuron for Lifelong Knowledge Editing

SCAN：稀疏电路锚定神经元用于终身知识编辑

Yuhuan Liu, Haitian Zhong, Xinyuan Xia, Qiang Liu, Shu Wu, Liang Wang

机构 * New Laboratory of Pattern Recognition (NLPR), State Key Laboratory of Multimodal Artificial Intelligence Systems (MAIS), Institute of Automation, Chinese Academy of Sciences（模式识别新实验室（NLPR）、多模态人工智能系统国家重点实验室（MAIS）、自动化研究所、中国科学院） ； Cuiying Honors College, Lanzhou University（cuiying荣誉学院、兰州大学） ； Research Institute of Intelligent Complex Systems, Fudan University（智能复杂系统研究院、复旦大学） ； Zhongguancun Academy（中关村学院） 纠错

专题命中 知识编辑与模型理解 ：large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 SCAN通过构建稀疏电路实现知识编辑，有效解决连续编辑中的灾难性遗忘问题，保持模型完整性。

Comments 21pages, 7figures

The Scenic Route to Deception: Dark Patterns and Explainability Pitfalls in Conversational Navigation

通往欺骗的风景路线：对话导航中的暗模式与可解释性陷阱

Ilya Ilyankou, Stefano Cavazzi, James Haworth

专题命中 知识编辑与模型理解 ：large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 研究探讨了生成式AI在行人导航中的应用，揭示了对话接口可能带来的操纵风险，并提出神经符号架构作为提升可信任度的方法。

QLLM: Do We Really Need a Mixing Network for Credit Assignment in Multi-Agent Reinforcement Learning?

QLLM: 在多智能体强化学习中，我们真的需要混合网络进行信用分配吗？

Yuanjun Li, Zhouyang Jiang, Bin Zhang, Mingchao Zhang, Junhao Zhao, Zhiwei Xu

专题命中 知识编辑与模型理解 ：large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 QLLM提出了一种利用大语言模型构建无训练信用分配函数的新框架，解决了传统混合网络训练成本高、可解释性差的问题，实验表明其在多个MARL基准上表现优异。

The Phenomenology of Hallucinations

幻觉的表征

Valeria Ruscio, Keiran Thompson

专题命中 知识编辑与模型理解 ：language model(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 研究揭示语言模型幻觉源于对不确定性整合失败，而非检测能力不足。通过拓扑分析发现不确定性表示碎片化而非统一退避，梯度和Fisher探针显示不确定性方向敏感性坍缩，交叉熵训练缺乏退避吸引子，导致关联机制放大碎片化激活。

Ablate and Rescue: A Causal Analysis of Residual Stream Hyper-Connections

消除与救援：残差流超连接的因果分析

William Peng, Josheev Rai, Kevin Tseng, Siwei Wang, Sean Wu

机构 * Stanford University（斯坦福大学） ； Georgia Institute of Technology（佐治亚理工学院） ； University of California, Berkeley（加州大学伯克利分校） ； Independent（独立） ； University of Oxford（牛津大学） 纠错

专题命中 知识编辑与模型理解 ：language model(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出首个开源mHC语言模型，通过代表层面指标和因果干预分析多流架构，揭示并行流的信息编码与利用机制，引入系统性的流消除-救援框架进行因果比较。

Concept-Guided Fine-Tuning: Steering ViTs away from Spurious Correlations to Improve Robustness

基于概念引导的微调：引导ViT远离虚假相关性以提高鲁棒性

Yehonatan Elisha, Oren Barkan, Noam Koenigstein

专题命中 知识编辑与模型理解 ：LLM(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出一种引导模型推理至概念层面语义的微调框架，通过优化内部相关性映射对齐空间 grounded 的概念掩码，提升模型在分布偏移下的鲁棒性。

Comments CVPR 2026 ; Project page: https://yonisgit.github.io/concept-ft/

DreamReader: An Interpretability Toolkit for Text-to-Image Models

DreamReader: 一种用于文本到图像模型的可解释性工具包

Nirmalendu Prakash, Narmeen Oozeer, Michael Lan, Luka Samkharadze, Phillip Howard, Roy Ka-Wei Lee, Dhruv Nathawani, Shivam Raval, Amirali Abdullah

机构 * Singapore University of Technology and Design（新加坡科技设计大学） ； Martian ； Thoughtworks ； NVIDIA ； Harvard University（哈佛大学） 纠错

专题命中 知识编辑与模型理解 ：language model(abstract)；分类 cs.AI、cs.LG

AI总结 DreamReader提出了一种统一框架，通过可组合的表示操作分析扩散模型的可解释性，引入三种新干预机制，通过实验展示其在文本到图像模型中的应用，推动可解释性研究。

A proof-of-concept for automated AI-driven stellarator coil optimization with in-the-loop finite-element calculations

为自动AI驱动的磁镜线圈优化提供概念验证：闭环有限元计算

Alan A. Kaptanoglu, Pedro F. Gil

机构 * Courant Institute of Mathematical Sciences, New York University（数学科学学院，纽约大学） ； Max-Planck-Institut für Plasmaphysik（等离子物理研究所） 纠错

专题命中 知识编辑与模型理解 ：LLM(abstract)；分类 cs.LG

AI总结 本文提出一种端到端的自动线圈优化方法，通过闭环有限元计算实现磁镜装置线圈设计的自动化，采用遗传算法和上下文感知LLM进行非停优化，并引入新的Von Mises应力闭环优化方法。

Enhancing Mental Health Classification with Layer-Attentive Residuals and Contrastive Feature Learning

通过层注意力残差和对比特征学习增强心理健康分类

Menna Elgabry, Ali Hamdi, Khaled Shaban

专题命中 知识编辑与模型理解 ：pretraining(abstract)；分类 cs.LG

AI总结 本文提出通过层注意力残差聚合和监督对比特征学习方法，改进心理健康文本分类的表示学习，提升分类性能和可解释性。

Unified Text-Image-to-Video Generation: A Training-Free Approach to Flexible Visual Conditioning

统一的文本-图像到视频生成：一种无训练的灵活视觉条件方法

Bolin Lai, Sangmin Lee, Xu Cao, Xiang Li, James M. Rehg

专题命中 知识编辑与模型理解 ：foundation model(abstract)；分类 cs.LG

AI总结 本文提出无训练的FlexTI2V方法，通过局部图像块交换策略实现灵活的视觉条件，平衡创造力与保真度，验证其在文本-视频生成中的有效性。

Comments 27 pages, 10 figures, 7 tables

The Ghost in the Grammar: Methodological Anthropomorphism in AI Safety Evaluations

语法中的幽灵：人工智能安全评估中的方法论人类学

Mariana Lins Costa

专题命中 知识编辑与模型理解 ：language model(abstract)；分类 cs.AI

AI总结 本文通过分析近期技术报告，探讨人工智能安全领域中对AI系统投射意图、人格等属性的隐性人类学倾向，质疑其对安全评估方法论的影响。

Boosting Latent Diffusion Models via Disentangled Representation Alignment

通过解耦表征对齐提升潜在扩散模型

John Page, Xuesong Niu, Kai Wu, Kun Gai

专题命中 知识编辑与模型理解 ：foundation model(abstract)

AI总结 本文提出Semantics-Disentangled VAE，通过非线性映射架构提升VAE的语义解耦能力，实现高质量图像生成，FID达1.21。

Interactive Discovery and Exploration of Visual Bias in Generative Text-to-Image Models

交互式发现和探索生成文本到图像模型中的视觉偏见

Johannes Eschner, Roberto Labadie-Tamayo, Matthias Zeppelzauer, Manuela Waldner

专题命中 知识编辑与模型理解 ：prompting(abstract)

AI总结 本文提出ViBEx工具，通过交互式界面和零样本偏见探测，帮助发现生成文本到图像模型中的视觉偏见，通过案例研究验证其有效性。

ReqToCode: Embedding Requirements Traceability as a Structural Property of the Codebase

ReqToCode：将需求可追溯性作为代码库的结构属性进行嵌入

Thorsten Schlathölter

专题命中 知识编辑与模型理解 ：LLM(abstract)

AI总结 本文提出ReqToCode方法，通过将可追溯性元素直接嵌入代码库，使可追溯性成为编译时可验证的系统属性，而非外部文档任务。

Comments 23 pages. Preprint. Not peer-reviewed

SCoCCA: Multi-modal Sparse Concept Decomposition via Canonical Correlation Analysis

SCoCCA: 通过典型相关分析进行多模态稀疏概念分解

Ehud Gordon, Meir Yossef Levi, Guy Gilboa

专题命中 知识编辑与模型理解 ：language model(abstract)

AI总结 本文提出SCoCCA，通过典型相关分析实现多模态稀疏概念分解，提升跨模态对齐与可解释性，实现概念发现的最优性能。

PhysAlign: Physics-Coherent Image-to-Video Generation through Feature and 3D Representation Alignment

PhysAlign：通过特征和3D表示对齐实现物理一致的图像到视频生成

Zhexiao Xiong, Yizhi Song, Liu He, Wei Xiong, Yu Yuan, Feng Qiao, Nathan Jacobs

专题命中 知识编辑与模型理解 ：foundation model(abstract)

AI总结 PhysAlign通过特征和3D表示对齐，解决图像到视频生成中的物理一致性问题，提升复杂物理推理和时间稳定性，同时保持零样本视觉质量。

Under the Influence: Quantifying Persuasion and Vigilance in Large Language Models

受其影响：量化大型语言模型中的说服力与警觉性

Sasha Robinson, Katherine M. Collins, Ilia Sucholutsky, Kelsey R. Allen

专题命中 其他LLM ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)；分类 cs.CL、cs.LG

AI总结 研究探讨了大型语言模型在说服和警觉性方面的表现，发现其在任务执行中存在独立的能力差异，强调需单独监控这三个方面以保障AI安全。

DyACE: Dynamic Algorithm Co-evolution for Online Automated Heuristic Design with Large Language Model

DyACE：动态算法共进化用于大规模语言模型在线自动启发式设计

Guidong Lu, Yiping Liu, Xiangxiang Zeng

专题命中 其他LLM ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)；分类 cs.AI

AI总结 本文提出DyACE，通过动态算法共进化解决在线自动启发式设计中固定算法无法适应搜索动态的问题，利用大语言模型进行实时感知反馈，提升高维搜索空间的适应性与性能。

On Meta-Prompting

元提示

Adrian de Wynter, Xun Wang, Qilong Gu, Si-Qing Chen

专题命中 其他LLM ：prompting(title,abstract)；LLM(abstract)；large language model(abstract)；language model(abstract)

AI总结 本文基于范畴论提出理论框架，描述LLM与用户交互中的ICL行为，分析元提示在生成理想输出上的有效性。

Comments Preprint. Under review

SimLens for Early Exit in Large Language Models: Eliciting Accurate Latent Predictions with One More Token

SimLens用于大型语言模型中的早期退出：通过一个额外的标记获取准确的潜在预测

Ming Ma, Bowen Zheng, Zhongqiao Lin, Tianming Yang

机构 * Institute of Neuroscience, State Key Laboratory of Brain Cognition and Brain-inspired Intelligence Technology, Center for Excellence in Brain Science and Intelligence Technology, Chinese Academy of Sciences（中国科学院脑科学与智能技术卓越创新中心神经科学研究所，脑认知与脑启发智能技术国家重点实验室，脑科学与智能技术卓越创新中心） ； School of Future Technology, University of Chinese Academy of Sciences（中国科学院大学未来技术学院） 纠错

专题命中 其他LLM ：large language model(title,abstract)；language model(title,abstract)；分类 cs.CL

AI总结 本文提出SimLens，一种无需训练的解码器，通过保留起始标记和候选答案标记进行轻量级延续，提升潜在预测准确性。结合线性SimLens和SimExit机制，在多个数据集上实现更高的准确性和更快的推理速度。

When Visual Privacy Protection Meets Multimodal Large Language Models

当视觉隐私保护与多模态大语言模型相遇

Xiaofei Hui, Qian Wu, Haoxuan Qu, Majid Mirmehdi, Hossein Rahmani, Jun Liu

专题命中 其他LLM ：large language model(title,abstract)；language model(title,abstract)

AI总结 本文研究多模态大语言模型在提供便利性的同时如何保护视觉隐私，提出基于黑盒模型的优化框架，通过帕累托最优和关键历史增强优化实现隐私与性能的平衡。

Journal ref Int J Comput Vis (IJCV) 134, 167 (2026)

Are Dilemmas and Conflicts in LLM Alignment Solvable? A View from Priority Graph

对LLM对齐中的困境和冲突是否可解？一种优先图的视角

Zhenheng Tang, Xiang Liu, Qian Wang, Eunsol Choi, Bo Li, Xiaowen Chu

机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； New York University（纽约大学） ； National University of Singapore（新加坡国立大学） 纠错

专题命中 其他LLM ：LLM(title,abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 本文通过优先图模型分析LLM在不同场景中的冲突与困境，揭示了统一稳定对齐的挑战及优先黑客的潜在风险，并提出运行时验证机制以提升鲁棒性。

LLM-Augmented Release Intelligence: Automated Change Summarization and Impact Analysis in Cloud-Native CI/CD Pipelines

LLM增强的发布智能：云原生CI/CD流水线中的自动化变更摘要与影响分析

Happy Bhati

专题命中 其他LLM ：LLM(title,abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 本文提出一种结合AI的发布智能框架，用于云原生CI/CD流水线中自动化生成变更摘要和影响分析，通过语义过滤、大语言模型摘要和静态依赖分析提升发布通信的准确性和效率。

Comments 13 pages, 1 figure, 4 tables

On Google's SynthID-Text LLM Watermarking System: Theoretical Analysis and Empirical Validation

关于谷歌的SynthID-Text LLM水印系统：理论分析与实证验证

Romina Omidi, Yun Dong, Binghui Wang

专题命中 其他LLM ：LLM(title)；large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 本文对SynthID-Text水印系统进行理论分析和实证验证，探讨其检测性能和水印鲁棒性，揭示其在水印移除策略和鲁棒水印设计中的新方向。

Questionnaire Responses Do not Capture the Safety of AI Agents

问卷回复无法捕捉AI代理的安全性

Max Hellrigel-Holderbaum, Edward James Young

专题命中 其他LLM ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 本文指出问卷式评估无法准确衡量AI代理的安全性，因LLM在情景中的表现与实际代理行为存在差异，导致评估方法缺乏有效性。

Comments 31 pages, 11 pages main text

Code-A1: Adversarial Evolving of Code LLM and Test LLM via Reinforcement Learning

Code-A1：通过强化学习进行代码LLM和测试LLM的对抗演化

Aozhe Wang, Yuchen Yan, Nan Zhou, Zhengxi Lu, Weiming Lu, Jun Xiao, Yueting Zhuang, Yongliang Shen

机构 * Zhejiang University（浙江大学） 纠错

专题命中 其他LLM ：LLM(title,abstract)；分类 cs.CL

AI总结 Code-A1通过对抗性共进化框架联合优化代码LLM和测试LLM，解决传统方法中白盒访问导致的自我 collusion 和黑盒限制下的测试泛化问题，提升测试生成能力。

Comments Project Page: https://zju-real.github.io/Code-A1 Code: https://github.com/ZJU-REAL/Code-A1