语言大模型 / LLM

Predictive Regularization Against Visual Representation Degradation in Multimodal Large Language Models

预测正则化对抗多模态大语言模型中的视觉表征退化

Enguang Wang, Qiang Wang, Yuanchen Wu, Ke Yan, Xinbin Yuan, Shouhong Ding, Xialei Liu, Ming-Ming Cheng

机构 * NKIARI ； VCIP, CS, Nankai University（VCIP计算机科学系，南开大学） ； AAIS, Nankai University（AAIS，南开大学） ； Tencent Youtu Lab（腾讯优设实验室） 纠错

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

AI总结 本文研究多模态大语言模型中的视觉表征退化问题，提出预测正则化方法以维持视觉表征，提升视觉语言性能。

Comments Accepted at CVPR 2026

Riemannian Geometry Speaks Louder Than Words: From Graph Foundation Model to Next-Generation Graph Intelligence

黎曼几何胜过言语：从图基础模型到下一代图智能

Philip S. Yu, Li Sun

机构 * University of Illinois Chicago（伊利诺伊大学香槟分校） ； Beijing University of Posts and Telecommunications（北京邮电大学） 纠错

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

AI总结 本文提出黎曼基础模型（RFM），通过内在几何捕捉复杂结构模式，推动图智能发展，实现从设计图模型到解决图结构应用的范式转变。

Comments 7 pages

Multi-Paradigm Collaborative Adversarial Attack Against Multi-Modal Large Language Models

多范式协同对抗攻击多模态大语言模型

Yuanbo Li, Tianyang Xu, Cong Hu, Tao Zhou, Xiao-Jun Wu, Josef Kittler

机构 * School of Artificial Intelligence and Computer Science, Jiangnan University（江南大学人工智能与计算机科学学院） ； Centre for Vision, Speech and Signal Processing (CVSSP), University of Surrey（Surrey 大学视觉、语音和信号处理中心） 纠错

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

AI总结 针对多模态大语言模型的多范式协同对抗攻击方法，通过聚合视觉和语言特征进行联合优化，提升对抗示例的可转移性，实验表明优于现有方法。

Comments Accepted by CVPR2026

DiscoUQ: Structured Disagreement Analysis for Uncertainty Quantification in LLM Agent Ensembles

DiscoUQ：用于LLM代理集合不确定性量化中的结构分歧分析

Bo Jiang

机构 * Temple University（Temple 大学） 纠错

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

AI总结 本文提出DiscoUQ框架，通过分析代理间分歧的结构特性，提升不确定性量化效果，实验表明其在多个基准测试中表现优异，尤其在弱分歧层级表现突出。

Understanding Temporal Logic Consistency in Video-Language Models through Cross-Modal Attention Discriminability

通过跨模态注意力可区分性理解视频-语言模型中的时间逻辑一致性

Chengzhi Li, Heyan Huang, Ping Jian, Zhen Yang, Yaning Tian, Zhongbin Guo

机构 * School of Computer Science and Technology, Beijing Institute of Technology, Beijing, China（北京理工大学计算机科学与技术学院，北京，中国） ； Beijing Engineering Research Center of High Volume Language Information Processing and Cloud Computing Applications, Beijing Institute of Technology, Beijing, China（高性能语言信息处理与云计算应用北京工程研究中心，北京理工大学，北京，中国） 纠错

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

AI总结 研究探讨视频-语言模型在时间逻辑一致性问题上的核心原因，提出TCAS方法提升跨模态注意力的时序分辨能力，实验验证了方法对时间逻辑一致性的提升效果。

Comments Accepted by CVPR 2026

Which Concepts to Forget and How to Refuse? Decomposing Concepts for Continual Unlearning in Large Vision-Language Models

哪些概念需要遗忘以及如何拒绝？分解概念以在大视觉-语言模型中实现持续反学习

Hyundong Jin, Dongyoon Han, Eunwoo Kim

机构 * Chung-Ang University（Chung-Ang大学） ； NAVER AI Lab（NAVER AI实验室） 纠错

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

AI总结 本文提出一种持续反学习框架，通过分解删除目标中的视觉和文本概念，生成基于细粒度描述的拒绝响应，以提升反学习效果和保持通用性。

Comments Accepted to CVPR 2026

Curveball Steering: The Right Direction To Steer Isn't Always Linear

曲球操控：引导的正确方向并不总是线性

Shivam Raval, Hae Jin Song, Linlin Wu, Abir Harrasse, Jeff M. Phillips, Fazl Barez, Amirali Abdullah

机构 * Harvard Berkman Klein Center（哈佛伯克曼克莱因中心） ； Harvard University（哈佛大学） ； University of Utah（犹他大学） ； University of Oxford（牛津大学） 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 本文提出曲球操控方法，通过多项式核PCA在特征空间中进行干预，更尊重学习到的激活几何，优于线性PCA方法，尤其在几何扭曲强的场景中表现更佳。

From Human Interfaces to Agent Interfaces: Rethinking Software Design in the Age of AI-Native Systems

从人机界面到代理界面：在AI原生系统时代重新思考软件设计

Shaolin Wang, Yi Mei, Haoyang Che, He Jiang, Shui Yu, Ying Gu

机构 * Victoria University of Wellington, New Zealand（维多利亚大学惠灵顿分校） ； Independent Researcher（独立研究员） ； Dalian University of Technology, China（大连理工大学） 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 本文探讨了软件设计从以人为中心的界面转向以代理为中心的调用系统，提出了代理接口的概念和设计原则，为AI原生软件设计提供理论基础。

Comments 4 pages, 1 figure, 1 table

Persona Vectors in Games: Measuring and Steering Strategies via Activation Vectors

游戏中的角色向量：通过激活向量测量和引导策略

Johnathan Sun, Andrew Zhang

机构 * Harvard University（哈佛大学） 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 本文通过对比激活添加方法，在博弈论场景中构建了代表利他、宽恕和他人期望的角色向量，发现激活引导能系统性地改变策略选择和自然语言解释，但同时也观察到言辞与策略可能产生分歧。

Comments 8 pages, 6 figures

Cross-Granularity Representations for Biological Sequences: Insights from ESM and BiGCARP

跨粒度表示法用于生物序列：来自ESM和BiGCARP的见解

Hanlin Xiao, Rainer Breitling, Eriko Takano, Mauricio A. Álvarez

机构 * Manchester Institute of Biotechnology, The University of Manchester, Manchester, United Kingdom（曼彻斯特大学生物技术研究所） ； Department of Computer Science, The University of Manchester, Manchester, United Kingdom（曼彻斯特大学计算机科学系） 纠错

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

AI总结 本文研究了通过BiGCARP和ESM模型整合跨粒度知识的方法，发现深层嵌入能更准确地捕捉模型知识，不同粒度的表示在中间预测任务中带来性能提升。

Comments 9 pages, 4 figures, published in 2025 IEEE International Conference on Bioinformatics and Biomedicine (BIBM)

Journal ref Proc. IEEE BIBM (2025) 6936-6943

The Anatomy of an Edit: Mechanism-Guided Activation Steering for Knowledge Editing

编辑的解剖：基于机制的激活引导知识编辑

Yuan Cao, Mingyang Wang, Hinrich Schütze

机构 * Technical University of Munich（慕尼黑技术大学） ； LMU Munich（慕尼黑大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心（MCML）） 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.CL

AI总结 本文提出MEGA方法，通过机制引导激活控制实现知识编辑，发现注意力和FFN模块合作抑制原始事实，中后期注意力促进新目标，提升编辑性能。

Support Tokens, Stability Margins, and a New Foundation for Robust LLMs

支持标记、稳定性边距与鲁棒大语言模型的新基础

Deepak Agarwal, Dhyey Dharmendrakumar Mavani, Suyash Gupta, Karthik Sethuraman, Tejas Dharamsi

机构 * LinkedIn 纠错

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

AI总结 本文通过概率框架重新解释因果自注意力变换器，揭示参数约束和退化边界，提出支持标记概念，并通过贝叶斯MAP训练目标提升模型鲁棒性。

Comments 45 pages, 9 figures

OmniCodec: Low Frame Rate Universal Audio Codec with Semantic-Acoustic Disentanglement

OmniCodec：低帧率通用音频编解码器与语义-听觉解耦

Jingbin Hu, Haoyu Zhang, Dake Guo, Qirui Zhan, Wenhao Li, Huakang Chen, Guobin Ma, Hanke Xie, Chengyou Wang, Pengyuan Xie, Chuan Xie, Qiang Zhang, Lei Xie

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

AI总结 OmniCodec通过语义-听觉解耦和自引导策略，在低帧率下实现跨多音频域的通用音频编解码，提升重建质量与下游生成任务的语义信息表达。

Automated Formalization via Conceptual Retrieval-Augmented LLMs

通过概念检索增强的LLM实现自动化形式化

Wangyue Lu, Lun Du, Sirui Li, Ke Weng, Haozhe Sun, Hengyu Liu, Minghe Yu, Tiancheng Zhang, Ge Yu

机构 * School of Computer Science and Engineering, Northeastern University, Shenyang 110819, China（东北大学计算机科学与工程学院，沈阳 110819，中国） ； Ant Research, Ant Group, Beijing, China（蚂蚁集团北京蚂蚁研究院，中国） ； Department of Computer Science, Aalborg University, Denmark（丹麦奥尔堡大学计算机科学系） ； Software College, Northeastern University, Shenyang 110819, China（东北大学软件学院，沈阳 110819，中国） 纠错

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CRAMF框架，通过检索数学概念定义提升LLM形式化能力，解决模型幻觉和语义鸿沟问题，在三个基准测试中实现显著提升。

Taxonomy-Aware Representation Alignment for Hierarchical Visual Recognition with Large Multimodal Models

面向层次视觉识别的分类意识表示对齐

Hulingxiao He, Zhi Tan, Yuxin Peng

机构 * Wangxuan Institute of Computer Technology, Peking University（北京大学计算机系王轩研究所） 纠错

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

AI总结 本文提出TARA方法，通过生物基础模型的层次对比学习将分类知识注入大模态模型，提升层次视觉识别中对已知和新类别的识别性能。

Comments Published as a conference paper at CVPR 2026

Sparse but not Simpler: A Multi-Level Interpretability Analysis of Vision Transformers

稀疏但不更简单：视觉转换器的多级可解释性分析

Siyu Zhang

机构 * University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

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

AI总结 本文通过DeiT-III B/16模型评估了权重稀疏性与可解释性之间的关系，引入IMPACT框架分析四个层级，发现稀疏模型虽减少边数但节点活跃度无显著提升，表明稀疏性不必然提升可解释性。

Embedding Shift Dissection on CLIP: Effects of Augmentations on VLM's Representation Learning

在CLIP上嵌入位移分析：不同增强对VLM表示学习的影响

Ashim Dahal, Saydul Akbar Murad, Nick Rahimi

机构 * University of Southern Mississippi（密西西比大学） 纠错

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

AI总结 研究分析不同增强技术对CLIP嵌入位移的影响，探讨增强对视觉语言模型表示学习的机械可解释性影响。

Comments accepted at MIV at CVPR 2025

Journal ref 2025 IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops (CVPRW)