语言大模型 / LLM

On the Superimposed Noise Accumulation Problem in Sequential Knowledge Editing of Large Language Models

在大型语言模型序列知识编辑中的叠加噪声积累问题

Ding Cao, Yuchen Cai, Yuqing Huang, Xuesong He, Rongxi Guo, Guiquan Liu, Guangzhong Sun

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

AI总结 研究提出DeltaEdit方法，通过动态正交约束策略减少知识冲突，提升长周期知识编辑效果，实验显示性能提升16.8%。

KEditVis: A Visual Analytics System for Knowledge Editing of Large Language Models

KEditVis：一种用于大型语言模型知识编辑的可视化分析系统

Zhenning Chen, Hanbei Zhan, Yanwei Huang, Xin Wu, Dazhen Deng, Di Weng, Yingcai Wu

机构 * Zhejiang University（浙江大学） ； State Key Lab of CAD&CG, Zhejiang University（浙江大学CAD&CG国家重点实验室） ； Hong Kong University of Science and Technology（香港科技大学） ； School of Software Engineering, South China University of Technology（华南理工大学软件学院） ； School of Software Technology, Zhejiang University（浙江大学软件学院） 纠错

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

AI总结 本文提出KEditVis，通过交互式可视化帮助用户深入理解知识编辑，提升编辑效果并发现未来算法改进的洞察。

Comments Accepted by IEEE PacificVis 2026 (TVCG Journal Track)

Distilling LLM Reasoning into Graph of Concept Predictors

将大语言模型的推理过程蒸馏为概念预测图

Ziyang Yu, Liang Zhao

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

AI总结 本文提出GCP框架，通过外部化教师决策过程为有向无环图，提升样本效率和训练稳定性，实验证明在有限标注预算下提升性能并增强可解释性。

Do Language Models Encode Semantic Relations? Probing and Sparse Feature Analysis

语言模型是否编码语义关系？探测与稀疏特征分析

Andor Diera, Ansgar Scherp

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

AI总结 本文研究了大型语言模型对语义关系（同义、反义、上位词、下位词）的表示，结合线性探测与稀疏特征分析，揭示了语义关系在模型中的编码特性及稳定性。

Comments accepted at LREC 2026

Hallucination-aware intermediate representation edit in large vision-language models

具有幻觉意识的中间表示编辑在大视觉-语言模型中

Wei Suo, Hanzu Zhang, Lijun Zhang, Ji Ma, Peng Wang, Yanning Zhang

机构 * School of Computer Science, Northwestern Polytechnical University（西北工业大学计算机学院） 纠错

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

AI总结 本文提出一种动态检测和消除幻觉表示的框架，通过最小额外计算成本在现有基准上实现最先进的性能，展示了高效且稳健的幻觉消除能力。

From FusHa to Folk: Exploring Cross-Lingual Transfer in Arabic Language Models

从FusHa到Folk：探索阿拉伯语言模型中的跨语言迁移

Abdulmuizz Khalak, Abderrahmane Issam, Gerasimos Spanakis

机构 * Maastricht University（马斯特里赫特大学） 纠错

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

AI总结 研究阿拉伯语言模型在不同方言间的跨语言迁移能力，发现迁移效果不均衡且受地理接近性影响，同时发现多方言模型存在负干扰现象。

Comments Accepted to VarDial 2026

Audio Hallucination Attacks: Probing the Reliability of Large Audio Language Models

音频幻觉攻击：测试大型音频语言模型的可靠性

Ashish Seth, Sonal Kumar, Ramaneswaran Selvakumar, Nishit Anand, Utkarsh Tyagi, Prem Seetharaman, Ramani Duraiswami, Dinesh Manocha

机构 * University of Maryland, College Park（马里兰大学帕克分校） ； Adobe Research（Adobe研究院） 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Audio Hallucination Attacks，通过6500个问答对测试大型音频语言模型是否真实基于音频输入生成响应，发现其可靠性与基准性能存在差距，并提出AHA-Guard数据集降低攻击成功率。

Principal Prototype Analysis on Manifold for Interpretable Reinforcement Learning

流形上的主原型分析用于可解释的强化学习

Bodla Krishna Vamshi, Haizhao Yang

机构 * University of Maryland College park（马里兰大学帕克分校） 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.LG

AI总结 本文提出一种自动选择最优原型的方法，用于增强强化学习的可解释性，无需人工定义原型，实验显示其性能与现有方法相当。

POTSA: A Cross-Lingual Speech Alignment Framework for Speech-to-Text Translation

POTSA：一种用于语音到文本翻译的跨语言语音对齐框架

Xuanchen Li, Chenrui Cui, Tianrui Wang, Meng Ge, Zikang Huang, Yizhou Peng, Jin Li, Yuheng Lu, Yu Jiang, Nyima Tashi, Longbiao Wang, Jianwu Dang

机构 * Tianjin Key Laboratory of Cognitive Computing and Application, Tianjin University（天津大学认知计算与应用天津市重点实验室） ； Nanyang Technological University（南洋理工大学） ； Huiyan Technology Company, Ltd.（慧眼科技有限公司） ； Chinese Academy of Sciences（中国科学院） ； Tibet University（西藏大学） 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.CL

AI总结 本文提出POTSA框架，通过最优传输和跨语言平行语音对缓解多语言语音翻译中的语义偏见问题，实验显示在FLEURS数据集上取得SOTA性能，提升BLEU分数。

Autonomous Discovery of Particle Physics Theories from Experimental Data

从实验数据自主发现粒子物理理论

Stephon Alexander, Benjamin Bradley, Loukas Gouskos, Cooper Niu

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

AI总结 本文提出Albert框架，通过神经符号AI系统在理论空间中系统导航，利用规则语法生成粒子对称性和相互作用的序列，结合强化学习环境和χ²分析，自主发现标准模型并预测顶夸克质量。

Comments 22 pages, 5 figures

Concept frustration: Aligning human concepts and machine representations

概念冲突：对齐人类概念与机器表示

Enrico Parisini, Christopher J. Soelistyo, Ahab Isaac, Alessandro Barp, Christopher R. S. Banerji

机构 * The Francis Crick Institute（弗朗西斯·克里克研究所） ； Department of Statistical Science, University College London（伦敦大学学院统计科学系） ； The Alan Turing Institute（艾伦·图灵研究所） 纠错

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

AI总结 本文提出一种几何框架，用于比较监督人类概念与无监督中间表示，揭示概念冲突现象，并展示其在任务对齐几何中的检测能力，为解释AI的发展提供新思路。

Comments 34 pages, 7 figures

EcoScratch: Cost-Effective Multimodal Repair for Scratch Using Execution Feedback

EcoScratch: 低成本多模态修复用于刮痕使用执行反馈

Yuan Si, Ming Wang, Daming Li, Hanyuan Shi, Jialu Zhang

专题命中 知识编辑与模型理解 ：prompting(abstract)

AI总结 EcoScratch通过轻量级运行时信号决定是否保持纯文本修复或升级到多模态提示，结合JSON补丁预算和验证努力，提升Scratch修复效率与效果。

Multi-Modal Representation Learning via Semi-Supervised Rate Reduction for Generalized Category Discovery

通过半监督率减少实现多模态表示学习的通用类别发现

Wei He, Xianghan Meng, Zhiyuan Huang, Xianbiao Qi, Rong Xiao, Chun-Guang Li

机构 * School of Artificial Intelligence, Beijing University of Posts and Telecommunications（北京邮电大学人工智能学院） ； Intellifusion Inc., Shenzhen, P.R. China（深圳云天励飞技术股份有限公司） 纠错

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

AI总结 本文提出SSR²-GCD框架，通过半监督率减少实现多模态表示学习，提升通用类别发现任务的结构属性和知识迁移能力。

Comments 15 pages, accepted by CVPR 2026