语言大模型 / LLM

STEAR: Layer-Aware Spatiotemporal Evidence Intervention for Hallucination Mitigation in Video Large Language Models

STEAR：面向视频大语言模型的层感知时空证据干预以缓解幻觉

Linfeng Fan, Yuan Tian, Ziwei Li, Zhiwu Lu

机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学高瓴人工智能学院） ； King Abdullah University of Science and Technology（阿卜杜拉国王科技大学） 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)

AI总结 STEAR通过层感知的时空证据干预框架，缓解视频大语言模型中的空间和时间幻觉，提升解码的准确性与一致性。

Comments Preprint

Do Audio-Visual Large Language Models Really See and Hear?

音频视觉大语言模型真的能看见和听见吗？

Ramaneswaran Selvakumar, Kaousheik Jayakumar, S Sakshi, Sreyan Ghosh, Ruohan Gao, Dinesh Manocha

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(title,abstract)；language model(title,abstract)；分类 cs.AI

AI总结 研究探讨了音频视觉大语言模型中音频与视觉特征的融合机制，发现当音频与视觉冲突时，最终文本生成中音频信息无法有效表露，揭示了多模态LLM在整合音频和视觉时的模态偏见。

Comments CVPR Findings

AutoPCR: Automated Phenotype Concept Recognition by Prompting

AutoPCR: 通过提示实现自动表型概念识别

Yicheng Tao, Yuanhao Huang, Yiqun Wang, Xin Luo, Jie Liu

机构 * University of Michigan（密歇根大学） 纠错

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

AI总结 本文提出AutoPCR，一种基于提示的表型概念识别方法，无需领域特定训练即可自动泛化至新本体和未见数据，实验显示其在多个数据集上表现最佳。

Comments Accepted at ISMB 2026 (Proceedings)

On the Geometric Structure of Layer Updates in Deep Language Models

深度语言模型中层更新的几何结构研究

Jun-Sik Yoo

机构 * Institute of Basic Science, Korea University（韩国大学基础科学研究所） 纠错

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

AI总结 本文研究深度语言模型中层更新的几何结构，发现层更新可分解为主导的tokenwise组件和一个几何上不同的残差部分，残差对输出扰动有显著影响。

Comments 11 pages, 5 figures

JointFM-0.1: A Foundation Model for Multi-Target Joint Distributional Prediction

JointFM-0.1：多目标联合分布预测的基础模型

Stefan Hackmann

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

AI总结 本文提出JointFM-0.1，一种多目标联合分布预测的基础模型，通过生成无限合成SDEs来训练通用模型，直接预测未来联合概率分布，无需特定任务校准或微调。

Empirical Sufficiency Lower Bounds for Language Modeling with Locally-Bootstrapped Semantic Structures

语言建模中基于局部自举语义结构的经验充分性下界

Jakob Prange, Emmanuele Chersoni

机构 * The Hong Kong Polytechnic University（香港理工大学） 纠错

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

AI总结 本文通过分析语义结构预测的失败案例，提出语言模型中语义自举的充分性下界，设计了简洁的二进制向量表示并评估了增量标注器性能，发现语义向量维度可大幅缩减且需考虑信号与噪声分布以建立预测质量下界。

Comments To appear at *SEM 2023, Toronto

TARS: MinMax Token-Adaptive Preference Strategy for Hallucination Reduction in MLLMs

TARS：最小最大令牌自适应偏好策略用于减少多模态大语言模型中的幻觉

Kejia Zhang, Keda Tao, Zhiming Luo, Chang Liu, Jiasheng Tang, Huan Wang

机构 * Xiamen University（厦门大学） ； Westlake University（西湖大学） ； DAMO Academy, Alibaba Group（阿里巴巴达摩院） ； AWS AI Lab, Amazon（亚马逊AWS AI实验室） ； Hupan Laboratory（湖畔实验室） 纠错

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

AI总结 TARS通过最小最大优化问题重构直接偏好优化，通过对抗性令牌扰动减少多模态大语言模型中的幻觉，通过频域对齐损失提升隐藏表征，优于标准DPO并超越数据增强方法。

Finding Belief Geometries with Sparse Autoencoders

通过稀疏自编码器寻找信念几何结构

Matthew Levinson

机构 * Independent Researcher（独立研究员） ； Simplex AI Safety 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、cs.LG

AI总结 本文提出一种通过稀疏自编码器、k子空间聚类和AANet发现变换器表示中简单形结构子空间的管道，验证了在多部分隐藏马尔可夫模型训练的变换器中，Gemma-2-9B中存在候选简单形几何结构。

OSCAR: Orchestrated Self-verification and Cross-path Refinement

OSCAR：协调自我验证与跨路径细化

Yash Shah, Abhijit Chakraborty, Naresh Kumar Devulapally, Vishnu Lokhande, Vivek Gupta

机构 * Arizona State University（亚利桑那州立大学） ； University at Buffalo, SUNY（纽约州立大学布法罗分校） 纠错

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

AI总结 OSCAR通过利用扩散语言模型的去噪轨迹，提出一种无需训练的推理框架，通过交叉链熵检测高不确定性位置并进行针对性修正，提升生成质量与事实准确性。

An Empirical Study of Testing Practices in Open Source AI Agent Frameworks and Agentic Applications

对开源AI代理框架和代理应用测试实践的实证研究

Mohammed Mehedi Hasan, Hao Li, Emad Fallahzadeh, Gopi Krishnan Rajbahadur, Bram Adams, Ahmed E. Hassan

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

AI总结 本文通过分析39个开源代理框架和439个代理应用，发现确定性组件消耗了70%的测试资源，而FM-based Plan Body测试不足，提出改进测试方法和促进Prompt回归测试的建议。