arXivDaily arXiv每日学术速递 周一至周五更新

AI 大模型

语言大模型 / LLM

大语言模型、预训练、指令微调、后训练和语言模型应用。

2026-04-15 至 2026-04-15 共收录 23 信号源:cs.CL, cs.AI, cs.LG

1. 知识编辑与模型理解 23 篇

2604.11835 2026-04-15 cs.LG cs.AI 90%

Schema-Adaptive Tabular Representation Learning with LLMs for Generalizable Multimodal Clinical Reasoning

基于LLM的Schema自适应表格表示学习用于通用多模态临床推理

Hongxi Mao, Wei Zhou, Mengting Jia, Tao Fang, Huan Gao, Bin Zhang, Shangyang Li

机构 * Beijing University of Posts and Telecommunications(北京邮电大学) Boston University(波士顿大学) University of Southern California(南加州大学) GDIIST Renyixun Health Technology Co., Ltd.(仁心迅健康科技有限公司)

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

AI总结 本文提出基于LLM的Schema自适应表格表示学习方法,通过将结构化变量转换为语义自然语言并编码,实现零样本跨schema对齐,结合表格和MRI数据在多模态 dementia 诊断中取得优于临床基准的性能。

Comments 11 pages, 4 figures

Journal ref ACL 2026, Main conference

详情

展开后加载摘要…

URL PDF HTML 收藏
2601.14004 2026-04-15 cs.CL 88%

Locate, Steer, and Improve: A Practical Survey of Actionable Mechanistic Interpretability in Large Language Models

定位、引导与改进:大型语言模型中可操作机制可解释性的一项实用调查

Hengyuan Zhang, Zhihao Zhang, Mingyang Wang, Zunhai Su, Yiwei Wang, Qianli Wang, Shuzhou Yuan, Ercong Nie, Xufeng Duan, Feijiang Han, Qibo Xue, Zeping Yu, Chenming Shang, Xiao Liang, Jing Xiong, Hui Shen, Chaofan Tao, Zhengwu Liu, Senjie Jin, Zhiheng Xi, Dongdong Zhang, Sophia Ananiadou, Tao Gui, Ruobing Xie, Hayden Kwok-Hay So, Hinrich Schütze, Xuanjing Huang, Qi Zhang, Ngai Wong

机构 * The University of Hong Kong(香港大学) Fudan University(复旦大学) LMU Munich(慕尼黑大学) Tsinghua University(清华大学) Technische Universität Darmstadt(达姆施塔特技术大学) Technische Universität Berlin(柏林技术大学) Technische Universität Dresden(德累斯顿技术大学) The Chinese University of Hong Kong(香港中文大学) University of Pennsylvania(宾夕法尼亚大学) Nanjing University(南京大学) University of Manchester(曼彻斯特大学) Dartmouth College(达特茅斯学院) University of California Los Angeles(加州大学洛杉矶分校) University of Michigan(密歇根大学) Microsoft(微软) Tencent(腾讯)

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

AI总结 本文提出一个实用调查,围绕'定位、引导与改进'流程,系统分类定位和引导方法,展示如何通过该框架提升模型对齐、能力和效率。

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.12397 2026-04-15 cs.CL 87%

KoCo: Conditioning Language Model Pre-training on Knowledge Coordinates

KoCo:基于知识坐标的语言模型预训练

Yudong Li, Jiawei Cai, Linlin Shen

机构 * School of Computer Science and Software Engineering, Shenzhen University(深圳大学计算机科学与软件工程学院) Department of Electrical Engineering, Tsinghua University(清华大学电子工程系) School of Artificial Intelligence, Shenzhen University(深圳大学人工智能学院) Guangdong Provincial Key Laboratory of Intelligent Information Processing, Shenzhen University(广东省智能信息处理重点实验室)

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

AI总结 KoCo通过将文档映射为三维语义坐标,提升语言模型对现实知识结构的理解,使模型在10个下游任务中性能提升30%并减少幻觉。

Comments Accepted by ACL 2026 Main Conference

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.10151 2026-04-15 cs.CL 83%

Nationality encoding in language model hidden states: Probing culturally differentiated representations in persona-conditioned academic text

语言模型隐藏状态中的国籍编码:探究基于人格条件的学术文本中的文化差异表示

Paul Jackson, Ruizhe Li, Elspeth Edelstein

机构 * Language Centre, School of Language, Literature, Music and Visual Culture, University of Aberdeen(语言中心,语言文学音乐与视觉文化学院,阿伯丁大学) School of Natural and Computing Sciences, University of Aberdeen(自然与计算科学学院,阿伯丁大学) School of Language, Literature, Music and Visual Culture, University of Aberdeen(语言文学音乐与视觉文化学院,阿伯丁大学)

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 研究测试Gemma-3-4b-it在生成英文学术文本时是否在隐藏状态中编码文化差异的国籍信息,通过分析隐藏状态激活并发现国籍编码在不同层中呈现非单调轨迹。

Comments 42 pages, 6 tables

详情

展开后加载摘要…

URL PDF HTML 收藏
2601.10398 2026-04-15 cs.AI 81%

LatentRefusal: Latent-Signal Refusal for Unanswerable Text-to-SQL Queries

LatentRefusal:用于无法回答的文本到SQL查询的潜在信号拒绝

Xuancheng Ren, Shijing Hu, Zhihui Lu, Jiangqi Huang, Qiang Duan

机构 * Fudan University(复旦大学) Pennsylvania State University(宾夕法尼亚州立大学) Abington College(阿宾顿学院)

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

AI总结 本文提出LatentRefusal方法,通过分析大语言模型的中间隐藏激活来预测查询可回答性,从而在文本到SQL系统中实现安全拒绝,提升系统安全性与效率。

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.12046 2026-04-15 cs.CL 81%

Think Through Uncertainty: Improving Long-Form Generation Factuality via Reasoning Calibration

在不确定性中思考:通过推理校准提升长形式生成的真实性

Xin Liu, Lu Wang

机构 * Computer Science and Engineering University of Michigan(计算机科学与工程系密歇根大学)

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

AI总结 本文提出CURE框架,通过在声明层面教授模型处理不确定性,提升长形式生成的真实性。该方法通过多阶段训练流程对齐模型置信度与声明正确性,并在推理时选择性预测,实验表明其在事实准确性上优于现有基线。

详情

展开后加载摘要…

URL PDF HTML 收藏
2601.09313 2026-04-15 cs.CL cs.AI 81%

Understanding or Memorizing? A Case Study of German Definite Articles in Language Models

理解还是记忆?语言模型中德语定冠词的案例研究

Jonathan Drechsel, Erisa Bytyqi, Steffen Herbold

机构 * Faculty of Computer Science and Mathematics(计算机科学与数学系)

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 研究探讨语言模型在德语定冠词语法一致性的表现是基于规则还是记忆,通过GRADIEND方法分析性别和格对冠词形式的影响,发现模型依赖记忆关联而非抽象语法规则。

Comments Accepted at ACL 2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.12377 2026-04-15 cs.CL cs.AI 81%

SCRIPT: A Subcharacter Compositional Representation Injection Module for Korean Pre-Trained Language Models

SCRIPT: 一种用于韩语预训练语言模型的子字符组合表示注入模块

SungHo Kim, Juhyeong Park, Eda Atalay, SangKeun Lee

机构 * Department of Artificial Intelligence, Korea University, Seoul, South Korea(人工智能系,韩国大学,首尔,韩国) Department of Computer Science and Engineering, Korea University, Seoul, South Korea(计算机科学与工程系,韩国大学,首尔,韩国)

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 SCRIPT通过注入子字符组合知识提升韩语PLM的结构粒度,无需修改架构或额外预训练,在多种NLU和NLG任务中提升性能,并改进语法规律和语义连贯性。

Comments Accepted at ACL 2026 Findings

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.12033 2026-04-15 cs.CL cs.AI cs.CV 81%

Benchmarking Deflection and Hallucination in Large Vision-Language Models

对大视觉-语言模型中偏移和幻觉的基准测试

Nicholas Moratelli, Christopher Davis, Leonardo F. R. Ribeiro, Bill Byrne, Gonzalo Iglesias

机构 * University of Modena and Reggio Emilia(摩德纳和雷吉奥艾米利亚大学) Amazon AGI(亚马逊人工智能实验室) University of Cambridge(剑桥大学)

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 本文提出VLM-DeflectionBench基准,通过2775个样本评估模型在冲突或不足证据下的行为,揭示模型在面对噪声或误导性证据时的偏移能力不足,为可靠的KB-VQA评估提供可扩展的基准。

Comments Accepted to ACL 2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2508.12260 2026-04-15 cs.AI q-bio.QM 79%

Mantis: A Foundation Model for Mechanistic Disease Forecasting

Mantis:一种用于机制性疾病预测的基础模型

Carson Dudley, Reiden Magdaleno, Christopher Harding, Ananya Sharma, Emily Martin, Marisa Eisenberg

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

AI总结 Mantis通过机制性模拟训练,实现了在有限数据下对多种疾病、地区和结果的快速预测,展示了其在疾病预测中的广泛适用性和准确性。

Comments 11 pages, 4 figures

详情

展开后加载摘要…

URL PDF HTML 收藏
2510.15552 2026-04-15 cs.CL cs.AI 79%

Think Parallax: Solving Multi-Hop Problems via Multi-View Knowledge-Graph-Based Retrieval-Augmented Generation

Think Parallax: 通过多视图知识图谱基于检索增强生成解决多跳问题

Jinliang Liu, Jiale Bai, Shaoning Zeng

机构 * Yangtze Delta Region Institute (Huzhou), University of Electronic Science and Technology of China(长江三角洲地区研究院(湖州),电子科学与技术大学) School of Information and Software Engineering, University of Electronic Science and Technology of China(信息与软件工程学院,电子科学与技术大学)

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

AI总结 本文提出ParallaxRAG框架,通过多视图知识图谱检索增强生成解决多跳推理问题,改进多跳推理的结构,提升检索和问答性能,减少幻觉并增强生物医学领域适应性。

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.12115 2026-04-15 cs.CV 78%

HTDC: Hesitation-Triggered Differential Calibration for Mitigating Hallucination in Large Vision-Language Models

HTDC: 通过犹豫触发的微分校准缓解大视觉-语言模型中的幻觉

Xinyun Liu

机构 * Sichuan University(四川大学)

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

AI总结 本文提出HTDC,一种无需训练的解码框架,通过检测层间犹豫信号,仅在易出错步骤激活校准,有效抑制幻觉并保持任务准确性。

Comments 10 pages, 4 figures, 6 tables

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.11868 2026-04-15 cs.CV 75%

MedConcept: Unsupervised Concept Discovery for Interpretability in Medical VLMs

MedConcept: 医学视觉语言模型中的无监督概念发现以实现可解释性

Md Rakibul Haque, KM Arefeen Sultan, Tushar Kataria, Shireen Elhabian

机构 * Kahlert School of Computing, University of Utah Scientific Computing(犹他大学计算学校科学计算) Imaging Institute, University of Utah(犹他大学影像研究所)

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

AI总结 MedConcept通过无监督方法发现医学VLMs中的潜在概念,并利用临床可验证的文本语义进行解释,提供定量评估协议和三个概念评分以评估模型可解释性。

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.13021 2026-04-15 cs.CV cs.AI 74%

Representation geometry shapes task performance in vision-language modeling for CT enterography

表征几何形状任务性能在CT结肠镜视觉-语言建模中的作用

Cristian Minoccheri, Emily Wittrup, Kayvan Najarian, Ryan Stidham

机构 * Gilbert S. Omenn Department of Computational Medicine and Bioinformatics(Gilbert S. Omenn 计算医学与生物信息学部门) Department of Gastroenterology(消化内科部门) Department of Emergency Medicine(急诊医学部门) Department of Electrical Engineering and Computer Science(电气工程与计算机科学部门)

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

AI总结 本文研究了CT结肠镜视觉-语言迁移学习,发现均值池化在疾病分类中表现更优,而注意力池化在跨模态检索中更有效,同时指出单片组织对比度比空间覆盖范围更重要,为构建体积医学影像视觉-语言系统提供了基础。

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.12424 2026-04-15 cs.CL cs.AI cs.CV 73%

Decoding by Perturbation: Mitigating MLLM Hallucinations via Dynamic Textual Perturbation

解码中的扰动:通过动态文本扰动缓解多模态大语言模型的幻觉

Sihang Jia, Shuliang Liu, Songbo Yang, Yibo Yan, Xin Zou, Xuming Hu

机构 * The Hong Kong University of Science and Technology (Guangzhou)(香港理工大学(广州))

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

AI总结 本文提出Decoding by Perturbation方法,通过动态文本扰动缓解多模态大语言模型的幻觉问题,通过控制文本干预减少语言先验的影响,提升解码稳定性。

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.12060 2026-04-15 cs.LG cs.AI q-bio.GN 73%

Interpretable DNA Sequence Classification via Dynamic Feature Generation in Decision Trees

通过决策树中的动态特征生成实现可解释的DNA序列分类

Nicolas Huynh, Krzysztof Kacprzyk, Ryan Sheridan, David Bentley, Mihaela van der Schaar

机构 * University of Cambridge(剑桥大学) CU Anschutz Medical Campus(安舒茨医疗校区)

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DEFT框架,通过动态生成高级序列特征提升决策树在DNA序列分类中的可解释性和预测性能。

Comments AISTATS 2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.12944 2026-04-15 cs.CV cs.AI 70%

Distorted or Fabricated? A Survey on Hallucination in Video LLMs

扭曲或伪造?视频大语言模型中幻觉的调查

Yiyang Huang, Yitian Zhang, Yizhou Wang, Mingyuan Zhang, Liang Shi, Huimin Zeng, Yun Fu

机构 * Department of Electrical and Computer Engineering, Northeastern University(东北大学电气与计算机工程系) Khoury College of Computer Science, Northeastern University(东北大学科赫里计算机科学学院)

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 本文调查视频大语言模型中的幻觉问题,提出动态扭曲和内容伪造两大类,分析其成因并提出改进方向,如开发运动感知视觉编码器和整合反事实学习技术。

Comments ACL 2026 findings

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.02830 2026-04-15 cs.CL 70%

GRADE: Probing Knowledge Gaps in LLMs through Gradient Subspace Dynamics

GRADE: 通过梯度子空间动态探测语言模型中的知识差距

Yujing Wang, Yuanbang Liang, Yukun Lai, Hainan Zhang, Hanqi Yan

机构 * Beihang University(北航) Cardiff University(卡迪夫大学) King’s College London(伦敦国王学院)

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

AI总结 GRADE通过梯度子空间动态探测语言模型中的知识差距,量化知识缺口并验证其在多个基准上的有效性及抗扰性。

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.12216 2026-04-15 cs.CR cs.CL 70%

TimeMark: A Trustworthy Time Watermarking Framework for Exact Generation-Time Recovery from AIGC

TimeMark: 一种用于从AIGC中精确生成时间恢复的可信时间水印框架

Shangkun Che, Silin Du, Ge Gao

机构 * Economics and Management School, Wuhan University(武汉大学经济管理学院) School of Economics and Management, Tsinghua University(清华大学经济管理学院) School of Business Administration, Southwestern University of Finance and Economics(西南财经大学商学院)

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TimeMark框架,通过加密技术和监管监督下的时间依赖秘密密钥,实现100%准确的生成时间恢复,防止任意时间戳伪造,解决现有水印技术的可靠性问题。

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.06812 2026-04-15 cs.CL 70%

AGSC: Adaptive Granularity and Semantic Clustering for Uncertainty Quantification in Long-text Generation

AGSC:适应粒度和语义聚类用于长文本生成中的不确定性量化

Guanran Luo, Wentao Qiu, Wanru Zhao, Wenhan Lv, Zhongquan Jian, Meihong Wang, Qingqiang Wu

机构 * School of Informatics, Xiamen University(厦门大学信息学院)

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 AGSC通过适应粒度和基于GMM的语义聚类方法,解决长文本生成中不确定性量化的问题,提升事实性并减少计算成本。

Comments Accepted to the Main Conference of ACL 2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2505.19261 2026-04-15 cs.CV cs.AI 70%

Enhancing Text-to-Image Diffusion Transformer via Split-Text Conditioning

通过分段文本条件化增强文本到图像扩散变换器

Yu Zhang, Jialei Zhou, Xinchen Li, Qi Zhang, Zhongwei Wan, Tianyu Wang, Duoqian Miao, Changwei Wang, Longbing Cao

机构 * Tongji University(同济大学) The Ohio State University(俄亥俄州立大学) Georgia Institute of Technology(佐治亚理工学院) Shandong Academy of Sciences(山东省科学院) Macquarie University(麦考瑞大学)

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 本文提出DiT-ST框架,通过分段文本条件化提升扩散变换器对完整文本描述的理解能力,通过分层递进的方式注入不同语义基本类型,增强特定语义基本类型的表示学习。

Comments NeurIPS 2025

详情

展开后加载摘要…

URL PDF HTML 收藏
2510.25512 2026-04-15 cs.LG cs.AI cs.CV 62%

FaCT: Faithful Concept Traces for Explaining Neural Network Decisions

FaCT:用于解释神经网络决策的忠实概念追踪

Amin Parchami-Araghi, Sukrut Rao, Jonas Fischer, Bernt Schiele

机构 * Max Planck Institute for Informatics(马克斯·普朗克信息研究所)

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FaCT模型,通过共享类间概念实现忠实解释,引入C²-Score评估概念一致性,提升可解释性同时保持ImageNet性能。

Comments 35 pages, 23 figures, 2 tables, Neural Information Processing Systems (NeurIPS) 2025; Code is available at https://github.com/m-parchami/FaCT

详情

展开后加载摘要…

URL PDF HTML 收藏
2404.14642 2026-04-15 cs.LG 57%

Uncertainty Quantification on Graph Learning: A Survey

图学习中的不确定性量化:综述

Chao Chen, Chenghua Guo, Rui Xu, Jiujiu Chen, Xiangwen Liao, Xi Zhang, Sihong Xie, Hui Xiong, Philip Yu

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

AI总结 本文综述了图学习中不确定性量化技术,重点分析了图神经网络和图基础模型的不确定性表示与处理方法,旨在填补对图学习中不确定性量化关键挑战和机遇的理解空白。

详情

展开后加载摘要…

URL PDF HTML 收藏