语言大模型 / LLM

When Flat Minima Fail: Characterizing INT4 Quantization Collapse After FP32 Convergence

当平坦极小值失效：在FP32收敛后INT4量化崩溃的特征化

Marcus Armstrong

机构 * Department of Computer Science（计算机科学系） ； University of Houston（休斯顿大学） 纠错

专题命中 效率与部署 ：post-training(abstract)；分类 cs.LG

AI总结 研究揭示了在FP32收敛后INT4量化崩溃的三阶段结构，并通过实验表明学习率调度策略对崩溃的影响。

Geometric Context Transformer for Streaming 3D Reconstruction

流式3D重建的几何上下文变换器

Lin-Zhuo Chen, Jian Gao, Yihang Chen, Ka Leong Cheng, Yipengjing Sun, Liangxiao Hu, Nan Xue, Xing Zhu, Yujun Shen, Yao Yao, Yinghao Xu

机构 * technology.robbyant.com（robbyant技术公司） 纠错

专题命中 效率与部署 ：foundation model(abstract)

AI总结 本文提出LingBot-Map，基于几何上下文变换器架构，通过精心设计的注意力机制实现流式3D重建，兼顾几何精度、时间一致性和计算效率，达到20FPS的稳定高效推理。

Comments Project page: https://technology.robbyant.com/lingbot-map Code: https://github.com/robbyant/lingbot-map

From Boundaries to Semantics: Prompt-Guided Multi-Task Learning for Petrographic Thin-section Segmentation

从边界到语义：基于提示的多任务学习用于岩片分割

Yili Ren, Shiqi Wen, Li Hou, Dingwen Xiao, Weiming Zhang, Caleb Chen Cao, Lin Wang, Zilu Zheng, Qianxiao Su, Mingjun Zhao, Lei Chen

机构 * Research Institute of Petroleum Exploration and Development（石油勘探开发研究院） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Nanyang Technological University（南洋理工大学） 纠错

专题命中 效率与部署 ：foundation model(abstract)

AI总结 本文提出Petro-SAM框架，通过整合多角度偏振视图和颜色熵先验，解决岩片分割中的领域差距和细粒边界问题，实现高精度的粒边分割和岩性语义分割。

Multigrain-aware Semantic Prototype Scanning and Tri-Token Prompt Learning Embraced High-Order RWKV for Pan-Sharpening

多粒度感知语义原型扫描与三token提示学习融合高阶RWKV用于全分辨率融合

Junfeng Li, Wenyang Zhou, Xueheng Li, Xuanhua He, Jianhou Gan, Wenqi Ren

机构 * Shenzhen Campus of Sun Yat-sen University（中山大学深圳校区） ； Yunnan Normal University, Ministry of Education（云南师范大学教育部） ； Xidian University（西安电子科技大学） ； University of Science and Technology of China（中国科学技术大学） ； The Hong Kong University of Science and Technology（香港理工大学） ； MoE Key Laboratory of Information Technology（教育部信息科学技术重点实验室） 纠错

专题命中 效率与部署 ：prompting(abstract)

AI总结 本文提出基于高阶RWKV架构和三token提示机制的多粒度感知语义原型扫描方法，通过语义驱动扫描策略、三token提示学习和可逆Q-Shift操作提升全分辨率融合性能。

Calibration-Gated LLM Pseudo-Observations for Online Contextual Bandits

校准门控LLM伪观测用于在线上下文老虎机

Maksim Pershin, Ivan Golovanov, Pavel Baltabaev, Natalia Trankova

专题命中 领域大模型 ：LLM(title,title_cn)；large language model(abstract)；language model(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出在Disjoint LinUCB中引入LLM伪观测，通过校准门控衰减计划控制LLM预测准确性，减少冷启动阶段的累积遗憾。实验表明，特定任务提示可使MIND环境的遗憾减少19%。

An Underexplored Frontier: Large Language Models for Rare Disease Patient Education and Communication -- A scoping review

未被充分探索的前沿：大型语言模型在罕见病患者教育与沟通中的应用——一项范围综述

Zaifu Zhan, Yu Hou, Kai Yu, Min Zeng, Anita Burgun, Xiaoyi Chen, Rui Zhang

机构 * Division of Computational Health Sciences, Department of Surgery, University of Minnesota（计算健康科学系，外科部，明尼苏达大学） ； Department of Electrical and Computer Engineering, University of Minnesota（电气与计算机工程系，明尼苏达大学） ； Clinical Bioinformatics Lab, Université Paris Cité, Institut Imagine, INSERM UMR 1163（临床生物信息学实验室，巴黎城市大学，Imagine机构，INSERM UMR 1163） ； Medical Informatics Department, Hôpital Necker-Enfants Malades, AP-HP（医学信息学部，Necker-Enfants Malades医院，AP-HP） 纠错

专题命中 领域大模型 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)；分类 cs.CL、cs.AI

AI总结 本文通过范围综述探讨大型语言模型在罕见病患者教育与沟通中的应用，发现现有研究多集中于通用模型，缺乏真实场景和患者中心设计。

Federated User Behavior Modeling for Privacy-Preserving LLM Recommendation

联邦用户行为建模用于隐私保护的大语言模型推荐

Lei Guo, Hongyun Yang, Pengjie Ren, Tong Chen, Hui Liu, Zhumin Chen

专题命中 领域大模型 ：LLM(title,summary_cn)；large language model(abstract)；language model(abstract)

AI总结 本文提出SF-UBM方法，通过语义增强的联邦架构解决跨域推荐中隐私保护问题，整合多模态数据并融合协同过滤信号，提升LLM推荐效果。

Predicting Post-Traumatic Epilepsy from Clinical Records using Large Language Model Embeddings

基于大型语言模型嵌入的创伤后癫痫预测

Wenhui Cui, Nicholas Swingle, Anand A. Joshi, Dileep Nair, Richard M. Leahy

机构 * Ming Hsieh Department of Electrical and Computer Engineering（明希德电气与计算机工程系） ； University of Southern California（南加州大学） ； Epilepsy Center（癫痫中心） ； Cleveland Clinic Neurological Institute（克利夫兰诊所神经医学研究院） 纠错

专题命中 领域大模型 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)；分类 cs.LG

AI总结 本文研究利用大型语言模型嵌入从临床记录中预测创伤后癫痫，通过融合表格特征和嵌入特征，提升预测性能，达到AUC-ROC 0.892。

MetaDent: Labeling Clinical Images for Vision-Language Models in Dentistry

MetaDent: 临床图像标注用于牙科领域视觉-语言模型

Meng-Xun Li, Wen-Hui Deng, Zhi-Xing Wu, Chun-Xiao Jin, Jia-Min Wu, Yue Han, James Kit Hon Tsoi, Gui-Song Xia, Cui Huang

机构 * School of Computer Science, Wuhan University, Wuhan, Hubei, China（计算机科学学院，武汉大学，武汉，湖北，中国） 纠错

专题命中 领域大模型 ：language model(title,abstract)；LLM(abstract,abstract_cn)；large language model(abstract)；分类 cs.AI

AI总结 本文提出MetaDent，通过大规模牙科图像数据集、半结构化标注框架和综合基准测试，解决牙科内窥镜图像分析中缺乏细粒度标注的问题，验证了VLMs在临床图像理解中的性能局限。

Comments Project website: https://menxli.github.io/metadent

Journal ref Journal of Dental Research, p.00220345261424242 (2026)

OmniCompliance-100K: A Multi-Domain, Rule-Grounded, Real-World Safety Compliance Dataset

OmniCompliance-100K：一个多领域、基于规则、现实世界安全合规数据集

Wenbin Hu, Huihao Jing, Haochen Shi, Changxuan Fan, Haoran Li, Yangqiu Song

机构 * Hong Kong University of Science and Technology（香港科技大学） 纠错

专题命中 领域大模型 ：LLM(summary_cn,abstract)；large language model(abstract)；language model(abstract)；分类 cs.CL

AI总结 本文构建了一个涵盖74项法规的多领域安全合规数据集，包含12,985条规则和106,009个现实案例，通过基准测试评估了不同规模LLM的安全合规能力。

Comments Accepted to ACL 2026 Findings

Enhancing Mental Health Counseling Support in Bangladesh using Culturally-Grounded Knowledge

在孟加拉国增强心理健康咨询支持：基于文化根基的知识

Md Arid Hasan, Azhagu Meena SP, Aditya Khan, Abu Md Akteruzzaman Bhuiyan, Helal Uddin Ahmed, Joysree Debi, Farig Sadeque, Annie En-Shiun Lee, Syed Ishtiaque Ahmed

机构 * University of Toronto（多伦多大学） ； mPower Social Enterprises Ltd（mPower社会企业有限公司） ； National Institute of Mental Health（心理健康国家研究所） ； Sajida Foundation（萨吉达基金会） ； BRAC University（BRAC大学） 纠错

专题命中 领域大模型 ：LLM(summary_cn,abstract_cn)；large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 本文探讨如何通过系统整合临床验证的知识提升LLM在心理健康咨询中的表现，比较了检索增强生成与知识图谱方法，证明结构化专业知识能提升咨询相关性与实用性。

Comments submitted to CLPsych 2026

El Agente Forjador: Task-Driven Agent Generation for Quantum Simulation

El Agente Forjador：面向量子模拟的任务驱动代理生成

Zijian Zhang, Aiwei Yin, Amaan Baweja, Jiaru Bai, Ignacio Gustin, Varinia Bernales, Alán Aspuru-Guzik

机构 * Department of Computer Science, University of Toronto（多伦多大学计算机科学系） ； Department of Chemistry, University of Toronto（多伦多大学化学系） ； Department of Materials Science & Engineering, University of Toronto（多伦多大学材料科学与工程系） ； Department of Chemical Engineering & Applied Chemistry, University of Toronto（多伦多大学化学工程与应用化学系） ； Acceleration Consortium（加速联盟） ； Vector Institute for Artificial Intelligence（人工智能矢量研究所） ； Canadian Institute for Advanced Research (CIFAR)（加拿大高级研究 institute (CIFAR)） ； NVIDIA 纠错

专题命中 领域大模型 ：LLM(abstract,abstract_cn)；large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 本文提出El Agente Forjador框架，通过四阶段流程自主生成和复用计算工具，提升量子化学和动力学任务的准确性与效率。

Evo-MedAgent: Beyond One-Shot Diagnosis with Agents That Remember, Reflect, and Improve

Evo-MedAgent：超越单次诊断的具有记忆、反思和改进能力的代理

Weixiang Shen, Bailiang Jian, Jun Li, Che Liu, Johannes Moll, Xiaobin Hu, Daniel Rueckert, Hongwei Bran Li, Jiazhen Pan

机构 * Technical University of Munich（慕尼黑技术大学） ； TUM University Hospital（TUM大学医院） ； LMU Munich（慕尼黑大学） ； National University of Singapore（新加坡国立大学） ； Munich Center for Machine Learning（慕尼黑机器学习中心） ； Imperial College London（伦敦帝国理工学院） 纠错

专题命中 领域大模型 ：LLM(abstract,abstract_cn)；large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 Evo-MedAgent通过引入自我进化记忆模块，使医疗代理在测试时实现跨案例学习，提升多选题准确率，无需额外训练，适用于任何冻结模型。

TRACE: A Conversational Framework for Sustainable Tourism Recommendation with Agentic Counterfactual Explanations

TRACE：一种用于可持续旅游推荐的对话框架，配备代理反事实解释

Ashmi Banerjee, Adithi Satish, Wolfgang Wörndl, Yashar Deldjoo

机构 * Technical University of Munich（慕尼黑技术大学） ； Polytechnic University of Bari（巴里理工学院） 纠错

专题命中 领域大模型 ：LLM(summary_cn,abstract)；分类 cs.AI

AI总结 TRACE通过多代理架构促进可持续旅游，利用反事实解释和LLM生成问题，提升用户环保意识，实验证明其在推荐质量与交互响应上的有效性。

Journal ref Proceedings of the 49th International ACM SIGIR Conference on Research and Development in Information Retrieval (SIGIR '26), July 20--24, 2026, Melbourne, VIC, Australia

Adaptive Query Routing: A Tier-Based Framework for Hybrid Retrieval Across Financial, Legal, and Medical Documents

自适应查询路由：一种分层框架，用于金融、法律和医疗文档的混合检索

Afshan Hashmi

机构 * TRDC, Tuwaiq Academy（TRDC，图瓦伊克学院） 纠错

专题命中 领域大模型 ：LLM(abstract,abstract_cn)；large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 本文提出了一种分层框架，通过比较三种检索架构在金融、法律和医疗领域的表现，揭示了不同检索方法在不同复杂度层级上的性能差异，强调了树状推理和混合检索在跨参考和多段查询中的优势。

POMDP-based Object Search with Growing State Space and Hybrid Action Domain

基于增长状态空间和混合动作域的POMDP目标搜索

Yongbo Chen, Hesheng Wang, Shoudong Huang, Hanna Kurniawati

机构 * School of Automation and Intelligent Sensing, Shanghai Jiao Tong University, Shanghai, 200240, People's Republic of China（自动化与智能感知学院，上海交通大学，上海，200240，中华人民共和国） ； School of Computing, Australian National University (ANU), Canberra, ACT, 2601, Australia（计算学院，澳大利亚国立大学（ANU），堪培拉，ACT，2601，澳大利亚） ； Key Laboratory of System Control and Information Processing, Ministry of Education of China, Shanghai, 200240, People's Republic of China（系统控制与信息处理重点实验室，中华人民共和国教育部，上海，200240，中华人民共和国） ； Robotics Institute, University of Technology Sydney, Australia（机器人研究所，悉尼技术大学，澳大利亚） 纠错

专题命中 领域大模型 ：LLM(abstract,abstract_cn)；large language model(abstract)；language model(abstract)

AI总结 本文提出GNPF-kCT算法，通过结合神经过程网络和k中心聚类，解决复杂室内环境中移动机器人高效定位目标物体的问题，实验证明其在目标搜索任务中优于现有方法。

Bidirectional Cross-Modal Prompting for Event-Frame Asymmetric Stereo

双向跨模态提示用于事件-帧不对称立体

Ninghui Xu, Fabio Tosi, Lihui Wang, Jiawei Han, Luca Bartolomei, Zhiting Yao, Matteo Poggi, Stefano Mattoccia

机构 * School of Instrument Science and Engineering, Southeast University, State Key Lab of Comprehensive PNT Network and Equipment Technology, Key Lab of Micro-Inertial Instrument and Advanced Navigation Technology, MOE（仪器科学与工程学院，东南大学，综合PNT网络与设备技术国家重点实验室，微惯性仪器与先进导航技术重点实验室，教育部） ； Department of Computer Science and Engineering, University of Bologna（计算机科学与工程系，博洛尼亚大学） ； College of Computer Science and Software Engineering, Hohai University（计算机科学与软件工程学院，河海大学） ； Beijing Institute of Technology（北京理工大学） 纠错

专题命中 领域大模型 ：prompting(title,abstract)

AI总结 本文提出Bi-CMPStereo框架，通过双向跨模态提示利用语义和结构特征实现稳健匹配，提升高速运动和复杂光照下的3D感知性能。

Comments CVPR 2026. Code URL: https://github.com/xnh97/Bi-CMPStereo

CWCD: Category-Wise Contrastive Decoding for Structured Medical Report Generation

CWCD：用于结构化医学报告生成的类别级对比解码

Shantam Srivastava, Mahesh Bhosale, David Doermann, Mingchen Gao

机构 * The Department of Computer Science and Engineering（计算机科学与工程系） ； University at Buffalo, The State University of New York, NY, USA（布法罗大学，纽约州立大学） 纠错

专题命中 领域大模型 ：large language model(abstract)；language model(abstract)；foundation model(abstract)；分类 cs.AI

AI总结 本文提出CWCD框架，通过类别特定参数化和对比正常与遮蔽X光片生成结构化放射报告，提升临床效果和生成质量。

Comments Accepted to MIDL 2026 (Oral)

The Agentification of Scientific Research: A Physicist's Perspective

科学研究的代理化：一位物理学家的观点

Xiao-Liang Qi

机构 * Leinweber Institute for Theoretical Physics, Stanford University（莱因韦伯理论物理研究所，斯坦福大学） 纠错

专题命中 领域大模型 ：large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 本文探讨了AI革命对科学研究的影响，强调AI不仅是工具而是合作伙伴，改变科研效率与协作结构，主张持续学习与多样性思想对原创发现的重要性。

Comments 14 pages, 4 figures

Finch: Benchmarking Finance & Accounting across Spreadsheet-Centric Enterprise Workflows

Finch：跨电子表格中心企业工作流的金融与会计基准测试

Haoyu Dong, Pengkun Zhang, Yan Gao, Xuanyu Dong, Yilin Cheng, Mingzhe Lu, Zikun Zhu, Adina Yakefu, Shuxin Zheng

专题命中 领域大模型 ：LLM(abstract,abstract_cn)；分类 cs.AI

AI总结 Finch通过真实企业工作流评估AI代理，包含数据录入、结构化、格式化等任务，涵盖预算、交易等多领域，展示了AI在复杂企业工作流中的挑战。

Comments ACL 2026 Findings

Rethinking Patient Education as Multi-turn Multi-modal Interaction

重新思考患者教育作为多轮多模态交互

Zonghai Yao, Zhipeng Tang, Chengtao Lin, Xiong Luo, Benlu Wang, Juncheng Huang, Chin Siang Ong, Hong Yu

机构 * VA Bedford Health Care（VA贝德福德医疗中心） ； UMass Amherst（马萨诸塞大学阿默斯特分校） ； UMass Lowell（马萨诸塞大学洛厄尔分校） ； Yale University（耶鲁大学） ； National University of Singapore（新加坡国立大学） ； Yale School of Medicine（耶鲁医学院） 纠错

专题命中 领域大模型 ：language model(abstract)；分类 cs.CL、cs.AI

AI总结 本文提出MedImageEdu基准，通过多轮多模态交互提升患者教育效果，评估咨询过程和最终响应质量，发现多模态模型在视觉 grounding、安全性和情绪互动方面存在不足。

Comments Equal contribution for the first two authors

Beyond Independent Frames: Latent Attention Masked Autoencoders for Multi-View Echocardiography

超越独立帧：用于多视图超声的潜在注意力掩码自编码器

Simon Böhi, Irene Cannistraci, Sergio Muñoz Gonzalez, Moritz Vandenhirtz, Sonia Laguna, Samuel Ruiperez-Campillo, Max Krähenmann, Andrea Agostini, Ece Ozkan, Thomas M. Sutter, Julia E. Vogt

机构 * Department of Biomedical Engineering, University of Basel（巴塞尔大学生物医学工程系） ； Department of Computer Science, ETH Zurich（苏黎世联邦理工学院计算机科学系） 纠错

专题命中 领域大模型 ：foundation model(abstract,comments)；分类 cs.LG

AI总结 本文提出LAMAE模型，通过潜在空间注意力模块处理多视图超声数据，实现对心脏功能的全面表征，并在MIMIC-IV-ECHO数据集上展示了其在ICD-10编码预测和跨年龄群体迁移中的有效性。

Comments Accepted as a workshop paper at the ICLR 2026 Workshop on Foundation Models for Science

Co-distilled attention guided masked image modeling with noisy teacher for self-supervised learning on medical images

协同蒸馏引导的掩码图像建模与噪声教师用于医学图像的自监督学习

Jue Jiang, Aneesh Rangnekar, Harini Veeraraghavan

机构 * Memorial Sloan Kettering Cancer Center（纪念斯隆凯特林癌症中心） 纠错

专题命中 领域大模型 ：pretraining(abstract)

AI总结 本文提出DAGMaN框架，通过引导注意力的掩码机制和噪声教师提升医学图像自监督学习的效果，减少信息泄露并增强预训练难度，应用于肺结节分类、免疫治疗预测等任务。

Comments Accepted at MIDL 2025

Precision Synthesis of Multi-Tracer PET via VLM-Modulated Rectified Flow for Stratifying Mild Cognitive Impairment

多示踪PET的高精度合成通过VLM调制的校正流用于区分轻度认知障碍

Tuo Liu, Shuijin Lin, Shaozhen Yan, Haifeng Wang, Jie Lu, Jianhua Ma, Chunfeng Lian

机构 * School of Mathematics and Statistics, Xi'an Jiaotong University（西安交通大学数学与统计学学院） ； Key Laboratory of Biomedical Information Engineering of Ministry of Education, School of Life Science and Technology, Xi'an Jiaotong University（教育部生物医学信息工程重点实验室，西安交通大学生命科学与技术学院） ； Department of Radiology and Nuclear Medicine, Xuanwu Hospital, Capital Medical University（首都医科大学宣武医院放射科与核医学科） ； Research Center for Intelligent Medical Equipment and Devices (IMED), Xi'an Jiaotong University（智能医疗设备与器件研究中心（IMED），西安交通大学） 纠错

专题命中 领域大模型 ：language model(abstract)

AI总结 本文提出DIReCT$++$模型，结合MRI和临床信息，通过校正流和视觉语言模型生成高保真多示踪PET图像，实现轻度认知障碍的精准分层。

Comments Added supplementary material

Faithfulness Serum: Mitigating the Faithfulness Gap in Textual Explanations of LLM Decisions via Attribution Guidance

Faithfulness Serum：通过归因引导缓解文本解释中LLM决策的忠实性差距

Bar Alon, Itamar Zimerman, Lior Wolf

机构 * Blavatnik School of Computer Science, Tel Aviv University（塔尔瓦夫大学比拉维克计算机科学学院） 纠错

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

AI总结 本文通过归因引导方法提升LLM决策解释的忠实性，验证了现有解释的epistemic忠实性不足，并展示了改进方法在多个模型和基准上的有效性。

Comments 24 pages, multiple figures (e.g., at least 6 main figures), includes experiments across several benchmarks (MMLU, CommonsenseQA, SciQ, ARC, OpenBookQA); code available on GitHub

Psychological Steering of Large Language Models

对大语言模型的心理操控

Leonardo Blas, Robin Jia, Emilio Ferrara

机构 * Department of Computer Science, University of Southern California（南加州大学计算机科学系） 纠错

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

AI总结 本文提出一种心理操控框架，通过在语义校准的单元中进行无界、流畅性约束的扫描，改进大语言模型的干预方法，在14个模型中表现出色，优于传统方法。

Comments 66 pages, 60 images

How Retrieved Context Shapes Internal Representations in RAG

检索上下文如何塑造RAG中的内部表示

Samuel Yeh, Sharon Li

机构 * Department of Computer Science, University of Wisconsin-Madison（威斯康星大学麦迪逊分校计算机科学系） 纠错

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

AI总结 研究通过潜在表示分析检索文档类型对LLM隐藏状态的影响，揭示上下文相关性和分层处理对内部表示的影响，为RAG系统设计提供见解。

Comments ACL 2026 Findings

Query pipeline optimization for cancer patient question answering systems

癌症患者问答系统中的查询管道优化

Maolin He, Rena Gao, Mike Conway, Brian E. Chapman

机构 * School of Computing and Information Systems, University of Melbourne（墨尔本大学计算与信息系统学院） ； Health Data Science and Biostatistics, University of Texas Southwestern Medical Center（德克萨斯西南医学中心健康数据科学与生物统计学） 纠错

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

AI总结 本文提出了一种针对癌症患者问答系统的RAG查询管道三方面优化方法，通过改进文档检索、段落检索和语义表示，提升了回答准确性。

Comments This paper has been accepted as a Findings Paper in ACL 2026

KnowRL: Exploring Knowledgeable Reinforcement Learning for Factuality

KnowRL: 探索知识增强型强化学习以提升事实性

Baochang Ren, Shuofei Qiao, Da Zheng, Huajun Chen, Ningyu Zhang

机构 * Zhejiang University（浙江大学） ； Ant Group（蚂蚁集团） ； Zhejiang University - Ant Group Joint Laboratory of Knowledge Graph（知识图谱联合实验室） 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、cs.AI、cs.LG

AI总结 KnowRL通过整合事实性奖励提升慢思考模型的事实准确性，实验表明其有效缓解了幻觉问题并保持推理能力。

Comments ACL 2026

Segment-Level Coherence for Robust Harmful Intent Probing in LLMs

分段级一致性用于LLMs中鲁棒有害意图探测

Xuanli He, Bilgehan Sel, Faizan Ali, Jenny Bao, Hoagy Cunningham, Jerry Wei

机构 * University College London（伦敦大学学院） ； Virginia Tech（弗吉尼亚理工大学） ； Anthropic 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 本文提出分段级一致性方法，通过多证据token增强检测鲁棒性，在固定误报率下提升真阳性率35.55%，并在对抗性微调下仍能有效检测有害意图。

Comments preprint