arXivDaily arXiv每日学术速递 周一至周五更新
arXiv周末暂无论文更新,休息一下吧,周末愉快~~

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。

2026-04-20 至 2026-04-20 共收录 273 信号源:cs.CL, cs.AI, cs.LG

1. 领域大模型 19 篇

2604.15327 2026-04-20 cs.HC cs.AI 70%

Eco-Bee: A Personalised Multi-Modal Agent for Advancing Student Climate Awareness and Sustainable Behaviour in Campus Ecosystems

Eco-Bee:一种面向校园生态系统的个性化多模态代理,用于提升学生气候意识和可持续行为

Caleb Adu, Neil Kapadia, Binhe Liu, Jonathan Randall, Sruthi Viswanathan

机构 * University of Hull(赫尔大学) The Spaceship Academy(太空学院) City St George’s, University of London(伦敦大学城市学院) King’s College London(伦敦国王学院) Lancaster University(兰卡斯特大学) University of Oxford(牛津大学)

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

AI总结 Eco-Bee通过整合大语言模型、行星边界框架(Eco-Score)和对话代理,为学生提供个性化反馈和行为激励,推动校园可持续发展。

详情

展开后加载摘要…

URL PDF HTML 收藏
2512.23304 2026-04-20 cs.CV cs.AI 70%

MedGemma vs GPT-4: Open-Source and Proprietary Zero-shot Medical Disease Classification from Images

MedGemma vs GPT-4:开源与专有零样本医学疾病图像分类

Md. Sazzadul Islam Prottasha, Nabil Walid Rafi

机构 * Department of Information and Communication Technology, Bangladesh University of Professionals(信息与通信技术系,孟加拉国专业大学)

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

AI总结 本文比较了开源MedGemma与专有GPT-4在医学图像零样本疾病分类中的性能,MedGemma通过LoRA微调在准确率和敏感性上均表现更优,凸显了领域特定微调对临床应用的重要性。

Comments Accepted for publication in the Journal of Machine Learning and Deep Learning (JMLDL). 9 pages, 9 figures, 10 tables

Journal ref Journal of Machine Learning and Deep Learning, Vol. 2, No. 2, pp. 1-9, 2025

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.16175 2026-04-20 cs.AI cs.CV 57%

MARCH: Multi-Agent Radiology Clinical Hierarchy for CT Report Generation

MARCH:多智能体放射科临床层级用于CT报告生成

Yi Lin, Yihao Ding, Yonghui Wu, Yifan Peng

机构 * Weill Cornell Medicine(韦尔·科恩医学中心) University of Western Australia(西澳大学) University of Florida(佛罗里达大学)

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

AI总结 MARCH通过模拟放射科专业层级,采用多智能体框架提升CT报告生成的临床准确性和语言准确性。

Comments Accepted by ACL 2026 main conference

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.15821 2026-04-20 cs.DC cs.LG 57%

Breaking the Training Barrier of Billion-Parameter Universal Machine Learning Interatomic Potentials

突破十亿参数通用机器学习互原子势的训练障碍

Yuanchang Zhou, Hongyu Wang, Yiming Du, Yan Wang, Mingzhen Li, Siyu Hu, Xiangyu Zhang, Weijian Liu, Chen Wang, Zhuoqiang Guo, Long Wang, Jingde Bu, Yutong Lu, Guangming Tan, Weile Jia

机构 * State Key Lab of Processors, Institute of Computing Technology, Chinese Academy of Sciences(中国科学院计算技术研究所 processors 国家重点实验室) University of Chinese Academy of Sciences(中国科学院大学) Independent Researcher(独立研究者) Sun Yat-Sen University(中山大学)

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

AI总结 本文提出MatRIS-MoE和Janus框架,解决十亿参数uMLIP训练中的高维分布式训练与计算效率问题,将训练时间从周缩短至小时,为AI4S基础模型树立新标杆。

Comments 11 pages, 8 figures

详情

展开后加载摘要…

URL PDF HTML 收藏
2509.13590 2026-04-20 eess.IV cs.AI cs.CV 57%

Intelligent Healthcare Imaging Platform: A VLM-Based Framework for Automated Medical Image Analysis and Clinical Report Generation

智能医疗影像平台:基于视觉语言模型的自动化医学图像分析与临床报告生成框架

Samer Al-Hamadani

机构 * Automated Manufacturing Department/Al-Khwarizmi College of Engineering/ University of Baghdad/Gilgamesh University(自动化制造部门/阿尔·卡瓦尔齐米工程学院/巴格达大学/吉尔伽美什大学)

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

AI总结 本文提出基于视觉语言模型的智能多模态框架,用于自动化医学图像分析和临床报告生成,结合视觉特征提取与自然语言处理,实现上下文图像解释,并通过多层可视化技术提升临床信心。

Comments 32 pages, 14 figures, 6 tables

详情

展开后加载摘要…

URL PDF HTML 收藏

2. 知识编辑与模型理解 14 篇

2604.16280 2026-04-20 cs.AI 90%

Using Large Language Models and Knowledge Graphs to Improve the Interpretability of Machine Learning Models in Manufacturing

利用大型语言模型和知识图谱提升制造领域机器学习模型的可解释性

Thomas Bayer, Alexander Lohr, Sarah Weiß, Bernd Michelberger, Wolfram Höpken

机构 * University of Applied Sciences Ravensburg-Weingarten(拉文斯堡-魏宁根应用科学大学)

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

AI总结 本文提出利用知识图谱和大型语言模型提升制造领域机器学习模型的可解释性,通过结构化连接领域知识与模型洞察,生成用户友好的解释,实验证明其在实际制造环境中的有效性。

Comments 14 pages, 8 figures, Submittet to conference

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.15840 2026-04-20 cs.CL 90%

CoEvolve: Training LLM Agents via Agent-Data Mutual Evolution

CoEvolve:通过代理-数据互演训练LLM代理

Shidong Yang, Ziyu Ma, Tongwen Huang, Yiming Hu, Yong Wang, Xiangxiang Chu

机构 * Alibaba Group(阿里巴巴集团) AMAP

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

AI总结 本文提出CoEvolve框架,通过闭环交互训练提升LLM代理性能,利用反馈信号识别失败模式并指导任务合成,实验显示在AppWorld和BFCL上显著提升表现。

Comments Accepted to ACL 2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.15371 2026-04-20 cs.CL cs.AI cs.LG 89%

Applied Explainability for Large Language Models: A Comparative Study

应用于大型语言模型的可解释性:一项比较研究

Venkata Abhinandan Kancharla

机构 * NRI Institute of Technology(NRI理工学院)

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、cs.LG

AI总结 本文比较了三种可解释性方法在细调DistilBERT模型上的表现,发现梯度方法更稳定直观,注意力方法更高效但对相关特征对齐不足,模型无关方法灵活性高但计算成本高。

Comments 14 pages, 3 figures, comparative study of explainability methods for transformer-based NLP models; also available on Zenodo

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.15741 2026-04-20 cs.CL cs.AI 88%

Learning Uncertainty from Sequential Internal Dispersion in Large Language Models

从大型语言模型中的序列内部分散性中学习不确定性

Ponhvoan Srey, Xiaobao Wu, Cong-Duy Nguyen, Anh Tuan Luu

机构 * Nanyang Technological University(南洋理工大学) Shanghai Jiao Tong University(上海交通大学) Centre for AI Research, VinUniversity(Vin大学人工智能研究中心)

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 本文提出SIVR框架,通过利用隐藏状态中的token和层级特征,以更基本的假设来估计不确定性,从而提高hallucination检测的准确性和泛化能力。

Comments Accepted at ACL 2026 (Main Conference)

详情

展开后加载摘要…

URL PDF HTML 收藏
2510.17210 2026-04-20 cs.CL 88%

Wisdom is Knowing What not to Say: Hallucination-Free LLMs Unlearning via Attention Shifting

智慧在于知道什么不说:通过注意力转移实现无幻觉的LLM去学习

Chenchen Tan, Youyang Qu, Xinghao Li, Hui Zhang, Shujie Cui, Cunjian Chen, Longxiang Gao

机构 * Faculty of Information Technology, Monash University(墨尔本大学信息科技学院) Key Laboratory of Computing Power Network and Information Security, Ministry of Education, Shandong Computer Science Center, Qilu University of Technology (Shandong Academy of Sciences)(教育部计算能力网络与信息安全重点实验室,山东计算机科学中心,齐鲁大学(山东科学院)) Shandong Provincial Key Laboratory of Computing Power Internet and Service Computing, Shandong Fundamental Research Center for Computer Science(山东省计算能力互联网与服务计算重点实验室,山东省计算机科学基础研究中心) School of Computer Science and Technology, Anhui University(安徽大学计算机科学与技术学院)

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.CL

AI总结 本文提出注意力转移框架,通过保留上下文抑制和抗幻觉响应塑造,提升LLM去学习效果,在保持性能的同时减少幻觉响应。

Comments Accepted by NeurIPS 2025

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.15482 2026-04-20 cs.LG cs.AI 88%

Harmonizing Multi-Objective LLM Unlearning via Unified Domain Representation and Bidirectional Logit Distillation

通过统一领域表示和双向logit蒸馏和谐多目标大语言模型去学习

Yisheng Zhong, Sijia Liu, Zhuangdi Zhu

机构 * George Mason University(乔治·马歇尔大学) Michigan State University(密歇根州立大学)

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、cs.LG

AI总结 本文提出一种多目标去学习框架,通过统一领域表示和双向logit蒸馏,解决去学习中的多个目标,包括去除不良知识、保持通用效用、避免对邻近概念的过度拒绝以及确保对抗性探测攻击的鲁棒性。

详情

展开后加载摘要…

URL PDF HTML 收藏
2503.13543 2026-04-20 cs.LG cs.AI 82%

Enhancing Visual Representation with Textual Semantics: Textual Semantics-Powered Prototypes for Heterogeneous Federated Learning

通过文本语义增强视觉表示:基于文本语义的原型用于异构联邦学习

Xinghao Wu, Jianwei Niu, Xuefeng Liu, Guogang Zhu, Jiayuan Zhang, Shaojie Tang, Wei Chen

机构 * State Key Laboratory of Virtual Reality Technology and Systems, School of Computer Science and Engineering, Beihang University, Beijing, China(虚拟现实技术与系统国家重点实验室,计算机科学与工程学院,北京航空航天大学,北京,中国) Zhongguancun Laboratory, Beijing, China(中关村实验室,北京,中国) Center for AI Business Innovation, Department of Management Science and Systems, School of Management, University at Buffalo, USA(人工智能商业创新中心,管理科学与系统系,管理学院,布法罗大学,美国)

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、cs.LG

AI总结 本文提出FedTSP,利用预训练语言模型构建语义丰富的原型,以解决异构联邦学习中的数据异质性问题,提升模型收敛速度和泛化能力。

Comments Accepted by CVPR 2026 (Highlight)

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.15945 2026-04-20 cs.CL cs.LG 82%

RAGognizer: Hallucination-Aware Fine-Tuning via Detection Head Integration

RAGognizer: 通过检测头整合实现hallucination-aware微调

Fabian Ridder, Laurin Lessel, Malte Schilling

机构 * Computer Science Department(计算机科学系)

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、cs.LG

AI总结 RAGognizer通过整合轻量级检测头,实现hallucination-aware微调,提升内部状态分离性并减少生成hallucination。

Comments accepted at IJCNN 2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2601.05201 2026-04-20 cs.CV cs.AI cs.CL 81%

Mechanisms of Prompt-Induced Hallucination in Vision-Language Models

视觉-语言模型中提示诱导幻觉的机制

William Rudman, Michal Golovanevsky, Dana Arad, Yonatan Belinkov, Ritambhara Singh, Carsten Eickhoff, Kyle Mahowald

机构 * The University of Texas at Austin(德克萨斯大学奥斯汀分校) Brown University(布朗大学) Technion(技术学院) University of Tübingen(图宾根大学) Harvard University(哈佛大学)

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 研究揭示了视觉-语言模型在提示诱导幻觉中的机制,通过分析三种模型发现特定注意力头可显著减少幻觉现象,揭示了模型对提示的响应差异。

Comments ACL 2026 Main

详情

展开后加载摘要…

URL PDF HTML 收藏
2601.05547 2026-04-20 cs.CV cs.AI 79%

VIB-Probe: Detecting and Mitigating Hallucinations in Vision-Language Models via Variational Information Bottleneck

VIB-Probe:通过变分信息瓶颈检测和缓解视觉-语言模型中的幻觉

Feiran Zhang, Yixin Wu, Zhenghua Wang, Xiaohua Wang, Changze Lv, Xuanjing Huang, Xiaoqing Zheng

机构 * College of Computer Science and Artificial Intelligence, Fudan University, Shanghai, China(复旦大学计算机科学与人工智能学院,上海,中国) Shanghai Key Laboratory of Intelligent Information Processing(上海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);分类 cs.AI

AI总结 本文提出VIB-Probe框架,通过变分信息瓶颈理论检测和缓解视觉-语言模型中的幻觉,利用注意力头提取判别模式并过滤语义噪声,实验表明其在多个基准上表现优异。

详情

展开后加载摘要…

URL PDF HTML 收藏
2512.05722 2026-04-20 cs.LG physics.chem-ph 79%

Teaching Language Models Mechanistic Explainability Through MechSMILES

通过MechSMILES教会语言模型机制性可解释性

Théo A. Neukomm, Zlatko Jončev, Philippe Schwaller

机构 * Laboratory of Artificial Chemical Intelligence (LIAC), Institut des Sciences et Ingénierie Chimiques, Ecole Polytechnique Fédérale de Lausanne (EPFL), Lausanne 1015, Switzerland(人工化学智能实验室(LIAC)、化学与工程学院、瑞士联邦理工学院(EPFL)、拉沃斯纳1015号)

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

AI总结 本文提出MechSMILES框架,通过箭头推导法教会语言模型预测化学反应机制,实现了反应路径验证、原子映射和催化剂识别等能力,展示了在复杂机制预测任务中的高准确率。

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.15400 2026-04-20 cs.LG cs.AI cs.CL 67%

Hallucination as Trajectory Commitment: Causal Evidence for Asymmetric Attractor Dynamics in Transformer Generation

幻觉作为轨迹承诺:转换器生成中的非对称吸引子动态的因果证据

G. Aytug Akarlar

机构 * Chimera Research Initiative(Chimera研究计划)

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

AI总结 研究通过相同提示分支实验揭示幻觉是受非对称吸引子动态支配的早期轨迹承诺,发现幻觉轨迹在生成第一个词时即与事实轨迹分离,且需要多步干预才能纠正。

Comments 21 pages, 12 figures, 8 tables. Code and data: https://github.com/akarlaraytu/trajectory-commitment

详情

展开后加载摘要…

URL PDF HTML 收藏
2510.09033 2026-04-20 cs.CL 57%

Do LLMs Really Know What They Don't Know? Internal States Mainly Reflect Knowledge Recall Rather Than Truthfulness

大语言模型真的了解它们不知道的东西吗?内部状态主要反映知识回忆而非真实性

Chi Seng Cheang, Hou Pong Chan, Wenxuan Zhang, Yang Deng

机构 * Singapore Management University(新加坡国立管理学院) DAMO Academy, Alibaba Group(阿里集团达摩院) Singapore University of Technology and Design(新加坡科技设计大学)

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

AI总结 本文探讨大语言模型是否真正了解其未知领域,通过分析内部状态发现其主要反映知识回忆而非真实性,提出hallucination分类方法以区分不同hallucination类型。

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.15542 2026-04-20 cs.CV cs.LG 57%

UA-Net: Uncertainty-Aware Network for TRISO Image Semantic Segmentation

UA-Net:用于TRISO图像语义分割的不确定性感知网络

Kyle Lucke, Zuzanna Krajewska-Travar, Shoukun Sun, Lu Cai, John D. Stempien, Min Xian

机构 * University of Idaho(爱达荷大学) Idaho National Laboratory(爱达荷国家实验室)

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

AI总结 本文提出UA-Net框架,用于TRISO燃料微图像的五种特征区域分割及生成不确定性图。通过多阶段预训练策略和元模型,实现高精度分割与小缺陷检测,测试集上mIoU和mP达95.5%和97.3%。

详情

展开后加载摘要…

URL PDF HTML 收藏

3. 其他LLM 14 篇

2604.15347 2026-04-20 cs.HC cs.AI cs.IR cs.MA 90%

SocialWise: LLM-Agentic Conversation Therapy for Individuals with Autism Spectrum Disorder to Enhance Communication Skills

SocialWise: 用于自闭症谱系障碍个体的LLM代理对话疗法以增强沟通能力

Albert Tang

机构 * Albert Tang(阿尔伯特·坦)

专题命中 其他LLM :LLM(title,title_cn);分类 cs.AI

AI总结 SocialWise通过浏览器应用结合LLM对话代理和治疗性检索增强生成(RAG)知识库,为自闭症谱系障碍个体提供低成本、高效的沟通技能培训。

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.15316 2026-04-20 cs.HC cs.AI 89%

Anthropomorphism and Trust in Human-Large Language Model interactions

拟人化与人类-大语言模型互动中的信任

Akila Kadambi, Ylenia D'Elia, Tanishka Shah, Iulia Comsa, Alison Lentz, Katie Siri-Ngammuang, Tara Buechler, Jonas Kaplan, Antonio Damasio, Srini Narayanan, Lisa Aziz-Zadeh

机构 * Brain and Creativity Institute, Dornsife College of Letters, Arts and Sciences, University of Southern California(脑与创造力研究所,文理学院,南加州大学) USC Mrs. T.H. Chan Division of Occupational Science and Occupational Therapy, University of Southern California(USC 玛丽·T.H.陈职业科学与职业治疗 division,南加州大学) Psychiatry and Biobehavioral Sciences, David Geffen School of Medicine, University of California, Los Angeles(精神病学与生物行为科学,大卫·格芬医学院,加州大学洛杉矶分校) Google DeepMind, Zurich(谷歌深Mind,苏黎世) Google Research(谷歌研究) Brain and Creativity Institute(脑与创造力研究所)

专题命中 其他LLM :large language model(title,abstract);language model(title,abstract);LLM(abstract);分类 cs.AI

AI总结 研究探讨了人们如何通过温暖、能力与共情维度对大语言模型进行拟人化并建立信任,发现温暖和认知共情显著影响多种感知,而能力主要影响除拟人化外的其他结果。

详情

展开后加载摘要…

URL PDF HTML 收藏
2502.00709 2026-04-20 cs.IR 89%

RankFlow: A Multi-Role Collaborative Reranking Workflow Utilizing Large Language Models

RankFlow: 一种利用大语言模型的多角色协作重排序流程

Can Jin, Hongwu Peng, Anxiang Zhang, Nuo Chen, Jiahui Zhao, Xi Xie, Kuangzheng Li, Shuya Feng, Kai Zhong, Caiwen Ding, Dimitris N. Metaxas

专题命中 其他LLM :large language model(title,abstract);language model(title,abstract);LLM(abstract_cn)

AI总结 RankFlow通过大语言模型的多角色协作提升重排序性能,实验表明其在TREC-DL、BEIR等基准测试中表现更优。

详情

展开后加载摘要…

URL PDF HTML 收藏
2510.13829 2026-04-20 cs.CL cs.AI 88%

A Linguistics-Aware LLM Watermarking via Syntactic Predictability

一种基于语言学的LLM水印方法:通过语法可预测性

Shinwoo Park, Hyejin Park, Hyeseon An, Yo-Sub Han

机构 * Yonsei University(延世大学) Rensselaer Polytechnic Institute(拉特格斯理工学院)

专题命中 其他LLM :LLM(title,title_cn);large language model(abstract);language model(abstract);分类 cs.CL、cs.AI

AI总结 本文提出STELA框架,通过语法可预测性动态调整水印信号,提升检测鲁棒性,适用于多种语言。

Comments ACL 2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.15597 2026-04-20 cs.CL cs.HC 86%

LLMs Corrupt Your Documents When You Delegate

当您委托时,大型语言模型会破坏您的文档

Philippe Laban, Tobias Schnabel, Jennifer Neville

机构 * Microsoft Research(微软研究院)

专题命中 其他LLM :LLM(summary_cn,abstract);large language model(abstract);language model(abstract);分类 cs.CL

AI总结 研究发现,当前LLM在委托工作中会破坏文档,即使前沿模型也平均破坏25%的内容,文档大小和交互长度加剧了这一问题。

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.11490 2026-04-20 cs.AI cs.CL cs.CV 81%

Anthropogenic Regional Adaptation in Multimodal Vision-Language Model

人为区域适应于多模态视觉-语言模型

Samuel Cahyawijaya, Peerat Limkonchotiwat, Tack Hwa Wong, Hitesh Laxmichand Patel, Amit Agarwal, Manuel Antonio Rufino, Carlos Rafael Catalan, Muhammad Reza Qorib, Vicky Feliren, Holy Lovenia, Aye Hninn Khine, Frederikus Hudi, David Anugraha, Alham Fikri Aji, Romrawin Chumpu, Viet-Thanh Pham, Minghan Wang, Mohamed Fazli Imam, Ruochen Zhang, Joseph Marvin Imperial, Khumaisa Nur'aini, Do Xuan Long, Musa Izzanardi Wijanarko, Joel Ruben Antony Moniz, Patrick Amadeus Irawan, Hanif Muhammad Zhafran, Isaiah Flores, Salsabila Zahirah Pranida, Jun Kevin, Jostin Jerico Rosal, Patricia Nicole Monderin, Kun Kerdthaisong, Ahmad Mustafid, My Chiffon Nguyen, Natchapon Jongwiriyanurak, Siva Worajitwannakul, Haochen Li, Adrian Xuan Wei Lim, Bin Wang, Muhammad Ravi Shulthan Habibi, Lynnette Hui Xian Ng, Mithil Bangera, Yeshil Bangera, Priyaranjan Pattnayak, Dun Li Chan, Sherissa Caren Djuniwar, Cho Chan Myei Oo, Hee Ming Shan

机构 * Cohere SEACrowd AI Singapore Universiti Teknologi PETRONAS Oracle Carnegie Mellon University(卡内基梅隆大学) Monash University, Indonesia(莫纳什大学(印尼)) King Mongkut’s University of Technology Thonburi(泰国孔敬大学) Nara Institute of Science and Technology(奈良科学技術大學) Stanford University(斯坦福大学) MBZUAI National University of Singapore(新加坡国立大学) Monash University, Australia(莫纳什大学(澳大利亚)) Brown University(布朗大学) University of Bath(巴斯大学) Mila - Quebec AI Institute(蒙特利尔AI研究所) Institut Teknologi Bandung(Bandung 工程技术大学) Ateneo de Manila University(马尼拉亚特内奥大学) Universitas Pelita Harapan(Pelita Harapan 大学) Seoul National University of Science and Technology(首尔科学技术大学) Thammasat University(泰国 Thammasat 大学) Independent(独立) University College London(伦敦大学学院) Nanyang Technological University(南洋理工大学) MiroMind AI University of Indonesia(印度尼西亚大学) University of New Haven(纽黑文大学) INTI International University and Colleges(INTI 国际大学和学院) Binus University(Binus 大学) National University Philippines(菲律宾国家大学) ThoughtFull

专题命中 其他LLM :language model(title,abstract);分类 cs.CL、cs.AI

AI总结 本文提出人为区域适应框架,通过地理通用化简化方法提升多模态模型在特定区域的文化相关性,实验显示在东南亚地区提升5-15%的同时保持全球性能。

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.16192 2026-04-20 math.OC 80%

Empirical Asymptotic Runtime Analysis of Linear Programming Algorithms

线性规划算法的实证渐近运行时间分析

Edward Rothberg

专题命中 其他LLM :LLM(abstract,abstract_cn);large language model(abstract);language model(abstract)

AI总结 本文通过六个优化应用领域的大规模难题LP模型,实证分析了最常用线性规划算法的渐近运行时间增长速率,发现简单回归模型在同类模型中预测运行时间准确,但不同算法的渐近行为差异显著,可能影响未来大规模LP问题求解算法的选择。

详情

展开后加载摘要…

URL PDF HTML 收藏
2511.15352 2026-04-20 cs.HC 80%

People readily follow personal advice from AI but it does not improve their well-being

人们轻易跟随AI的个人建议但其并未改善他们的幸福感

Lennart Luettgau, Vanessa Cheung, Magda Dubois, Keno Juechems, Jessica Bergs, Luke Symes, Henry Davidson, Bessie O'Dell, Hannah Rose Kirk, Max Rollwage, Christopher Summerfield

专题命中 其他LLM :LLM(abstract,abstract_cn);large language model(abstract);language model(abstract)

AI总结 研究探讨了人们是否遵循AI建议及其对幸福感的影响,发现尽管多数人遵循建议,但并未带来持续的幸福感提升。

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.15756 2026-04-20 cs.CL cs.CV 79%

TTL: Test-time Textual Learning for OOD Detection with Pretrained Vision-Language Models

TTL: 用于基于预训练视觉-语言模型的分布外检测的测试时文本学习

Jinlun Ye, Jiang Liao, Runhe Lai, Xinhua Lu, Jiaxin Zhuang, Zhiyong Gan, Ruixuan Wang

机构 * Sun Yat-sen University(中山大学) China United Network Communications Corporation Limited Guangdong Branch(中国联合网络通信集团有限公司广东分公司) Peng Cheng Laboratory(鹏城实验室) Hong Kong University of Science and Technology(香港科技大学) Key Laboratory of Machine Intelligence and Advanced Computing, MOE(教育部机器智能与高级计算重点实验室)

专题命中 其他LLM :language model(title,abstract);分类 cs.CL

AI总结 本文提出TTL框架,通过动态学习测试流中的分布外文本语义提升测试时分布外检测性能,实验表明其在多个基准上均取得最优效果。

Comments Accepted to CVPR 2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2603.27759 2026-04-20 cs.CV 78%

When Surfaces Lie: Exploiting Wrinkle-Induced Attention Shift to Attack Vision-Language Models

当表面欺骗:利用褶皱诱导的注意力转移攻击视觉-语言模型

Chengyin Hu, Xuemeng Sun, Jiaju Han, Qike Zhang, Xiang Chen, Xin Wang, Yiwei Wei, Jiahua Long

专题命中 其他LLM :language model(title,abstract)

AI总结 本文提出一种参数化结构扰动方法,通过构建多尺度褶皱场和整合位移场扭曲与表面一致的外观变化,以攻击视觉-语言模型的鲁棒性。

详情

展开后加载摘要…

URL PDF HTML 收藏
2512.07515 2026-04-20 cs.CL cs.AI 73%

TPA: Next Token Probability Attribution for Detecting Hallucinations in RAG

TPA:用于检测RAG中幻觉的下一个令牌概率归因

Pengqian Lu, Jie Lu, Anjin Liu, Guangquan Zhang

机构 * Australian Artificial Intelligence Institute (AAII)(澳大利亚人工智能研究所)

专题命中 其他LLM :LLM(abstract,abstract_cn);分类 cs.CL、cs.AI

AI总结 TPA通过归因七个来源量化各组件对生成下一个令牌的影响,有效识别幻觉响应,实验显示其性能领先。

Comments Accepted by ACL 2026

详情

展开后加载摘要…

URL PDF HTML 收藏