Automatic techniques for issue report classification: A systematic mapping study
自动技术用于问题报告分类：系统映射研究
专题命中 领域大模型 ：large language model(abstract)；language model(abstract)
AI总结 本文通过系统映射研究总结了自动技术在问题报告分类中的应用，指出现有文献缺乏实践参与和多因素考量，未来需加强工业评估与技术可解释性。
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。
1. 领域大模型 28 篇
CXR-ContraBench: Benchmarking Negated-Option Attraction in Medical VLMs
CXR-ContraBench：医疗视觉语言模型中否定选项吸引力的基准测试
机构 * City University of Hong Kong（香港城市大学） ； Tsinghua Shenzhen International Graduate School（清华大学深圳国际研究生院）
专题命中 领域大模型 ：language model(abstract)；prompting(abstract)
AI总结 研究医疗视觉语言模型在否定选项吸引力问题上的表现，通过CXR-ContraBench基准测试发现模型在面对矛盾图像和问题时易产生极性反转，提出QCCV-Neg方法有效修复极性混淆问题。
PARNESS: A Paper Harness for End-to-End Automated Scientific Research with Dynamic Workflows, Full-Text Indexing, and Cross-Run Knowledge Accumulation
PARNESS：一种用于端到端自动化科学研究的论文工具，支持动态工作流、全文索引和跨运行知识积累
专题命中 领域大模型 ：LLM(abstract,abstract_cn)
AI总结 PARNESS通过动态工作流、全文索引和跨运行知识积累，解决传统科研系统流程僵化、知识累积不足的问题，实现端到端自动化科研。
Comments 31 pages, 13 figures, includes appendix with a verbatim end-to-end-generated paper produced by the framework. Source: https://github.com/gtrhythm/PARNESS
BioResearcher: Scenario-Guided Multi-Agent for Translational Medicine
BioResearcher: 用于转化医学的场景引导多智能体系统
专题命中 领域大模型 ：foundation model(abstract)；分类 cs.AI
AI总结 本文提出BioResearcher，一种场景引导的多智能体系统，通过版本化研究 playbook 将查询映射到多种工具和机器学习端点，实现跨异构生物医学数据源的可审计、场景特定工作流。系统在单元级能力、开放性生物医学推理和端到端临床发现中均表现优异。
Comments 5 pages (main text), 21 pages (appendix), 8 figures, 11 tables
GraphVec: Cross-Domain Graph Vectorization for Graph-Level Representation Learning
GraphVec：跨域图向量化解构用于图级表示学习
机构 * School of Data Science（数据科学学院）
专题命中 领域大模型 ：pretraining(abstract)；分类 cs.LG
AI总结 GraphVec通过构建多尺度全局图并提取谱嵌入，实现跨域图表示学习，其结合GIN-图Transformer和多层参考分布模块，提升节点分布信息，实验表明在跨域少样本图分类和聚类中优于基线模型。
PlotPick: AI-powered batch extraction of numerical data from scientific figures
PlotPick: 基于AI的科学图表中数值数据批量提取工具
机构 * Copenhagen Research Centre for Biological and Precision Psychiatry（哥本哈根生物与精准精神病学研究中心） ； Mental Health Centre Copenhagen（哥本哈根心理健康中心） ； Copenhagen University Hospital（哥本哈根大学医院）
专题命中 领域大模型 ：language model(abstract)
AI总结 PlotPick利用视觉语言模型批量提取科学图表中的结构化表格数据，六个VLMs在ChartX和PlotQA基准测试中均优于专用模型DePlot，尤其在未包含在训练数据中的图表类型上表现更佳。
Comments 7 pages, 2 figures, 2 tables. Software available at https://plotpick.streamlit.app and https://github.com/tommycarstensen/plotpick
VISER: Visually-Informed System for Enhanced Robustness in Open-Set Iris Presentation Attack Detection
VISER：用于增强开放集虹膜呈现攻击检测鲁棒性的视觉引导系统
机构 * University of Notre Dame（诺丁汉大学）
专题命中 领域大模型 ：foundation model(abstract)
AI总结 本文提出VISER系统，通过比较手标注、眼跟踪热图等方法，提升开放集虹膜呈现攻击检测的鲁棒性，实验表明去噪眼跟踪热图在APCER和BPCER指标上表现最佳。
Comments Version 2
The Ambivalent Experience of Eye Contact for People with Visual Impairments: Mechanisms and Design Challenges
眼神接触的矛盾体验：对于视障人士的机制与设计挑战
专题命中 领域大模型 ：prompting(abstract)
AI总结 研究探讨视障人士在混合能力协作中眼神接触的体验机制，揭示了三个核心机制及五项设计挑战，强调可访问性应支持可配置的互动契约而非单纯使目光可见。
2. 知识编辑与模型理解 24 篇
Navigating by Old Maps: The Pitfalls of Static Mechanistic Localization in LLM Post-Training
用旧地图导航：在LLM微调中静态机械定位的陷阱
机构 * School of Computer Science and Technology（计算机科学与技术学院） ； Xi’an Jiaotong University（西安交通大学） ； School of Computer Science and Engineering（计算机科学与工程学院） ； The Chinese University of Hong Kong（香港中文大学） ； Shaanxi Co., Ltd（陕西有限公司） ； China Mobile Group（中国移动集团） ； College of Computing and Data Science（计算与数据科学学院） ； Nanyang Technological University（南洋理工大学）
专题命中 知识编辑与模型理解 ：LLM(title,title_cn)；post-training(title,abstract)；large language model(abstract)；language model(abstract)
AI总结 研究探讨了在LLM微调中静态机械定位的局限性，提出三种新指标分析电路演变，并强调需要前瞻性机制定位。
Comments 26 pages
Identifying Query-Relevant Neurons in Large Language Models for Long-Form Texts
在大型语言模型中识别与查询相关的神经元以生成长文本
机构 * Imperial College（帝国学院）
专题命中 知识编辑与模型理解 ：large language model(title,abstract)；language model(title,abstract)；LLM(summary_cn,abstract_cn)；prompting(abstract)
AI总结 本文提出QRNCA框架，用于识别LLM中与查询相关的神经元，通过多选问答任务评估其有效性，并展示在不同领域中的局部知识区域。
Comments AAAI 2025 Main Track
Journal ref Proceedings of the AAAI Conference on Artificial Intelligence, 39(22), 23595-23604. 2025
Evaluating Uncertainty Quantification Methods in Argumentative Large Language Models
评估论证大语言模型中的不确定性量化方法
机构 * Imperial College London（帝国理工学院伦敦分校） ； King’s College London（伦敦国王学院）
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)；prompting(abstract)
AI总结 本文评估了在论证大语言模型中不同不确定性量化方法在声明验证任务中的性能，发现直接提示法效果优于复杂方法。
Comments Accepted at EMNLP Findings 2025
Journal ref Findings of the Association for Computational Linguistics: EMNLP 2025, 21700-21711. 2025
UVMarvel: an Automated LLM-aided UVM Machine for Subsystem-level RTL Verification
UVMarvel：一种自动化LLM辅助的UVM机 for 子系统级RTL验证
专题命中 知识编辑与模型理解 ：LLM(title,title_cn)；large language model(abstract)；language model(abstract)
AI总结 UVMarvel利用LLM自动生成子系统级RTL验证的UVM测试平台，通过中间表示和总线协议库实现协议正确性，减少验证时间至4.5小时，代码覆盖率达95.65%。
Comments This paper has been accepted by DAC 2026 and will appear in the proceedings
Beyond Value Elicitation: Towards Moral Profiles in Early Requirements Engineering via Role-Playing Games and Anthropologist LLMs
超越价值获取：通过角色扮演游戏和人类学家LLM实现早期需求工程中的道德画像
机构 * Computer Science Area, Gran Sasso Science Institute（格兰萨索科学研究所计算机科学部门） ； Department of Computer Science, University of Pisa（比萨大学计算机科学系） ； Department of Humanities, University of L’Aquila（拉奎拉大学人文学系）
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
AI总结 本文通过结合沉浸式角色扮演游戏与LLM分析，提出一种获取和表示数字系统用户道德画像的方法，解决了传统方法在捕捉隐性、情境依赖性价值观上的不足。
A Regime Theory of Controller Class Selection for LLM Action Decisions
控制器类别选择的制度理论：用于LLM行动决策
机构 * University of Glasgow（格拉斯哥大学） ； University College London（伦敦大学学院） ； UESTC（电子科技大学）
专题命中 知识编辑与模型理解 ：LLM(title,title_cn)；language model(abstract)；分类 cs.AI
AI总结 本文提出一种制度理论，通过分析有限样本下的实例不确定性信号，指导LLM在不同输入下选择合适的控制器类别，从而在有限样本中实现最优决策。
Negative Before Positive: Asymmetric Valence Processing in Large Language Models
负值之前正值：大型语言模型中的非对称情感处理
机构 * Manipal Institute of Technology Bengaluru（班加罗尔Manipal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
AI总结 研究揭示大型语言模型中情感正负值处理的非对称性，通过激活修补和引导发现负面情感在早期层处理，正面情感在中后期层峰值，证明情感可被操控。
Causal Probing for Internal Visual Representations in Multimodal Large Language Models
多模态大语言模型内部视觉表征的因果探测
机构 * School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学学院） ； Ant Group（蚂蚁集团）
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 研究通过激活引导框架系统干预四个视觉概念类别，揭示实体记忆局部化与抽象概念全局分布的差异，发现模型深度对复杂抽象概念编码至关重要，且反向引导揭示感知与生成之间的补偿机制。
Hallucination as an Anomaly: Dynamic Intervention via Probabilistic Circuits
幻觉作为异常：通过概率电路进行动态干预
机构 * Department of Information Engineering and Computer Science（信息工程与计算机科学系） ； University of Trento（特伦托大学）
专题命中 知识编辑与模型理解 ：LLM(summary_cn,abstract)；large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI
AI总结 本文提出PCNET，通过概率电路估计LLM残差流密度，检测幻觉作为几何异常，从而改进幻觉纠正，减少错误生成并提升事实性。
Patch-Effect Graph Kernels for LLM Interpretability
用于LLM可解释性的补丁效应图核
机构 * Department of Computer Science, University of Vigo（维戈大学计算机科学系）
专题命中 知识编辑与模型理解 ：LLM(title,title_cn)；分类 cs.CL、cs.AI
AI总结 本文提出将机械可解释性分析转化为图机器学习问题，通过补丁效应图分析模型组件的激活补丁特征，提升不同任务下的结构比较能力。
Knowledge-Level Consistency Reinforcement Learning: Dual-Fact Alignment for Long-Form Factuality
知识级一致性强化学习：长形式事实性的双事实对齐
机构 * Baidu Inc.（百度公司）
专题命中 知识编辑与模型理解 ：RLHF(abstract,abstract_cn)；large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 本文提出KLCF框架，通过双事实对齐机制提升长形式生成的事实性，有效缓解幻觉和保守倾向，提升精度与召回率。
Comments 32 pages
Leviathan: Decoupling Input and Output Representations in Language Models
Leviathan：解耦语言模型的输入和输出表示
机构 * Department of Aerospace and Ocean Engineering（航空航天与海洋工程系）
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 Leviathan通过引入学习嵌入向量化方法，解耦语言模型的输入和输出表示，从而在参数增加极小的情况下提升语言建模性能，尤其在稀有词上表现显著。
Invariant Features in Language Models: Geometric Characterization and Model Attribution
语言模型中的不变特征：几何特性与模型归因
机构 * University of Nebraska Omaha（内布拉斯加大学奥马哈分校）
专题命中 知识编辑与模型理解 ：language model(title,abstract)；分类 cs.CL、cs.LG
AI总结 研究探讨语言模型中不变特征的几何特性及归因方法，提出局部几何框架并验证其在不同模型和层中的有效性。
Don't Throw Away Your Beams: Improving Consistency-based Uncertainties in LLMs via Beam Search
不要抛弃你的光束：通过光束搜索改进大语言模型中的基于一致性不确定性的方法
机构 * ETH Zurich（苏黎世联邦理工学院） ； MBZUAI（穆萨伊人工智能研究院）
专题命中 知识编辑与模型理解 ：large language model(abstract)；language model(abstract)；分类 cs.CL、cs.LG
AI总结 本文提出通过光束搜索改进大语言模型中的基于一致性的不确定性量化方法，减少方差并提升性能，实验证明其在六个问答数据集上达到最先进的性能。
The Cost of Context: Mitigating Textual Bias in Multimodal Retrieval-Augmented Generation
上下文的成本：减轻多模态检索增强生成中的文本偏差
机构 * Elmore Family School of Electrical and Computer Engineering（埃尔莫夫家族电气与计算机工程学院）
专题命中 知识编辑与模型理解 ：large language model(abstract)；language model(abstract)；分类 cs.CL、cs.LG
AI总结 本文探讨了多模态大语言模型在整合检索增强生成时出现的文本偏差问题，提出BAIR方法通过恢复视觉显著性并施加位置感知惩罚来提升多模态接地和诊断可靠性。
Understanding Annotator Safety Policy with Interpretability
通过可解释性理解标注者安全政策
机构 * Harvard University（哈佛大学） ； Apple（苹果公司）
专题命中 知识编辑与模型理解 ：LLM(abstract,abstract_cn)；分类 cs.AI、cs.LG
AI总结 本文提出Annotator Policy Models，通过学习标注行为揭示安全政策差异，解决标注分歧根源问题，提升安全政策设计的透明性和包容性。
Comments 38 pages, 13 figures, ACM FAccT 2026
Resolving the bias-precision paradox with stochastic causal representation learning for personalized medicine
用随机因果表示学习解决偏差-精度悖论以实现个性化医疗
机构 * Chengdu OrganoidMed Medical Laboratory（成都OrganoidMed医学实验室）
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 本文提出基于sMMD的随机对齐策略，解决因果表示学习中的偏差-精度悖论，提升个性化医疗中分布偏移下的预测准确性，减少误差并提高高风险任务的召回率。
Feeling the Space: Egomotion-Aware Video Representation for Efficient and Accurate 3D Scene Understanding
感知空间：面向高效准确3D场景理解的自我运动感知视频表示
机构 * Department of Computer Science（计算机科学系） ； University of Michigan（密歇根大学） ； University of Michigan Ann Arbor（密歇根大学安阿伯分校）
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Motion-MLLM框架，结合IMU数据与视觉特征，通过运动-视觉关键帧过滤模块和异构跨模态融合模块，提升3D场景理解与空间推理的效率和准确性。
Comments 22 pages, 10 figures
Attributions All the Way Down? The Metagame of Interpretability
逐层归因？可解释性中的元游戏
机构 * University of Warsaw（华沙大学） ； Centre for Credible AI, Warsaw University of Technology（可信AI中心，华沙技术大学） ； Bielefeld University（比勒菲尔德大学） ； LMU Munich, MCML（慕尼黑大学LMU，MCML）
专题命中 知识编辑与模型理解 ：language model(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出元游戏框架，通过将归因方法视为合作博弈计算Shapley值，研究模型解释的第二阶交互效应，揭示归因的层级分解及其在多领域可解释性应用中的价值。
On the Safety of Graph Representation Learning
图表示学习的安全性研究
机构 * University of Connecticut（康涅狄格大学） ； University of Notre Dame（圣约翰大学）
专题命中 知识编辑与模型理解 ：foundation model(abstract)；分类 cs.LG
AI总结 本文提出GRL-Safety评估框架，评估十二种图表示学习方法在不同安全轴上的表现，揭示安全行为受表示设计与受压图因素交互影响，指出基础模型在特定轴上具有优势，揭示部署中仍存在能力缺口。
Comments Preprint. 10 pages main text, appendices included
Preliminary Insights in Chronos Frequency Data Understanding and Reconstruction
对Chronos频率数据理解与重建的初步见解
机构 * Ohio University（俄亥俄大学） ； DEVCOM Army Research Lab（陆军研究实验室） ； Cardiff University（卡迪夫大学） ； University of Southampton（南安普顿大学） ； Imperial College London（伦敦帝国学院）
专题命中 知识编辑与模型理解 ：foundation model(abstract)；分类 cs.LG
AI总结 本文探讨Chronos基础模型处理频率域信息的能力，通过分析离散正弦波等简单信号，揭示模型内部表示中频率信息的捕获机制及质量退化现象，为信号处理和信息融合提供实践指导。
Uncovering Entity Identity Confusion in Multimodal Knowledge Editing
揭示多模态知识编辑中的实体身份混淆
机构 * New Laboratory of Pattern Recognition (NLPR)（模式识别新实验室） ； State Key Laboratory of Multimodal Artificial Intelligence Systems (MAIS)（多模态人工智能系统国家重点实验室） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； School of Advanced Interdisciplinary Sciences, University of Chinese Academy of Sciences（中国科学院大学先进交叉学科学院） ； Huazhong University of Science and Technology（华中科技大学） ； Shandong University（山东大学）
专题命中 知识编辑与模型理解 ：language model(abstract)；分类 cs.CL
AI总结 本文研究多模态知识编辑中实体身份混淆问题，发现现有方法无法区分图像-实体绑定与实体-实体关系，导致模型错误关联。通过构建EC-Bench基准测试，提出约束编辑阶段以提升绑定准确性，从而减少混淆。
