语言大模型 / LLM

ADMIT: Few-shot Knowledge Poisoning Attacks on RAG-based Fact Checking

ADMIT: RAG基事实核查中的少样本知识污染攻击

Yutao Wu, Xiao Liu, Yinghui Li, Yifeng Gao, Yifan Ding, Jiale Ding, Xiang Zheng, Xingjun Ma

机构 * Deakin University（德金大学） ； Fudan University（复旦大学） ； City University of Hong Kong（香港城市大学） 纠错

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

AI总结 ADMIT提出一种无需访问目标模型的少样本攻击方法，通过注入真实证据来翻转事实核查决策，实验显示其在多种系统中成功率达86%，揭示了RAG事实核查系统的重大漏洞。

SMCEvolve: Principled Scientific Discovery via Sequential Monte Carlo Evolution

SMCEvolve：通过序列蒙特卡洛进化进行原理性科学发现

Jiachen Jiang, Huminhao Zhu, Zhihui Zhu

机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； The Ohio State University（俄亥俄州立大学） 纠错

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

AI总结 SMCEvolve通过将程序搜索视为从奖励倾斜的目标分布中采样，并利用序列蒙特卡洛采样器近似该分布，提出三种核心机制：自适应父采样、变异与接受的混合、自动收敛控制，从而在数学、算法效率、符号回归和端到端ML研究基准中超越现有系统。

Automatic Construction of a Legal Citation Graph from 100 Million Ukrainian Court Decisions: Large-Scale Extraction, Topological Analysis, and Ontology-Driven Clustering

从1亿份乌克兰法院判决中自动构建法律引文图：大规模提取、拓扑分析和本体驱动聚类

Volodymyr Ovcharov

机构 * LEX AI LLC, Kyiv, Ukraine（LEX AI LLC，基耶夫，乌克兰） 纠错

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

AI总结 研究通过大规模提取和拓扑分析，构建了首个大规模法律引文图，揭示了司法引文结构编码法律领域边界并预测立法重要性。

Comments 15 pages, 7 figures, 2 tables, 21 references

CodeDistiller: Automatically Generating Code Libraries for Scientific Coding Agents

CodeDistiller：自动为科学编码代理生成代码库

Peter Jansen, Samiah Hassan, Pragnya Narasimha

机构 * University of Arizona（亚利桑那大学） ； Allen Institute for Artificial Intelligence（人工智能研究所） 纠错

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

AI总结 CodeDistiller通过自动提炼科学GitHub仓库代码，生成经过验证的领域特定代码库，提升科学发现系统实验的准确性与完整性。

Comments 8 pages, 3 figures, 3 tables. Accepted to ACL 2026 (Demo Track)

Probabilistic Seasonal Streamflow Forecasting Across California's Sierra Nevada Watersheds with Agentic AI

基于代理AI的加州Sierra Nevada流域概率季节性径流预测

Ignacio Lopez-Gomez, Michael P. Brenner, Tapio Schneider

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

AI总结 本文提出利用代理AI与自动代码突变系统结合的方法，提升Sierra Nevada流域季节性径流预测的准确性，通过适应性集成三个XGBoost分模型，减少预测误差达29%。

On the Factual Consistency of Text-based Explainable Recommendation Models

基于文本的可解释推荐模型的事实一致性研究

Ben Kabongo, Vincent Guigue

专题命中 领域大模型 ：LLM(abstract)；prompting(abstract)

AI总结 本文研究基于文本的可解释推荐模型的事实一致性，提出评估框架和指标，发现尽管模型在语义相似度上表现良好，但事实一致性指标表现不佳，凸显了事实意识评估的重要性。

Comments 13 pages, 2 figures, 4 tables

Beyond Answers: How LLMs Can Pursue Strategic Thinking in Education

超越答案：LLMs如何在教育中追求战略思维

Eleonora Grassucci, Gualtiero Grassucci, Aurelio Uncini, Danilo Comminiello

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

AI总结 本文探讨LLMs如何作为耐心导师和协作伙伴提升教育效果，通过个性化教学和解决复杂问题培养学生的战略思维能力。

Journal ref IEEE Signal Processing Magazine, 2026

From Guidelines to Guarantees: A Graph-Based Evaluation Harness for Domain-Specific Evaluation of LLMs

从指南到保证：一种基于图的评估工具用于特定领域语言模型的评估

Jessica M. Lundin, Usman Nasir Nakakana, Guillaume Chabot-Couture

机构 * Gates Foundation（比尔及梅琳·格ates基金会） 纠错

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

AI总结 本文提出一种基于图的评估工具，通过将结构化临床指南转化为可查询的知识图谱，实现对特定领域语言模型的评估，揭示模型在症状识别、治疗方案和临床决策上的系统性差距。

AOT-POT: Adaptive Operator Transformation for Large-Scale PDE Pre-training

AOT-POT：面向大规模PDE预训练的自适应算子变换

Qitan Lv, Hong Wang, Zhongkai Hao, Wen Wu, Xuenan Xu, Bowen Zhou, Feng Wu, Chao Zhang

机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Department of Electronic Engineering, Tsinghua University, China（清华大学电子工程系） 纠错

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

AI总结 本文提出AOT-POT方法，通过自适应算子变换将复杂多样的PDE解算子转化为统一形式，提升预训练效果，实验表明其在12个PDE基准上表现优异，参数仅增加3%。

BiomedAP: A Vision-Informed Dual-Anchor Framework with Gated Cross-Modal Fusion for Robust Medical Vision-Language Adaptation

BiomedAP: 一种基于视觉的双锚框架与门控跨模态融合用于鲁棒的医学视觉-语言适应

Huanyang Tong, Kai Liu, Fangjun Kuang, Huiling Chen

机构 * Wenzhou University（温州大学） ； Wenzhou Business College（温州商务学院） 纠错

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

AI总结 BiomedAP通过门控跨模态融合和双锚约束机制，提升医学视觉-语言模型在提示变化下的鲁棒性，实验显示其在多个基准上均优于基线方法。

Comments CVPR2026 Workshop

From Clever Hans to Scientific Discovery: Interpreting EEG Foundational Transformers with LRP

从聪明汉到科学发现：通过LRP解释EEG基础Transformer

Justus Meyer zu Bexten, Nico Scherf, Bogdan Franczyk, Simon M. Hofmann

机构 * Center for Scalable Data Analytics and Artificial Intelligence (ScaDS.AI)（可扩展数据分析与人工智能中心（ScaDS.AI）） ； Leipzig University（莱比锡大学） ； Neural Data Science and Statistical Computing, Max Planck Institute for Human Cognitive and Brain Sciences（神经数据科学与统计计算，人类认知与脑科学马克斯·普朗克研究所） ； Faculty of Economics, Leipzig University（经济学院，莱比锡大学） ； Department of Neurology, Max Planck Institute for Human Cognitive and Brain Sciences（神经病学系，人类认知与脑科学马克斯·普朗克研究所） 纠错

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

AI总结 本文研究了EEG基础模型中注意力感知的LRP方法，用于验证模型决策并提出生物合理假设，揭示了模型在运动想象和情绪预测中的潜在问题。

Comments 18 pages, 6 figures

Topological constraints on self-organisation in locally interacting systems

拓扑约束在局部相互作用系统自组织中的作用

Francesco Sacco, Dalton A R Sakthivadivel, Michael Levin

机构 * Allen Discovery Center at Tufts University, Medford, MA 02155（塔夫茨大学艾伦发现中心，马萨诸塞州梅德福02155） ； Department of Mathematics, CUNY Graduate Center, New York, NY 10016（纽约市立大学研究生中心数学系，纽约州纽约市10016） ； Department of Biology, Tufts University（塔夫茨大学生物学系） ； Wyss Institute for Biologically Inspired Engineering, Harvard University（哈佛大学生物启发工程研究所） 纠错

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

AI总结 研究局部相互作用系统中自组织的拓扑约束，通过分析不同模型的自由能缩放性，探讨图结构对有序相存在性的必要条件。

Comments 11+3 pages, four figures, four tikzpictures. This version to appear in Philos Trans R Soc A

Journal ref Philosophical Transactions A, 384(2320), 2026

Prefer-DAS: Learning from Local Preferences and Sparse Prompts for Domain Adaptive Segmentation of Electron Microscopy

Prefer-DAS: 从局部偏好和稀疏提示中学习，用于电子显微镜领域自适应分割

Jiabao Chen, Shan Xiong, Jialin Peng

机构 * College of Computer Science and Technology, Huaqiao University（华侨大学计算机科学与技术学院） 纠错

专题命中 领域大模型 ：preference optimization(abstract)

AI总结 本文提出Prefer-DAS，通过利用局部偏好和稀疏提示实现高效的领域自适应分割，结合自训练和提示引导对比学习，提升了分割性能和灵活性。

Polarimetry and albedo of the Near-Earth Asteroid 2025 FA22

2025 FA22近地小行星的偏振测量和反照率

J. -P. Rivet, S. Bagnulo, P. Bendjoya, G. Borisov, A. Cellino, M. Devogèle, Z. Gray, S. Ieva, L. Kolokolova, Y. G. Kwon, A. Berdyugin, S. V. Berdyugina, L. Boulanger, E. Dotto, P. Fatka, E. Frank, M. Lazzarin, V. Piirola, P. Pravec, the NEOPOPs team

专题命中 领域大模型 ：prompting(abstract)

AI总结 研究通过偏振和光谱偏振观测分析2025 FA22的光谱特性，确定其反照率和分类，为近地天体防御提供快速表征方法。

Toward a unified data-driven turbulence model through multi-objective learning

通过多目标学习实现统一的数据驱动湍流模型

Zhuoran Liu, Haochen Wang, Zhuolin Zhao, Heng Xiao

专题命中 领域大模型 ：foundation model(abstract)

AI总结 本文提出一种统一的数据驱动湍流模型框架，通过多目标学习策略，在多种流动机制中实现鲁棒学习，适用于不同流动区域，并在工业相关复杂三维配置中表现优异。

Comments Accepted for publication in National Science Review

Golden Layers and Where to Find Them: Improved Knowledge Editing for Large Language Models Via Layer Gradient Analysis

黄金层与寻找它们的位置：通过层梯度分析改进大型语言模型的知识编辑

Shrestha Datta, Hongfu Liu, Anshuman Chhabra

机构 * University of South Florida（佛罗里达州立大学） ； Brandeis University（布兰迪大学） 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,abstract_cn)；分类 cs.AI、cs.LG

AI总结 本文提出通过层梯度分析（LGA）识别高效知识编辑的黄金层，验证其在不同数据集和模型类型中的有效性。

Conversations in Space: Structuring Non-Linear LLM Interactions on a Canvas

空间对话：在画布上构建非线性大语言模型交互结构

Rifat Mehreen Amin, Alperen Adatepe, Daniela Fernandes, Daniel Buschek, Andreas Butz

机构 * LMU Munich（慕尼黑大学） ； Aalto University（阿尔托大学） ； University of Bayreuth（拜罗伊特大学） 纠错

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

AI总结 本文提出CanvasConvo，通过将线性聊天转化为分支对话树，支持在画布上探索假设场景，提升LLM交互的非线性结构和探索效率。

Multi-Turn Neural Transparency: Surfacing Neural Activations Improves User Calibration to LLM Behavioral Drift

多轮神经透明：揭示神经激活以改善用户对LLM行为漂移的校准

Sheer Karny, Anthony Baez, Pat Pataranutaporn

专题命中 知识编辑与模型理解 ：LLM(title,title_cn)

AI总结 本文提出多轮神经透明方法，通过实时展示LLM内部激活以帮助用户预测和识别行为变化，实验表明该方法显著提升了用户对模型行为的评估和校准。

HIVE: Hidden-Evidence Verification for Hallucination Detection in Diffusion Large Language Models

HIVE：用于扩散大语言模型中幻觉检测的隐藏证据验证

Guoshenghui Zhao, Tan Yu, Weijie Zhao

机构 * Rochester Institute of Technology（罗切斯特理工学院） ； NVIDIA Corporation（英伟达公司） 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.CL

AI总结 HIVE通过提取去噪轨迹中的压缩隐藏证据，结合语言模型前缀嵌入进行验证，提升幻觉检测性能，优于多个基线模型。

Comments 5 figures, appendix included

Probing Privacy Leaks in LLM-based Code Generation via Test Generation

通过测试生成探测基于LLM的代码生成中的隐私泄露

Yifei Ge, Zhenpeng Chen, Weisong Sun, Yuchen Chen, Chunrong Fang, Juan Zhai, Xiaofang Zhang, Xia Feng, Yang Liu, Zhenyu Chen

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 本文提出一种模拟实际隐私相关代码生成场景的管道，采用测试驱动策略提取生成测试用例中的记忆信息，通过自动构建隐私特征库提高隐私泄露检测效果，实验表明检测到的隐私泄露增加2.56倍。

Comments Preprint

The Linear Representation Hypothesis and the Geometry of Large Language Models

线性表示假说与大语言模型的几何学

Kiho Park, Yo Joong Choe, Victor Veitch

机构 * University of Chicago（芝加哥大学） 纠错

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

AI总结 本文探讨线性表示的定义及其在表示空间中的几何意义，通过反事实语言形式化并证明其与线性探测和模型操控的关联，提出非欧几里得内积统一线性表示概念，实验验证概念表示的存在及其对解释与控制的重要性。

Comments Accepted for a presentation at ICML 2024 and an oral presentation at NeurIPS 2023 Workshop on Causal Representation Learning. Code is available at https://github.com/KihoPark/linear_rep_geometry

Journal ref In Proceedings of the 41st International Conference on Machine Learning (ICML), 2024

Escaping Plato's Cave: JAM for Aligning Independently Trained Vision and Language Models

走出洞穴：JAM用于对齐独立训练的视觉和语言模型

Lauren Hyoseo Yoon, Yisong Yue, Been Kim

机构 * Computation and Neural Systems（计算与神经系统） ； California Institute of Technology（加利福尼亚理工学院） ； Computation and Mathematical Sciences（计算与数学科学） ； Google DeepMind（谷歌DeepMind） 纠错

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

AI总结 本文提出JAM方法，通过联合训练模态特定的自编码器，优化视觉和语言模型的对齐，提升细粒度上下文区分能力。

SAE-RNA: A Sparse Autoencoder Model for Interpreting RNA Language Model Representations

SAE-RNA：一种用于解释RNA语言模型表示的稀疏自编码器模型

Taehan Kim, Sangdae Nam

机构 * Department of Computer Science, University of California, Berkeley（加州大学伯克利分校计算机科学系） ； Department of Development Engineering, University of California, Berkeley（加州大学伯克利分校发展工程系） 纠错

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

AI总结 本文提出SAE-RNA模型，通过分析RiNALMo表示并映射到人类水平的生物特征，探索稀疏自编码器在RNA语言模型表示中的可解释性及局限性。

Comments 12 pages, 7 figures. v2: Updated bibliography to improve reference accuracy and reflect updated publication venues. Refined claims for better alignment with results and added an Appendix

Beyond Forgetting: Machine Unlearning Elicits Controllable Side Behaviors and Capabilities

超越遗忘：机器去学习引发可控的副作用和能力

Tien Dang, The-Hai Nguyen, Dinh Mai Phuong, Nguyen Minh Phuong, Anh Bui, Hoang Thanh-Tung, Le-Minh Nguyen, Naoya Inoue

机构 * Japan Advanced Institute of Science and Technology（日本先进科学研究所） ； Quantum AI and Cyber Security Institute（量子人工智能与网络安全研究所） ； FPT Corporation（FPT公司） ； Monash University（墨尔本大学） ； RIKEN（理化学研究所） 纠错

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 本文探讨了通过去学习引发可控副作用和能力的现象，通过线性表示假设验证了该现象在行为控制和能力增强任务中的有效性。

Comments 36 pages, 19 tables, 9 figures

Geometric algebra as the input language of collider foundation models

几何代数作为碰撞物理基础模型的输入语言

E. Abasov, L. Dudko, F. Grigoryev, P. Volkov, A. Zaborenko

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

AI总结 本文提出将碰撞事件视为单一几何对象，利用几何代数的分级分解组织所有可观测量，提供34个经典可观测量的字典，并展示如何通过投影获得高阶不变量和低阶配方，最终通过多共振拓扑分离示例展示方法。

Comments 39 pages, 3 figures

ICED: Concept-level Machine Unlearning via Interpretable Concept Decomposition

ICED: 通过可解释的概念分解实现概念级机器去学习

Shen Lin, Jing Lin, Junhao Dong, Piotr Koniusz, Li Xu

机构 * Fujian Normal University（福建师范大学） ； Nanyang Technological University（南洋理工大学） ； University of New South Wales（新南威尔士大学） ； Data61 CSIRO（Data61澳大利亚联邦科学与工业研究组织） 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ICED框架，通过多模态大语言模型构建任务特定概念词汇，实现VLMs中概念级去学习，有效去除目标知识并保留非目标语义，实验表明其在目标遗忘和模型效用方面表现优异。

Beyond Binary Rewards: Training LMs to Reason About Their Uncertainty

超越二元奖励：训练语言模型以对其不确定性进行推理

Mehul Damani, Isha Puri, Stewart Slocum, Idan Shenfeld, Leshem Choshen, Yoon Kim, Jacob Andreas

机构 * Massachusetts Institute of Technology（麻省理工学院） 纠错

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 本文提出RLCR方法，通过联合提升准确性和校准置信度，改进语言模型的推理能力，实验显示其在不同数据集上提升校准效果而不影响准确性。

Grounded or Guessing? LVLM Confidence Estimation via Blind-Image Contrastive Ranking

grounded还是猜测？通过盲图像对比排序进行LVLM置信度估计

Reza Khanmohammadi, Erfan Miahi, Simerjot Kaur, Charese H. Smiley, Ivan Brugere, Kundan Thind, Mohammad M. Ghassemi

机构 * Michigan State University（密歇根州立大学） ； Independent AI Researcher（独立AI研究员） ； JPMorgan AI Research（摩根大通AI研究） ； Henry Ford Health（亨利福特健康） 纠错

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

AI总结 本文提出BICR框架，通过对比真实图像与遮蔽图像的隐藏状态，评估LVLM的置信度，实现跨模型的校准与判别性能优化。

Sound Sparks Motion: Audio and Text Tuning for Video Editing

声音激发动作：用于视频编辑的音频和文本微调

AmirHossein Naghi Razlighi, Aryan Mikaeili, Ali Mahdavi-Amiri, Daniel Cohen-Or, Yiorgos Chrysanthou

机构 * University of Cyprus（塞浦路斯大学） ； Simon Fraser University（西蒙弗雷泽大学） ； Tel Aviv University（特拉维夫大学） ； CYENS Center Of Excellence（CYENS卓越中心） 纠错

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

AI总结 本文提出Sound Sparks Motion框架，通过测试时调整音频视觉生成模型的多模态条件信号，实现视频动作编辑，无需训练，通过音频潜在和文本条件残差扰动促进动作修改，同时利用视觉语言模型反馈提升编辑效果。

Comments Project Page: https://amirhossein-razlighi.github.io/Sound_Sparks_Motion

paper.json: A Coordination Convention for LLM-Agent-Actionable Papers

为LLM-代理可操作论文的协调约定

Arquimedes Canedo

机构 * arquicanedo 纠错

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

AI总结 本文提出paper.json文件，通过稳定声明ID、明确不声明列表、精确图示命令和稳定定义ID等约定，解决LLM代理在阅读学术论文时的重复失败问题。