AI 大模型
大语言模型、预训练、指令微调、后训练和语言模型应用。
VFM$^{4}$SDG：揭示VFM在单域广义目标检测中的力量
机构 * College of Intelligence and Computing, Tianjin University（天津大学智能与计算学院） ； Faculty of Computer Science and Artificial Intelligence, Shenzhen University of Advanced Technology（深圳先进技术大学计算机科学与人工智能学院）
专题命中 领域大模型 ：foundation model(abstract)
AI总结 提出VFM$^{4}$SDG框架，利用冻结的视觉基础模型（VFM）作为跨域稳定性先验，通过关系蒸馏和查询增强解决单域广义目标检测中的域偏移导致的漏检问题。
从头到尾：利用生成式语义ID进行长尾推荐中的非对称知识迁移
专题命中 领域大模型 ：LLM(abstract)
AI总结 针对长尾推荐中的数据不平衡问题，提出AKT-Rec框架，利用多模态大模型生成语义ID，通过聚类引导的自适应嵌入和层次化特征聚合实现从头到尾的非对称知识迁移，在工业数据集和在线A/B测试中显著提升性能。
Comments 5 pages, 1 figure
S4M: 4点分割一切
机构 * University of Strasbourg, CNRS, INSERM, ICube, UMR7357, Strasbourg, France（斯特拉斯堡大学、法国国家科学研究中心、法国国家医学研究院、ICube、UMR7357、法国斯特拉斯堡） ； Department of General Surgery, Kaohsiung Chang Gung Memorial Hospital, Chang Gung University College of Medicine, Kaohsiung, Taiwan（高雄长庚纪念医院外科部、长庚大学医学院）
专题命中 领域大模型 ：prompting(abstract)
AI总结 提出S4M方法，通过结构化4点提示（极值点或长短轴端点）增强SAM的几何感知能力，在超声和内镜图像分割中提升精度并减少标注工作量。
它们会走多远？使用大型语言模型对在线影响力进行红队测试
机构 * Information Sciences Institute University of Southern California（信息科学研究所 乌德穆尔特国立大学）
专题命中 知识编辑与模型理解 ：LLM(summary_cn,abstract)；large language model(title,abstract)；language model(title,abstract)；分类 cs.CL、cs.AI
AI总结 本文提出一个红队测试框架，通过测量大型语言模型在争议话题上的政治观点表达范围（Overton Window），并量化简单自然语言越狱如何扩展该范围，发现开源LLM在政治表达上存在系统性不对称，且越狱效果因模型系列而异。
Comments 30 pages, 8 figures, submitted to COLM 2026
稀疏自编码器将大脑-LLM对齐映射到皮层语义拓扑
机构 * The University of Hong Kong（香港大学） ； Stellaris AI Limited（Stellaris AI有限公司）
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 通过稀疏自编码器分解LLM中间层特征，发现语义特征主导大脑预测表现，并验证了皮层语义拓扑的细粒度对齐。
Comments Accepted at CoNLL 2026. 20 pages (9 main + 1 limitations/acknowledgments + 3 references + 7 appendix), 5 figures, 20 tables
任务感知提升大语言模型生成与不确定性
机构 * School of Computation, Information \& Technology, Technical University of Munich ； Munich Data Science Institute ； Munich Center for Machine Learning
专题命中 知识编辑与模型理解 ：LLM(title,summary_cn)；分类 cs.LG
AI总结 提出在任务依赖的潜在结构中直接建模LLM输出，通过贝叶斯最优响应合成和贝叶斯风险量化不确定性，优于标准解码方法并改善与输出质量的校准。
图对齐拓扑作为接地检测的归纳偏置
机构 * Department of Pediatrics, University of Illinois College of Medicine Peoria（伊利诺伊大学皮奥里亚医学院儿科部） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Siebel School of Computing and Data Science, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校计算机与数据科学学院） ； Carle Illinois College of Medicine, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校卡莱医学院）
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 提出利用图对齐拓扑作为归纳偏置，通过构建参考信息与LLM输出之间的对齐二分图并训练图神经网络建模对齐结构，在幻觉检测和问答任务上取得最先进结果。
视觉与语言模型的经验贝叶斯共形预测
机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； University of California San Diego（加州大学圣地亚哥分校） ； Xiamen University（厦门大学）
专题命中 知识编辑与模型理解 ：language model(title,abstract)；LLM(abstract_cn)；分类 cs.LG
AI总结 提出经验贝叶斯共形预测框架，利用r值将得分变异性转化为不确定性感知的非一致性得分，在保持目标覆盖的同时减少高方差假候选的包含。
Transcoders 追踪视觉语言模型中的视觉基础与幻觉
机构 * Institute of Language and Speech Processing（语言与语音处理研究所） ； Athena Research Center（雅典研究中心）
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 采用基于Transcoders的功能中心框架分解视觉语言模型的计算路径，揭示视觉输入如何影响文本生成，并通过反事实分析和图结构特征预测幻觉。
语言模型中的层级概念几何源于词汇共现
机构 * Johns Hopkins University（约翰霍普金斯大学） ； EPFL（苏黎世联邦理工学院）
专题命中 知识编辑与模型理解 ：language model(title)；LLM(abstract_cn)；分类 cs.CL、cs.LG
AI总结 本文提出一种分布理论，证明语言表示中的上下义关系几何结构源于词汇共现的谱结构，并在word2vec和Gemma 2B嵌入中得到验证。
Comments 34 pages, 12 figures, including appendices
基于稀疏自编码器的脑电图基础模型机制可解释性
机构 * BrainCapture ； DTU Health Tech（技术大学丹麦健康技术） ； DTU Compute（技术大学丹麦计算） ； Department of Biomedical Data Science（生物医学数据科学系） ； Department of Computer Science（计算机科学系） ； Seer Medical（Seer医疗） ； Filadelfia Epilepsy Hospital（菲拉德尔菲亚癫痫医院） ； University Hospital of Copenhagen（哥本哈根大学医院）
专题命中 知识编辑与模型理解 ：foundation model(title,abstract)；分类 cs.LG
AI总结 通过TopK稀疏自编码器从三种EEG Transformer中提取稀疏特征字典，结合临床分类法评估单语义性和纠缠性，并引入概念引导分析目标与非目标区域，揭示模型表征失败和临床纠缠问题。
Comments Preprint. 14 pages, 7 figures, 4 tables
超越二元编辑：基于对抗子空间对齐的鲁棒多模态知识编辑
机构 * Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学） ； Jiangxi Normal University（江西师范大学）
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 针对多模态大语言模型知识编辑泛化性不足的问题，提出对抗子空间对齐方法（ASAM），通过潜在对抗鲁棒化（LAR）和秩约束子空间学习（RCSL）实现鲁棒的多模态知识编辑。
通过设计实现多语言引导：多语言稀疏自编码器与原则性层选择
机构 * Saarland University（萨尔兰大学） ； German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心） ； TU Darmstadt（德累斯顿技术大学） ； Centre for European Research in Trusted AI (CERTAIN)（欧洲可信AI研究中心）
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 针对稀疏自编码器在多语言环境中语言控制不可靠的问题，提出在多语言数据上训练SAE并基于多语言对齐与语言可分离性交集的原则性层选择规则，在LLaMA-3.1-8B和Gemma-2-9B上验证了该方法能稳定语言识别准确率与生成质量之间的权衡。
Comments Accepted to TrustNLP Workshop at ACL 2026
RAG-Pull：通过不可见Unicode扰动将检索转化为代码注入通道
机构 * Computing System Labs, Huawei Technologies Switzerland AG（华为瑞士技术有限公司计算系统实验室） ； BKW Energie AG（BKW能源集团）
专题命中 知识编辑与模型理解 ：LLM(abstract,abstract_cn)；分类 cs.AI
AI总结 提出RAG-Pull攻击，通过向查询或外部代码库插入不可见UTF字符，使检索系统偏向恶意代码，从而破坏LLM的安全对齐，实现远程代码执行和SQL注入。
SVR-MAD：一种贝叶斯启发的后验引导多智能体辩论框架
专题命中 知识编辑与模型理解 ：LLM(abstract,abstract_cn)
AI总结 针对多智能体辩论中上下文快速增长导致可扩展性受限的问题，提出贝叶斯启发的SVR-MAD框架，利用辩论前后信号构建通信图，在降低令牌成本的同时保持或提升准确率。
移动世界模型如何指导GUI代理？
机构 * Nanyang Technological University（南洋理工大学） ； MiLM Plus, Xiaomi Inc.（小米公司） ； Independent Researchers（独立研究人员） ； Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学人工智能学院） ； Wuhan University（武汉大学） ； Xiamen University（厦门大学）
专题命中 知识编辑与模型理解 ：language model(abstract)；分类 cs.CL、cs.AI
AI总结 本文通过训练四种模态（增量文本、完整文本、扩散图像、可渲染代码）的世界模型，并评估其在下游任务中的效用，发现可渲染代码重建在分布内保真度高，文本反馈对在线分布外执行更鲁棒，世界模型生成的轨迹可提供迁移经验但无法替代原始分布，且对低熵过度自信的代理，后验自省收益有限。
不看而见：视觉-语言基准测试真的测试视觉吗？
机构 * University of Chicago（芝加哥大学） ； Stony Brook University（石溪大学） ； Toyota Technological Institute at Chicago（芝加哥丰田技术研究所）
专题命中 知识编辑与模型理解 ：language model(abstract)；分类 cs.CL、cs.AI
AI总结 通过系统性实验发现，视觉-语言模型对细粒度视觉证据的依赖程度低于预期，表明当前基准测试不足以可靠评估其视觉基础能力。
Comments Accepted to GRAIL-V: Grounded Retrieval and Agentic Intelligence for Vision-Language, CVPR 2026 Workshop. accepted version
CHASD：面向LVLMs中幻觉的语言增量校准对比解码
机构 * Institute of Artificial Intelligence, Xiamen University（厦门大学人工智能学院） ； Department of Artificial Intelligence, Xiamen University（厦门大学人工智能系）
专题命中 知识编辑与模型理解 ：language model(abstract)；分类 cs.AI
AI总结 提出CHASD框架，通过不确定性驱动的置信门控和注意力引导的局部扰动，在推理时按需校准对比解码，减少对象幻觉并提升效率。
HawkesLLM：智能体文本模拟中的语义不确定性传播
机构 * Department of Industrial and Systems Engineering, University of Minnesota（工业与系统工程系，明尼苏达大学） ； H. Milton Stewart School of Industrial and Systems Engineering, Georgia Institute of Technology（H. Milton Stewart工业与系统工程学院，佐治亚理工学院）
专题命中 知识编辑与模型理解 ：language model(abstract)；分类 cs.CL
AI总结 提出HawkesLLM框架，通过多变量Hawkes过程建模时间影响与文本生成分离，解决智能体文本模拟中语义不确定性路径依赖问题，在GDELT新闻级联案例中提升后期语义对齐。
Comments 10 pages, 4 figures, Accepted at the ICML 2026 Workshop on Statistical Frameworks for Uncertainty in Agentic Systems
具有说服性和叙事性LLM解释的人类决策
机构 * DEVCOM Army Research Laboratory（美国陆军研发实验室） ； University of Texas at Dallas（德克萨斯大学达拉斯分校） ； Virginia Polytechnic Institute and State University（弗吉尼亚理工大学）
专题命中 其他LLM ：LLM(title,title_cn)；large language model(abstract)；language model(abstract)；分类 cs.AI
AI总结 通过大规模行为实验，研究LLM生成的叙事解释的说服力程度对人类决策准确性的影响，发现叙事解释未显著提升决策准确性，但增加了对AI的依赖，且高说服力叙事可能损害决策反应时间和辨别能力。
利用大语言模型进行情感分析：Decentraland的MANA代币多模态分析
机构 * University of Pennsylvania（宾夕法尼亚大学） ； Microsoft（微软） ； Duke Kunshan University（杜克昆山大学）
专题命中 其他LLM ：large language model(title,abstract)；language model(title,abstract)；分类 cs.CL
AI总结 本研究利用基于BERT的大语言模型对Decentraland的Discord社区进行情感分析，并结合多模态金融数据（历史价格、情感分数、交易量和市值）构建LSTM模型，发现多模态模型在MANA代币回报预测中显著优于仅基于价格的基线模型。
ArcMark: 通过最优传输实现无失真的多字节大语言模型水印
机构 * Arizona State University（亚利桑那州立大学） ； Harvard University（哈佛大学）
专题命中 其他LLM ：LLM(title,abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出ArcMark，一种基于编码和信息论原理的无失真水印方法，能够在数百个token中可靠嵌入多字节信息，且不改变LLM的下一token分布。
超越单轮交互：将拒绝重新定义为嵌入心理健康支持互动情境的动态体验
专题命中 其他LLM ：LLM(summary_cn,abstract)；large language model(abstract)；language model(abstract)
AI总结 通过混合方法研究，揭示LLM在心理健康支持中的拒绝行为是多阶段动态体验，并提出多阶段评估框架和设计建议。
KPI2KVI：一种从服务描述计算关键价值指标的多智能体工作流
机构 * ICTFICIAL OY（ICTFICIAL公司） ； Ruhr-Universitaet Bochum（波恩鲁尔大学）
专题命中 其他LLM ：LLM(abstract_cn)；large language model(abstract)；language model(abstract)；分类 cs.AI
AI总结 提出KPI2KVI工具，通过大语言模型驱动的确定性多智能体工作流，从非结构化服务描述中自动计算关键价值指标（KVI），包括上下文获取、KVI类别选择、KPI生成、数值收集与估计，以及带解释的区间值输出。
SUDP: 面向智能体系统的秘密使用委托协议
机构 * Imperial College London（伦敦帝国学院） ； University of Oxford（牛津大学） ； Stanford University（斯坦福大学）
专题命中 其他LLM ：LLM(abstract,abstract_cn)；分类 cs.AI
AI总结 针对智能体系统中用户秘密被滥用的问题，提出秘密使用委托协议（SUDP），通过授权、委托和兑现机制实现一次性秘密使用，满足七项安全属性。
MaMa: 一种基于博弈论的安全智能体系统设计方法
机构 * Max Planck Institute for Software Systems (MPI-SWS)（马克斯·普朗克软件系统研究所）
专题命中 其他LLM ：LLM(abstract,abstract_cn)；分类 cs.LG
AI总结 提出MaMa算法，通过将安全智能体系统设计形式化为系统设计者与对手之间的Stackelberg博弈，利用基于LLM的对抗搜索自动生成鲁棒安全的系统设计。
AI原生大规模敏捷软件开发宣言
机构 * Ericsson, Sweden（爱立信（瑞典）） ； Blekinge Institute of Technology, Sweden（布莱金厄技术学院（瑞典））
专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.AI
AI总结 提出AI原生大规模敏捷软件开发宣言，通过六项原则将AI作为一等参与者，将开发从会议驱动、文档繁重的顺序流程转变为智能、自适应、持续学习的系统。
AI友好的LaTeX：使用LaTeX代码作为检索增强生成的知识源
机构 * Department of Mathematics & Computer Science, Eindhoven University of Technology（数学与计算机科学系，埃因霍温理工大学）
专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.CL
AI总结 本文提出一种预处理方法，将LaTeX源码及其辅助文件和作者注释转换为Markdown和JSONL格式的文本块，以解决PDF提取中结构信息丢失的问题，从而提升检索增强生成在数学和技术材料上的可靠性。
Comments 19 pages, 3 figures
合成来源？：审计生成式搜索引擎引用中是否存在AI生成的来源
专题命中 其他LLM ：large language model(abstract)；language model(abstract)
AI总结 通过审计四个生成式搜索引擎（ChatGPT、Copilot、Gemini、Perplexity）在政治、健康和环境领域的712个真实用户查询，发现约16%的引用来源是AI生成的，并识别了频繁被引用的关键网络域名。
Comments 11 pages + Appendix
一种生成式AI驱动的交互式叙事严肃游戏用于压力缓解及其随机对照试点研究
专题命中 其他LLM ：LLM(abstract,abstract_cn)
AI总结 本研究开发了基于Unity和ChatGPT的生成式AI驱动严肃游戏“Reverie”，并通过14天试点实验证明其能显著降低压力水平并改善认知情绪调节策略。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈