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。
大语言模型中的几何感知幻觉检测
机构 * University of Maryland, College Park（马里兰大学学院公园分校）
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、cs.LG
AI总结 提出GA-ICL框架，利用冻结LLM的潜在表示建模局部流形和类别原型几何，选择上下文示例以检测幻觉，在FEVER和HaluEval基准上优于基线方法。
LLM 的拒绝回答可能既是真实不确定性的体现，也是提示的产物
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； University of Pennsylvania（宾夕法尼亚大学） ； Huazhong University of Science and Technology（华中科技大学） ； Nanjing University of Posts and Telecommunications（南京邮电大学） ； The Hong Kong Polytechnic University（香港理工大学）
专题命中 知识编辑与模型理解 ：LLM(title,title_cn)；large language model(abstract)；language model(abstract)；instruction tuning(abstract)
AI总结 本文发现大语言模型（LLM）的拒绝回答行为不仅源于真实不确定性，还受提示结构影响，称为“拒绝膨胀”，并通过实验证明该现象由额外选项的结构性存在触发，而非真实不确定性。
翻译头：在基于LLM的机器翻译中分离意义与语言
机构 * Department of XXX, University of YYY, Location, Country（XXX系，YYY大学，地点，国家） ； School of ZZZ, Institute of WWW, Location, Country（ZZZ学院，WWW研究所，地点，国家） ； Inria, Paris, France（Inria，巴黎，法国）
专题命中 知识编辑与模型理解 ：LLM(title,title_cn)；large language model(abstract)；language model(abstract)；prompting(abstract)
AI总结 通过分析注意力头，将机器翻译分解为目标语言识别和句子等价两个子任务，发现稀疏的注意力头分别专攻每个子任务，并利用此发现实现无需指令的翻译性能。
Comments 61 pages, 70 figures
我可以再服一剂吗？评估LLM在OTC剂量问答中时间不确定性下的决策能力
机构 * Illinois Institute of Technology（伊利诺伊理工学院）
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 提出DOSEBENCH基准测试，评估大语言模型在非处方药剂量问答中处理时间推理、约束遵循和不确定性的能力。
Comments 16 pages, 7 figures
价值纠缠：大型语言模型中不同种类好的混淆
机构 * Independent Department of Cognitive Sciences, UC Irvine（独立认知科学系，加州大学 Irvine 分校）
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 通过探测模型行为、嵌入和残差流激活，发现大型语言模型普遍存在价值纠缠，即道德、语法和经济三种价值被混淆，其中语法和经济价值过度受道德价值影响，通过选择性消融与道德相关的激活向量可修复此问题。
探究大语言模型风险决策中的结果层面相似性与机制层面一致性：来自圣彼得堡博弈的证据
机构 * Fudan University（复旦大学） ； University of Rochester（罗切斯特大学）
专题命中 知识编辑与模型理解 ：LLM(title,abstract)；instruction tuning(abstract)；prompting(abstract)；分类 cs.CL
AI总结 通过圣彼得堡博弈实验，发现大语言模型在风险决策中表现出结果层面的类人行为，但机制层面与人类决策存在显著差异，提示行为对齐可能仅停留在表面。
Caliper: 探究LLM中的词汇锚点与因果结构
机构 * Fudan University（复旦大学）
专题命中 知识编辑与模型理解 ：LLM(title_cn,abstract_cn)；large language model(abstract)；language model(abstract)；分类 cs.CL
AI总结 通过词汇匿名化扰动，揭示大语言模型在因果推理基准上的表现主要依赖词汇模式匹配而非结构因果推理。
共识在策略上是不充分的：推理轨迹分歧作为知识表示信号
机构 * Laboratory of The New Ethos（新伦理实验室） ； Warsaw University of Technology（华沙理工大学） ； Institute of Computer Science（计算机科学研究所） ； Faculty of Electronics and Information Technology（电子与信息技术学院）
专题命中 知识编辑与模型理解 ：LLM(summary_cn,abstract)；分类 cs.AI
AI总结 本文提出在价值负载任务中，分歧可能反映规范不确定性而非错误，通过将推理轨迹和决策抽象为符号分歧状态，构建知识表示层以支持可废止策略路由，连接亚符号LLM审议与符号知识表示。
Comments Accepted to LAMAS&SR workshop at FLoC 2026 (KR + ICPL + LICS + CP + FSCD)
基于全局草图的扩散语言模型水印
机构 * 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.LG
AI总结 提出一种针对掩码扩散语言模型的全局向量草图水印方法，通过控制文本的整体统计特征实现与局部上下文无关的检测。
用于视觉-语言模型的有状态视觉编码器
机构 * University of California, Berkeley（加州大学伯克利分校） ； UC Berkeley（加州大学伯克利分校）
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 提出有状态视觉编码器，通过将每个视觉表示条件于先前的视觉特征，增强视觉-语言模型在多图像、多轮交互中的视觉变化感知能力，在跨图像空间聚合、多目标视觉差异和轨迹行为克隆等任务上取得一致改进。
Comments Project page: https://statefulvisualencoders.github.io/
KODA: 视觉-语言基础模型的对比表示比较与对齐
机构 * University of California, Berkeley（加州大学伯克利分校）
专题命中 知识编辑与模型理解 ：foundation model(title,abstract)；分类 cs.LG
AI总结 提出KODA框架，通过核优化方法对比分析视觉-语言基础模型的表示差异，并识别弱聚类与强聚类的样本子集，实现表示对齐。
检索与竞争：蛋白质基础模型如何启动蛋白质
机构 * Department of Biology, University of Oxford, Oxford, UK（牛津大学生物学系） ； Kavli Institute for Nanoscience Discovery, University of Oxford, Oxford, UK（牛津大学纳科学发现研究所） ； Department of Chemistry, University of Oxford, Oxford, UK（牛津大学化学系）
专题命中 知识编辑与模型理解 ：foundation model(title)；language model(abstract)；分类 cs.AI
AI总结 通过追踪ESM2-8M预测蛋白质起始甲硫氨酸的计算路径，发现模型依赖位置先验检索而非直接识别，揭示了模型置信度与生物学证据之间的脱节。
Comments updated figure 4
语言模型中符号接地机制的涌现
机构 * University of Science and Technology of China（中国科学技术大学）
专题命中 知识编辑与模型理解 ：language model(title,abstract)；分类 cs.CL
AI总结 通过机械因果分析，发现符号接地在语言模型的中层计算中通过注意力头聚合环境信息实现，并在多模态对话和多种架构中复现。
结构化提示优化结合强化学习实现复杂文本的全局与局部可解释性
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Amazon（亚马逊）
专题命中 知识编辑与模型理解 ：LLM(abstract,abstract_cn)；分类 cs.CL、cs.AI、cs.LG
AI总结 提出eXTC框架，通过结构化提示优化、基于SOP的推理蒸馏和强化学习扩展，在分类性能和解释质量上显著优于现有范式。
解剖锚定的自监督：蒸馏视觉基础模型用于不变超声表示
机构 * Hunan University（湖南大学） ； Shenzhen Maternity and Child Healthcare Hospital（深圳妇幼保健医院）
专题命中 知识编辑与模型理解 ：foundation model(title)；分类 cs.AI
AI总结 提出解剖锚定的超声自监督框架ANAUS，通过可学习潜在提示引擎和领域自适应实现无标注解剖分割，并设计双策略自监督学习（语义感知解剖分离对齐和上下文核心区域预测）来增强表示学习，在六个公开数据集上超越现有方法。
Comments MICCAI 2026 Accepted Paper; Anatomy-Anchored Ultrasound Self-Supervision
混合对抗防御用于自然语言理解任务
机构 * School of Electronics and Computer Science, University of Southampton, UK（南安普顿大学电子与计算机科学学院） ； Department of Computer Science, University of Manchester, UK（曼彻斯特大学计算机科学系）
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 提出一种结合熵、不确定性和几何特征的混合防御框架，在多个自然语言理解数据集上同时提升了干净任务性能和对抗鲁棒性。
通过噪声注入增强幻觉检测
机构 * Qualcomm AI Research（高通人工智能研究）
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 提出一种基于贝叶斯模型不确定性的无训练噪声注入方法，通过扰动模型参数或隐藏单元激活来改进采样过程，显著提升大语言模型幻觉检测性能。
Comments ICLR 2026 main conference paper
BRAINCELL-AID：用于社区注释的由AI代理创建的脑细胞类型资源
机构 * McWilliams School of Biomedical Informatics, University of Texas Health Science Center at Houston（德克萨斯大学健康科学中心休斯顿分校麦克威廉斯生物医学信息学学院） ； Appel Alzheimer’s Disease Research Institute, Feil Family Brain and Mind Research Institute, Weill Cornell Medicine（艾伯神经变性病研究机构、费尔家庭脑与心灵研究机构、韦尔·科恩医学中心） ； Department of Biomedical Informatics and Data Science, School of Medicine, Yale University（耶鲁大学医学院生物医学信息学与数据科学系） ； Allen Institute for Brain Science（艾伦脑科学研究所）
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 提出一种多智能体AI系统BRAINCELL-AID，结合检索增强生成和自由文本描述与本体标签，实现对单细胞RNA测序数据中基因集注释的准确性和鲁棒性提升，并应用于小鼠脑细胞图谱的注释。
Comments 23 pages, 6 figures, 2 tables
利用语义高斯过程改进LVLM中的语义不确定性量化
机构 * AMIAD, Pôle Recherche, Palaiseau（AMIAD研究部，Palaiseau） ； valeo.ai ； Safran Tech ； University of Liège（利耶大学） ； New York University（纽约大学） ； National University of Singapore（新加坡国立大学） ； ENSTA Paris（巴黎ENSTA）
专题命中 知识编辑与模型理解 ：LLM(abstract_cn)；language model(abstract)
AI总结 提出语义高斯过程不确定性（SGPU）框架，通过分析答案嵌入的几何结构来量化语义不确定性，避免脆弱的聚类方法，在多个模型和数据集上实现了最先进的校准和判别性能。
RePercENT：将解耦表示学习扩展到两种模态之外
机构 * EPFL（瑞士联邦理工学院）
专题命中 知识编辑与模型理解 ：foundation model(abstract)；分类 cs.LG
AI总结 提出RePercENT框架，通过多模态即插即用架构和联合优化目标，实现超过两种模态的可扩展成对解耦，无需联合预训练并降低计算复杂度。
基于状态接地动态检索的Web代理在线技能学习
机构 * University of Georgia（佐治亚大学） ； Tencent America（腾讯美国） ； New York University（纽约大学） ； The Hong Kong Polytechnic University（香港理工大学）
专题命中 知识编辑与模型理解 ：language agent(abstract)；分类 cs.AI
AI总结 提出状态接地动态检索（SGDR）方法，通过逐步技能重用提升Web代理在多步自动化任务中的表现，在WebArena上平均成功率分别达到37.5%（GPT-4.1）和24.3%（Qwen3-4B）。
Comments 17 pages
感知-物理悖论：用TC-Bench探究科学对齐
机构 * ETH Zurich（苏黎世联邦理工学院） ； DeepMind ； University of Cambridge（剑桥大学） ； University of Amsterdam（阿姆斯特丹大学） ； University of Toronto（多伦多大学）
专题命中 知识编辑与模型理解 ：foundation model(abstract)；分类 cs.LG
AI总结 本文提出科学对齐概念，通过结构同构性构建层次化必要条件，并发布TC-Bench基准数据集，揭示视觉基础模型在极端条件下依赖视觉捷径而非科学推理。
Comments Accepted at ICML 2026
HyperDiT: 用于高保真像素空间扩散的超连接Transformer
机构 * University of Science and Technology of China（中国科学技术大学）
专题命中 知识编辑与模型理解 ：foundation model(abstract)
AI总结 针对像素空间扩散模型中全局语义与细粒度细节难以兼顾的粒度困境，提出HyperDiT框架，通过超连接跨尺度交互和尺度感知旋转位置编码，结合预训练视觉基础模型的密集语义，在像素空间实现高保真生成，在ImageNet 256×256上取得1.56的SoTA FID。
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