语言大模型 / LLM

Safe-SAIL: Towards a Fine-grained Safety Landscape of Large Language Models via Sparse Autoencoder Interpretation Framework

Safe-SAIL: 通过稀疏自编码解释框架构建大语言模型的细粒度安全景观

Jiaqi Weng, Han Zheng, Hanyu Zhang, Ej Zhou, Qinqin He, Jialing Tao, Hui Xue, Zhixuan Chu, Xiting Wang

机构 * Alibaba Group（阿里巴巴集团） ； The State Key Laboratory of Blockchain and Data Security, Zhejiang University（浙江大学区块链与数据安全国家重点实验室） ； Language Technology Lab, University of Cambridge（剑桥大学语言技术实验室） ； Renmin University of China（中国人民大学） 纠错

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

AI总结 本文提出Safe-SAIL框架，通过稀疏自编码解释方法高效识别安全领域特征，减少解释成本55%，并系统评估1758个安全相关特征，揭示风险特征识别和安全关键实体编码机制。

Journal ref Findings of the Association for Computational Linguistics: ACL 2026, pages 18916-18935 (2026)

Improving Code Understanding in Large Language Models through Concept-Aware Consistency Learning

通过概念感知一致性学习提高大语言模型中的代码理解能力

Xiaoning Ren, Qiang Hu, Wei Ma, Chongyang Liu, Yan Li, Yao Zhang, Lingxiao Jiang, Yongqiang Lyu, Yinxing Xue

专题命中 知识编辑与模型理解 ：large language model(title,abstract)；language model(title,abstract)；instruction tuning(abstract)

AI总结 研究针对大语言模型对基本编程概念理解浅的问题，引入结合概念感知调整的反事实代码增强框架，经多模型和基准综合评估，证明此方法能引导大语言模型增强概念理解，有效提升其在代码相关任务中的表现。

Comments To appear at IJCAI 2026

NL2LOGIC: AST-Guided Translation of Natural Language into First-Order Logic with Large Language Models

NL2LOGIC: 基于抽象语法树的自然语言到一阶逻辑翻译框架

Rizky Ramadhana Putra, Raihan Sultan Pasha Basuki, Yutong Cheng, Peng Gao

机构 * Virginia Tech（弗吉尼亚理工大学） ； Universitas Ary Ginanjar（阿里·金纳jar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)；分类 cs.CL、cs.AI

AI总结 NL2LOGIC通过引入抽象语法树，结合递归大语言模型和生成器，实现了高准确性的自然语言到一阶逻辑转换，提升了逻辑求解的准确性和可执行性。

Comments Accepted to Findings of EACL 2026. 17 pages, 6 figures

Journal ref 2026.findings-eacl.317

Probing LLMs for Syntactic Structure Beyond Universal Dependencies: A Minimalist Phase Account in English

探究LLM中的最简阶段结构：普遍依赖关系无法表示的内容

Yuanhao Chen, Peter Chin

机构 * Dartmouth College（达特茅斯学院） 纠错

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

AI总结 通过设计UD距离不变的条件，使用结构探针评估LLM在wh-移位刺激上的表现，发现阶段计数梯度和阶段内凝聚性效应，表明分布预训练能诱导出超越UD的形式句法抽象表征。

Domain Knowledge-Enhanced LLMs for Fraud and Concept Drift Detection

领域知识增强的大语言模型用于欺诈和概念漂移检测

Ali Şenol, Garima Agrawal, Huan Liu

机构 * School of Computing and Augmented Intelligence (SCAI), Arizona State University (ASU)（计算与增强智能学院（SCAI），亚利桑那州立大学） ； Department of Computer Engineering, Tarsus University（计算机工程系，塔鲁斯大学） ； Minerva CQ and HumaConn AI Consulting（Minerva CQ和HumaConn人工智能咨询） ； School of Computing and Augmented Intelligence (SCAI), Arizona State University（计算与增强智能学院（SCAI），亚利桑那州立大学） 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.AI

AI总结 提出一种领域知识增强的大语言模型框架，通过集成结构化领域知识和漂移检测单元，实现高准确率的欺诈对话检测和概念漂移分类。

Journal ref Electronics 2026, 15(3), 534

Verified LLM-Driven Synthesis for Concept Design

用于概念设计的经过验证的大语言模型驱动的合成

Alcino Cunha

专题命中 知识编辑与模型理解 ：LLM(title,abstract)；prompting(abstract)

AI总结 研究用于概念设计的大语言模型驱动合成，给出概念和反应的形式语义及验证方法，提出基于大语言模型的合成过程，探讨引导合成的方式及技术，通过评估表明不同方法各有优劣，大语言模型驱动的场景引出多数情况下可恢复预期设计。

Comments 27 pages, 3 figures

ASK-NN: An Asymmetric Nearest-Neighbor Test that detects Distribution Drifts in Natural Language

ASK-NN：一种检测自然语言中分布漂移的非对称最近邻测试

Sergey Zakharov, Rodion Oblovatny, Alexey Zaytsev

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

AI总结 研究自然语言中分布漂移检测问题，提出基于有向k近邻图的非对称双样本测试ASK-NN，其计算高效易实现，在合成基准、人工文本及LLM幻觉检测方面与核和图基线相比具有竞争力。

Comments 9 pages, 4 figures

Mechanistic Interpretability of Cognitive Complexity in LLMs via Linear Probing using Bloom's Taxonomy

通过线性探针利用布洛姆分类法探讨大语言模型中认知复杂性的机制可解释性

Bianca Raimondi, Maurizio Gabbrielli

机构 * University of Bologna（博洛尼亚大学） 纠错

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

AI总结 本研究通过线性探针利用布洛姆分类法，证明大语言模型中认知复杂性可通过线性可访问子空间表示，揭示模型在处理提示时早期解决认知难度的机制。

Comments Preprint. Under review

Code-MUE: Measuring Code LLMs' Uncertainty through Execution-based Semantic Interaction Graphs

Code-MUE：通过基于执行的语义交互图测量代码语言模型的不确定性

Xiaoning Ren, Yinxing Xue, Lei Ma, Yuheng Huang

机构 * Xi’an Jiaotong University（西安交通大学） ； Institute of AI for Industries, Chinese Academy of Sciences（中国科学院人工智能产业研究院） ； The University of Tokyo（东京大学） ； University of Alberta（阿尔伯塔大学） 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.CL、cs.AI

AI总结 研究针对代码语言模型内在随机性带来的风险，引入纯黑盒框架Code-MUE，通过基于执行的语义交互图测量不确定性，经大规模实证研究验证其与功能正确性强负相关，优于基线，可实现风险检测和选择性预测。

Comments To appear at The ACM SIGSOFT International Symposium on Software Testing and Analysis (ISSTA) 2026

Analysing Moral Bias in Finetuned LLMs through Mechanistic Interpretability

通过机制可解释性分析微调语言模型中的道德偏见

Bianca Raimondi, Daniela Dalbagno, Maurizio Gabbrielli

机构 * Department of Computer Science and Engineering, University of Bologna, Bologna, Italy（计算机科学与工程系，博洛尼亚大学，意大利博洛尼亚） ； Center for Studies and Research in Cognitive Neuroscience, Department of Psychology, University of Bologna, Cesena, Italy（认知神经科学研究中心，心理学系，博洛尼亚大学，意大利塞森纳） 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.CL、cs.AI

AI总结 研究微调后大语言模型中的道德偏见，通过层修补分析发现诺布效应不仅在微调时习得且定位在特定层，将预训练模型激活修补到关键层可消除该效应，为通过干预解释、定位和缓解模型社会偏见提供新证据。

Comments Preprint. Under review

CAMMAR: Culture-Aware Matryoshka for Metaphorical Arabic Representations

CAMMAR：用于隐喻阿拉伯语表示的文化感知套娃

Suzan Awinat, Alfonso Ortega del Puente

机构 * Autonomous University of Madrid (UAM)（马德里自治大学） ； IE University（IE大学） ； Oviedo University（奥维耶多大学） 纠错

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 研究针对阿拉伯语语言模型语义模糊问题，提出CAMMAR框架，通过分阶段语义课程组织意义到嵌套子空间，基于词汇与隐喻表示距离产生隐喻性几何度量，在新数据集上评估，有监督时检测隐喻效果好，还发现基于形态学词根有提升。

Comments 14 pages, 5 figures

An expressivity analysis of hierarchical modelling in deep transformers via bounded-depth grammars

深度Transformer中基于有界深度文法的层次建模的表达性分析

Vinoth Nandakumar, Qiang Qu, Pramod Thebe, Sakshi Khachariya, Tongliang Liu

机构 * University of Sydney（悉尼大学） ； San Francisco State University（旧金山州立大学） ； IIT Madras（印度理工学院马德拉斯分校） 纠错

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

AI总结 通过有界深度上下文无关文法，证明深度Transformer的深度随文法深度线性增长，神经元数随派生树形状和产生式规则数量缩放，支持线性表示假说。

Comments Withdrawing submission to implement major revisions based on journal feedback

Retraining Seeks Stable Signals

重新训练寻找稳定信号

Moritz Hardt

机构 * Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所） ； Tübingen AI Center（图宾根人工智能中心） 纠错

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

AI总结 研究大规模预测模型性能表现现象下重新训练问题，提出稳定信号原理，证明存在稳定信号时经正则化的重复风险最小化会收敛到该信号方向，扩展分析范围并应用于语言建模数据反馈回路。

Comments Companion article to an invited contribution to the Proceedings of the International Congress of Mathematicians (ICM), 2026

Agent Step Value: Auditing Evaluator-Channel Reversals in Black-Box Agent Traces

智能体步骤值：使用基于状态的语言模型评估器进行状态转换测量

Andrew Zhang, Chengzhan Li

机构 * KTH Royal Institute of Technology（皇家理工学院） ； University of Electronic Science and Technology of China（电子科技大学） 纠错

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

AI总结 研究提出智能体步骤值（ASV）框架，通过状态转换测量评估智能体动作，能定位最终答案分数等遗漏的关键信息，还介绍了具体方法及工具，并用实验验证其有效性。

Comments adds source-contract intervention and two-wave retry study; re-acquires cube and extends bridge cohort to n=98 to 100

Modelling ductile strain localization with evolutive stochastic rheologies

用演化随机流变学模拟韧性应变局部化

Andréa Tommasi, Felipe Sáez-Leiva, Lilou Zeller, Michel Peyret, Riad Hassani, Maurine Montagnat

专题命中 知识编辑与模型理解 ：prompting(abstract)

AI总结 该研究针对板块深部韧性应变局部化建模难题，采用流变学随机描述，依局部功率时空演化，利用三个无量纲参数构建状态图，可重现多样响应，预测局部化强度等，为地球动力学板块边界自洽建模提供方法。

Comments 24 pages, 7 figures, 3 tables, article in press in Earth and Planetary Science Letters