语言大模型 / LLM

Geo-Spatial Concept Probing of Large Language Models: Abstraction, Compositionality, and Grounding

大语言模型的地理空间概念探测：抽象性、组合性与接地性

Karim Radouane, Jose G Moreno, Lynda Tamine

机构 * University of Toulouse（图卢兹大学） ； IRIT（信息科学与技术研究院（IRIT）） 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)；分类 cs.CL、cs.AI、cs.LG

AI总结 该研究针对LLMs的抽象性、组合性与接地性设计测试，构建空间概念基准并开展多模型实验，揭示当前LLMs的概念理解局限，为相关模型的优化提供洞见。

Comments Preprint

Minimal, Local, Causal Explanations for Jailbreak Success in Large Language Models

最小、局部、因果解释用于大语言模型中的对抗成功

Shubham Kumar, Narendra Ahuja

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 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.AI

AI总结 本文研究了大语言模型对抗成功的因果机制，提出LOCA方法通过局部解释识别最小的中间表示变化，以解释对抗成功的原因。

Comments Published at COLM 2026 (updated bib)

Reading Copom's Tone: A Weighted LLM Framework for Hawkish-Dovish Sentiment, Forward Guidance, and Uncertainty

解读巴西央行货币政策委员会（Copom）的语气：用于判断鹰派-鸽派情绪、前瞻性指引及不确定性的加权大语言模型（LLM）框架

Gabriel de Macedo Santos

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

AI总结 本研究提出一种加权大语言模型框架，用于分析巴西央行Copom声明的鹰派-鸽派情绪、前瞻性指引及不确定性，通过实证样本验证了方法的有效性，核心贡献为构建了可分离语气与政策指引的可审计系统。

Comments 12 pages, 8 tables, 5 figures

Let's Unlearn Stereotypes Before Decision-Making: Assessing the Impact of Intrinsic Bias Mitigation on Downstream Fairness in LLMs

让我们在决策前忘却刻板印象：评估内在偏差缓解对大语言模型下游公平性的影响

Mina Arzaghi, Alireza Dehghanpour Farashah, Florian Carichon, Jean-François Plante, Golnoosh Farnadi

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.LG

AI总结 本研究提出公平感知概念忘却（FACU）方法，在保留预测性能的同时缓解LLM内在偏差，可提升下游公平性，结合反事实数据增强效果更佳，为LLM公平性优化提供了新路径。

Measuring Concept Content in Text from LLM Activations: ESG Evidence from Concept Vectors and Linear Probes

从大语言模型激活值中测量文本的概念内容：基于概念向量与线性探测的ESG证据

Luc Hazenoot, Zhaochun Ren, Amirhossein Zohrehvand

机构 * Leiden Institute of Advanced Computer Science, Leiden University（莱顿大学高级计算机科学研究所） 纠错

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

AI总结 该研究提出用冻结LLMs的激活值测量文本概念内容，在ESG金融文本实验中，线性探测效果接近微调分类器，优于模型自身答案，且优于RFM概念向量。

Comments 19 pages, 1 figure, 7 tables

Towards Multi-Label Graph Foundation Models: from Single-Vector Representation Learning to Multi-Semantic Basis Learning

面向多标签图基础模型：从单向量表示学习到多语义基学习

Dongxiao He, Jiayu Zhang, Jitao Zhao, Yi Wang, Di Jin

机构 * Tianjin University（天津大学） 纠错

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

AI总结 针对现有图基础模型单标签假设导致多标签节点语义纠缠的问题，提出MSB-GFM框架，通过多语义基表示学习与语义-结构双通道架构实现跨域多标签节点分类，经实验验证有效。

Unleashing the Potential of Vision-Language Models for Generalizable AI-Generated Image Detection

释放视觉-语言模型在通用人工智能生成图像检测中的潜力

Weihan Cai, Hao Tan, Zichang Tan, Jun Wan, Xinping Gao

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

AI总结 该研究针对AI生成图像检测，发现视觉-语言模型PE比DINOv3更具潜力，提出语义原型校准（SPC）方法得到PE-SPC，在多基准测试中达到新的最先进性能。

Beyond Foundation Models: Dimension-Aware Neural Architecture Search with Small-Data Representation Models for Cryocooler Lifetime Prediction

超越基础模型：面向制冷机寿命预测的、采用小数据表示模型的维度感知神经架构搜索

Gregor Molan, Grafika Jati, Francesco Barchi, Andrea Acquaviva, Aljaž Osterman, Martin Molan

机构 * Comtrade 360 d.o.o.（康创360有限责任公司） ； Comtrade AI GmbH（康创人工智能有限公司） ； LE-Tehnika d.o.o.（LE技术有限责任公司） ； Alma Mater Studiorum – Università di Bologna（博洛尼亚大学） 纠错

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

AI总结 针对工业科学领域小数据场景，提出FSD-RM范式结合NAS优化模型容量与输入维度，用于制冷机寿命预测，可在降本减复杂度的同时实现有竞争力的预测性能。

Comments 48 pages

Journal ref Reliability Engineering and System Safety 277 (2027) 113105

Understanding and Improving Model Editing for Secure Code Generation

理解与改进用于安全代码生成的模型编辑

Weifeng Sun, Quanjun Zhang, Yuchen Chen, Chengran Yang, Gou Tan, David Lo

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

AI总结 本研究系统探究模型编辑用于安全代码生成，提出SafeEdit方法缓解模型编辑的安全与功能权衡，其与CoSec结合可提升安全代码生成性能。

Comments ISSTA 2026

Probing Visual Concepts in Lightweight Vision-Language Models for Automated Driving

探测轻量视觉语言模型中视觉概念以用于自动驾驶

Nikos Theodoridis, Reenu Mohandas, Ganesh Sistu, Anthony Scanlan, Ciarán Eising, Tim Brophy

机构 * University of Limerick（利默里克大学） ； Valeo Vision Systems, Ireland（爱尔兰瓦莱欧视觉系统） ； Department of Electronic and Computer Engineering（电子与计算机工程系） 纠错

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

AI总结 本研究探讨了轻量视觉语言模型在自动驾驶中的视觉概念编码问题，发现某些概念显式编码而其他隐式编码，并识别出感知和认知两种失败模式。

Journal ref Transactions on Machine Learning Research, 2026

Diffusion LLMs as Targets and Adversaries: Mechanistic Safety Exploits

扩散大语言模型作为目标与对抗者：机制性安全漏洞利用

Elena Dumitrescu, Gert Lek, Lydia Y. Chen, Jérémie Decouchant

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 本研究揭示扩散大语言模型（DLLMs）的安全机制漏洞，提出SN-Guided Diffusion黑盒越狱框架，实现高迁移攻击成功率且生成成本远低于现有方法。

A Fortran General-Purpose Transpiler: Proof of Concept

Fortran通用转译器：概念验证

Shivamshan Sivanesan, Kazem Ardaneh

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Fortran专业知识断层问题，提出基于Python的FGPT编译器框架，可将Fortran转译为适配GPU或自动微分的代码，经气候建模内核验证，能自动生成正确的Python实现，为遗留Fortran代码现代化提供可靠路径。

Comments 19 pages, 14 figures, proof of concept

SARATR-X-v2: Scale-Aware Structural Pre-Training for SAR Foundation Models

SARATR-X-v2：合成孔径雷达基础模型的尺度感知结构预训练

Weijie Li, Yafei Song, Yongxiang Liu, Bowen Peng, Jie Zhou, Jingyuan Xia, Wei Yang, Tianpeng Liu, Zhen Liu, Li Liu

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

AI总结 研究针对SAR预训练中重建目标设计未确定的问题，提出应满足物理稳定性和语义尺度兼容性。通过SARATR-X-v2协调两者，其目标由固定结构提取器构建并融合成监督信号，在多个基准测试中性能最优，确立了预训练目标设计框架。

MI-MIDI: Mechanistic Interpretability of Text-to-MIDI Generation Models via Probing, Lenses and Steering

MI-MIDI：基于探测、透镜与调控的文本生成MIDI模型的可机理解释

Jakub Poćwiardowski, Mateusz Modrzejewski

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

AI总结 本研究针对两款文本生成MIDI模型，采用探测、透镜等方法开展可机理解释，揭示架构对音乐结构的塑造作用，提出双取向调控协议并提供音乐概念追踪工具包。

Comments 13 pages

Skill-RAG: Failure-State-Aware Retrieval Augmentation via Hidden-State Probing and Skill Routing

Skill-RAG: 通过隐藏状态探测与技能路由实现故障状态感知的检索增强

Kai Wei, Raymond Li, Xi Zhu, Zhaoqian Xue, Jiaojiao Han, Jingcheng Niu, Fan Yang

机构 * University of Michigan（密歇根大学） ； University of British Columbia（不列颠哥伦比亚大学） ； Rutgers University（罗格斯大学） ； University of Pennsylvania（宾夕法尼亚大学） ； New Jersey Institute of Technology（新泽西理工学院） ； TU Darmstadt（图腾斯大学） ； Wake Forest University（威克森林大学） 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

AI总结 提出Skill-RAG框架，通过轻量级隐藏状态探测器和基于提示的技能路由器，在检索失败时诊断原因并选择四种技能（查询重写、问题分解、证据聚焦、退出）纠正查询-证据错位，显著提升多轮检索后困难案例的准确性。

Social World Models

社交世界模型

Xuhui Zhou, Jiarui Liu, Akhila Yerukola, Hyunwoo Kim, Maarten Sap

机构 * Language Technologies Institute, Carnegie Mellon University, Pittsburgh, PA, USA（卡内基梅隆大学语言技术研究所） ； NVIDIA, Santa Clara, CA, USA（英伟达） 纠错

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

AI总结 本文提出社交世界模型（SWMs）及结构化社交世界表示形式（S3AP），通过显式建模隐藏心理状态提升AI在社交推理任务中的性能。

Equivariant Sparse Autoencoders: Mechanistic Interpretability of Neural Networks on Symmetric Data

等变稀疏自编码器：对称数据上神经网络的机制可解释性

Ege Erdogan, Ana Lucic

机构 * University of Amsterdam（阿姆斯特丹大学） 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.LG

AI总结 该研究针对稀疏自编码器在对称数据上的不可识别问题，提出等变稀疏自编码器，可避免缺陷并发现更有用的下游任务特征，表明重构质量与特征实用性在对称下可能负相关。

Comments NeurIPS 2025 Mechanistic Interpretability and UniReps workshops

UncertaintyVis: Preserving Linguistic Uncertainty in Automated Text-to-Chart Generation

UncertaintyVis：在自动文本到图表生成中保留语言不确定性

Songheng Zhang, Emily Aurelia, Anthony Tang

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

AI总结 针对自动文本到图表生成会丢弃语言不确定性标记导致读者误判的问题，提出UncertaintyVis系统，通过四类不确定性对应的图表视觉编码实现不确定性保留，实验显示其提升了图表匹配准确率并降低认知需求。

When Context Bites: Detecting RAG Poisoning via Document-Level Attention Collapse

当上下文产生危害：通过文档级注意力崩溃检测RAG中毒

Yingtao Ren, Ziyi Zhao, Yiwei Fu, Xiao Luo, Yu-Cheng Chang, Chin-Teng Lin

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

AI总结 针对RAG中毒攻击现有检测方法失效的问题，提出基于文档级注意力崩溃的轻量级检测框架D-SCAN，可在攻击未改变最终答案时也实现有效检测。

Comments Accepted by SIGIR2026

CustomDance: Customized 3D Dance Generation with Coarse-to-Fine Human-Centered Interactive Control

CustomDance：基于以人为中心的粗到细交互式控制的定制化3D舞蹈生成

Xulong Tang, Kaixing Yang, Xiaohu Guo, Prabhakaran Balakrishnan, Rawan Alghofaili

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

AI总结 CustomDance是基于粗到细交互式控制的定制化3D舞蹈生成系统，通过三阶段流程实现AI辅助编舞，在定量和定性比较中优于基线，为用户提供全面控制。

Faithful Bi-Directional Model Steering via Distribution Matching and Distributed Interchange Interventions

通过分布匹配和分布式互换干预实现忠实的双向模型引导

Yuntai Bao, Xuhong Zhang, Jintao Chen, Ge Su, Yuxiang Cai, Hao Peng, Bing Sun, Haiqin Weng, Liu Yan, Jianwei Yin

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

AI总结 本文提出Concept DAS (CDAS)方法，通过分布匹配和分布式互换干预实现模型引导，改进了传统方法的过拟合问题，提高了引导的准确性和稳定性。

Comments camera ready version; 55 pages, 25 figures; accepted for ICLR 2026

Journal ref Proceedings of the International Conference on Learning Representations (ICLR), 2026

Same Attention, Different Truths: Put Logit-Lens over Visual Attention to Detect and Mitigate LVLM Object Hallucination

相同注意力，不同真相：在视觉注意力上应用Logit-Lens检测并缓解LVLM的物体幻觉

Zichuan Wang, Songlin Yang, Bo Peng, Zhenchen Tang, Yang Li, Beibei Dong, Jing Dong

机构 * School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； Institute of Automation, Chinese Academy of Science（中国科学院自动化研究所） ； Hong Kong University of Science and Technology（香港科技大学） 纠错

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

AI总结 该研究针对LVLM的物体幻觉问题，通过Logit Lens分析视觉注意力，揭示两种幻觉机制，提出无需训练的Detect-Mitigate框架，在多个基准上实现最优结果。

Comments CVPR2026 Highlight

Representation-driven Endoscopic Visual Embedding Alignment for Latent Generation

面向隐空间生成的表征驱动型内窥镜视觉嵌入对齐

Francisco Caetano, Tim J. M. Jaspers, Haiko Middeljans, Martijn R. Jong, Rixta A. H. van Eijck van Heslinga, Floor Slooter, Albert J. de Groof, Jacques J. Bergman, Peter H. N. De With, Fons van der Sommen

机构 * Eindhoven University of Technology（埃因霍温理工大学） ； Amsterdam University Medical Centers（阿姆斯特丹大学医学中心） ； University of Amsterdam（阿姆斯特丹大学） 纠错

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

AI总结 本研究针对内窥镜生成模型的领域差距与计算成本问题，提出REVEAL模型，基于500万帧内窥镜数据训练，在多任务中性能优于同类模型，为临床智能工具开发提供基础。

Comments Accepted at the DCA-MI Workshop (ECCV 2026)

Representation Handoffs for OpenArm-Based Laboratory Mobile Manipulation

基于OpenArm的实验室移动操作的表示交接

Yang Shen, Chonghao Cheng, Ziyi Zhao, Jialuo Zhu, Zhenyi Yi, Qi Zhao, Jian Yang, Yuhui Shi, Chin-Teng Lin

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

AI总结 本研究提出基于OpenArm的实验室移动操作原型，通过表示交接整合多模块，可暴露部署阻碍并为具身系统整合提供调试接口。

Comments Robotics: Science and Systems (RSS) Workshop 2026

INTRYGUE: Induction-Aware Entropy Gating for Reliable RAG Uncertainty Estimation

INTRYGUE：面向可靠RAG不确定性估计的诱导感知熵门控

Alexandra Bazarova, Andrei Volodichev, Daria Kotova, Alexey Zaytsev

机构 * Applied AI Institute（应用人工智能研究所） 纠错

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

AI总结 本文提出INTRYGUE方法，通过诱导头激活模式门控预测熵，解决RAG中熵基不确定性估计的机械悖论问题，提升hallucination检测性能。