语言大模型 / LLM

The Fools are Certain; the Wise are Doubtful: Exploring LLM Confidence in Code Completion

傻瓜们确信；聪明人则怀疑：探索LLM在代码补全中的信心

Zoe Kotti, Konstantina Dritsa, Diomidis Spinellis, Panos Louridas

机构 * Department of Management Science and Technology, Athens University of Economics and Business（管理科学与技术系，雅典经济与商业大学） 纠错

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.AI

AI总结 本文研究LLM在代码补全中的信心，通过测量不同编程语言、模型和数据集的代码困惑度，发现强类型语言比动态类型语言困惑度更低，脚本语言困惑度更高，Java困惑度较低。

Comments 35 pages, 12 figures, 1 table

Understanding and Mitigating Over-refusal for Large Language Models via Representation Intervention

通过安全表示理解并缓解大语言模型的过度拒绝

Junbo Zhang, Ran Chen, Qianli Zhou, Xinyang Deng, Wen Jiang

机构 * Northwestern Polytechnical University（西北工业大学） 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.CL

AI总结 本文提出MOSR方法，通过干预大语言模型的安全表示来缓解过度拒绝问题，同时保持安全性。

Comments Added experiments

ATLAS: Discovering Agent Strategies through LLM-Guided Abstraction and Automata Learning

ATLAS：通过大语言模型引导的抽象与自动机学习发现智能体策略

Ignacio D. Lopez-Miguel, Andreas Happe, Jürgen Cito, Ezio Bartocci, Bettina Könighofer, Martin Tappler

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.LG

AI总结 该研究提出ATLAS方法，结合轨迹抽象与自动机学习从智能体轨迹推断有限状态模型，以实现对LLM智能体行为的可解释分析、知识迁移及简洁解释。

Comments 7 pages, accepted for publication at ACM/IEEE MODELS 2026

LRASGen: LLM-based RESTful API Specification Generation

LRASGen：基于大语言模型的RESTful API规范生成

Sida Deng, Rubing Huang, Man Zhang, Chenhui Cui, Dave Towey, Rongcun Wang

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

AI总结 该研究提出LRASGen，即首个结合LLM与API源代码生成RESTful API的OAS的方法，在20个真实API上的实验显示其生成的规范覆盖更多缺失实体，准确性较好。

Comments Accepted for publication in ACM Transactions on Software Engineering and Methodology (TOSEM). DOI: https://doi.org/10.1145/3810241

When LLMs Invent Rust Crates: An Empirical Study of Hallucination Patterns and Mitigation

当LLM发明Rust包：幻觉模式与缓解措施的实证研究

Jieming Zheng, Hao Guan, Yepang Liu

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

AI总结 本研究首次大规模实证分析LLM生成Rust代码中的包幻觉问题，发现不同模型幻觉率惊人一致且对参数不敏感，并探索了提示工程缓解策略。

Comments The work has been accepted by the 17th International Conference on Internetware

LLM-Guided Graph Generation for Structure-Based Local Improvement Methods

基于大语言模型引导的图生成的基于结构的局部改进方法

Hai Xia, Vaidyanathan Peruvemba Ramaswamy, Stefan Szeider

机构 * TU Wien（维也纳技术大学） 纠错

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

AI总结 该研究构建了适用于MiniZinc格式问题的自动流程，引导LLM生成图生成器以辅助SLIM框架，在20个MiniZinc竞赛问题上使算法选择胜率大幅提升，证明LLM语义生成可实现高效的约束优化自动特征提取。

FactorFlow: A Visual Analytics Workspace with Large Language Model-Assisted Interpretation for Factor Analysis

FactorFlow：用于因子分析的、带有大语言模型辅助解释的视觉分析工作空间

Justin Philip Tuazon, Joemari Olea, Richelle Ann Juayong

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

AI总结 FactorFlow是用于端到端探索性因子分析的视觉分析工作空间，集成大语言模型实现自动化因子解释，经可用性研究优化，可帮助研究人员高效剖析、比较因子模型并理解因子结构。

Agentic Transaction: Towards ACID-Compliant Agent Systems

智能体事务：面向ACID兼容的智能体系统

Zhaoyan Sun, Xiaoxiao Wang, Guoliang Li

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、cs.LG

AI总结 该研究提出ACID兼容的智能体事务框架，开发对应数据智能体，在基准测试中较含Claude Code的现有智能体提升10.6%，为构建可信可扩展AI智能体开辟新方向。

EEG-PRISM: Physiologically-Grounded Interpretability of Predictions by EEG Foundation Models

EEG-PRISM：基于生理学的脑电基础模型预测可解释性方法

Deeksha M Shama, Punnisa Amornsirikul, Archana Venkataraman

机构 * Johns Hopkins University（约翰斯·霍普金斯大学） ； Boston University（波士顿大学） 纠错

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

AI总结 本研究提出EEG-PRISM，一种无需修改脑电基础模型的事后归因方法，可将其归因分数映射至频谱、空间域，能定位癫痫发作区、自闭症生物标志物等，提升脑电基础模型的可解释性。

Buy the Rumor, Sell the News: When Is News Priced In?

买入传闻，卖出新闻：新闻何时被定价？

Alireza Kargarzadeh, Nariman Khaledian, Navid Parvini, Sid Ghatak, Arman Khaledian

机构 * Tailstate Intelligence Ltd（Tailstate Intelligence有限公司） ； Zanista AI Ltd（Zanista AI有限公司） ； Increase Alpha, LLC（Increase Alpha有限责任公司） 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 本研究以457万篇金融新闻为样本，发现新闻相关价格变动集中于发布前后，市场对数字类新闻反应不足、对故事类新闻反应过度，且生成的漂移表可用于新闻条件预测模型。

Dissociating the Internal Representations of Sycophancy in LLMs

区分大语言模型中谄媚行为的内部表征

Anthony Baez, Sheer Karny, Pat Pataranutaporn

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.LG

AI总结 研究大语言模型谄媚行为，将其表征分为事实和观点子类型，通过训练线性探针等方法评估不同模型对两子类型表征差异，为研究复杂模型行为表征结构提供了新框架。

Comments Accepted to Mechanistic Interpretability Workshop at ICML 2026

FIRM: Fine-Grained Intra-Token Representation of Masks for Remote Sensing Reasoning Segmentation

FIRM：面向遥感推理分割的掩码细粒度令牌内表示

Weidong Tang, Kaiyu Li, Yikai Wang, Yanan Wu, Haotian Gan, Shihong Wang, Xiangyong Cao

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

AI总结 本文提出FIRM模型，通过预测视觉令牌内的r×r二值子单元掩码代码结合轻量连续渲染器优化边界，在5个遥感推理分割基准上取得领先结果，提升了细粒度分割性能。

ProFocus: Interpreting Affective Experience in Artistic Images with Progressive Visual Focusing

ProFocus：通过渐进式视觉聚焦解释艺术图像中的情感体验

Zhiyan Zhang, Zicheng Yan, Jianqi Chen, Peipei Song, Shanshan Wang, Xun Yang

机构 * University of Science and Technology of China（中国科学技术大学） ； Anhui University（安徽大学） 纠错

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

AI总结 本研究针对现有方法无法捕捉艺术情感细微线索的问题，提出ProFocus框架，通过层级艺术评论家与渐进式提示融合模块，在ArtEmis数据集上实现了更优的情感识别与解释性能。

Disentangled Shared Representations Improve Morpho-Transcriptomic Integration

解耦共享表示可改进形态-转录组整合

Julian Ostermaier, Swann Ruyter, Reuben Dorent, Daniel Racoceanu

机构 * ESPCI Paris, PSL University（巴黎高等物理化工学院，PSL大学） ； Sorbonne Université（索邦大学） ； CNRS（法国国家科学研究中心） ； Inserm（法国国家健康与医学研究院） ； AP-HP（巴黎公共医疗集团） ； Inria（法国国家信息与自动化研究所） ； Paris Brain Institute – ICM（巴黎脑研究所 – ICM） 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 本研究针对空间转录组学的多模态表示学习问题，对比不同模型的标准与解耦变体，发现解耦共享与模态特有信息可提升相关指标，为多模态学习提供评估框架。

GhostPoint: Self-Supervised Representation Learning by Hallucinating Occluded LiDAR Structure

GhostPoint：通过幻觉生成被遮挡的激光雷达结构实现自监督表示学习

Mohamed Abdelsamad, Bin Yang, Michael Ulrich, Miao Zhang, Yakov Miron, Alexandru Paul Condurache, Abhinav Valada

机构 * Bosch Center for AI（博世人工智能中心） ； University of Freiburg（弗莱堡大学） ； University of Luebeck（吕贝克大学） 纠错

专题命中 知识编辑与模型理解 ：pretraining(abstract)

AI总结 GhostPoint是一种自监督学习框架，通过实例体素膨胀幻觉生成激光雷达被遮挡区域特征，在nuScenes和Waymo数据集上提升了下游3D检测性能，尤其适用于稀疏扫描和有限标签场景。

Comments Accepted by ECCV2026