语言大模型 / LLM

Information-theoretic Multimodal Representation Learning for Electrocardiogram Signals

基于信息论的心电图信号多模态表示学习

Phu X. Nguyen, Konstantinos Kontras, Wei Dai, Huy Phan, Christos Chatzichristos, Paul Pu Liang, Bert Vandenberk, Maarten De Vos

机构 * KU Leuven（库勒芬大学） ； University Hospitals Leuven（鲁文大学医院） ； MIT（麻省理工学院） ； DFKI（德国达姆施塔特研究所） 纠错

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

AI总结 提出MERIT框架，通过信息论视角结合掩码心电图建模与心电图-文本对比对齐，学习保留信号结构并整合临床语义的心电图表示，在分类、零样本和文本生成任务中取得一致提升。

Probing Social Identity Bias in Chinese LLMs with Gendered Pronouns and Social Groups

探究中文大语言模型中的社会身份偏见：基于性别代词与社会群体

Geng Liu, Feng Li, Junjie Mu, Mengxiao Zhu, Francesco Pierri

机构 * Department of Electronics, Information and Bioengineering, Politecnico di Milano（电子、信息与生物工程系，米兰理工大学） ； University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 通过设计考虑中文语言特性的提示，评估十种代表性中文大语言模型在240个社会群体上的内群体与外群体框架下的情感和毒性偏见，发现系统性不对称且指令调优减少情感偏见但毒性差距更持久，女性标记代词与更高毒性相关。

Metaphor Is Not All Attention Needs

隐喻并非注意力所需全部

Olga Sorokoletova, Francesco Giarrusso, Giacomo De Luca, Piercosma Bisconti, Matteo Prandi, Federico Pierucci, Marcello Galisai, Vincenzo Suriani, Daniele Nardi

机构 * Sapienza University of Rome Department of Computer, Control and Management Engineering（罗马大学Sapienza计算机、控制与管理工程系） ； DEXAI – Icaro Lab（DEXAI – Icaro实验室） ； University of Rome Tor Vergata（罗马大学Tor Vergata） ； Sant’Anna School of Advanced Studies（Sant’Anna高级研究学校） 纠错

专题命中 知识编辑与模型理解 ：large language model(abstract)；language model(abstract)；post-training(abstract)；分类 cs.CL

AI总结 本文研究文学式绕过策略为何有效，发现其效果源于风格不规则性而非对文学格式的识别失败，表明安全机制需考虑风格变化对模型行为的影响。

Faithfulness-Aware Uncertainty Quantification for Fact-Checking the Output of Retrieval Augmented Generation

基于事实性的不确定性量化用于验证检索增强生成的输出

Ekaterina Fadeeva, Aleksandr Rubashevskii, Dzianis Piatrashyn, Roman Vashurin, Shehzaad Dhuliawala, Artem Shelmanov, Timothy Baldwin, Preslav Nakov, Mrinmaya Sachan, Maxim Panov

机构 * ETH Zürich（苏黎世联邦理工学院） ； MBZUAI（穆斯林人工智能研究所） 纠错

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

AI总结 本文提出FRANQ方法，通过不同不确定性量化技术区分事实性和检索忠实性，提升RAG输出的事实性检测准确性。

Query pipeline optimization for cancer patient question answering systems

癌症患者问答系统中的查询管道优化

Maolin He, Rena Gao, Mike Conway, Brian E. Chapman

机构 * School of Computing and Information Systems, University of Melbourne（墨尔本大学计算与信息系统学院） ； Health Data Science and Biostatistics, University of Texas Southwestern Medical Center（德克萨斯西南医学中心健康数据科学与生物统计学） 纠错

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

AI总结 本文提出了一种针对癌症患者问答系统的RAG查询管道三方面优化方法，通过改进文档检索、段落检索和语义表示，提升了回答准确性。

Comments This paper has been accepted as a Findings Paper in ACL 2026

Breaking the Generator Barrier: Disentangled Representation for Generalizable AI-Text Detection

突破生成器障碍：面向通用化AI-文本检测的解耦表示

Xiao Pu, Zepeng Cheng, Lin Yuan, Yu Wu, Xiuli Bi

机构 * Chongqing University of Posts and Telecommunications（重庆邮电大学） 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

AI总结 本文提出解耦框架，通过紧凑潜在编码和扰动正则化提升AI-文本检测的泛化能力，在MAGE基准上取得显著提升。

Pseudo-Unification: Entropy Probing Reveals Divergent Information Patterns in Unified Multimodal Models

伪统一：熵探测揭示统一多模态模型中分歧的信息模式

Songlin Yang, Xianghao Kong, Anyi Rao

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

AI总结 研究揭示统一多模态模型中伪统一现象的根源，通过信息论方法分析输入编码和输出生成，发现模态不对称编码和响应模式分裂是导致分歧的主要原因，强调信息流一致性对真实多模态协同的重要性。

Relational Probing: LM-to-Graph Adaptation for Financial Prediction

关系探测：面向金融预测的语言模型到图适应

Yingjie Niu, Changhong Jin, Rian Dolphin, Ruihai Dong

机构 * University College Dublin（都柏林大学） ； Massive Dublin 纠错

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

AI总结 本文提出关系探测方法，通过将语言模型头部替换为关系头部，直接从隐藏状态生成关系图，并与下游任务联合训练，提升金融预测性能。

Comments Accpeted by The 2nd Workskop on Advances in Financial AI Workshop: Towards Agentic and Responsible Systems at ICLR 2026

ART: Attention Replacement Technique to Improve Factuality in LLMs

ART：通过注意力替换技术提升大语言模型的事实性

Ziqin Luo, Yihao Quan, Xiaofeng Zhang, Xiaosong Yuan, Chen Shen

机构 * Department of Automation and Intelligent Sensing, Shanghai Jiao Tong University（上海交通大学自动化与智能感知系） ； Fudan University（复旦大学） ； Alibaba Cloud Computing（阿里云计算） 纠错

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

AI总结 本文提出ART技术，通过替换大语言模型浅层的均匀注意力模式为局部注意力模式，减少幻觉问题，适用于多种LLM架构。

Graph Representation-based Model Poisoning on the Heterogeneous Internet of Agents

基于图表示的模型中毒攻击：异构物联网中的攻击

Hanlin Cai, Houtianfu Wang, Haofan Dong, Kai Li, Sai Zou, Ozgur B. Akan

机构 * Internet of Everything (IoE) Group, Department of Engineering, University of Cambridge（剑桥大学工程系万物互联组） ； CISTER Research Centre（CISTER研究中心） ； Guizhou University（贵州大学） ； Center for neXt-Generation Communications (CXC), Koç University（科奇大学下一代通信中心） 纠错

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

AI总结 本文提出一种基于图表示的模型中毒攻击，利用监听到的良性更新构建特征相关图，并利用变分图自编码器生成恶意更新，以降低不同LLM模型的准确性，逃避现有防御机制。

Comments This paper has been accepted by the IEEE 22nd International Wireless Communications & Mobile Computing Conference (IWCMC 2026, Shanghai, China)

From Retinal Evidence to Safe Decisions: RETINA-SAFE and ECRT for Hallucination Risk Triage in Medical LLMs

从视网膜证据到安全决策：RETINA-SAFE和ECRT在医疗大语言模型幻觉风险分层中的应用

Zhe Yu, Wenpeng Xing, Meng Han

机构 * Binjiang Institute of Zhejiang University（浙江大学滨江研究院） ； Communication University of Zhejiang（浙江传媒学院） ； Zhejiang University（浙江大学） 纠错

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

AI总结 本文提出RETINA-SAFE和ECRT框架，通过视网膜分级记录构建证据基准，解决医疗LLM中证据不足或冲突导致的幻觉风险分层问题，提升风险评估的准确性和可解释性。

Algorithmic Consequences of Particle Filters for Sentence Processing: Amplified Garden-Paths and Digging-In Effects

粒子滤波器在句子处理中的算法后果：增强的花园路径效应和深入效应

Amani Maina-Kilaas, Roger Levy

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

AI总结 本文探讨粒子滤波器模型在句子处理中的影响，发现其能放大花园路径效应，并通过重采样产生实时深入效应，揭示了结构歧义对处理难度的因果影响。

Comments 10 pages, 4 figures; replacement adds minor clarification and directs readers toward relevant work

Curveball Steering: The Right Direction To Steer Isn't Always Linear

曲球操控：引导的正确方向并不总是线性

Shivam Raval, Hae Jin Song, Linlin Wu, Abir Harrasse, Jeff M. Phillips, Fazl Barez, Amirali Abdullah

机构 * Harvard Berkman Klein Center（哈佛伯克曼克莱因中心） ； Harvard University（哈佛大学） ； University of Utah（犹他大学） ； University of Oxford（牛津大学） 纠错

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

AI总结 本文提出曲球操控方法，通过多项式核PCA在特征空间中进行干预，更尊重学习到的激活几何，优于线性PCA方法，尤其在几何扭曲强的场景中表现更佳。

From Human Interfaces to Agent Interfaces: Rethinking Software Design in the Age of AI-Native Systems

从人机界面到代理界面：在AI原生系统时代重新思考软件设计

Shaolin Wang, Yi Mei, Haoyang Che, He Jiang, Shui Yu, Ying Gu

机构 * Victoria University of Wellington, New Zealand（维多利亚大学惠灵顿分校） ； Independent Researcher（独立研究员） ； Dalian University of Technology, China（大连理工大学） 纠错

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

AI总结 本文探讨了软件设计从以人为中心的界面转向以代理为中心的调用系统，提出了代理接口的概念和设计原则，为AI原生软件设计提供理论基础。

Comments 4 pages, 1 figure, 1 table

Pitfalls in Evaluating Interpretability Agents

评估可解释性代理中的陷阱

Tal Haklay, Nikhil Prakash, Sana Pandey, Antonio Torralba, Aaron Mueller, Jacob Andreas, Tamar Rott Shaham, Yonatan Belinkov

机构 * Kempner Institute at Harvard University（哈佛大学 Kempner 机构） ； Northeastern University（东北大学） ； Boston University（波士顿大学） ； MIT（麻省理工学院） 纠错

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

AI总结 本文研究了自动化电路分析中可解释性代理的评估挑战，提出基于模型组件功能互换性的无监督内在评估方法，揭示了复制评估的局限性。

Why the Valuable Capabilities of LLMs Are Precisely the Unexplainable Ones

为何大语言模型的宝贵能力恰恰是无法解释的那些

Quan Cheng

机构 * Tsinghua University（清华大学） 纠错

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

AI总结 本文提出论点：大语言模型真正有价值的能力恰恰是无法用人类可读的离散规则完全描述的部分。通过专家系统等价性证明，若LLM能力可被规则完全描述，则等同于专家系统，但专家系统在历史上和实证上均弱于LLM，从而产生矛盾。

Comments 12 pages, v2: added correction to Polanyi on why tacit knowledge is tacit (structural vs quantitative), unified three independent intellectual threads (Smolensky, Dreyfus, dynamical systems theory)

FAIRGAME: a Framework for AI Agents Bias Recognition using Game Theory

FAIRGAME: 一个用于通过博弈论识别AI代理偏见的框架

Alessio Buscemi, Daniele Proverbio, Alessandro Di Stefano, The-Anh Han, German Castignani, Pietro Liò

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

AI总结 FAIRGAME利用博弈论框架识别AI代理中的偏见，通过模拟和比较不同场景下的结果，系统发现偏见并预测战略互动中的行为。

Auditing Cascading Risks in Multi-Agent Systems via Semantic-Geometric Co-evolution

通过语义-几何共演化审计多智能体系统中的级联风险

Zixun Luo, Yuhang Fan, Hengyu Lin, Yufei Li, Youzhi Zhang

机构 * Huazhong University of Science and Technology（华中科技大学） ； Lingnan University（岭大大学） ； Tsinghua University（清华大学） ； Centre for Artificial Intelligence and Robotics（人工智能与机器人中心） ； Hong Kong Institute of Science and Innovation（香港创新科技研究院） ； Chinese Academy of Sciences（中国科学院） 纠错

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

AI总结 本文提出基于语义-几何共演化的框架，通过动态图模型和Ollivier-Ricci曲率检测多智能体系统中的级联风险，提前预警并定位根本原因。

Comments This work has been accepted to ICLR 2026 Workshop: Principled Design for Trustworthy AI

Learning Through Dialogue: Engagement and Efficacy Matter More Than Explanations

通过对话学习：参与度和效果比解释更重要

Shaz Furniturewala, Gerard Christopher Yeo, Kokil Jaidka

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

AI总结 研究发现，LLM学习效果取决于用户参与状态和认知投入，而非单纯依赖解释质量。

Can LLMs Capture Expert Uncertainty? A Comparative Analysis of Value Alignment in Ethnographic Qualitative Research

LLMs能否捕捉专家不确定性？对人类学质性研究中价值对齐的比较分析

Arina Kostina, Marios Dikaiakos, Alejandro Porcel, Tassos Stassopoulos

机构 * University of Cyprus（塞浦路斯大学） ； University of Cambridge（剑桥大学） 纠错

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

AI总结 本文研究LLMs在人类学质性研究中捕捉专家不确定性的能力，发现Qwen在价值对齐上表现最佳，但需进一步探讨模型偏差问题。

Comments Accepted for a poster session at BIG.AI at MIT 2026

BioLLMAgent: A Hybrid Framework with Enhanced Structural Interpretability for Simulating Human Decision-Making in Computational Psychiatry

BioLLMAgent: 一种具有增强结构可解释性的混合框架，用于模拟计算精神病学中的人类决策过程

Zuo Fei, Kezhi Wang, Xiaomin Chen, Yizhou Huang

机构 * School of Computer Science and Technology, East China Normal University（东华大学计算机科学与技术学院） ； Department of Computer Science, University of Reading（Reading大学计算机科学系） ； Department of Computer Science, Brunel University of London（伦敦布鲁内尔大学计算机科学系） 纠错

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

AI总结 BioLLMAgent通过结合认知模型与LLM能力，提供结构可解释的计算沙盒，用于模拟人类决策过程和评估干预策略。

Probing Materials Knowledge in LLMs: From Latent Embeddings to Reliable Predictions

探测大语言模型中的材料知识：从潜在嵌入到可靠预测

Vineeth Venugopal, Soroush Mahjoubi, Elsa Olivetti

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

AI总结 研究发现大语言模型在材料科学任务中表现依赖于输出模态，微调提升符号任务准确性但数值任务仍不一致，提取中间层嵌入可提高性能但存在瓶颈，长期跟踪显示模型性能波动大，影响科学应用的可重复性。

Comments Under Review

Uncertainty-aware Language Guidance for Concept Bottleneck Models

具有不确定性的语言指导的概念瓶颈模型

Yangyi Li, Mengdi Huai

机构 * Iowa State University（爱荷华州立大学） 纠错

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

AI总结 本文提出了一种具有不确定性的概念瓶颈模型方法，通过量化LLM标注概念的不确定性并将其纳入训练过程，以提高模型的可靠性和准确性。

Hiding in Plain Text: Detecting Concealed Jailbreaks via Activation Disentanglement

明文之中隐藏：通过激活解耦检测隐蔽的 jailbreak

Amirhossein Farzam, Majid Behabahani, Mani Malek, Yuriy Nevmyvaka, Guillermo Sapiro

机构 * Duke University（杜克大学） ； Princeton University（普林斯顿大学） ； Google DeepMind（谷歌DeepMind） ； Apple（苹果公司） 纠错

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

AI总结 通过解耦 LLM 激活中的语义因子，提出 FrameShield 异常检测器，提升对隐蔽 jailbreak 的检测能力，并推动 LLM 安全和可解释性研究。

Concept Influence: Leveraging Interpretability to Improve Performance and Efficiency in Training Data Attribution

概念影响：利用可解释性以提高训练数据归因的性能和效率

Matthew Kowal, Goncalo Paulo, Louis Jaburi, Tom Tseng, Lev E McKinney, Stefan Heimersheim, Aaron David Tucker, Adam Gleave, Kellin Pelrine

机构 * EleutherAI ； University of Toronto（多伦多大学） 纠错

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

AI总结 本文提出概念影响方法，通过利用模型中的可解释结构，提高训练数据归因的性能和效率，实现更可扩展和可控的模型行为。

From Atoms to Trees: Building a Structured Feature Forest with Hierarchical Sparse Autoencoders

从原子到树：构建具有层次稀疏自编码器的结构化特征森林

Yifan Luo, Yang Zhan, Jiedong Jiang, Tianyang Liu, Mingrui Wu, Zhennan Zhou, Bin Dong

机构 * School of Mathematical Science, Peking University, Beijing, China（北京大学数学科学学院） ； Beijing International Center for Mathematical Research（北京国际数学研究中心） ； the New Cornerstone Science Laboratory, Peking University, Beijing, China（北京大学新基石科学实验室） ； Center for Machine Learning Research, Peking University, Beijing, China（北京大学机器学习研究中心） ； School of Information and Electronics, Beijing Institute of Technology, Beijing, China（北京理工大学信息与电子学院） ； Institute for Theoretical Sciences, Westlake University, Hangzhou, China（西湖大学理论科学研究院） ； School of Science, Westlake University, Hangzhou, China（西湖大学理学院） ； School of Informatics, University of Edinburgh, Edinburgh, UK（爱丁堡大学信息学院） 纠错

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

AI总结 本文提出层次稀疏自编码器HSAE，通过结构约束和随机扰动机制，联合学习LLM中的层次化特征结构，实现语义有意义的多尺度概念分析。

How Do Decoder-Only LLMs Perceive Users? Rethinking Attention Masking for User Representation Learning

解码器-only LLMs如何感知用户？重新思考注意力掩码在用户表示学习中的应用

Jiahao Yuan, Yike Xu, Jinyong Wen, Baokun Wang, Yang Chen, Xiaotong Lin, Wuliang Huang, Ziyi Gao, Xing Fu, Yu Cheng, Weiqiang Wang

机构 * East China Normal University（华东师范大学） 纠错

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

AI总结 本研究提出梯度引导的软掩码方法，用于改进解码器-only LLMs在用户表示学习中的训练动态和双向表示质量。

Comments 13 pages, 4 figures

Enhancing Ride-Hailing Forecasting at DiDi with Multi-View Geospatial Representation Learning from the Web

通过网络多视角地理空间表示学习提升滴滴出行预测

Xixuan Hao, Guicheng Li, Daiqiang Wu, Xusen Guo, Yumeng Zhu, Zhichao Zou, Peng Zhen, Yao Yao, Yuxuan Liang

机构 * The Hong Kong University of Science ； China University of Geoscience (Wuhan) Wuhan China ； Didichuxing Co.\ Ltd Beijing China ； China University of Geoscience (Wuhan) ； Didichuxing Co.\ Ltd 纠错

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

AI总结 本文提出MVGR-Net框架，通过多视角地理空间表示学习和提示赋能的框架，提升滴滴出行预测的准确性与鲁棒性。

Comments Accepted by The Web Conference 2026

PhysicsAgentABM: Physics-Guided Generative Agent-Based Modeling

PhysicsAgentABM: 基于物理的生成基于主体的建模

Kavana Venkatesh, Yinhan He, Jundong Li, Jiaming Cui

机构 * University of Virginia（弗吉尼亚大学） 纠错

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

AI总结 PhysicsAgentABM通过结合符号推理与神经网络，实现基于物理的生成式主体建模，提升大规模模拟的准确性和校准性。

Wild Guesses and Mild Guesses in Active Concept Learning

主动概念学习中的大胆猜测与温和猜测

Anirudh Chari, Neil Pattanaik

机构 * Massachusetts Institute of Technology（麻省理工学院） ； University of California, Berkeley（加州大学伯克利分校） 纠错

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

AI总结 本文研究了主动概念学习中EIG与PTS策略的权衡，发现EIG在复杂规则中有效但对简单规则表现欠佳，而PTS通过安全查询维持提案有效性，提升收敛速度。