Readable but Not Controllable: Neuron-Level Evidence for Medical LLM Hallucination
可读但不可控：医学大语言模型幻觉的神经元级证据
专题命中 知识编辑与模型理解 ：LLM(title)；分类 cs.CL
AI总结 本研究通过探测医学大语言模型内部表示，发现幻觉可被高精度检测（AUROC 0.77-0.86），但该表示分布冗余且因果不可控，揭示了解码性与可控性之间的显著差距。
AI 大模型
语言大模型 / LLM
大语言模型、预训练、指令微调、后训练和语言模型应用。
1. 知识编辑与模型理解 7552 篇
Phonological Perception of Sign Language Models
手语模型的音系感知
机构 * University of California, Berkeley（加州大学伯克利分校） ； Johns Hopkins University（约翰霍普金斯大学） ； Microsoft Research（微软研究院）
专题命中 知识编辑与模型理解 ：language model(title)；分类 cs.CL
AI总结 本研究通过最小对测试和表征对齐评估手语识别模型的音系感知能力，发现模型具有涌现音系敏感性但存在架构权衡：姿态模型对手形敏感，像素模型对位置敏感。
Comments Accepted to CogSci 2026
Anatomy-Anchored Self-Supervision: Distilling Vision Foundation Models for Invariant Ultrasound Representation
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
Where Does Authorship Signal Emerge in Encoder-Based Language Models?
作者身份信号在基于编码器的语言模型中出现在哪里？
机构 * Inria Paris（巴黎国家信息与自动化研究所） ； Sorbonne Université（索邦大学） ； IRIF（IRIF研究所） ； LRE, EPITA Ecole nationale des chartes – PSL（LRE，EPITA国立档案馆 – 法国社会科学研究院）
专题命中 知识编辑与模型理解 ：language model(title)；分类 cs.CL
AI总结 通过机械可解释性工具，研究不同评分机制对基于编码器的作者身份归因模型性能的影响，发现评分机制决定了编码器在何处整合作者身份信号。
Comments 12 pages, 6 figures. Under review
Multimodal Abstractive Summarization of Instructional Videos with Vision-Language Models
基于视觉语言模型的指令视频多模态抽象摘要
机构 * Beihang University, Beijing, China（北航大学，北京，中国） ； University of Verona, Italy（威尼斯大学，意大利）
专题命中 知识编辑与模型理解 ：language model(title)；分类 cs.CL
AI总结 本文提出ClipSum框架，利用冻结的CLIP视觉语言特征进行指令视频摘要，通过显式时间建模和维度自适应融合，实现视觉与语言的语义对齐，实验显示其在YouCook2数据集上表现优于传统方法。
Comments Accepted to ICPR 2026
How Much Do Circuits Tell Us? Measuring the Consistency and Specificity of Language Model Circuits
电路能告诉我们多少？测量语言模型电路的一致性和特异性
机构 * Language Technologies Institute, Carnegie Mellon University, Pittsburgh, Pennsylvania, USA（语言技术研究所，卡内基梅隆大学，匹兹堡，宾夕法尼亚州，美国）
专题命中 知识编辑与模型理解 ：language model(title)；分类 cs.CL
AI总结 研究通过分析六个任务和七个模型的电路重用情况，发现任务内电路重用高且共享组件对性能至关重要，但电路不具任务特异性，这引发了对电路支持针对性理解和干预的质疑。
Algebraic Language Models for Inverse Design of Metamaterials via Diffusion Transformers
基于扩散变换器的代数语言模型用于通过扩散变换器进行超材料逆设计
机构 * Mechanics & Materials Laboratory, Department of Mechanical and Process Engineering, ETH Zürich（机械与材料实验室，机械与过程工程系，苏黎世联邦理工学院） ； Department of Materials Science and Engineering, Delft University of Technology（材料科学与工程系，代尔夫特理工大学）
专题命中 知识编辑与模型理解 ：language model(title)；分类 cs.AI
AI总结 本文提出DiffuMeta框架，通过将扩散变换器与代数语言表示结合，实现三维超材料的逆设计，能生成具有精确应力-应变响应的壳体结构，并同时控制多种机械目标。
An explicit operator explains end-to-end computation in the modern neural networks used for sequence and language modeling
一个显式算子解释了现代用于序列和语言建模的神经网络的端到端计算
机构 * Department of Mathematics, Western University, London ON, Canada（温哥华大学数学系，伦敦ON，加拿大） ； Fields Lab for Network Computation, Fields Institute, Toronto ON, Canada（网络计算实验室，Fields研究所，多伦多ON，加拿大） ； King's University College at Western University, London ON, Canada（温哥华大学国王学院，伦敦ON，加拿大） ； Department of Neuroscience, University of Lethbridge, Lethbridge AB, Canada（利思堡大学神经科学系，利思堡AB，加拿大）
专题命中 知识编辑与模型理解 ：language model(title)；分类 cs.LG
AI总结 本文通过建立状态空间模型与可解非线性振荡网络的数学对应关系，揭示了S4D模型的端到端计算机制，并展示了其在序列分类中的作用。
Defragmenting Language Models: An Interpretability-based Approach for Vocabulary Expansion
语言模型去碎片化：一种基于可解释性的词汇扩展方法
机构 * Kahlert School of Computing, University of Utah（犹他大学计算机学院Kahlert分校） ； Language Technologies Institute, Carnegie Mellon University（卡内基梅隆大学语言技术研究所）
专题命中 知识编辑与模型理解 ：language model(title)；分类 cs.CL
AI总结 本文提出基于可解释性的词汇扩展方法，解决语言模型中词汇碎片化问题，通过改进词汇选择和嵌入初始化提升效率，提出FragMend方法验证有效性。
Representation geometry shapes task performance in vision-language modeling for CT enterography
表征几何形状任务性能在CT结肠镜视觉-语言建模中的作用
机构 * Gilbert S. Omenn Department of Computational Medicine and Bioinformatics（Gilbert S. Omenn 计算医学与生物信息学部门） ； Department of Gastroenterology（消化内科部门） ； Department of Emergency Medicine（急诊医学部门） ； Department of Electrical Engineering and Computer Science（电气工程与计算机科学部门）
专题命中 知识编辑与模型理解 ：language model(title)；分类 cs.AI
AI总结 本文研究了CT结肠镜视觉-语言迁移学习，发现均值池化在疾病分类中表现更优，而注意力池化在跨模态检索中更有效，同时指出单片组织对比度比空间覆盖范围更重要，为构建体积医学影像视觉-语言系统提供了基础。
Improving Semantic Uncertainty Quantification in Language Model Question-Answering via Token-Level Temperature Scaling
通过词级温度缩放改进语言模型问答中的语义不确定性量化
机构 * University of Oxford（牛津大学） ； University of Toronto（多伦多大学）
专题命中 知识编辑与模型理解 ：language model(title)；分类 cs.LG
AI总结 本文通过系统评估校准与判别两个方面，提出词级温度缩放方法，有效提升语义校准、判别及下游熵值，优于传统基线和更复杂的重校准方法。
One Language, Two Scripts: Probing Script-Invariance in LLM Concept Representations
一种语言，两种文字：探究LLM概念表示中的文字不变性
专题命中 知识编辑与模型理解 ：LLM(title)；分类 cs.CL
AI总结 本研究通过塞尔维亚双文测试，发现SAE特征在不同书写系统下仍保持语义一致性，表明模型能捕捉超越表面分词的抽象语义。
Comments Accepted at the UCRL Workshop at ICLR 2026
DenoiseFlow: Uncertainty-Aware Denoising for Reliable LLM Agentic Workflows
DenoiseFlow：面向可靠LLM代理工作流的不确定性感知去噪
机构 * School of Computer Science, Peking University（北京大学计算机科学学院） ； School of Electronics Engineering and Computer Science, Peking University（北京大学电子工程与计算机科学学院） ； SKLCCSE, School of Computer Science and Engineering, Beihang University（北航计算机科学与工程学院） ； Tsinghua University（清华大学） ； University of Electronic Science and Technology of China（电子科技大学） ； Key Laboratory of High Confidence Software Technologies(PKU), MOE（北京大学高可信软件技术重点实验室） ； Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所） ； National Engineering Research Center for Software Engineering, Peking University（软件工程国家工程研究中心）
专题命中 知识编辑与模型理解 ：LLM(title)；分类 cs.AI
AI总结 DenoiseFlow通过闭环框架实现多步推理的不确定性感知去噪，提升LLM代理工作流的可靠性与效率。
From Open Vocabulary to Open World: Teaching Vision Language Models to Detect Novel Objects
从开放词汇到开放世界：教会视觉语言模型检测新物体
机构 * The University of Melbourne Parkville, VIC, Australia（墨尔本大学帕克维尔分校）
专题命中 知识编辑与模型理解 ：language model(title)；分类 cs.AI
AI总结 本文提出了一种开放世界框架，使OVD模型能够检测新物体，通过引入OWEL和MSCAL方法提升模型对远超出分布物体的识别能力。
Comments Accepted by BMVC 2025
Are We Evaluating the Edit Locality of LLM Model Editing Properly?
我们是否正确评估了LLM模型编辑的编辑局部性？
机构 * National University of Singapore（新加坡国立大学） ； Huazhong University of Science（华中科技大学） ； Central China Normal University ； University of Maryland, College Park（马里兰大学学院市分校）
专题命中 知识编辑与模型理解 ：LLM(title)；分类 cs.AI
AI总结 本文提出了一种改进的LLM模型编辑特异性评估协议，以更准确地衡量知识保留能力。
SonoEdit: Null-Space Constrained Knowledge Editing for Pronunciation Correction in LLM-Based TTS
SonoEdit：基于空域约束的知识编辑用于LLM基于TTS的发音纠正
机构 * TU Darmstadt（图宾根大学） ； UMD（马里兰大学） ； Smallest AI（最小AI）
专题命中 知识编辑与模型理解 ：LLM(title)；分类 cs.AI
AI总结 SonoEdit通过空域约束编辑技术，无需重新训练即可修正预训练TTS模型中特定词汇的发音错误，同时保持其他行为不变。
To Word Senses and Beyond: Inducing Concepts with Contextualized Language Models
机构 * University of Lille（里尔大学） ； Inria（法国国家信息与自动化技术研究院） ； CNRS（法国国家科学研究中心） ； Centrale Lille（里尔中央理工学院） ； UMR 9189 - CRIStAL
专题命中 知识编辑与模型理解 ：language model(title)；分类 cs.CL
Comments Published in EMNLP 2024 main conference proceedings
Journal ref In Proceedings of the 2024 Conference on Empirical Methods in Natural Language Processing, pages 2684-2696 (2024)
The Confidence Paradox: Can LLM Know When It's Wrong
机构 * Jamia Hamdard（贾迈亚哈姆达德大学） ； Center for SDGC, Stanford University（SDGC中心，斯坦福大学）
专题命中 知识编辑与模型理解 ：LLM(title)；分类 cs.AI
Comments Accepted at the 14th IJCNLP & 4th AACL 2025 (Main)
Atomic Literary Styling: Mechanistic Manipulation of Prose Generation in Neural Language Models
机构 * Mongol AI（蒙古AI）
专题命中 知识编辑与模型理解 ：language model(title)；分类 cs.CL
Comments 12 pages, 3 figures, 4 tables
GroundSight: Augmenting Vision-Language Models with Grounding Information and De-hallucination
机构 * Independent Researcher（独立研究者）
专题命中 知识编辑与模型理解 ：language model(title)；分类 cs.AI
RACap: Relation-Aware Prompting for Lightweight Retrieval-Augmented Image Captioning
机构 * School of biological science and medical engineering, Southeast University, China（生物科学与医学工程学院，东南大学，中国） ； Department of Neurosurgery, The second affiliated hospital of Xinjiang Medical University, China（神经外科部门，新疆医科大学第二附属医院，中国）
专题命中 知识编辑与模型理解 ：prompting(title)；分类 cs.AI
Two Facets of the Same Optimization Coin: Model Degradation and Representation Collapse in Graph Foundation Models
专题命中 知识编辑与模型理解 ：foundation model(title)；分类 cs.LG
Whose Name Comes Up? Auditing LLM-Based Scholar Recommendations
专题命中 知识编辑与模型理解 ：LLM(title)；分类 cs.AI
Comments 40 pages: 10 main (incl. 9 figures), 3 references, and 27 appendix. Paper under-review
Bi-VLDoc: Bidirectional Vision-Language Modeling for Visually-Rich Document Understanding
机构 * Alibaba Group（阿里巴巴集团） ； School of Electronic and Information Engineering（电子与信息工程学院） ； South China University of Technology（华南理工大学）
专题命中 知识编辑与模型理解 ：language model(title)；分类 cs.CL
Comments IJDAR 2025
Eliminating Hallucination-Induced Errors in LLM Code Generation with Functional Clustering
机构 * Massachusetts Institute of Technology（麻省理工学院）
专题命中 知识编辑与模型理解 ：LLM(title)；分类 cs.AI
Comments 9 pages, 1 figure
SPACE: Your Genomic Profile Predictor is a Powerful DNA Foundation Model
专题命中 知识编辑与模型理解 ：foundation model(title)；分类 cs.LG
Comments Accepted to ICML 2025
HalluCounter: Reference-free LLM Hallucination Detection in the Wild!
机构 * IIIT Hyderabad（IIIT海得拉巴） ； TCS Research, Hyderabad, India（TCS研究, 海得拉巴, 印度） ； University of Oslo, Norway（奥斯陆大学）
专题命中 知识编辑与模型理解 ：LLM(title)；分类 cs.CL
Comments 30 pages, 3 figures
Are you SURE? Enhancing Multimodal Pretraining with Missing Modalities through Uncertainty Estimation
专题命中 知识编辑与模型理解 ：pretraining(title)；分类 cs.LG
Feedback-Enhanced Hallucination-Resistant Vision-Language Model for Real-Time Scene Understanding
专题命中 知识编辑与模型理解 ：language model(title)；分类 cs.LG
Multimodal Data Integration for Sustainable Indoor Gardening: Tracking Anyplant with Time Series Foundation Model
专题命中 知识编辑与模型理解 ：foundation model(title)；分类 cs.LG
Comments Accepted at ASCE International Conference on Computing in Civil Engineering (i3ce)
