Position-based Prompting for Health Outcome Generation
专题命中 知识编辑与模型理解 ：prompting(title,abstract)；language model(abstract)；分类 cs.CL、cs.LG
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 7539 篇
Ethics, Rules of Engagement, and AI: Neural Narrative Mapping Using Large Transformer Language Models
专题命中 知识编辑与模型理解 ：language model(title,abstract)；large language model(abstract)；分类 cs.CL、cs.AI
Comments 18 Pages, 13 figures
Journal ref Bulletin of the Technical Committee on Data Engineering, Vol. 44 No. 4 December 2021
On the comparability of Pre-trained Language Models
专题命中 知识编辑与模型理解 ：language model(title,abstract)；large language model(abstract)；分类 cs.CL、cs.LG
Journal ref Proceedings of the 5th Swiss Text Analytics Conference (SwissText) & 16th Conference on Natural Language Processing (KONVENS), Zurich, Switzerland, June 23-25, 2020
Uncertainty and Generalizability in Foundation Models for Earth Observation
专题命中 知识编辑与模型理解 ：foundation model(title,abstract)；pretraining(abstract)；分类 cs.LG
Comments A large ablation study measuring uncertainty and spatial generalizability with 8 foundation models, 11 world regions and 7 downstream tasks
Agentic Transaction: Towards ACID-Compliant Agent Systems
智能体事务：面向ACID兼容的智能体系统
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。
LDI: Localized Data Imputation for Text-Rich Tables
LDI：面向文本丰富表的局部数据填补
专题命中 知识编辑与模型理解 ：LLM(summary_cn,abstract_cn)；large language model(abstract)；language model(abstract)
AI总结 本文提出LDI框架，通过局部推理利用LLM填补文本丰富表中的缺失值，提升准确性和可解释性，实验证明其优于现有方法。
Differential syntactic and semantic encoding in LLMs
大型语言模型中句法与语义的差异编码
机构 * Catalan Institute of Research and Advanced Studies (ICREA) and Universitat Pompeu Fabra (UPF)（加泰罗尼亚研究与高级科学研究所（ICREA）和庞培法华大学（UPF））
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 本研究通过平均共享句法结构或语义的句子隐藏表示向量，发现大型语言模型（以DeepSeek-V3为例）的内部层表示中句法和语义信息至少部分线性编码，且两者编码轮廓不同，可一定程度解耦。
Comments Published as conference paper at ICML 2026
Interpretability Transfer from Language to Vision via Sparse Autoencoders
通过稀疏自编码器实现从语言到视觉的可解释性迁移
机构 * University of Bath, UK（巴斯大学） ； Lambda, Inc.（Lambda公司） ； Samsung AI Centre Cambridge（三星AI研究中心）
专题命中 知识编辑与模型理解 ：LLM(summary_cn,abstract)；language model(abstract)
AI总结 提出VISTA框架，通过约束视觉投影器将视觉token映射到LLM的文本SAE空间，实现无需专用视觉SAE的视觉可解释性，并在对象移除和替换任务上分别提升35%和47%。
Journal ref ICML 2026
Knowledge-Level Consistency Reinforcement Learning: Dual-Fact Alignment for Long-Form Factuality
知识级一致性强化学习：长形式事实性的双事实对齐
机构 * Baidu Inc.（百度公司）
专题命中 知识编辑与模型理解 ：RLHF(abstract,abstract_cn)；large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 本文提出KLCF框架，通过双事实对齐机制提升长形式生成的事实性，有效缓解幻觉和保守倾向，提升精度与召回率。
Comments 32 pages
KARL: Mitigating Hallucinations in LLMs via Knowledge-Boundary-Aware Reinforcement Learning
KARL：通过知识边界感知强化学习缓解大语言模型的幻觉
机构 * Tsinghua University（清华大学）
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 KARL通过知识边界感知强化学习框架，动态调整大语言模型的回避行为，有效抑制幻觉并保持高精度。
Comments 21 pages, 8 figures
Applied Theory of Mind and Large Language Models -- how good is ChatGPT at solving social vignettes?
应用认知理论与大语言模型 -- ChatGPT在解决社会情境题方面表现如何？
专题命中 知识编辑与模型理解 ：large language model(title)；language model(title)
AI总结 研究评估了GPT-4在解决社会情境题方面的表现，发现其在高阶认知理论任务中接近人类水平，但在不确定性标记使用上仍需进一步优化。
Comments 40 pages, 6 figures, 3 supplements
HERGC: Heterogeneous Experts Representation and Generative Completion for Multimodal Knowledge Graphs
机构 * University of Minnesota（明尼苏达大学）
专题命中 知识编辑与模型理解 ：LLM(abstract)；large language model(abstract)；language model(abstract)；pretraining(abstract)
Probing LLMs for Joint Encoding of Linguistic Categories
专题命中 知识编辑与模型理解 ：LLM(abstract)；large language model(abstract)；language model(abstract)；pretraining(abstract)
Comments Accepted in EMNLP Findings 2023
CLT-Forge: A Scalable Library for Cross-Layer Transcoders and Attribution Graphs
CLT-Forge：一种可扩展的跨层转码器和归因图库
机构 * Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所） ； Jinesis AI Lab（Jinesis人工智能实验室） ； University of Toronto（多伦多大学） ； Vector Institute（向量研究所） ； CMU（卡内基梅隆大学） ； EuroSafeAI ； ELLIS Institute Tübingen（图宾根ELLIS研究所）
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.LG
AI总结 本文提出CLT-Forge库，通过分布式训练、模型分片和压缩激活缓存提升跨层转码器的可扩展性，提供统一的可解释性流程和可视化接口，解决归因图的冗余问题。
Comments 9 pages, 7 figures, 1 table. Code: https://github.com/LLM-Interp/CLT-Forge. Demonstration video: https://youtu.be/6ptrrLawTl8
MoRAX: Mobility-based Representation Augmentation for Geospatial Foundation Models
MoRAX：面向地理空间基础模型的基于移动性的表示增强方法
机构 * The University of Hong Kong（香港大学） ； The Chinese University of Hong Kong（香港中文大学）
专题命中 知识编辑与模型理解 ：foundation model(title,abstract)；分类 cs.LG
AI总结 MoRAX是增强地理空间基础模型的轻量级框架，利用人类移动性数据补充区域功能结构，其教师模型在多国多城市的八项预测任务中优于基线，学生模型性能接近教师，可实现零样本部署与跨国家迁移。
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
机构 * Tianjin University（天津大学）
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。
Beyond Semantic Equivalence: Logical Graphs for LLM Uncertainty Quantification
超越语义等价：用于大语言模型不确定性量化的逻辑图
机构 * Institute of Intelligent Software（智能软件研究所） ； Institute of Software, CAS（中国科学院软件研究所） ； University of Liverpool（利物浦大学） ； Guangzhou Jiayi Software Technology Co., Ltd.（广州嘉意软件科技有限公司）
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.AI
AI总结 研究大语言模型输出不可靠问题，提出逻辑图不确定性（LGU）框架，该框架能明确建模答案间逻辑关系，通过聚合概率质量、计算熵等方式改进不确定性估计，在多个问答基准测试中优于现有方法。
Comments 21 pages, 3 figures, 11 tables. Under review
Language Models Encode the Contextual Truth of Propositions
语言模型编码命题的语境真值
专题命中 知识编辑与模型理解 ：language model(title)；LLM(abstract,abstract_cn)；分类 cs.CL
AI总结 该研究探究LLMs对语境真值的编码，发现其会维持语境真值的线性表征，伙伴断言可改变命题真值表征，还区分出两种谄媚形式并量化了其出现频率差异。
Thinking Under Uncertainty: Evidence Use and Information-Seeking in Language Models
不确定性下的思考：语言模型中的证据使用与信息寻求
专题命中 知识编辑与模型理解 ：language model(title,abstract)；large language model(abstract)；分类 cs.LG
AI总结 该研究通过双臂老虎机试验探究大型语言模型在不确定性下的思考机制，发现思考可增强其基于当前证据的行动，但未产生更具信息寻求性的探索策略。
Runtime Uncertainty Monitoring for LLM-Based Multi-Agent Systems Using Bayesian Networks
基于贝叶斯网络的基于大语言模型的多智能体系统的运行时不确定性监测
机构 * University of Hull（赫尔大学）
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.AI
AI总结 研究基于大语言模型的多智能体系统在精算风险建模中的不确定性量化，提出含中央枢纽的多智能体框架，用令牌级对数概率和贝叶斯网络进行不确定性传播，再现基线性能并提供工作流稳定性等见解。
Comments This paper got accepted for Ninth International Workshop on Artificial Intelligence Safety Engineering (WAISE 2026): https://www.waise.org/
CADENCE: A Cardiac Atom Dictionary for Interpretable Neural Concept Extraction from ECG Foundation Models
CADENCE：用于从心电图基础模型中提取可解释神经概念的心脏原子字典
机构 * Rice University（莱斯大学） ； Houston Methodist Hospital（休斯顿卫理公会医院）
专题命中 知识编辑与模型理解 ：foundation model(title,abstract)；LLM(abstract)；分类 cs.AI
AI总结 研究针对12导联心电图基础模型生理知识不透明问题，提出CADENCE框架，用BatchTopK稀疏自动编码器分解模型，得到稀疏心脏原子，提升临床表型和形态学预测AUROC，能恢复生理关系、验证原子描述，为审查模型知识提供可扩展框架。
Comments 21 pages, 5 main figures, 15 appendix figures, 6 tables
Training-Driven Representational Geometry Modularization Predicts Brain Alignment in Language Models
训练驱动的表征几何模块化预测语言模型中的脑对齐
机构 * School of Biomedical Engineering, Tsinghua University, Beijing, China（生物医学工程学院，清华大学，北京，中国） ； Tsinghua Laboratory of Brain and Intelligence, Tsinghua University, Beijing, China（脑与智能实验室，清华大学，北京，中国） ； School of Basic Medical Sciences, Tsinghua University, Beijing, China（基础医学学院，清华大学，北京，中国） ； Department of Psychological and Cognitive Sciences, Tsinghua University, Beijing, China（心理学与认知科学系，清华大学，北京，中国）
专题命中 知识编辑与模型理解 ：language model(title,abstract)；large language model(abstract)；分类 cs.CL
AI总结 本研究通过训练驱动的表征几何模块化，发现语言模型中的低复杂度模块能更准确预测人类大脑语言网络活动，揭示了表征平滑对神经样语言处理的作用。
Journal ref Proceedings of the Annual Meeting of the Cognitive Science Society, 48 (2026), 167-174
Maximizing Local Entropy Where It Matters: Prefix-Aware Localized LLM Unlearning
最大化关键区域的局部熵：基于前缀的局部化大语言模型去敏感化
机构 * University of Science and Technology of China（中国科学技术大学） ； National University of Singapore（新加坡国立大学）
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
AI总结 本文提出PALU框架，通过局部熵最大化减少冗余优化，提升大语言模型的去敏感化效果与通用性能。
Comments Accepted to ACL 2026 main
Toward Mechanistic Interpretability of an AI Foundation Model Fine-Tuned for Atmospheric Chemistry
迈向针对大气化学进行微调的人工智能基础模型的机理可解释性
机构 * Stanford University（斯坦福大学） ； University of Southern California（南加州大学） ； University of Utah（犹他大学）
专题命中 知识编辑与模型理解 ：foundation model(title,abstract)；pretraining(abstract)；分类 cs.LG
AI总结 研究针对大气化学微调的人工智能基础模型学到了什么，通过对微软Aurora模型施加化学扰动、检查内部表示等方法，发现其虽捕捉到部分臭氧响应但未执行化学约束，提供了测试模型是否学大气化学的框架，强调预测应依内部机制评判。
One Model, Many Graphs: Learning over Attributed Graphs across Heterogeneous Modalities with Vision-Language Models
一个模型，多种图：使用视觉语言模型在异构模态的属性图上进行学习
机构 * New York University Shanghai（纽约大学上海分校） ； New York University（纽约大学）
专题命中 知识编辑与模型理解 ：language model(title,abstract)；LLM(abstract)；分类 cs.LG
AI总结 研究利用视觉语言模型解决属性图模态异质性问题，提出OMG-VLM框架，以预训练VLM为共享主干，引入结构感知图适配器，在节点分类和链接预测等任务中表现出色，优于现有基线且泛化能力强。
How Artificial Intelligence LLM Engines Shape the Global Conflict Information Environment
人工智能大语言模型引擎如何塑造全球冲突信息环境
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.AI
AI总结 研究人工智能大语言模型引擎对全球冲突信息环境的塑造，通过向五个引擎询问28场冲突问题并分析答案及相关网站，发现可检索记录稀少会致引擎出错，存在生成引擎优化源头优化，探讨了研究意义、政策影响及未来机遇挑战。
From Reward-Hack Activations to Agentic Risk States: Context-Calibrated Mechanistic Monitoring in LLM Agents
从奖励黑客激活到智能体风险状态：LLM智能体中的上下文校准机制监控
机构 * University of Cambridge（剑桥大学）
专题命中 知识编辑与模型理解 ：LLM(title,title_cn)；分类 cs.AI
AI总结 本研究通过分析ReAct风格智能体在Gameable ALFWorld和WebShop环境中的奖励黑客行为，提出结合激活状态、熵和决策上下文的上下文校准监控方法，以更准确评估智能体风险。
Knowledge-Conditioned, Single-Pass LLM Synthesis of Executable Unity Game Scenes: A Compiler Error Census across 26 Goal Playable Concepts
知识条件下的可执行Unity游戏场景单遍大语言模型合成：26个目标可玩概念的编译器错误普查
机构 * Chalmers University of Technology（查尔姆斯理工大学） ； University of Gothenburg（哥德堡大学）
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.LG
AI总结 研究大语言模型为Unity游戏场景编写代码，去除迭代修复循环进行单遍生成评估，通过对多个模型、模式等生成的代码分析编译器错误，发现瓶颈是缺少引擎特定知识，按需求对目标模式排序展示单遍生成断点。
Comments Substantially reframed and extended version of arXiv:2603.07101, with new experiments, figures, and analysis
Game Theory Driven Multi-Agent Framework Mitigates Language Model Hallucination
博弈论驱动的多智能体框架减轻语言模型幻觉
机构 * Dalian University of Technology（大连理工大学） ； The Hong Kong University of Science and Technology（香港科技大学）
专题命中 知识编辑与模型理解 ：language model(title,abstract)；large language model(abstract)；分类 cs.AI
AI总结 研究针对轻量级大语言模型在科学领域应用受限问题，提出基于博弈论的G-Frame多智能体框架，经结构化推理合成语料库训练出OmniChem模型，性能与GPT 4o mini相当且幻觉大幅减少，为科学领域知识发现提供新途径。
ViPo-MLLM: Visual-Pose Multimodal LLM for Gloss-Free Sign Language Translation
ViPo-MLLM：用于无注释手语翻译的视觉-姿势多模态大语言模型
机构 * King Fahd University of Petroleum and Minerals（国王法赫德石油矿物大学） ； University of British Columbia（不列颠哥伦比亚大学）
专题命中 知识编辑与模型理解 ：LLM(title,abstract)；language model(abstract)；分类 cs.AI
AI总结 研究尝试无注释手语翻译，提出ViPo-MLLM框架结合时空RGB和人体姿势特征，用专用编码器与交叉模态注意力，经结构化提示和训练后由大语言模型处理。该模型在数据集取得新成果，验证了机制有效性。
