语言大模型 / LLM

Vision Language Models are Confused Tourists

视觉语言模型是困惑的游客

Patrick Amadeus Irawan, Ikhlasul Akmal Hanif, Muhammad Dehan Al Kautsar, Genta Indra Winata, Fajri Koto, Alham Fikri Aji

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

AI总结 本研究提出ConfusedTourist，通过文化对抗鲁棒性测试揭示视觉语言模型在文化线索干扰下的稳定性问题，发现其在简单扰动下表现显著下降，凸显了多文化环境下模型鲁棒性的关键挑战。

Towards Closed-Loop Embodied Empathy Evolution: Probing LLM-Centric Lifelong Empathic Motion Generation in Unseen Scenarios

迈向闭环式具身共情进化：探索以LLM为中心的终身共情动作生成在未见场景中的能力

Jiawen Wang, Jingjing Wang Tianyang Chen, Min Zhang, Guodong Zhou

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

AI总结 本文提出L^2-EMG任务，旨在通过情感解耦和场景适应挑战提升LLM在未见场景中的共情动作生成能力。

Watch Closely: Mitigating Object Hallucinations in Large Vision-Language Models with Disentangled Decoding

Watch Closely: 通过解耦解码缓解大视觉-语言模型中的物体幻觉

Ruiqi Ma, Yu Yan, Chunhong Zhang, Minghao Yin, XinChao Liu, Zhihong Jin, Zheng Hu

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； The University of Hong Kong（香港大学） 纠错

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

AI总结 通过解耦解码方法，无需训练即可缓解大视觉-语言模型中的物体幻觉问题，提升模型的视觉性能和准确性。

GTMA: Dynamic Representation Optimization for OOD Vision-Language Models

GTMA：面向视觉-语言模型的动态表示优化

Jensen Zhang, Ningyuan Liu, Keze Wang

机构 * Sun Yat-sen University（中山大学） 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 GTMA通过动态表示优化提升视觉-语言模型在分布外任务中的性能，有效解决模态不对称问题，提升零样本和少样本准确率15-20%。

Comments Under submission

Neural Chameleons: Language Models Can Learn to Hide Their Thoughts from Unseen Activation Monitors

神经变色龙：语言模型可以学习隐藏其思想以逃避未见的激活监控

Max McGuinness, Alex Serrano, Luke Bailey, Scott Emmons

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

AI总结 语言模型通过微调可学习逃避未见的激活监控，展示出零样本泛化能力，揭示模型在对抗威胁下的鲁棒性问题。

Representation Calibration and Uncertainty Guidance for Class-Incremental Learning based on Vision Language Model

基于视觉语言模型的类增量学习中的表示校准与不确定性引导

Jiantao Tan, Peixian Ma, Tong Yu, Wentao Zhang, Ruixuan Wang

机构 * Guangdong Province Key Laboratory of Machine Intelligence and Advanced Computing, Ministry of Education（广东省机器智能与先进计算重点实验室） ； Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； Peng Cheng Laboratory（鹏城实验室） ； Key Laboratory of Machine Intelligence and Advanced Computing, Ministry of Education（广东省机器智能与先进计算重点实验室） 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 本文提出了一种基于视觉语言模型的类增量学习框架，通过引入任务特定适配器和跨任务表示校准策略，提升类别区分能力，并利用预测不确定性优化图像特征选择，实现更准确的分类性能。

Language models as tools for investigating the distinction between possible and impossible natural languages

语言模型作为探究可能与不可能自然语言区别的工具

Julie Kallini, Christopher Potts

机构 * Stanford University（斯坦福大学） 纠错

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

AI总结 本文探讨语言模型作为探究可能与不可能自然语言区别的工具，通过改进模型架构来揭示人类语言学习的归纳偏见。

Conscious Gaze: Adaptive Attention Mechanisms for Hallucination Mitigation in Vision-Language Models

有意识的注视：用于视觉-语言模型中幻觉抑制的自适应注意力机制

Weijue Bu, Guan Yuan, Guixian Zhang

机构 * School of Computer Science and Technology/School of Artificial Intelligence（计算机科学与技术学院/人工智能学院） ； China University of Mining and Technology（中国矿业大学） 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 CG-VLM通过认知需求传感器和聚焦共识诱导模块，在推理时精准干预视觉-语言模型的注意力，有效抑制幻觉并提升性能。

Comments 6 pages, 6 figures

Concept-Guided Backdoor Attack on Vision Language Models

基于概念的视觉语言模型后门攻击

Haoyu Shen, Weimin Lyu, Haotian Xu, Tengfei Ma

机构 * Stony Brook University（石溪大学） 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 本研究提出基于概念的视觉语言模型后门攻击方法，通过概念阈值污染和概念瓶颈模型引导未见后门两种技术，实现对模型生成文本的恶意替换。

VoxRep: Enhancing 3D Spatial Understanding in 2D Vision-Language Models via Voxel Representation

VoxRep：通过体素表示增强2D视觉-语言模型的3D空间理解

Alan Dao, Norapat Buppodom

机构 * Menlo Research（Menlo研究） 纠错

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

AI总结 本文提出VoxRep方法，通过将体素空间切分为2D切片并输入预训练的视觉-语言模型，实现对3D环境的高效语义理解。

Journal ref Proc. APSIPA ASC 2025, pp. 1464-1469

Fantastic Features and Where to Find Them: A Probing Method to combine Features from Multiple Foundation Models

非凡特性及其获取方法：一种结合多个基础模型特征的探测方法

Benjamin Ramtoula, Pierre-Yves Lajoie, Paul Newman, Daniele De Martini

机构 * University of Oxford（牛津大学） ； Polytechnique Montréal（蒙特利尔理工学院） 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 ComBo是一种结合多个基础模型特征的探测方法，通过紧凑表示和轻量级transformer实现高效任务预测，优于现有探测方法并提升模型性能。

Comments Published at NeurIPS 2025

MolEdit: Knowledge Editing for Multimodal Molecule Language Models

MolEdit: 多模态分子语言模型的知识编辑

Zhenyu Lei, Patrick Soga, Yaochen Zhu, Yinhan He, Yushun Dong, Jundong Li

机构 * University of Virginia（弗吉尼亚大学） ； Florida State University（佛罗里达州立大学） 纠错

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

AI总结 MolEdit通过多专家知识适配器和专家意识编辑切换器，提升多模态分子语言模型的编辑可靠性与局部性，实现分子与描述词的高效互转。

On the Utility of Foundation Models for Fast MRI: Vision-Language-Guided Image Reconstruction

在快速MRI中基础模型的效用：基于视觉-语言的图像重建

Ruimin Feng, Xingxin He, Ronald Mercer, Zachary Stewart, Fang Liu

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

AI总结 本文提出利用视觉-语言基础模型通过语义空间优化提升欠采样MRI重建效果，实验表明其在保留解剖结构和提升感知质量方面优于传统方法。

Priors in Time: Missing Inductive Biases for Language Model Interpretability

时间中的先验：语言模型可解释性中缺失的归纳偏置

Ekdeep Singh Lubana, Can Rager, Sai Sumedh R. Hindupur, Valerie Costa, Greta Tuckute, Oam Patel, Sonia Krishna Murthy, Thomas Fel, Daniel Wurgaft, Eric J. Bigelow, Johnny Lin, Demba Ba, Martin Wattenberg, Fernanda Viegas, Melanie Weber, Aaron Mueller

机构 * Goodfire AI ； Independent（独立） ； SEAS, Harvard University（哈佛大学SEAS学院） ； EPFL（瑞士联邦理工学院） ； Kempner Institute at Harvard University（哈佛大学凯普内研究所） ； Department of Psychology, Stanford University（斯坦福大学心理学系） ； Department of Psychology, Harvard University（哈佛大学心理学系） ； Decode Research ； Boston University（波士顿大学） 纠错

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

AI总结 本文提出时序特征分析方法，通过引入时序归纳偏置，改进语言模型表示的可解释性，有效区分抽象与新颖信息，克服现有方法的局限。

Comments Preprint

On the Internal Semantics of Time-Series Foundation Models

Atharva Pandey, Abhilash Neog, Gautam Jajoo

机构 * Kairosity 纠错

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

HEDGE: Hallucination Estimation via Dense Geometric Entropy for VQA with Vision-Language Models

Sushant Gautam, Michael A. Riegler, Pål Halvorsen

机构 * Simula Metropolitan Center for Digital Engineering (SimulaMet)（Simula数字工程研究中心） ； Oslo Metropolitan University (OsloMet)（奥斯陆 Metropolitan 大学） ； Simula Research Laboratory（Simula研究实验室） 纠错

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

How Linguistics Learned to Stop Worrying and Love the Language Models

Richard Futrell, Kyle Mahowald

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

A Low-Rank Method for Vision Language Model Hallucination Mitigation in Autonomous Driving

Keke Long, Jiacheng Guo, Tianyun Zhang, Hongkai Yu, Xiaopeng Li

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

Evaluating Human-LLM Representation Alignment: A Case Study on Affective Sentence Generation for Augmentative and Alternative Communication

Shadab Choudhury, Asha Kumar, Lara J. Martin

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

Comments Published at IJCNLP-AACL 2025 Findings

Discovering Interpretable Biological Concepts in Single-cell RNA-seq Foundation Models

Charlotte Claye, Pierre Marschall, Wassila Ouerdane, Céline Hudelot, Julien Duquesne

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

Mint: A Simple Test-Time Adaptation of Vision-Language Models against Common Corruptions

Wenxuan Bao, Ruxi Deng, Jingrui He

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 ：language model(title,abstract)；分类 cs.LG

Comments Accepted by NeurIPS 2025

Rethinking LLM Uncertainty: A Multi-Agent Approach to Estimating Black-Box Model Uncertainty

Yu Feng, Phu Mon Htut, Zheng Qi, Wei Xiao, Manuel Mager, Nikolaos Pappas, Kishaloy Halder, Yang Li, Yassine Benajiba, Dan Roth

机构 * University of Pennsylvania（宾夕法尼亚大学） ； AWS AI Labs（AWS人工智能实验室） ； Johannes Gutenberg University of Mainz（美因茨约翰内斯·古滕贝格大学） ； Oracle AI（Oracle人工智能） 纠错

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

Comments EMNLP 2025 Findings

Journal ref EMNLP 2025 Findings

Trust in foundation models and GenAI: A geographic perspective

Grant McKenzie, Krzysztof Janowicz, Carsten Kessler

机构 * McGill University, Canada（麦吉尔大学，加拿大） ； University of Vienna, Austria（维也纳大学，奥地利） ； Bochum University of Applied Sciences, Germany（波鸿应用科学大学，德国） ； Aalborg University Copenhagen, Denmark（奥胡斯大学哥本哈根分校，丹麦） 纠错

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

Brain-Language Model Alignment: Insights into the Platonic Hypothesis and Intermediate-Layer Advantage

Ángela López-Cardona, Sebastián Idesis, Mireia Masias-Bruns, Sergi Abadal, Ioannis Arapakis

机构 * Universitat Politècnica de Catalunya（加泰罗尼亚理工大学） 纠错

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

Learning to Detect Unknown Jailbreak Attacks in Large Vision-Language Models

Shuang Liang, Zhihao Xu, Jialing Tao, Hui Xue, Xiting Wang

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

Comments Withdrawn due to an accidental duplicate submission. This paper (arXiv:2510.15430) was unintentionally submitted as a new entry instead of a new version of our previous work (arXiv:2508.09201)

Watermarking for Factuality: Guiding Vision-Language Models Toward Truth via Tri-layer Contrastive Decoding

Kyungryul Back, Seongbeom Park, Milim Kim, Mincheol Kwon, SangHyeok Lee, Hyunyoung Lee, Junhee Cho, Seunghyun Park, Jinkyu Kim

机构 * CSE, Korea University（韩国大学计算机科学与工程系） ； KT Corporation（KT公司） ； Soongsil University（顺成大学） 纠错

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

Comments EMNLP 2025 Findings; Project: https://github.com/KR-0822/TCD

SS-DPPN: A self-supervised dual-path foundation model for the generalizable cardiac audio representation

Ummy Maria Muna, Md Mehedi Hasan Shawon, Md Jobayer, Sumaiya Akter, Md Rakibul Hasan, Md. Golam Rabiul Alam

机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； BRAC University（布拉克大学） ； Department of Electricial and Electronic Engineering（电气与电子工程系） ； Department of Biomedical Engineering（生物医学工程系） ； Linköping University（林肯堡大学） ； Department of Electrical and Computer Engineering（电气与计算机工程系） ； University of Maryland（马里兰大学） ； School of Electrical Engineering, Computing and Mathematical Sciences（电气工程、计算与数学科学学院） 纠错

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

Visual Representations inside the Language Model

Benlin Liu, Amita Kamath, Madeleine Grunde-McLaughlin, Winson Han, Ranjay Krishna

机构 * University of Washington（华盛顿大学） ； University of California Los Angeles（加州大学洛杉矶分校） ； Allen Institute for AI（人工智能研究院） 纠错

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

Comments Accepted to COLM 2025

THEMIS: Unlocking Pretrained Knowledge with Foundation Model Embeddings for Anomaly Detection in Time Series

Yadav Mahesh Lorik, Kaushik Sarveswaran, Nagaraj Sundaramahalingam, Aravindakumar Venugopalan

机构 * Comcast India Engineering Center（Comcast印度工程中心） 纠错

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

Comments Oral Presentation. AI4TS Workshop, IJCAI'25

Towards Cross-modal Backward-compatible Representation Learning for Vision-Language Models

Young Kyun Jang, Ser-nam Lim

机构 * Google DeepMind（谷歌DeepMind） ； University of Central Florida（中央佛罗里达大学） 纠错

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