AI 大模型
视觉语言模型、视觉推理、视觉问答、图文理解和视觉 grounding。
值得拥有的概念：通过最小标注精炼VLM引导的概念瓶颈模型
机构 * DISI, University of Trento, Italy（特伦托大学DISI研究所，意大利）
专题命中 幻觉与鲁棒性 ：VLM(title,title_cn)；vision-language model(abstract)；分类 cs.CV
AI总结 本文提出VH-CBM模型，结合VLM和少量标注提升概念预测准确性与可解释性，验证其在概念校准和主动学习中的优势。
VISOR：基于视觉-语言模型的机器人测试 oracle
机构 * Simula Research Laboratory（Simula研究实验室） ； Oslo Metropolitan University（奥斯陆理工大学） ； Mondragon University（蒙dragon大学） ； National Institute of Informatics（国立信息研究所）
专题命中 幻觉与鲁棒性 ：vision-language model(title,abstract)；VLM(abstract,abstract_cn)
AI总结 VISOR 提出基于视觉-语言模型的自动化测试 oracle 方法，解决机器人测试中任务正确性评估难题，通过两个模型在多个任务上验证，展现高召回率和高精确度，但不确定性与正确性相关性低。
CounterCount: 一种用于视觉语言模型计数偏差诊断的框架
机构 * KAUST（卡尔斯鲁德大学） ； University of Edinburgh（爱丁堡大学） ； King Abdullah University of Science and Technology（国王阿卜杜勒-阿齐兹大学）
专题命中 幻觉与鲁棒性 ：vision language model(title)；vision-language model(abstract)；分类 cs.CV、cs.AI
AI总结 本文提出CounterCount框架，通过对比事实性与反事实性图像来诊断视觉语言模型在计数任务中的偏差问题，揭示模型对物体级先验知识的依赖，并提出统一的注意力调节策略提升反事实计数准确性。
注意力劫持：跨查询的视觉-语言模型响应操控
机构 * Hong Kong University of Science and Technology（香港理工大学） ； Shanghai Jiao Tong University（上海交通大学） ； Beihang University（北京航空航天大学）
专题命中 幻觉与鲁棒性 ：vision-language model(title,abstract)；分类 cs.CV、cs.AI
AI总结 本文研究了视觉-语言模型中跨查询响应操控问题，提出了一种新的对抗攻击方法Attention Hijacking，通过引导内部注意力分布保持图像主导模式，提高攻击在不同查询下的有效性。
大型视觉-语言模型在视觉标记压缩下的对抗鲁棒性研究
机构 * The Hong Kong Polytechnic University, Hong Kong（香港理工大学） ； Nanyang Technological University, Singapore（南洋理工大学） ； Chongqing University, Chongqing, China（重庆大学） ； Research Centre for Privacy and Security Technologies in Future Smart Systems, PolyU（未来智能系统中的隐私与安全技术研究中心）
专题命中 幻觉与鲁棒性 ：vision-language model(title,abstract)；分类 cs.CV、cs.AI
AI总结 本文研究了视觉标记压缩对大型视觉-语言模型对抗鲁棒性的影响，提出CAGE攻击方法，通过优化与压缩推理对齐，揭示压缩机制下的鲁棒性漏洞。
Comments Accepted by ICML 2026
TAME: 通过混合专家架构实现视觉语言模型的测试时对抗提示调优
机构 * Fellow, IEEE（IEEE会士）
专题命中 幻觉与鲁棒性 ：vision-language model(title,abstract)；分类 cs.CV
AI总结 本文提出TAME，一种基于混合专家架构的测试时防御方法，旨在提升视觉语言模型在对抗扰动下的鲁棒性，同时保持对清洁样本的泛化能力。
SG-CADVLM: 一种基于上下文感知解码的视觉语言模型，用于安全关键场景生成
机构 * School of Transportation, Southeast University（东南大学交通学院）
专题命中 幻觉与鲁棒性 ：vision language model(title)；vision-language model(abstract)
AI总结 本文提出SG-CADVLM，一种结合上下文感知解码的多模态输入处理框架，用于从事故报告中生成高保真的安全关键场景，通过减少视觉语言模型的幻觉并同时生成道路几何和车辆轨迹，提升了生成场景的准确性和实用性。
当零样本射手作弊时：通过激活引导提升年龄估计
机构 * BIFOLD & TU Berlin（BIFOLD与柏林技术大学）
专题命中 幻觉与鲁棒性 ：VLM(abstract,abstract_cn)；vision-language model(abstract)；分类 cs.LG
AI总结 本文研究了基于视觉语言模型的零样本年龄估计中出现的'身份捷径'现象，提出激活引导方法以提高年龄估计的准确性，减少均方误差达25%。
基于排名的校准：可靠多模态强化学习
机构 * Dept. of Comp. Sci. & Tech., Institute for AI, BNRist Center, Tsinghua-Bosch Joint ML Center, THBI Lab, Tsinghua University, Beijing（计算机科学与技术系，人工智能研究院，BNRist中心，清华大学-博世联合机器学习中心，THBI实验室，清华大学，北京） ； Dept. of Automation, Tsinghua University, Beijing（自动化系，清华大学，北京）
专题命中 幻觉与鲁棒性 ：InternVL(abstract,abstract_cn)；vision-language model(abstract)；分类 cs.LG
AI总结 本文提出Ranking-Aware Calibration方法，通过利用组内强化学习自然产生的比较信号，提升多模态强化学习的校准能力，从而提高任务准确性和校准效果。
通过主动感知与行为树自动生成功能的Real2Sim
机构 * University of Padova, Dept. of Information Engineering（帕多瓦大学信息工程系） ； ABB Robotics（ABB机器人）
专题命中 幻觉与鲁棒性 ：VLM(abstract,abstract_cn)；vision-language model(abstract)
AI总结 本文提出一种基于视觉语言模型的自主Real2Sim框架，通过分解语义任务，自动生成行为树以高效获取物理参数，实验证明其在效率和安全性上的优势。
具有合规性接触形成和故障恢复的鲁棒且具有弹性的软机器人物体插入
机构 * OMRON SINIC X Corporation（OMRON SINIC X公司）
专题命中 幻觉与鲁棒性 ：VLM(abstract,abstract_cn)；vision-language model(abstract)
AI总结 本文提出了一种基于合规性腕部的物体插入方法，通过大变形吸收接触，实现安全接触形成和故障恢复，实验显示在随机条件下成功率高达83%。
DriveSafe: 一种用于驾驶场景中风险检测与安全建议的框架
机构 * IIIT-Hyderabad（IIIT-海得拉巴）
专题命中 幻觉与鲁棒性 ：multimodal large language model(abstract)；分类 cs.CV、cs.AI
AI总结 本文提出DriveSafe框架，通过结构化自然语言描述实现风险感知场景理解，结合多模态上下文生成空间 grounded 的描述，用于下游风险评估和安全建议，实验表明其在DRAMA基准上达到最先进的性能。
Comments 8 pages
基于代理的自同步多视角关节角度监控管道：在无标定环境中
机构 * National Engineering Research Center of Neuromodulation, School of Aerospace Engineering, Tsinghua University（神经调制国家工程研究中心，航空航天工程学院，清华大学）
专题命中 幻觉与鲁棒性 ：multimodal large language model(abstract)；分类 cs.CV、cs.AI
AI总结 本文提出了一种基于代理的自同步多视角关节角度监控方法，利用两台摄像头在无标定环境下实现自动视频同步和自验证，通过多模态大语言模型和先进单目2D姿态估计模型提取候选姿态，并通过代理选择机制自动识别和跟踪目标个体，以在多人和遮挡情况下产生一致的2D姿态，从而估计关节角度。
Comments Accepted by EMBC 2026. 7 pages, 3 figures
多模态大语言模型中的安全几何坍缩与自适应漂移修正
机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Huawei Technologies Co., Ltd（华为技术有限公司）
专题命中 幻觉与鲁棒性 ：multimodal large language model(abstract)；分类 cs.AI
AI总结 本文研究了多模态大语言模型在跨模态安全转移中的不足，提出安全几何坍缩现象，并通过自适应漂移修正方法提升模型安全性。
HydroAgent: 通过模拟器引导的强化学习缩小前沿大语言模型与人类专家在水文模型校准之间的差距
机构 * Civil, Environmental, and Architectural Engineering, University of Colorado Boulder（科罗拉多大学波尔德分校土木、环境与建筑工程系） ； Civil Engineering and Environmental Sciences, University of Oklahoma（俄克拉荷马大学土木工程与环境科学系） ； Department of Computer Science, University of Oklahoma（俄克拉荷马大学计算机科学系） ； Civil and Environmental Engineering, Stanford University（斯坦福大学土木与环境工程系） ； Department of Computer Science, Stanford University（斯坦福大学计算机科学系） ； NASA Goddard Space Flight Center（美国国家航空航天局戈达德空间飞行中心）
专题命中 幻觉与鲁棒性 ：grounding(abstract)；分类 cs.LG
AI总结 本文研究如何利用前沿大语言模型（LLM）代理替代人类水文模型师进行水文模型校准，提出HydroAgent方法，通过模拟器引导的强化学习（RLSF）进行微调，以提高模型在不同流域中的适应性和准确性。
QQJ: 量化定性判断以实现可扩展且与人类对齐的生成AI评估
机构 * AI Lab, Arioobarzan Engineering Team（艾伊罗巴赞工程团队人工智能实验室） ； Department of Computer Engineering and Information Technology（计算机工程与信息科技系） ； Department of Informatics, Bioengineering, Robotics and Systems Engineering（信息学、生物工程、机器人与系统工程系） ； University of Genoa（热那亚大学）
专题命中 幻觉与鲁棒性 ：grounding(abstract)；分类 cs.AI
AI总结 本文提出QQJ框架，通过专家设计的多维评分标准和高质量标注集校准大语言模型评估器，实现与人类判断一致的可扩展评估方法，验证了结构化定性判断在大规模应用中的有效性。
对多模态大语言模型评分者的审计：临床顺序评分中的中间倾向偏差
机构 * Department of Electrical & Computer Engineering（电气与计算机工程系） ； Department of Computer and Information Science and Engineering（计算机与信息科学与工程系） ； Department of Clinical and Health Psychology（临床与健康心理学系） ； Department of Biomedical Engineering（生物医学工程系）
专题命中 幻觉与鲁棒性 ：multimodal large language model(abstract)；分类 cs.CV
AI总结 本文研究多模态大语言模型在临床顺序评分中的中间倾向偏差，通过基准测试发现三种前沿LLM在Clock Drawing Test评分中存在系统性压缩倾向，影响临床决策。
生成车辆-行人交互的安全关键场景
机构 * Transportation Informatics Lab, Department of Civil and Environmental Engineering, Old Dominion University（交通信息实验室，土木与环境工程系，旧 Dominion 大学） ； Inner Mongolia Center for Transportation Research, Inner Mongolia University（内蒙古交通研究所，内蒙古大学） ； School of Transportation and Logistics, National Engineering Laboratory of Integrated Transportation Big Data Application Technology, National and Local Joint Engineering Research Center of Integrated Transportation Intelligence, Southwest Jiaotong University（交通运输学院，国家集成交通大数据应用技术工程实验室，国家与地方联合集成交通智能工程研究中心，西南交通大学）
专题命中 幻觉与鲁棒性 ：grounding(abstract)
AI总结 本文提出了一种三阶段框架，结合现实数据与自适应模拟，生成大规模行为真实的安全关键场景，通过多智能体状态空间Transformer增强DDPG算法，在车辆-行人交互中实现了高精度的避让行为生成，最终生成了VPSCI数据集。
Comments 49 pages, 13 figures, 11 table
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈