Leveraging LLM Parametric Knowledge for Fact Checking without Retrieval
利用LLM参数知识进行事实核查而不进行检索
机构 * S-NLP Group（S-NLP小组） ； AXXX ； MIRAI ； MBZUAI ； EPFL（瑞士联邦理工学院）
AI总结 本文提出不依赖检索的事实核查任务，通过利用LLM内部表示提升事实验证性能，展示INTRA方法在多语言和长文本生成场景中的优越表现。
Comments Preprint
高校专区
EPFL（洛桑联邦理工学院）
Curve-Induced Dynamical Systems on Riemannian Manifolds and Lie Groups
流形与李群上的曲线诱导动力系统
机构 * Delft University of Technology（代尔夫特理工大学） ； Idiap Research Institute（Idiap研究所） ； École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院）
AI总结 本文提出了一种在黎曼流形和李群上实时构建动力系统的框架CDSM，通过曲线诱导的切向和法向分量实现轨迹精度和响应性的提升。
Comments Preprint, 14 pages, video linked in the paper, Saray Bakker and Martin Schonger contributed equally as first authors and are listed alphabetically
Generalizable Multiscale Segmentation of Heterogeneous Map Collections
可泛化的异构地图集合多尺度分割
机构 * EPFL, Swiss Federal Institute of Technology in Lausanne. Digital Humanities Laboratory (DHLAB), School of Computer（瑞士联邦理工学院洛桑分校，数字人文实验室） ； EPFL. Laboratory of Urban Sociology (LASUR), School of Architecture, Civil（瑞士联邦理工学院洛桑分校，城市社会学实验室）
AI总结 本文提出Semap数据集和多尺度分割框架，用于可泛化的异构历史地图分割，提升鲁棒性和迁移能力。
Comments 30 pages, 15 figures
When Weak LLMs Speak with Confidence, Preference Alignment Gets Stronger
当弱大语言模型自信发言时，偏好对齐会变得更强大
机构 * EPFL（苏黎世联邦理工学院） ； Sharif University of Technology（谢赫·穆吉加布大学）
AI总结 本文提出CW-PO框架，利用弱LLM的置信度加权实现更高效的偏好对齐，仅用20%的人类标注即可超越传统方法。
Comments 32 pages, 8 figures, International Conference on Learning Representations 2026
Narrow Finetuning Leaves Clearly Readable Traces in Activation Differences
细粒度微调在激活差异中留下明显可读的痕迹
机构 * EPFL（苏黎世联邦理工学院） ； Ecole Normale Supérieure Paris-Saclay（巴黎-萨克雷高等师范学校） ； Université Paris-Saclay（巴黎-萨克雷大学） ； Harvard University（哈佛大学） ； MATS
AI总结 研究发现狭窄微调会在激活中留下明显痕迹，揭示了微调领域偏见，并警告了使用此类模型进行广泛微调研究的局限性。
Comments ICLR 2026
