University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）

Early and Prediagnostic Detection of Pancreatic Cancer from Computed Tomography

从计算机断层扫描中早期和预诊断性检测胰腺癌

Wenxuan Li, Pedro R. A. S. Bassi, Lizhou Wu, Xinze Zhou, Yuxuan Zhao, Qi Chen, Szymon Plotka, Tianyu Lin, Zheren Zhu, Marisa Martin, Justin Caskey, Shanshan Jiang, Xiaoxi Chen, Jaroslaw B. Ćwikla, Artur Sankowski, Yaping Wu, Sergio Decherchi, Andrea Cavalli, Chandana Lall, Cristian Tomasetti, Yaxing Guo, Xuan Yu, Yuqing Cai, Hualin Qiao, Jie Bao, Chenhan Hu, Ximing Wang, Arkadiusz Sitek, Kai Ding, Heng Li, Meiyun Wang, Dexin Yu, Guang Zhang, Yang Yang, Kang Wang, Alan L. Yuille, Zongwei Zhou

机构 * Johns Hopkins University（约翰霍普金斯大学） ； University of Bologna（博洛尼亚大学） ； Istituto Italiano di Tecnologia（意大利技术研究院） ； Shandong Provincial Qianfoshan Hospital（山东省千佛山医院） ； Qilu Hospital of Shandong University（山东大学齐鲁医院） ； Jagiellonian University（杰齐洛尼亚大学） ； University of California, San Francisco（加州大学旧金山分校） ； University of California, Berkeley（加州大学伯克利分校） ； Johns Hopkins Medicine（约翰霍普金斯医学中心） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Warmia and Mazury（马尔堡大学） ； National Medical Institute of the Ministry of Internal Affairs and Administration（内政部和行政管理局国家医疗研究所） ； Henan Provincial People’s Hospital & The People’s Hospital of Zhengzhou University（河南省人民医院及郑州大学人民医院） ； City of Hope National Medical Center（希望国家医学中心） ； Centre Européen de Calcul Atomique et Moléculaire, École Polytechnique Fédérale de Lausanne（欧洲原子和分子计算中心，洛桑联邦理工学院） ； Northeastern University（东北大学） ； Rutgers University（罗格斯大学） ； The First Affiliated Hospital of Soochow University（苏州大学第一附属医院） ； Massachusetts General Hospital（麻省总医院） 纠错

AI总结 ePAI通过人工智能在CT扫描中早期检测胰腺癌，显著提高灵敏度并准确定位微小病变。

Investigating Associational Biases in Inter-Model Communication of Large Generative Models

研究大生成模型跨模型通信中的关联偏差

Fethiye Irmak Dogan, Yuval Weiss, Kajal Patel, Jiaee Cheong, Hatice Gunes

机构 * University of Cambridge（剑桥大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Harvard University（哈佛大学） 纠错

AI总结 本研究探讨大生成模型跨模型通信中的关联偏差，通过数据集分析发现人口分布漂移，并提出缓解策略以减少不平等影响。

From Future of Work to Future of Workers: Addressing Asymptomatic AI Harms for Dignified Human-AI Interaction

从未来的工作到未来的工作者：应对无症状的AI危害以实现尊严的人机交互

Upol Ehsan, Samir Passi, Koustuv Saha, Todd McNutt, Mark O. Riedl, Sara Alcorn

机构 * Northeastern University, Harvard University（东北大学、哈佛大学） ； Microsoft（微软） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Johns Hopkins University（约翰霍普金斯大学） ； University of Minnesota（明尼苏达大学） 纠错

AI总结 本文提出了一种框架，旨在通过双用途机制实现尊严的人机交互，以应对人工智能导致的技能侵蚀问题。

Journal ref Proceedings of the CHI Conference on Human Factors in Computing Systems, 2026

Think Twice: Branch-and-Rethink Reasoning Reward Model

再思两次：分支与再思考推理奖励模型

Yizhu Jiao, Jiaqi Zeng, Julien Veron Vialard, Oleksii Kuchaiev, Jiawei Han, Olivier Delalleau

机构 * NVIDIA（NVIDIA公司） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

AI总结 BR-RM通过两轮次的分支与再思考机制，改进奖励模型的判断准确性与敏感性，实现更精确的推理能力。

Comments Source Code: https://github.com/yzjiao/BR-RM. Model Checkpoints: https://huggingface.co/nvidia/Qwen3-Nemotron-14B-BRRM and https://huggingface.co/nvidia/Qwen3-Nemotron-8B-BRRM

Intrinsic Reward Policy Optimization for Sparse-Reward Environments

内在奖励策略优化用于稀疏奖励环境

Minjae Cho, Huy Trong Tran

机构 * The Grainger College of Engineering, University of Illinois Urbana-Champaign, Urbana, USA（伊利诺伊大学厄巴纳-香槟分校格拉inger工程学院） 纠错

AI总结 IRPO通过利用多种内在奖励直接优化策略，提升稀疏奖励环境下的性能和样本效率。

ViTMAlis: Towards Latency-Critical Mobile Video Analytics with Vision Transformers

ViTMAlis：面向延迟敏感移动视频分析的视觉变换器

Miao Zhang, Guanzhen Wu, Hao Fang, Yifei Zhu, Fangxin Wang, Ruixiao Zhang, Jiangchuan Liu

机构 * School of Computing Science, Simon Fraser University（计算科学系，西蒙·弗雷泽大学） ； Global College, Shanghai Jiao Tong University（全球学院，上海交通大学） ； School of Science and Engineering (SSE) and The Future Network of Intelligence Institute (FNii), The Chinese University of Hong Kong, Shenzhen（科学与工程学院（SSE）和未来智能网络研究所（FNii），香港中文大学（深圳）） ； Computer Science Department, University of Illinois Urbana-Champaign（计算机科学系，伊利诺伊大学厄巴纳-香槟分校） 纠错

AI总结 ViTMAlis通过动态混合分辨率推理策略和设备到边缘卸载框架，降低移动视频分析的延迟并提升渲染精度。

EHR-RAG: Bridging Long-Horizon Structured Electronic Health Records and Large Language Models via Enhanced Retrieval-Augmented Generation

EHR-RAG: 通过增强检索增强生成连接长期结构电子健康记录和大型语言模型

Lang Cao, Qingyu Chen, Yue Guo

机构 * University of Illinois Urbana-Champaign, United States（伊利诺伊大学厄巴纳-香槟分校） ； Yale University, United States（耶鲁大学） 纠错

AI总结 EHR-RAG通过增强检索增强生成方法，提升长期结构电子健康记录在临床预测中的表现，实现宏F1平均提升10.76%。

Human-LLM Collaborative Feature Engineering for Tabular Data

人类与大语言模型协作的表格数据特征工程

Zhuoyan Li, Aditya Bansal, Jinzhao Li, Shishuang He, Zhuoran Lu, Mutian Zhang, Qin Liu, Yiwei Yang, Swati Jain, Ming Yin, Yunyao Li

机构 * Purdue University（普渡大学） ； Adobe（Adobe公司） ； UIUC（伊利诺伊大学香槟分校） ； University of Washington（华盛顿大学） ； UC Davis（加州大学戴维斯分校） 纠错

AI总结 本文提出人类与大语言模型协作的表格数据特征工程框架，通过解耦操作提出与选择过程，结合人类专家反馈提升特征工程效率和效果。

Comments ICLR 2026

SFT Doesn't Always Hurt General Capabilities: Revisiting Domain-Specific Fine-Tuning in LLMs

SFT并不总是损害通用能力：重新审视LLM中的领域特定微调

Jiacheng Lin, Zhongruo Wang, Kun Qian, Tian Wang, Arvind Srinivasan, Hansi Zeng, Ruochen Jiao, Xie Zhou, Jiri Gesi, Dakuo Wang, Yufan Guo, Kai Zhong, Weiqi Zhang, Sujay Sanghavi, Changyou Chen, Hyokun Yun, Lihong Li

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Amazon（亚马逊） ； University of Massachusetts Amherst（马萨诸塞大学阿姆赫斯特分校） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University at Buffalo（布法罗大学） ； Northeastern University（东北大学） 纠错

AI总结 本文研究了SFT对LLM通用能力的影响，发现较小学习率可缓解性能下降，提出TALR方法在平衡领域特定性能与通用能力方面表现优异。

Comments Accepted by ICLR 2026

Parallels Between VLA Model Post-Training and Human Motor Learning: Progress, Challenges, and Trends

VLA模型后训练与人类运动学习的类比：进展、挑战与趋势

Tian-Yu Xiang, Ao-Qun Jin, Xiao-Hu Zhou, Mei-Jiang Gui, Xiao-Liang Xie, Shi-Qi Liu, Shuang-Yi Wang, Sheng-Bin Duan, Fu-Chao Xie, Wen-Kai Wang, Si-Cheng Wang, Ling-Yun Li, Tian Tu, Zeng-Guang Hou

机构 * State Key Laboratory of Multimodal Artificial Intelligence Systems, Institute of Automation, Chinese Academy of Sciences（多模态人工智能系统国家重点实验室，自动化研究所，中国科学院） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； The Grainger College of Engineering, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校格拉inger工程学院） ； CAS Center for Excellence in Brain Science and Intelligence Technology（中国科学院脑科学与智能技术卓越创新中心） ； Joint Laboratory of Intelligence Science and Technology, Institute of Systems Engineering, Macau University of Science and Technology（澳门科技大学系统工程学院智能科学与技术联合实验室） 纠错

AI总结 本文从人类运动学习角度综述了VLA模型后训练的进展、挑战与趋势，提出四类后训练方法并探讨了其在机器人操作中的应用与未来方向。

Rec-R1: Bridging Generative Large Language Models and User-Centric Recommendation Systems via Reinforcement Learning

Rec-R1: 通过强化学习连接生成式大语言模型与以用户为中心的推荐系统

Jiacheng Lin, Tian Wang, Kun Qian

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

AI总结 Rec-R1通过强化学习连接生成式大语言模型与用户导向推荐系统，有效提升推荐性能并保留LLM通用能力。

Comments Published in the TMLR journal

RAS: Retrieval-And-Structuring for Knowledge-Intensive LLM Generation

RAS：基于检索与构建的知识密集型大语言模型生成

Pengcheng Jiang, Lang Cao, Ruike Zhu, Minhao Jiang, Yunyi Zhang, Jiaming Shen, Jimeng Sun, Jiawei Han

机构 * Department of Computer Science, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校计算机科学系） 纠错

AI总结 RAS通过动态构建问题特定知识图谱，提升大语言模型在知识密集型任务中的推理准确性和鲁棒性。

Comments ICLR 2026

A Learning-based Framework for Spatial Impulse Response Compensation in 3D Photoacoustic Computed Tomography

一种基于学习的3D光电声成像中空间脉冲响应补偿框架

Kaiyi Yang, Seonyeong Park, Gangwon Jeong, Hsuan-Kai Huang, Alexander A. Oraevsky, Umberto Villa, Mark A. Anastasio

机构 * Department of Electrical and Computer Engineering, University of Illinois Urbana–Champaign（电气与计算机工程系，伊利诺伊大学厄巴纳-香槟分校） ； Department of Bioengineering, University of Illinois Urbana–Champaign（生物工程系，伊利诺伊大学厄巴纳-香槟分校） ； TomoWave Laboratories, Inc.（TomoWave实验室，Inc.） ； Department of Biomedical Engineering, The University of Texas at Austin（生物医学工程系，德克萨斯大学奥斯汀分校） 纠错

AI总结 本文提出了一种基于学习的3D光电声成像中空间脉冲响应补偿框架，通过数据域中的学习方法提升图像重建的分辨率和鲁棒性。

Comments Submitted to IEEE TMI

JEPA-Reasoner: Decoupling Latent Reasoning from Token Generation

JEPA-Reasoner：将潜在推理与标记生成解耦

Bingyang Kelvin Liu, Ziyu Patrick Chen, David P. Woodruff

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

AI总结 JEPA-Reasoner通过解耦潜在推理与标记生成，提升模型在复杂推理任务中的准确率和鲁棒性。

A Generalizable Physics-Enhanced State Space Model for Long-Term Dynamics Forecasting in Complex Environments

一种通用的物理增强状态空间模型用于复杂环境中的长期动态预测

Yuchen Wang, Hongjue Zhao, Haohong Lin, Enze Xu, Lifang He, Huajie Shao

机构 * University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Carnegie Mellon University（卡内基梅隆大学） ； Lehigh University（莱特大学） 纠错

AI总结 本文提出Phy-SSM，一种结合物理知识的状态空间模型，用于复杂环境中的长期动态预测，通过整合部分物理知识提升模型泛化能力与预测性能。

Comments 8 pages, 6 figures, accepted in ICML 2025

Journal ref Proceedings of the 42nd International Conference on Machine Learning (ICML 2025), Proceedings of Machine Learning Research 267:65708-65737, 2025

ProMist-5K: A Comprehensive Dataset for Digital Emulation of Cinematic Pro-Mist Filter Effects

ProMist-5K：用于数字模拟电影Pro-Mist滤镜效果的综合数据集

Yingtie Lei, Zimeng Li, Chi-Man Pun, Wangyu Wu, Junke Yang, Xuhang Chen

机构 * University of Macau（澳门大学） ； Shenzhen Polytechnic University（深圳职业技术大学） ； Xi'an Jiaotong-Liverpool University（西安交通大学利物浦大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Huizhou University（惠州大学） 纠错

AI总结 ProMist-5K数据集通过物理启发的方法提供高分辨率图像对，用于数字模拟电影中Pro-Mist滤镜效果，支持多种图像转换模型和学习方法。

Comments Accepted by ICASSP2026

Pixel-Grounded Retrieval for Knowledgeable Large Multimodal Models

基于像素的检索用于知识型大型多模态模型

Jeonghwan Kim, Renjie Tao, Sanat Sharma, Jiaqi Wang, Kai Sun, Zhaojiang Lin, Seungwhan Moon, Lambert Mathias, Anuj Kumar, Heng Ji, Xin Luna Dong

机构 * Meta Reality Labs（Meta现实实验室） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

AI总结 PixSearch是一种端到端的多模态模型，通过像素级检索和统一感知与推理，提升视觉问答任务中的事实一致性与泛化能力。

Comments Preprint

SIPDO: Closed-Loop Prompt Optimization via Synthetic Data Feedback

SIPDO：通过合成数据反馈实现闭环提示优化

Yaoning Yu, Ye Yu, Peiyan Zhang, Kai Wei, Haojing Luo, Haohan Wang

机构 * University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Hong Kong University of Science and Technology（香港科学与技术大学） ； University of South Florida（佛罗里达州立大学） 纠错

AI总结 SIPDO通过合成数据反馈闭环优化提示，提升提示性能并优于传统提示微调方法。

Pseudo-Nonlinear Data Augmentation: A Constrained Energy Minimization Viewpoint

伪非线性数据增强：一种约束能量最小化视角

Pingbang Hu, Mahito Sugiyama

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； National Institute of Informatics（日本信息处理研究所） ； SOKENDAI 纠错

AI总结 本文提出了一种基于约束能量最小化视角的伪非线性数据增强方法，通过构建几何感知的潜在空间，实现了高效的数据增强与细粒度可控性。

Comments Accepted at the 14th International Conference on Learning Representations (ICLR 2026)

PneuGelSight: Soft Robotic Vision-Based Proprioception and Tactile Sensing

PneuGelSight：基于视觉的柔性机器人本体感觉与触觉感知

Ruohan Zhang, Uksang Yoo, Yichen Li, Arpit Agarwal, Wenzhen Yuan

机构 * University of Illinois, Urbana-Champaign, USA（伊利诺伊大学厄巴纳-香槟分校） ； Carnegie Mellon University, USA（卡内基梅隆大学） 纠错

AI总结 PneuGelSight通过内置相机实现高分辨率本体感觉与触觉感知，结合模拟到现实的管道，为柔软机器人提供新颖的传感方法。

Comments 16 pages, 12 figures, International Journal of Robotics Research (accepted), 2025

On the Fundamental Limits of LLMs at Scale

在大规模下的大语言模型根本限制

Muhammad Ahmed Mohsin, Muhammad Umer, Ahsan Bilal, Zeeshan Memon, Muhammad Ibtsaam Qadir, Sagnik Bhattacharya, Hassan Rizwan, Abhiram R. Gorle, Maahe Zehra Kazmi, Nukhba Amir, Ali Subhan, Muhammad Usman Rafique, Zihao He, Pulkit Mehta, Muhammad Ali Jamshed, John M. Cioffi

机构 * Stanford University（斯坦福大学） ； The University of Oklahoma（俄克拉荷马大学） ； Emory University（埃默里大学） ； Purdue University（普渡大学） ； UC Riverside（加州大学河滨分校） ； UC Berkeley（加州大学伯克利分校） ； Khyber Medical University（克希伯医学大学） ； Universtat Pompeu Fabra（庞培法华大学） ； Zoox（Zoox公司） ； Meta ； Google DeepMind（谷歌DeepMind） ； University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Glasgow（格拉斯哥大学） 纠错

AI总结 本文探讨了大规模大语言模型的根本限制，提出统一框架分析计算、信息和学习的基础限制，并提供缓解方法。

Comments Submitted to TMLR 2025

Ask Me Again Differently: GRAS for Measuring Bias in Vision Language Models on Gender, Race, Age, and Skin Tone

再次提问：GRAS用于测量视觉语言模型在性别、种族、年龄和肤色上的偏见

Shaivi Malik, Hasnat Md Abdullah, Sriparna Saha, Amit Sheth

机构 * Guru Gobind Singh Indraprastha University（古鲁·戈宾德·辛格印度教普拉斯塔大学） ； AI Institute, University of South Carolina（南卡罗来纳大学人工智能研究所） ； University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Indian Institute of Technology Patna, India（印度理工学院帕纳布分校） 纠错

AI总结 GRAS用于评估视觉语言模型在性别、种族、年龄和肤色上的偏见，通过基准测试揭示了模型的偏见水平，并提出了可解释的偏见评分方法。

Comments Accepted to the Findings of EACL 2026

Neuro-Symbolic Verification on Instruction Following of LLMs

神经符号验证在大语言模型指令遵循上的应用

Yiming Su, Kunzhao Xu, Yanjie Gao, Fan Yang, Cheng Li, Mao Yang, Tianyin Xu

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Science and Technology of China（中国科学技术大学） ； Microsoft Research（微软研究院） 纠错

AI总结 本文提出NSVIF框架，通过神经符号方法验证大语言模型是否遵循指令，实验表明其在指令遵循验证中表现优异。

Mind the Ambiguity: Aleatoric Uncertainty Quantification in LLMs for Safe Medical Question Answering

注意模糊性：在LLMs中进行偶然不确定性量化以实现安全的医疗问答

Yaokun Liu, Yifan Liu, Phoebe Mbuvi, Zelin Li, Ruichen Yao, Gawon Lim, Dong Wang

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

AI总结 本文提出AU-Probe框架，通过检测输入模糊性提升医疗问答的安全性与准确性。

Comments Accepted at The Web Conference 2026 (WWW 2026)

Benchmarking Deep Learning-Based Reconstruction Methods for Photoacoustic Computed Tomography with Clinically Relevant Synthetic Datasets

基于临床相关合成数据集的深度学习图像重建方法在光声计算断层成像中的基准测试

Panpan Chen, Seonyeong Park, Gangwon Jeong, Refik Mert Cam, Umberto Villa, Mark A. Anastasio

机构 * Department of Bioengineering, University of Illinois Urbana-Champaign（生物工程系，伊利诺伊大学厄巴纳-香槟分校） ； Department of Electrical and Computer Engineering, University of Illinois Urbana-Champaign（电气与计算机工程系，伊利诺伊大学厄巴纳-香槟分校） ； Department of Biomedical Engineering, The University of Texas at Austin（生物医学工程系，德克萨斯大学奥斯汀分校） ； Oden Institute for Computational Engineering and Sciences, The University of Texas at Austin（奥登计算工程与科学研究所，德克萨斯大学奥斯汀分校） 纠错

AI总结 本文提出了一种基于临床相关合成数据集的基准测试框架，用于评估深度学习在光声计算断层成像中的图像重建方法，揭示传统度量标准的不足并推动方法优化。

Privy: Envisioning and Mitigating Privacy Risks for Consumer-facing AI Product Concepts

Privy：面向消费者的人工智能产品概念中的隐私风险展望与缓解

Hao-Ping Lee, Yu-Ju Yang, Matthew Bilik, Isadora Krsek, Thomas Serban von Davier, Kyzyl Monteiro, Jason Lin, Shivani Agarwal, Jodi Forlizzi, Sauvik Das

机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Washington（华盛顿大学） 纠错

AI总结 Privy通过结构化隐私影响评估帮助无隐私专业知识的从业者识别和缓解人工智能产品概念中的隐私风险，其基于大语言模型的版本效果更佳。

Path-specific effects for pulse-oximetry guided decisions in critical care

脉氧引导决策中特定路径的偏见影响

Kevin Zhang, Yonghan Jung, Divyat Mahajan, Karthikeyan Shanmugam, Shalmali Joshi

机构 * Columbia University（哥伦比亚大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Mila & Université de Montréal（Mila与蒙特利尔大学） ； Google DeepMind（谷歌DeepMind） ； Purdue University（普渡大学） 纠错

AI总结 本研究通过因果推理方法，利用路径特定效应分析脉氧测量中的种族偏见对ICU侵入性通气的影响，揭示种族差异对通气持续时间的影响，并强调因果方法在医疗公平性评估中的重要性。

DeepInsert: Early Layer Bypass for Efficient and Performant Multimodal Understanding

DeepInsert: 早期层绕过以实现高效且高性能的多模态理解

Moulik Choraria, Xinbo Wu, Akhil Bhimaraju, Nitesh Sekhar, Yue Wu, Xu Zhang, Prateek Singhal, Lav R. Varshney

机构 * UIUC（伊利诺伊大学） ； Amazon（亚马逊） ； Capital One ； Apple（苹果） ； Stony Brook University（石溪大学） 纠错

AI总结 DeepInsert通过将多模态令牌插入模型中间层以绕过早期层，从而在降低训练和推理成本的同时保持或提升多模态语言模型的性能。

Comments To be presented at EACL 2026 (Main Conference)

How to Make LMs Strong Node Classifiers?

如何让语言模型成为强大的节点分类器？

Zhe Xu, Kaveh Hassani, Si Zhang, Hanqing Zeng, Michihiro Yasunaga, Limei Wang, Dongqi Fu, Ning Yao, Bo Long, Hanghang Tong

机构 * Meta ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

AI总结 本文提出了一种无需架构修改的方法，使语言模型在节点分类任务中达到与最先进的图神经网络相当的性能，通过拓扑和语义检索增强输入并利用轻量级GNN分类器修剪类别候选。

Do VLMs Have a Moral Backbone? A Study on the Fragile Morality of Vision-Language Models

视觉-语言模型是否具有道德基础？对视觉语言模型脆弱道德的研究

Zhining Liu, Tianyi Wang, Xiao Lin, Penghao Ouyang, Gaotang Li, Ze Yang, Hui Liu, Sumit Keswani, Vishwa Pardeshi, Huijun Zhao, Wei Fan, Hanghang Tong

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Amazon（亚马逊） ； Fidelity Investments（富达投资） 纠错

AI总结 研究发现视觉语言模型在面对文本和视觉扰动时道德判断易变，需通过轻量干预提升道德鲁棒性以确保负责任的部署。