Meta

Detecting AI-Generated Content on Social Media with Multi-modal Language Models

使用多模态语言模型检测社交媒体上的AI生成内容

Chenyang Yang, Shen Yan, Yibo Yang, Litao Hu, Yuchen Liu, Yuan Zeng, Hanchao Yu, Yinan Zhu, Sumedha Singla, Brian Vanover, Huijun Qian, Zihao Wang, Fujun Liu, Aashu Singh, Jianyu Wang, Xuewen Zhang

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Meta 纠错

AI总结 针对AI生成内容检测的泛化性差、单模态依赖和缺乏可解释性问题，提出基于多模态数据的紧凑视觉-语言模型，实现检测与解释，在公开基准和内部数据集上达到最优性能。

TAPIOCA: Why Task- Aware Pruning Improves OOD model Capability

TAPIOCA: 为什么任务感知剪枝能提升模型对分布外数据的能力

Krish Sharma, Omar Naim, Soumadeep Saha, Vinija Jain, Aman Chadha, Nicholas Asher

机构 * ANITI ； Meta ； Apple 纠错

AI总结 本文研究了任务感知剪枝在分布外数据上的改进机制，通过实验发现剪枝能提升OOD准确性，其核心贡献是通过几何解释说明任务感知剪枝如何调整模型表示以适应任务需求。

Neural FOXP2 -- Language Specific Neuron Steering for Targeted Language Improvement in LLMs

Neural FOXP2——面向大型语言模型目标语言改进的语言特定神经元引导

Anusa Saha, Tanmay Joshi, Vinija Jain, Aman Chadha, Amitava Das

机构 * Meta, USA（Meta, 美国） ； Apple, USA（Apple, 美国） ； Pragya Lab, BITS Pilani Goa, India（Pragya实验室，BITS Pilani Goa，印度） 纠错

AI总结 提出Neural FOXP2方法，通过定位语言神经元、计算引导方向和施加稀疏激活偏移，将模型默认语言从英语切换为印地语或西班牙语，实现可控的语言主导性。

GPO: Learning from Critical Steps to Improve LLM Reasoning

GPO：从关键步骤中学习以改进大语言模型推理

Jiahao Yu, Zelei Cheng, Xian Wu, Xinyu Xing

机构 * Department of Computer Science Northwestern University（计算机科学系西北大学） ； AI Foundations Capital One（人工智能基础资本 one） ； Meta AI 纠错

AI总结 提出引导式关键优化（GPO）微调策略，通过识别推理轨迹中的关键步骤并优先学习，显著提升大语言模型的多步推理能力。

Comments 39th Conference on Neural Information Processing Systems (NeurIPS 2025)