大模型对齐与安全

Knowledge Distillation and Dataset Distillation of Large Language Models: Emerging Trends, Challenges, and Future Directions

大型语言模型的知识蒸馏与数据集蒸馏：新兴趋势、挑战与未来方向

Luyang Fang, Xiaowei Yu, Jiazhang Cai, Yongkai Chen, Shushan Wu, Zhengliang Liu, Zhenyuan Yang, Haoran Lu, Xilin Gong, Yufang Liu, Terry Ma, Wei Ruan, Ali Abbasi, Jing Zhang, Tao Wang, Ehsan Latif, Weihang You, Hanqi Jiang, Wei Liu, Wei Zhang, Soheil Kolouri, Xiaoming Zhai, Dajiang Zhu, Wenxuan Zhong, Tianming Liu, Ping Ma

专题命中 安全评测 ：alignment(abstract)；分类 cs.CL、cs.LG

AI总结 本文综述了大型语言模型的知识蒸馏与数据集蒸馏技术，探讨了其在压缩模型、保持推理能力及语言多样性方面的挑战与未来发展方向。

Training More Robust Classification Model via Discriminative Loss and Gaussian Noise Injection

通过判别损失和高斯噪声注入训练更鲁棒的分类模型

Hai-Vy Nguyen, Fabrice Gamboa, Sixin Zhang, Reda Chhaibi, Serge Gratton, Thierry Giaccone

机构 * Ampere Software Technology（Ampere软件技术公司） ； Institut de mathématiques de Toulouse（图卢兹数学研究所） ； Institut de Recherche en Informatique de Toulouse（图卢兹计算机研究所） ； Laboratoire Jean Alexandre Dieudonné, Université Côte d’Azur（坎特伯雷大学Dieudonné实验室） 纠错

专题命中 安全评测 ：alignment(abstract)；分类 cs.LG

AI总结 本文提出通过判别损失和高斯噪声注入提升模型鲁棒性，增强特征判别性和类别分离性，同时减少损失曲率以提升鲁棒性。

Comments Published in Transactions on Machine Learning Research (TMLR)

AI Agent Systems: Architectures, Applications, and Evaluation

AI代理系统：架构、应用与评估

Bin Xu

机构 * School of Electrical, Computer and Energy Engineering, Arizona State University（电气、计算机与能源工程学院，亚利桑那州立大学） 纠错

专题命中 安全评测 ：safety(abstract)；分类 cs.AI

AI总结 本文综述了AI代理系统在架构、应用与评估方面的最新进展，探讨了代理组件、协调模式及部署设置，并分析了设计权衡与评估挑战。

Reasoning Over Recall: Evaluating the Efficacy of Generalist Architectures vs. Specialized Fine-Tunes in RAG-Based Mental Health Dialogue Systems

基于回忆的推理：评估基于RAG的心理健康对话系统中通用架构与专门微调的有效性

Md Abdullah Al Kafi, Raka Moni, Sumit Kumar Banshal

专题命中 安全评测 ：safety(abstract)；分类 cs.CL

AI总结 本文通过比较通用推理模型与领域特定微调模型，发现通用模型在同理心和上下文理解方面表现更优，表明强大的推理能力比专门训练更能提升心理健康对话系统的效果。

ScienceDB AI: An LLM-Driven Agentic Recommender System for Large-Scale Scientific Data Sharing Services

ScienceDB AI: 基于大语言模型的代理推荐系统用于大规模科学数据共享服务

Qingqing Long, Haotian Chen, Chenyang Zhao, Xiaolei Du, Xuezhi Wang, Pengyao Wang, Chengzan Li, Yuanchun Zhou, Hengshu Zhu

机构 * Computer Network Information Center, Chinese Academy of Sciences, Beijing, China（中国科学院计算机网络信息中心） 纠错

专题命中 安全评测 ：trustworthy(abstract)；分类 cs.AI

AI总结 ScienceDB AI 是首个基于大语言模型的对话推荐系统，专为大规模科学数据共享服务设计，通过自然语言对话和深度推理实现精准的数据集推荐。

Comments 12 pages, 9 figures

AlignUSER: Human-Aligned LLM Agents via World Models for Recommender System Evaluation

AlignUSER: 通过世界模型对齐LLM代理以评估推荐系统

Nicolas Bougie, Gian Maria Marconi, Tony Yip, Narimasa Watanabe

机构 * Woven by Toyota（丰田织物） 纠错

专题命中 安全评测 ：alignment(abstract)；分类 cs.AI

AI总结 AlignUSER通过世界模型驱动的代理学习，利用人类交互数据提升推荐系统评估的准确性与真实用户行为的对齐程度。

LSRE: Latent Semantic Rule Encoding for Real-Time Semantic Risk Detection in Autonomous Driving

LSRE: 隐式语义规则编码用于自动驾驶中的实时语义风险检测

Qian Cheng, Weitao Zhou, Cheng Jing, Nanshan Deng, Junze Wen, Zhaoyang Liu, Kun Jiang, Diange Yang

机构 * School of Vehicle and Mobility, Tsinghua University（车辆与移动系统学院，清华大学） 纠错

专题命中 安全评测 ：safety(abstract)；分类 cs.AI

AI总结 LSRE通过隐式语义规则编码实现自动驾驶中的实时语义风险检测，以10 Hz速度提供高效准确的危险预判。

Enhancing Temporal Awareness in LLMs for Temporal Point Processes

增强大语言模型在时序点过程中的时间感知能力

Lili Chen, Wensheng Gan, Shuang Liang, Philip S. Yu

机构 * School of Computer Science and Technology, Tongji University, Shanghai 201804, China（计算机科学与技术学院，同济大学） ； College of Cyber Security, Jinan University, Guangzhou 510632, China（网络安全学院，暨南大学） ； Department of Computer Science, University of Illinois Chicago, Chicago, USA（计算机科学系，伊利诺伊大学芝加哥分校） 纠错

专题命中 安全评测 ：alignment(abstract)；分类 cs.AI

AI总结 TPP-TAL通过增强LLMs的时间感知能力，改进了时序点过程中的时间似然估计和事件预测准确性。

Comments preprint

Octopus: A Lightweight Entity-Aware System for Multi-Table Data Discovery and Cell-Level Retrieval

Octopus: 一种轻量级的实体感知多表数据发现与单元格级检索系统

Wen-Zhi Li, Sainyam Galhotra

专题命中 安全评测 ：alignment(abstract)

AI总结 Octopus是一种无需训练的轻量级系统，通过细粒度实体识别和直接扫描表内容，实现多表数据发现和单元格级值检索，提高准确性和效率。

What Does Explainable AI Mean in Practice? Evaluative Requirements from a Longitudinal Clinical Case Study

在实践中可解释人工智能意味着什么？来自长期临床案例研究的评估要求

Tor Sporsem, Stine Rasdal Finserås, Lars Adde, Inga Strümke

专题命中 安全评测 ：trustworthy(abstract)

AI总结 本文通过长期临床案例研究，探讨了在专家领域中构建可信AI系统所需的评估需求，发现医生更信任能与自身评估对比的简单预测图。

Comments Accepted to ICSE SEIP 2026 in Rio de Janeiro, 12-18 April

Between Knowledge and Care: Evaluating Generative AI-Based IUI in Type 2 Diabetes Management Through Patient and Physician Perspectives

在知识与关怀之间：通过患者和医师视角评估生成式AI在2型糖尿病管理中的IUI

Yibo Meng, Ruiqi Chen, Bingyi Liu, Yan Guan, Xiaolan Ding

专题命中 安全评测 ：safety(abstract)

AI总结 本文通过患者和医师视角评估生成式AI在2型糖尿病管理中的应用，揭示其在安全性、情境判断和责任边界方面的不足，提出需智能界面调解AI输出以支持长期护理中的信任与责任。

Comments In Submission

Unified Review and Benchmark of Deep Segmentation Architectures for Cardiac Ultrasound on CAMUS

针对心脏超声的深度分割架构的统一回顾与基准测试：CAMUS

Zahid Ullah, Muhammad Hilal, Eunsoo Lee, Dragan Pamucar, Jihie Kim

机构 * Department of Computer Science ； Artificial Intelligence, Dongguk University, Seoul 04620, Republic of Korea ； Department of Semiconductor System Engineering, Sejong University, Seoul, 05006, Republic of Korea ； Department of Operations Research ； Statistics, Faculty of Organizational Sciences, University of Belgrade, Belgrade, Serbia ； Department of Industrial Engineering \& Management, Yuan Ze University, Taoyuan City 320315, Taiwan ； Department of Applied Mathematical Science, College of Science ； Technology, Korea University, Sejong 30019, Republic of Korea 纠错

专题命中 安全评测 ：alignment(abstract)

AI总结 本文通过统一基准测试评估了三种心脏超声分割架构的性能，提出标准化预处理方法，并展望了自监督和多模态标注技术的应用。

Measuring Social Media Polarization Using Large Language Models and Heuristic Rules

利用大语言模型和启发规则测量社交媒体极化

Jawad Chowdhury, Rezaur Rashid, Gabriel Terejanu

机构 * Department of Computer Science, University of North Carolina at Charlotte（北卡罗来纳大学夏洛特分校计算机科学系） 纠错

专题命中 AI治理与伦理 ：alignment(abstract)；分类 cs.CL、cs.AI

AI总结 本文提出利用大语言模型和启发规则分析社交媒体讨论中的情感极化现象，揭示事件驱动的极化模式并提供可扩展的量化方法。

Comments Foundations and Applications of Big Data Analytics (FAB), Niagara Falls, Canada, 2025

MathLedger: A Verifiable Learning Substrate with Ledger-Attested Feedback

MathLedger: 一种具有账本证明反馈的可验证学习基础

Ismail Ahmad Abdullah

机构 * CNU（中国矿业大学） 纠错

专题命中 AI治理与伦理 ：safety(abstract)；分类 cs.AI、cs.LG

AI总结 MathLedger通过整合形式验证、密码学证明和学习动态，提供一种可验证学习的基础，实现可审计的机器认知系统。

Comments 14 pages, 1 figure, 2 tables, 2 appendices with full proofs. Documents v0.9.4-pilot-audit-hardened audit surface with fail-closed governance, canonical JSON hashing, and artifact classification. Phase I infrastructure validation; no capability claims

A three-Level Framework for LLM-Enhanced eXplainable AI: From technical explanations to natural language

一个三层框架用于LLM增强的可解释AI：从技术解释到自然语言

Marilyn Bello, Rafael Bello, Maria-Matilde García, Ann Nowé, Iván Sevillano-García, Francisco Herrera

机构 * Andalusian Research Institute in Data Science and Computational Intelligence（数据科学与计算智能安达卢西亚研究机构） ； Universidad de Granada（格拉纳达大学） ； Department of Computer Science（计算机科学系） ； Artificial Intelligence Lab（人工智能实验室） ； Vrije Universiteit Brussel（布鲁塞尔自由大学） 纠错

专题命中 AI治理与伦理 ：trustworthy(abstract)；分类 cs.AI

AI总结 本文提出一个三层框架，利用大型语言模型提升AI解释的可解释性，通过动态对话解释增强社会透明度和用户信任。

Comments 22 pages, 5 figures

Journal ref Bello, M., Bello, R., García, M. M., Nowé, A., Sevillano-García, I., & Herrera, F. (2025). A Three-level Framework for LLM-enhanced Explainable AI: From Technical Explanations to Natural Language. Information Systems Frontiers, 1-22

Improving Behavioral Alignment in LLM Social Simulations via Context Formation and Navigation

通过情境形成与导航提升LLM社交模拟中的行为一致性

Letian Kong, Qianran, Jin, Renyu Zhang

专题命中 其他安全 ：alignment(title,abstract)；分类 cs.AI

AI总结 本文提出通过情境形成与导航提升LLM在复杂决策环境中的行为一致性，验证了两阶段框架在不同任务中的有效性。

Comments 39 pages, 2 figures, 3 tables

Detecting Proxy Gaming in RL and LLM Alignment via Evaluator Stress Tests

通过评估者压力测试检测强化学习和大语言模型对齐中的代理游戏

Ibne Farabi Shihab, Sanjeda Akter, Anuj Sharma

机构 * Department of Computer Science, Iowa State University（计算机科学系，爱荷华州立大学） ； Department of Civil, Construction & Environmental Engineering, Iowa State University（土木、建设与环境工程系，爱荷华州立大学） 纠错

专题命中 其他安全 ：alignment(title,abstract)；分类 cs.LG

AI总结 通过评估者压力测试检测强化学习和大语言模型对齐中的代理游戏，提升安全性和性能。

dataRLsec: Safety, Security, and Reliability With Robust Offline Reinforcement Learning for DPAs

dataRLsec: 通过鲁棒的离线强化学习实现DPAs的安全性、安全性和可靠性

Shriram KS Pandian, Naresh Kshetri

专题命中 其他安全 ：safety(title,abstract)

AI总结 dataRLsec提出了一种鲁棒的离线强化学习方法，结合加权哈希验证和密度比加权行为克隆算法，以提升DPAs的安全性和可靠性。

Comments 10 pages, 3 figures

HOLOGRAPH: Active Causal Discovery via Sheaf-Theoretic Alignment of Large Language Model Priors

HOLOGRAPH：通过sheaf理论对大型语言模型先验进行对齐以实现主动因果发现

Hyunjun Kim

机构 * Korea Advanced Institute of Science ； \'Ecole Polytechnique F\'ed\'erale de Lausanne (EPFL), Lausanne, Switzerland 纠错

专题命中 其他安全 ：alignment(title)；分类 cs.AI、cs.LG

AI总结 HOLOGRAPH通过sheaf理论对齐大型语言模型先验，实现主动因果发现，提供严谨的数学基础并实现竞争性性能。

Balancing Fidelity and Plasticity: Aligning Mixed-Precision Fine-Tuning with Linguistic Hierarchies

在保真度与可塑性之间寻求平衡：将混合精度微调与语言层次结构对齐

Changhai Zhou, Shiyang Zhang, Yuhua Zhou, Qian Qiao, Jun Gao, Shichao Weng, Weizhong Zhang, Cheng Jin

机构 * Fudan University（复旦大学） ； Yale University（耶鲁大学） ； Zhejiang University（浙江大学） 纠错

专题命中 其他安全 ：alignment(abstract)；分类 cs.AI、cs.LG

AI总结 QR-Adaptor通过联合优化量化位宽和LoRA秩，解决混合精度微调中保真度与可塑性的平衡问题，实现内存与性能的高效资源分配。

Comments 18 pages, 5 figures

ElecTwit: A Framework for Studying Persuasion in Multi-Agent Social Systems

ElecTwit：多智能体社交系统中说服研究的框架

Michael Bao

机构 * Georgia Institute of Technology（佐治亚理工学院） 纠错

专题命中 其他安全 ：alignment(abstract)；分类 cs.AI、cs.CY

AI总结 ElecTwit通过模拟政治选举中的社交媒体互动，研究多智能体系统中说服现象的影响因素及不同模型架构对说服动态的作用。

Comments In proceedings of 2025 IEEE International Conference on Agentic AI (ICA)

Towards Long-window Anchoring in Vision-Language Model Distillation

迈向视觉-语言模型蒸馏中的长窗口锚定

Haoyi Zhou, Shuo Li, Tianyu Chen, Qi Song, Chonghan Gao, Jianxin Li

专题命中 其他安全 ：alignment(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出LAid方法，通过改进注意力机制和RoPE响应调节，提升视觉-语言模型的长上下文理解能力，使蒸馏模型的有效上下文窗口长度增加3.2倍。

Comments Accepted by AAAI 2026

Cosmos: Compressed and Smooth Latent Space for Text Diffusion Modeling

Cosmos: 用于文本扩散建模的压缩和平滑潜在空间

Viacheslav Meshchaninov, Egor Chimbulatov, Alexander Shabalin, Aleksandr Abramov, Dmitry Vetrov

机构 * HSE University（俄罗斯高等经济大学） ； Constructor University（建设大学） ； SaluteDevices 纠错

专题命中 其他安全 ：alignment(abstract)；分类 cs.CL

AI总结 Cosmos通过压缩和平滑的潜在空间提升文本生成效率，实现比传统方法更快的推理速度和相当的生成质量。

Tales of the 2025 Los Angeles Fire: Hotwash for Public Health Concerns in Reddit via LLM-Enhanced Topic Modeling

2025年洛杉矶火灾故事：通过LLM增强的专题建模在Reddit上进行公共健康担忧的热洗

Sulong Zhou, Qunying Huang, Shaoheng Zhou, Yun Hang, Xinyue Ye, Aodong Mei, Kathryn Phung, Yuning Ye, Uma Govindswamy, Zehan Li

机构 * Department of Landscape Architecture and Urban Planning & Urban Artificial Intelligence Lab, Texas A&M University（景观建筑与城市规划系及城市人工智能实验室，德克萨斯农工大学） ； Geography, University of Wisconsin-Madison（地理系，威斯康星大学麦迪逊分校） ； Google（谷歌） ； Department of Environmental and Occupational Health Sciences, School of Public Health, University of Texas Health Science Center at Houston（环境与职业健康科学系，公共卫生学院，德克萨斯健康科学中心休斯顿分部） ； McWilliams School of Biomedical Informatics, University of Texas Health Science Center at Houston（麦克威廉斯生物医学信息学学院，德克萨斯健康科学中心休斯顿分部） 纠错

专题命中 其他安全 ：safety(abstract)；分类 cs.CL

AI总结 本研究通过LLM增强的专题建模分析2025年洛杉矶野火期间Reddit上的公众言论，识别出公共健康担忧和心理健康风险，构建了分层框架用于危机话语分析。

Comments Fix typos in Method Section. Add data/code availability

Youtu-LLM: Unlocking the Native Agentic Potential for Lightweight Large Language Models

Youtu-LLM：解锁轻量级大语言模型的原生代理潜力

Junru Lu, Jiarui Qin, Lingfeng Qiao, Yinghui Li, Xinyi Dai, Bo Ke, Jianfeng He, Ruizhi Qiao, Di Yin, Xing Sun, Yunsheng Wu, Yinsong Liu, Shuangyin Liu, Mingkong Tang, Haodong Lin, Jiayi Kuang, Fanxu Meng, Xiaojuan Tang, Yunjia Xi, Junjie Huang, Haotong Yang, Zhenyi Shen, Yangning Li, Qianwen Zhang, Yifei Yu, Siyu An, Junnan Dong, Qiufeng Wang, Jie Wang, Keyu Chen, Wei Wen, Taian Guo, Zhifeng Shen, Daohai Yu, Jiahao Li, Ke Li, Zongyi Li, Xiaoyu Tan

机构 * Youtu-LLM Team（Youtu-LLM团队） 纠错

专题命中 其他安全 ：alignment(abstract)；分类 cs.CL

AI总结 Youtu-LLM通过紧凑架构和长上下文支持，实现了轻量级大语言模型在代理任务中的高效推理与规划能力。

Comments 57 pages, 26 figures

Knowledge-data fusion dominated vehicle platoon dynamics modeling and analysis: A physics-encoded deep learning approach

基于知识-数据融合的车辆编队动力学建模与分析：一种物理编码深度学习方法

Hao Lyu, Yanyong Guo, Pan Liu, Shuo Feng, Weilin Ren, Quansheng Yue

机构 * School of Transportation, Southeast University, Nanjing, China, 211189（东南大学交通学院） ； Jiangsu Key Laboratory of Urban ITS, Nanjing, China, 210096（江苏省城市智能交通重点实验室） ； Jiangsu Collaborative Innovation Center of Modern Urban Traffic Technologies, Nanjing, China, 210096（江苏省现代城市交通技术协同创新中心） ； Department of Automation, Beijing National Research Center for Information Science and Technology (BNRist), Tsinghua University, Beijing, China, 100084（自动化系，北京信息科学与技术国家研究中心（BNRist），清华大学） 纠错

专题命中 其他安全 ：safety(abstract)；分类 cs.AI

AI总结 本文提出PeMTFLN模型，通过物理编码深度学习方法实现车辆编队动力学建模与分析，提升预测精度和稳定性。

Journal ref Information Fusion, Vol. 126, 103622, 2026

Universal Battery Degradation Forecasting Driven by Foundation Model Across Diverse Chemistries and Conditions

基于基础模型的通用电池退化预测：跨多样化学物质和条件

Joey Chan, Huan Wang, Haoyu Pan, Wei Wu, Zirong Wang, Zhen Chen, Ershun Pan, Min Xie, Lifeng Xi

机构 * Department of Industrial Engineering and Management, Shanghai Jiaotong University, Shanghai, China.（工业工程与管理系，上海交通大学，上海，中国） ； Department of Systems Engineering, The City University of Hong Kong, Hong Kong.（系统工程系，香港城市大学，香港） 纠错

专题命中 其他安全 ：safety(abstract)；分类 cs.LG

AI总结 本文提出基于基础模型的通用电池退化预测框架，通过跨多样化学物质和条件的统一模型，实现稳定性能和高准确性。

Comments Due to space limitations, the open-source method for supporting materials is currently under discussion

AR-MOT: Autoregressive Multi-object Tracking

AR-MOT：自回归多目标跟踪

Lianjie Jia, Yuhan Wu, Binghao Ran, Yifan Wang, Lijun Wang, Huchuan Lu

机构 * Dalian University of Technology（大连理工大学） 纠错

专题命中 其他安全 ：alignment(abstract)

AI总结 AR-MOT通过自回归范式将多目标跟踪建模为序列生成任务，利用灵活的序列构建实现结构化输出，引入物体分词器和区域感知对齐模块，提升多模态和长期跟踪能力。

Comments 12 pages, 5 figures

STELLAR: A Search-Based Testing Framework for Large Language Model Applications

STELLAR: 一种基于搜索的大型语言模型应用测试框架

Lev Sorokin, Ivan Vasilev, Ken E. Friedl, Andrea Stocco

专题命中 其他安全 ：safety(abstract)

AI总结 STELLAR通过进化优化方法，系统性地发现导致LLM应用故障的输入，提升测试效率和安全性。

Comments Accepted for publication at the 33th International Conference on Software Analysis, Evolution and Reengineering (SANER 2026)