大模型对齐与安全

The Representational Alignment Hypothesis: Evidence for and Consequences of Invariant Semantic Structure Across Embedding Modalities

表征对齐假说：跨嵌入模态的不变语义结构的证据及其后果

Akhil Ramidi, Kevin Scharp

专题命中 其他安全 ：alignment(title,abstract)

AI总结 该研究提出表征对齐假说，探讨跨模态嵌入的不变语义结构，质疑其根本性，并提出新的哲学视角和区分方法。

Comments 23 pages, 3 figures

Detecting Deepfakes with Multivariate Soft Blending and CLIP-based Image-Text Alignment

利用多变量软融合和基于CLIP的图像-文本对齐检测深度伪造

Jingwei Li, Jiaxin Tong, Pengfei Wu

机构 * Zhejiang Gongshang University（浙江工商大学） 纠错

专题命中 其他安全 ：alignment(title,abstract)

AI总结 本文提出MSBA-CLIP框架，通过多变量软融合和CLIP引导的伪造强度估计，提升深度伪造检测的准确性和泛化能力。

Embedding Inversion via Conditional Masked Diffusion Language Models

通过条件掩码扩散语言模型实现嵌入反向

Han Xiao

机构 * Jina AI by Elastic（Jina AI） 纠错

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

AI总结 本文提出通过条件掩码扩散语言模型实现嵌入反向，无需访问目标编码器，通过并行去噪技术高效恢复标记。

Comments 8 pages, 3 figures, 4 tables. Code and demo: https://github.com/jina-ai/embedding-inversion-demo

Axle Sensor Fusion for Online Continual Wheel Fault Detection in Wayside Railway Monitoring

轴传感器融合用于在线持续轮故障检测在铁路旁侧监控

Afonso Lourenço, Francisca Osório, Diogo Risca, Goreti Marreiros

机构 * GECAD, ISEP, Polytechnic of Porto（GECAD、ISEP、波尔图理工大学） 纠错

专题命中 其他安全 ：safety(abstract)；分类 cs.LG

AI总结 本文提出了一种基于轴传感器融合和持续学习的铁路轮故障检测方法，通过变分自编码器和梯度提升分类器实现在线持续检测，适应动态操作条件。

LMSeg: Unleashing the Power of Large-Scale Models for Open-Vocabulary Semantic Segmentation

LMSeg：释放大规模模型在开放词汇语义分割中的潜力

Huadong Tang, Youpeng Zhao, Yan Huang, Min Xu, Jun Wang, Qiang Wu

机构 * Huadong Tang（华东唐） ； Youpeng Zhao（赵有鹏） ； Yan Huang（黄艳） ； Min Xu（徐敏） ； Jun Wang（王俊） ； Qiang Wu（吴强） 纠错

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

AI总结 LMSeg通过结合多个大规模模型提升开放词汇语义分割的性能，利用LLMs生成多样化视觉属性的提示并改进视觉特征提取。

VETime: Vision Enhanced Zero-Shot Time Series Anomaly Detection

VETime: 基于视觉增强的零样本时间序列异常检测

Yingyuan Yang, Tian Lan, Yifei Gao, Yimeng Lu, Wenjun He, Meng Wang, Chenghao Liu, Chen Zhang

机构 * Department of Industrial Engineering, Tsinghua University, Beijing, China（清华大学工业工程系） ； Lab, Huawei Technologies Ltd, Beijing, China（华为技术有限公司2012实验室） ； Datadog AI Research（Datadog人工智能研究） 纠错

专题命中 其他安全 ：alignment(abstract)

AI总结 VETime通过融合视觉与时间模态，提出零样本时间序列异常检测框架，实现高精度定位与低计算开销。

Campaign-2-PT-RAG: LLM-Guided Semantic Product Type Attribution for Scalable Campaign Ranking

Campaign-2-PT-RAG: LLM引导的语义产品类型归因用于可扩展的活动排名

Yiming Che, Mansi Ranjit Mane, Keerthi Gopalakrishnan, Parisa Kaghazgaran, Murali Mohana Krishna Dandu, Archana Venkatachalapathy, Sinduja Subramaniam, Yokila Arora, Evren Korpeoglu, Sushant Kumar, Kannan Achan

专题命中 其他安全 ：alignment(abstract)

AI总结 Campaign-2-PT-RAG通过LLM解析活动内容并推断产品类型，生成高质量标签以提升电子商务活动排名优化

Comments fix typo and author names