大模型对齐与安全

SHIELD: Semantic Heterogeneity Integrated Embedding for Latent Discovery in Clinical Trial Safety Signals

SHIELD：语义异质性整合嵌入用于临床试验安全信号的潜在发现

Francois Vandenhende, Anna Georgiou, Theodoros Psaras, Ellie Karekla

机构 * ClinBAY Limited（ClinBAY有限公司） 纠错

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

AI总结 SHIELD通过整合语义异质性嵌入技术，提升临床试验中安全信号检测与因果解释的准确性。

Comments 3 figures, 1 table

CTC-TTS: LLM-based dual-streaming text-to-speech with CTC alignment

CTC-TTS: 基于大语言模型的双流文本到语音系统与CTC对齐

Hanwen Liu, Saierdaer Yusuyin, Hao Huang, Zhijian Ou

机构 * School of Computer Science and Technology, Xinjiang University, China（新疆大学计算机科学与技术学院） ； Speech Processing and Machine Intelligence (SPMI) Lab, Tsinghua University, China（清华大学语音处理与机器智能实验室） 纠错

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

AI总结 CTC-TTS提出了一种基于大语言模型的双流文本到语音系统，采用CTC对齐器和双词交错策略，提升了流式合成和零样本任务的性能。

Comments Submitted to INTERSPEECH 2026

ODESteer: A Unified ODE-Based Steering Framework for LLM Alignment

ODESteer: 一种基于常微分方程的统一激活引导框架用于大语言模型对齐

Hongjue Zhao, Haosen Sun, Jiangtao Kong, Xiaochang Li, Qineng Wang, Liwei Jiang, Qi Zhu, Tarek Abdelzaher, Yejin Choi, Manling Li, Huajie Shao

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Northwestern University（西北大学） ； William & Mary（威廉与玛丽学院） ； University of Washington（华盛顿大学） ； Stanford University（斯坦福大学） 纠错

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

AI总结 ODESteer通过基于常微分方程的理论框架，统一了激活引导方法，实现了在大语言模型对齐中的显著性能提升。

Comments Accepted by ICLR 2026 (Camera Ready Version)

Synthesizing Multimodal Geometry Datasets from Scratch and Enabling Visual Alignment via Plotting Code

从零开始合成多模态几何数据集并借助绘图代码实现视觉对齐

Haobo Lin, Tianyi Bai, Chen Chen, Jiajun Zhang, Bohan Zeng, Wentao Zhang, Binhang Yuan

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

AI总结 本文提出GeoCode数据集，通过代码预测实现视觉对齐，提升多模态几何推理性能。

Comments 58 pages, 10 figures

Limits of Convergence-Rate Control for Open-Weight Safety

开放权重安全性的收敛速率控制极限

Domenic Rosati, Xijie Zeng, Hong Huang, Sebastian Dionicio, Subhabrata Majumdar, Frank Rudzicz, Hassan Sajjad

机构 * Dalhousie University（达尔豪斯大学） ； Vector Institute（向量研究所） ； Indian Institute of Management Bangalore（班加罗尔印度管理学院） 纠错

专题命中 其他安全 ：safety(title)；分类 cs.LG

AI总结 本文提出SpecDef算法，通过谱重参数化在非对抗性设置中减缓优化收敛速度，并揭示了对抗性环境下收敛速率控制方法的理论极限。

Comments Submitted to ICML 2026. 13 figures, 30 tables

EDU-MATRIX: A Society-Centric Generative Cognitive Digital Twin Architecture for Secondary Education

EDU-MATRIX: 一种面向次级教育的以社会为中心的生成认知数字孪生架构

Wenjing Zhai, Jianbin Zhang, Tao Liu

机构 * The High School Affiliated to Beijing Normal University（北京师范大学附属高中） ； Department of Electronic and Communication Engineering, North China Electric Power University（华北电力大学电子与通信工程系） 纠错

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

AI总结 EDU-MATRIX通过社会引力与认知流体的交互，构建了面向次级教育的生成认知数字孪生架构，实现了教育价值观与复杂社交动态的对齐。

Align When They Want, Complement When They Need! Human-Centered Ensembles for Adaptive Human-AI Collaboration

在需要时对齐，在想要时补充！面向适应性人机协作的人本集成

Hasan Amin, Ming Yin, Rajiv Khanna

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

AI总结 本文提出了一种人本适应性AI集成，通过上下文提示在对齐与互补模型间切换，以提升人机协作的性能与信任。

Comments AAAI 2026

Closing the Gap Between Text and Speech Understanding in LLMs

弥合语言模型中文本与语音理解之间的差距

Santiago Cuervo, Skyler Seto, Maureen de Seyssel, Richard He Bai, Zijin Gu, Tatiana Likhomanenko, Navdeep Jaitly, Zakaria Aldeneh

机构 * Université de Toulon, Aix Marseille Université, CNRS, LIS（法国图卢兹大学、马赛大学、CNRS、LIS） 纠错

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

AI总结 SALAD通过主动选择和跨模态蒸馏提高语音与文本对齐，以更高效的方式弥合LLMs在语音理解上的性能差距。

Visible and Hyperspectral Imaging for Quality Assessment of Milk: Property Characterisation and Identification

可见光和超光谱成像在牛奶质量评估中的应用：性质表征与识别

Massimo Martinelli, Elena Tomassi, Nafiou Arouna, Morena Gabriele, Laryssa Perez Fabbri, Luisa Pozzo, Bianca Castiglioni, Paola Cremonesi, Giuseppe Conte, Davide Moroni, Laura Pucci

机构 * Institute of Information Science and Technologies, National Research Council（信息科学与技术研究所，国家研究理事会） ； Institute of Agricultural Biology and Biotechnology, National Research Council（农业生物学与生物技术研究所，国家研究理事会） ； Department of Agricultural, Food, and Agri-Environmental Sciences（农业、食品和农业环境科学系） 纠错

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

AI总结 本研究利用可见光和超光谱成像结合机器学习，实现了对牛奶中多酚、抗氧化能力及脂肪酸等关键性质的快速非破坏性评估。

VQEL: Enabling Self-Play in Emergent Language Games via Agent-Internal Vector Quantization

VQEL: 通过内部向量量化在涌现语言游戏中实现自我对战

Mohammad Mahdi Samiei Paqaleh, Mehdi Jamalkhah, Mahdieh Soleymani Baghshah

机构 * Department of Computer Engineering（计算机工程系） ； Sharif University of Technology（谢里夫理工学院） ； School of Electrical and Computer Engineering（电气与计算机工程学院） ； University of Tehran（德黑兰大学） 纠错

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

AI总结 VQEL通过内部向量量化在自我对战中实现语言涌现，提升离散通信协议的学习效果。

Developing a Multi-Agent System to Generate Next Generation Science Assessments with Evidence-Centered Design

开发一个多智能体系统以生成下一代科学评估并采用证据中心设计

Yaxuan Yang, Jongchan Park, Yifan Zhou, Xiaoming Zhai

机构 * AI4STEM Education Center, University of Georgia（AI4STEM教育中心，佐治亚大学） ； Department of Educational Psychology, University of Georgia（教育心理学系，佐治亚大学） ； School of Computing, University of Georgia（计算学院，佐治亚大学） ； Department of Mathematics, Science, and Social Studies Education, University of Georgia（数学、科学与社会科学教育系，佐治亚大学） 纠错

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

AI总结 本研究提出将证据中心设计整合到多智能体系统中，以自动生成符合NGSS的评估项目，发现AI生成的项目在包容性方面表现良好，但存在清晰性和多模态设计的局限。

Comments Under review

Competition for attention predicts good-to-bad tipping in AI

注意力竞争预测AI中的好到坏的 tipping

Neil F. Johnson, Frank Y. Huo

专题命中 其他安全 ：safety(abstract)；分类 cs.AI

AI总结 本文提出通过注意力竞争预测AI中的 tipping 点，揭示新的控制方法，适用于多领域和法律环境。

Rules or Weights? Comparing User Understanding of Explainable AI Techniques with the Cognitive XAI-Adaptive Model

规则还是权重？比较用户对可解释AI技术的理解与认知XAI自适应模型

Louth Bin Rawshan, Zhuoyu Wang, Brian Y Lim

机构 * National University of Singapore（新加坡国立大学） ； Department of Computer Science（计算机科学系） 纠错

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

AI总结 本文提出CoXAM模型，通过认知框架比较规则与权重两种XAI技术的可解释性，并验证其在决策任务中的有效性。

When AI Teammates Meet Code Review: Collaboration Signals Shaping the Integration of Agent-Authored Pull Requests

当AI队友遇见代码审查：协作信号塑造代理编写的拉取请求整合

Costain Nachuma, Minhaz Zibran

机构 * Idaho State University USA（爱达荷州立大学） 纠错

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

AI总结 研究探讨了AI代理提交的拉取请求在代码审查中的整合效果，发现审查员参与和协作信号对整合成功至关重要。

Comments 5 pages, 2 figures, 1 table. Accepted at the 23rd International Conference on Mining Software Repositories (MSR 2026), Rio de Janeiro, Brazil

E-BATS: Efficient Backpropagation-Free Test-Time Adaptation for Speech Foundation Models

E-BATS：高效的无反向传播测试时间适应方法用于语音基础模型

Jiaheng Dong, Hong Jia, Soumyajit Chatterjee, Abhirup Ghosh, James Bailey, Ting Dang

机构 * The University of Melbourne（墨尔本大学） ； University of Auckland（奥克兰大学） ； Nokia Bell Labs, UK（诺基亚贝尔实验室（英国）） ； University of Birmingham（伯明翰大学） 纠错

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

AI总结 E-BATS是一种专为语音基础模型设计的高效无反向传播测试时间适应框架，通过轻量级提示适应、多尺度损失和测试时间指数移动平均机制，在适应效果和内存效率之间取得平衡，实现了4.1%-13.5%的准确率提升和2.0-6.4倍的GPU内存节省。

Comments Accepted by NeurIPS 2025

Mixed-Reality Digital Twins: Leveraging the Physical and Virtual Worlds for Hybrid Sim2Real Transition of Multi-Agent Reinforcement Learning Policies

混合现实数字孪生：利用物理与虚拟世界实现多智能体强化学习策略的混合仿真到现实过渡

Chinmay Vilas Samak, Tanmay Vilas Samak, Venkat Narayan Krovi

机构 * Department of Automotive Engineering, Clemson University International Center for Automotive Research (CU-ICAR)（汽车工程系，克莱姆森大学国际汽车研究中心（CU-ICAR）） 纠错

专题命中 其他安全 ：safety(abstract)；分类 cs.LG

AI总结 本文提出混合现实数字孪生框架，通过并行化和域随机化技术，显著提升多智能体强化学习策略的训练效率和仿真到现实迁移性能。

Comments Accepted in IEEE Robotics and Automation Letters (RA-L) and additionally accepted to be presented at IEEE International Conference on Robotics and Automation (ICRA) 2026

Journal ref IEEE Robotics and Automation Letters, vol. 10, no. 9, pp. 9040-9047, Sept. 2025

Test-Time Adaptation for LLM Agents via Environment Interaction

通过环境交互实现LLM代理的测试时适应

Arthur Chen, Zuxin Liu, Jianguo Zhang, Akshara Prabhakar, Zhiwei Liu, Shelby Heinecke, Silvio Savarese, Victor Zhong, Caiming Xiong

机构 * University of Waterloo（滑铁卢大学） ； Salesforce AI Research（Salesforce AI研究） 纠错

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

AI总结 通过环境交互实现LLM代理的测试时适应，利用语法对齐和动态接地策略提升代理在复杂环境中的泛化能力。

Comments Our code is available here: https://github.com/r2llab/GTTA

Test-Time Training Provably Improves Transformers as In-context Learners

测试时训练可证明地提高变换器作为上下文学习者

Halil Alperen Gozeten, M. Emrullah Ildiz, Xuechen Zhang, Mahdi Soltanolkotabi, Marco Mondelli, Samet Oymak

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

AI总结 测试时训练通过调整模型权重提升变换器在上下文学习中的性能，减少样本需求并提高推理效率。

Comments Accepted at ICML 2025

SongEcho: Towards Cover Song Generation via Instance-Adaptive Element-wise Linear Modulation

SongEcho：通过实例自适应元素线性调制实现覆盖歌曲生成

Sifei Li, Yang Li, Zizhou Wang, Yuxin Zhang, Fuzhang Wu, Oliver Deussen, Tong-Yee Lee, Weiming Dong

机构 * MAIS, Institute of Automation, Chinese Academy of Sciences（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） ； ISRC, Institute of Software, Chinese Academy of Sciences（软件研究所，中国科学院） ； University of Konstanz（康斯坦茨大学） ； National Cheng-Kung University（国立成功大学） 纠错

专题命中 其他安全 ：alignment(abstract)

AI总结 SongEcho通过实例自适应元素线性调制实现覆盖歌曲生成，生成高质量歌曲并减少参数使用。

Comments Accepted at ICLR 2026. 21 pages (10 pages main text), 5 figures

Machine Learning based Ensemble Flame Regime Classification for Mesoscale Combustors based on Insights from Linear and Nonlinear Dynamic Analysis

基于线性和非线性动态分析见解的机器学习集成火焰状态分类用于mesoscale燃烧器

M Ashwin Ganesh, Akhil Aravind, Balasundaram Mohan, Saptarshi Basu

专题命中 其他安全 ：safety(abstract)

AI总结 本研究通过机器学习集成方法，利用动态和统计分析对mesoscale燃烧器中的火焰状态进行分类，结合化学发光和声压信号分析，揭示火焰状态的动态特征。

Semantic Caching for OLAP via LLM-Based Query Canonicalization (Extended Version)

通过基于LLM的查询规范化实现OLAP的语义缓存

Laurent Bindschaedler

专题命中 其他安全 ：safety(abstract)

AI总结 本文提出基于LLM的查询规范化方法，通过统一的OLAP意图签名提升OLAP缓存命中率，实现82%的高命中率，显著优于传统方法。

Comments 12 pages, 2 figures, 5 tables. Extended version of the short paper published at DOLAP 2026 (co-located with EDBT/ICDT 2026)

Decoupling Vision and Language: Codebook Anchored Visual Adaptation

解耦视觉与语言：基于代码本的视觉适应

Jason Wu, Tianchen Zhao, Chang Liu, Jiarui Cai, Zheng Zhang, Zhuowei Li, Aaditya Singh, Xiang Xu, Mani Srivastava, Jonathan Wu

机构 * AWS ； University of California, Los Angeles（加州大学洛杉矶分校） 纠错

专题命中 其他安全 ：alignment(abstract)

AI总结 CRAFT通过离散代码本解耦视觉与语言，实现无需修改其他部分的领域适应，提升LVLMs性能。

Comments 17 pages, accepted to CVPR2026 main conference

AuditoryHuM: Auditory Scene Label Generation and Clustering using Human-MLLM Collaboration

AuditoryHuM: 利用人机协同生成和聚类听觉场景标签

Henry Zhong, Jörg M. Buchholz, Julian Maclaren, Simon Carlile, Richard F. Lyon

机构 * Australian Hearing Hub, Macquarie University, Sydney, Australia（澳大利亚听力中心、麦觉里大学、悉尼、澳大利亚） ； Google Research Australia, Sydney, Australia（谷歌澳大利亚研究、悉尼、澳大利亚） 纠错

专题命中 其他安全 ：alignment(abstract)

AI总结 AuditoryHuM通过人机协同方法实现听觉场景标签的自动生成与聚类，提供了一种高效且低成本的标准化分类解决方案，适用于边缘设备部署。

SIDEKICK: A Semantically Integrated Resource for Drug Effects, Indications, and Contraindications

SIDEKICK: 一种集成语义的药物效应、适应症和禁忌症资源

Mohammad Ashhad, Olga Mashkova, Ricardo Henao, Robert Hoehndorf

专题命中 其他安全 ：safety(abstract)

AI总结 SIDEKICK通过语义集成药物效应、适应症和禁忌症，提升药物再利用中的副作用相似性分析能力。

CREM: Compression-Driven Representation Enhancement for Multimodal Retrieval and Comprehension

CREM: 为多模态检索与理解的压缩驱动表示增强

Lihao Liu, Yan Wang, Biao Yang, Da Li, Jiangxia Cao, Yuxiao Luo, Xiang Chen, Xiangyu Wu, Wei Yuan, Fan Yang, Guiguang Ding, Tingting Gao, Guorui Zhou

机构 * Tsinghua University（清华大学） ； Kuaishou Technology（快手科技） 纠错

专题命中 其他安全 ：alignment(abstract)

AI总结 CREM通过压缩驱动的表示增强方法，在提升多模态检索性能的同时保持生成能力，实现生成与嵌入任务的统一优化。

See-in-Pairs: Reference Image-Guided Comparative Vision-Language Models for Medical Diagnosis

See-in-Pairs: 用于医学诊断的参考图像引导的比较视觉-语言模型

Ruinan Jin, Gexin Huang, Xinwei Shen, Qiong Zhang, Yan Shuo Tan, Xiaoxiao Li

机构 * Electrical and Computer Engineering Department, The University of British Columbia（不列颠哥伦比亚大学电气与计算机工程系） ； Vector Institute（向量研究所） ； ETH Zurich（苏黎世联邦理工学院） ； Renmin University of China（中国人民大学） ； National University of Singapore（新加坡国立大学） 纠错

专题命中 其他安全 ：alignment(abstract)

AI总结 See-in-Pairs通过引入参考图像引导的比较机制，提升医学视觉-语言模型的诊断性能，增强样本效率和视觉-文本对齐。

Comments 25 pages, four figures

Inverse Virtual Try-On: Generating Multi-Category Product-Style Images from Clothed Individuals

逆虚拟试穿：从着装个体生成多类产品风格图像

Davide Lobba, Fulvio Sanguigni, Bin Ren, Marcella Cornia, Rita Cucchiara, Nicu Sebe

机构 * University of Trento（特伦托大学） ； University of Modena and Reggio Emilia（摩德纳和雷吉奥艾米利亚大学） ； University of Pisa（比萨大学） 纠错

专题命中 其他安全 ：alignment(abstract)

AI总结 TEMU-VTOFF通过文本增强和多模态注意力机制，解决虚拟脱衣任务中细节丢失和视觉歧义问题，实现高质量多类产品图像生成。

Comments Accepted at ICLR 2026