大模型对齐与安全

Multimodal Abstractive Summarization of Instructional Videos with Vision-Language Models

基于视觉语言模型的指令视频多模态抽象摘要

Maham Nazir, Muhammad Aqeel, Richong Zhang, Francesco Setti

机构 * Beihang University, Beijing, China（北航大学，北京，中国） ； University of Verona, Italy（威尼斯大学，意大利） 纠错

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

AI总结 本文提出ClipSum框架，利用冻结的CLIP视觉语言特征进行指令视频摘要，通过显式时间建模和维度自适应融合，实现视觉与语言的语义对齐，实验显示其在YouCook2数据集上表现优于传统方法。

Comments Accepted to ICPR 2026

Evaluating Artificial Intelligence Algorithms for the Standardization of Transtibial Prosthetic Socket Shape Design

评估用于假肢套筒形状设计标准化的人工智能算法

C. H. E. Jordaan, M. van der Stelt, T. J. J. Maal, V. M. A. Stirler, R. Leijendekkers, T. Kachman, G. A. de Jong

机构 * D Lab, Radboud University Medical Centre（radboud大学医学中心3D实验室） ； Department of Trauma Surgery, Radboud University Medical Centre（radboud大学医学中心创伤外科部门） ； Department of Rehabilitation, Radboud University Medical Centre（radboud大学医学中心康复部门） ； Donders Centre for Cognition, Radboud University（radboud大学认知中心） ； Military Health Organisation, Ministry of Defence, Kromhout Kazerne（国防部军事医疗组织，克罗姆霍特凯尔内） 纠错

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

AI总结 本文研究了多种人工智能算法在假肢套筒设计标准化中的应用，通过三维扫描数据和机器学习模型，评估不同算法在预测套筒形状及适应性调整中的性能，发现随机森林模型在预测适应性调整时表现最优。

Journal ref Computer Methods and Programs in Biomedicine Update 9: 2026

Towards Visually Grounded Multimodal Summarization via Cross-Modal Transformer and Gated Attention

迈向基于视觉的多模态摘要：通过跨模态Transformer和门控注意力

Abid Ali, Diego Molla-Aliod, Usman Naseem

机构 * School of Computing, Macquarie University（麦考瑞大学计算机学院） 纠错

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

AI总结 本文提出SPeCTrA-Sum框架，通过深度视觉处理器和轻量视觉相关性预测器实现文本摘要与图像选择，提升多模态摘要的视觉连贯性与准确性。

Comments Accepted to Findings of ACL 2026

Reviving In-domain Fine-tuning Methods for Source-Free Cross-domain Few-shot Learning

复兴领域内微调方法以适用于无源跨领域少样本学习

Yaze Zhao, Yicong Liu, Yixiong Zou, Yuhua Li, Ruixuan Li

机构 * School of Computer Science and Technology, Huazhong University of Science and Technology（华中科技大学计算机科学与技术学院） 纠错

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

AI总结 本文研究跨领域少样本学习中领域内微调方法的性能，发现LoRA等适配器方法优于提示方法，提出Semantic Probe框架提升模态对齐和类别分离。

Drum Synthesis from Expressive Drum Grids via Neural Audio Codecs

通过神经音频编码器从表现性鼓组生成鼓声

Konstantinos Soiledis, Maximos Kaliakatsos-Papakostas, Dimos Makris, Konstantinos Tsamis

机构 * Dept. of Music Technology and Acoustics, Hellenic Mediterranean University（音乐技术与声学系，希腊地中海大学） 纠错

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

AI总结 本文提出通过神经音频编码器将表现性鼓组转换为鼓声，使用Transformer模型生成编码器令牌并评估不同编码器对生成鼓声质量的影响。

Monocular Biomechanical Tracking of Fingers with Inverse Kinematics to Foundation Models

单目生物力学追踪手指：结合逆运动学与基础模型

R. James Cotton, Pouyan Firouzabadi, Wendy Murray

机构 * Shirley Ryan AbilityLab Department of PM\&R Northwestern University ； Shirley Ryan AbilityLab Department of Biomedical Engineering Northwestern University 纠错

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

AI总结 本文提出结合SAM 3D Body基础模型与逆运动学优化的方法，实现单目视频中手指关节角度的生物力学追踪，验证结果表明在多视角重建中误差较小，扩展了单目生物力学分析的应用范围。

Comments Accepted to EMBC 2026

Semantic-Enhanced Time-Series Forecasting via Large Language Models

通过大语言模型增强的语义时间序列预测

Hao Liu, Xiaoxing Zhang, Chun Yang, Xiaobin Zhu

机构 * University of Science and Technology Beijing（北京科技大学） ； Yizhi, China Telecom（中国电信义智） 纠错

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

AI总结 本文提出SE-LLM，通过嵌入时间序列的周期性和异常特征增强语义空间，提升LLM对时间序列分析的潜力，同时改进长短期依赖建模以降低计算开销。

Comments 22 pages,6 figures

Beyond Self-Play: Hierarchical Reasoning for Continuous Motion in Closed-Loop Traffic Simulation

超越自我博弈：闭合环路交通模拟中的层次化推理

Weifan Zhang, Xiaofeng Zhao, Adel Bazzi, Mingrui Li, Yifan Wei, Dengfeng Sun

机构 * School of Aeronautics and Astronautics, Purdue University（普渡大学航空航天学院） 纠错

专题命中 其他安全 ：safety(abstract)；分类 cs.AI

AI总结 本文提出一种层次化架构，结合高层多智能体交互推理与底层连续轨迹生成，以提升闭合环路交通模拟中代理的可扩展性和行为真实性，实验表明其在控制平滑性和安全性方面优于自我博弈和被动模仿基线。

Comments Submitted to IEEE Robotics and Automation Letters (RA-L)

The Echo Amplifies the Knowledge: Somatic Marker Analogues in Language Models via Emotion Vector Re-Injection

回声放大知识：通过情感向量再注入在语言模型中引入躯体标记类比

Jared Glover

机构 * CapSen Robotics with ∮ \oint (Stokes)（CapSen机器人公司） 纠错

专题命中 其他安全 ：safety(abstract)；分类 cs.AI

AI总结 本文通过情感向量再注入技术，探讨语言模型中情感与知识的关系，验证了情感反馈对决策的影响，复现了Damasio的核心发现。

Instruction Anchor: Dissecting the Mechanistic Dynamics of Modality Arbitration

指令锚点：解构模态仲裁的机理动态

Yu Zhang, Mufan Xu, Xuefeng Bai, Kehai Chen, Pengfei Zhang, Yang Xiang, Min Zhang

机构 * Harbin Institute of Technology, Shenzhen, China（哈尔滨工业大学（深圳）） ； Peng Cheng Laboratory, Shenzhen, China（鹏城实验室） 纠错

专题命中 其他安全 ：safety(abstract)；分类 cs.CL

AI总结 本文通过信息流视角研究模态跟随机制，揭示指令令牌作为模态仲裁的结构锚点，浅层注意力层负责多模态信息聚合，深层注意力层则根据指令意图选择性强化子空间，实验验证了注意力头的特定功能。

Comments Modality Following

Change My View? The Dynamics of Persuasion and Polarization in Online Discourse

改变观点？在线讨论中说服与极化的动态

David Freeborn, Malihe Alikani, Anthony Sicilia

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

AI总结 研究通过分析Reddit的ChangeMyView讨论，探讨说服与极化动态，发现让步与共情策略促进观点改变，而直接反驳等策略则抑制观点改变。

HY-Himmel Technical Report: Hierarchical Interleaved Multi-stream Motion Encoding for Long Video Understanding

HY-Himmel技术报告：分层交错多流运动编码用于长视频理解

Haopeng Jin, Hongzhu Yi, Wenlong Zhao, Jinwen Luo, Shani Ye, Zhenyu Guan, Shiquan Dong, Tiankun Yang, Tao Yu

机构 * Tencent（腾讯） ； University of Chinese Academy of Sciences（中国科学院大学） ； Beijing Forestry University（北京林业大学） 纠错

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

AI总结 HY-Himmel通过分层视频语言框架解决长视频理解中多模态语言模型的三个瓶颈问题，采用轻量级压缩域三流适配器编码密集帧，提升运动感知能力，实验证明其在Video-MME上性能优于32帧基准。

Comments 59 pages, 42 figures. Technical report

Intelligent Autonomous Orchestration for Distributed Cloud Resources using Complex-Stability Analysis

基于复杂稳定性分析的分布式云资源智能自主编排

Gopal Krishna Shyam, Priyanka Bharti

机构 * Department of Computer Science \& Engineering Presidency University, Bengaluru, India Email ； Department of Computer Science \& Engineering REVA University, Bengaluru, India Email 纠错

专题命中 其他安全 ：safety(abstract)；分类 cs.AI

AI总结 本文提出C-SAS框架，利用复分析方法实现系统均衡，通过实时计算稳定性指数抑制振荡，实验显示其在VM波动和资源效率方面优于传统PID和ML方法。

Comments 7 pages

GASim: A Graph-Accelerated Hybrid Framework for Social Simulation

GASim：一种用于大规模社会模拟的图加速混合框架

Xuan Zhou, Yanhui Sun, Hantao Yao, Allen He, Yongdong Zhang, Wu Liu

机构 * University of Science and Technology of China（中国科学技术大学） ； BASIS International School（BASIS国际学校） 纠错

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

AI总结 本文提出GASim框架，通过图优化内存和图消息传递提升大规模社会模拟效率，实现9.94倍速度提升并降低计算成本。

TRAJGANR: Trajectory-Centric Urban Multimodal Learning via Geospatially Aligned Neural Representations

TRAJGANR: 通过地理对齐的神经表示进行轨迹导向的城市多模态学习

Maria Despoina Siampou, Gengchen Mai, Ni Lao, Jinmeng Rao, Neha Arora, Cyrus Shahabi, Shushman Choudhury

机构 * Google Research, Mountain View, CA（谷歌研究，山景城，加利福尼亚州） ； Google LLC, Mountain View, CA（谷歌公司，山景城，加利福尼亚州） ； Dept. of Computer Science, University of Southern California, Los Angeles, CA（计算机科学系，南加州大学，洛杉矶，加利福尼亚州） ； SEAI Lab, Dept. of Geography and the Environment, The University of Texas at Austin, Austin, TX（SEAI实验室，地理与环境系，德克萨斯大学奥斯汀分校，奥斯汀，德克萨斯州） 纠错

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

AI总结 TRAJGANR提出一种新的多模态自监督学习框架，通过将连续移动模式与静态位置观察对齐，提升城市理解和移动任务的性能，优于现有方法。

GamED.AI: A Hierarchical Multi-Agent Framework for Automated Educational Game Generation

GamED.AI：一种用于自动教育游戏生成的分层多智能体框架

Shiven Agarwal, Yash Shah, Ashish Raj Shekhar, Priyanuj Bordoloi, Vivek Gupta

机构 * Arizona State University（亚利桑那州立大学） 纠错

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

AI总结 本文提出GamEDAI框架，通过分层多智能体方法将教师提供的问题转化为可玩的教育游戏，验证通过形式化机制合同。系统在200个问题上实现90%验证通过率和98.3%的模式合规性。

DiffeoMorph: Learning to Morph 3D Shapes Using Differentiable Agent-Based Simulations

DiffeoMorph: 通过可微分基于代理的模拟学习3D形状变形

Seong Ho Pahng, Guoye Guan, Benjamin Fefferman, Sahand Hormoz

机构 * Department of Systems Biology, Harvard Medical School（哈佛医学院系统生物学系） ； Department of Data Science, Dana-Farber Cancer Institute（达纳-法伯癌症研究所数据科学部） ； Departments of Biomedical Informatics, Harvard Medical School（哈佛医学院生物医学信息学部） ； Broad Institute of MIT and Harvard（MIT与哈佛大学Broad研究所） 纠错

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

AI总结 本文提出DiffeoMorph框架，通过可微分代理模拟学习形态发生协议，使代理群体变形为目标3D形状，采用SE(3)等价图神经网络和基于3DZernike多项式的形状匹配损失实现旋转不变性和反射敏感性。

Outlier Smoothing with Closed-Form Rotations for W4A4 Large Language Model Quantization

基于闭式旋转的W4A4大语言模型量化去噪

Jinying Xiao, Bin Ji, Shasha Li, Xiaodong Liu, Ma Jun, Chao Wang, Wei Li, Ye Zhong, Xuan Xie, Nyima Tashi, Jie Yu

机构 * National University of Defense Technology（国防科技大学） ； Qinghai Normal University（青海师范大学） ； Tibet University（西藏大学） 纠错

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

AI总结 本文提出SingleQuant框架，通过闭式最优旋转平滑激活异常值，提升大语言模型量化性能，实验证明其在多种任务中优于基线方法。

Comments 9 pages, 4 figures

Crafting Reversible SFT Behaviors in Large Language Models

在大型语言模型中构建可逆的SFT行为

Yuping Lin, Pengfei He, Yue Xing, Yingqian Cui, Jiayuan Ding, Subhabrata Mukherjee, Hui Liu, Zhen Xiang

机构 * Michigan State University（密歇根州立大学） ； Hippocratic AI（希波克拉底AI） ； University of Georgia（佐治亚大学） 纠错

专题命中 其他安全 ：safety(abstract)；分类 cs.LG

AI总结 本文提出LCDD和SFT-Eraser方法，通过构建稀疏必要子网络实现对SFT诱导行为的可控逆向，验证了结构对行为因果必要性的重要性。

Optimizing Social Utility in Sequential Experiments

在连续实验中优化社会效用

Ander Artola Velasco, Stratis Tsirtsis, Manuel Gomez-Rodriguez

机构 * Max Planck Institute for Software Systems（马克斯·普朗克软件系统研究所） ； Hasso Plattner Institute（哈索·platzer研究所） 纠错

专题命中 其他安全 ：safety(abstract)；分类 cs.LG

AI总结 本文提出一种统计协议，通过开发者连续进行随机对照试验并由监管机构部分补贴成本，以提高社会效用。通过动态规划和分治法，有效找到最优策略和补贴水平。

AI-Generated Images: What Humans and Machines See When They Look at the Same Image

AI生成图像：当人类和机器注视同一张图像时的所见

Silvia Poletti, Justin Ilyes, Marcel Hasenbalg, David Fischinger, Martin Boyer

机构 * Austrian Institute of Technology（奥地利技术研究院） 纠错

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

AI总结 本文探讨了如何通过多种架构和微调策略开发更有效的AI生成图像检测器，提供人类可理解的解释。研究基于大规模逼真伪造图像数据集，评估了最新文本到图像AI生成器的性能，并整合16种可解释AI方法，通过调查100名参与者收集的文本和视觉反馈，优化解释清晰度。

Comments Included in the main conference proceedings published by Springer Nature (CCIS Series)

Mise en Place for Agentic Coding: Deliberate Preparation as Context Engineering Methodology

代理编程的准备：作为情境工程方法论的刻意准备

Andrew Zigler

机构 * LinearB 纠错

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

AI总结 本文提出了一种三阶段的代理编程准备方法，通过情境 grounding、协作规范和任务分解，提升 AI 编程的效率与质量，通过 hackathon 实验验证了准备阶段的重要性。

Comments 5 pages. Accepted at VibeX 2026, the 1st International Workshop on Vibe Coding and Vibe Researching, co-located with EASE 2026, Glasgow, June 9-12 2026. Camera-ready version. Research artifact: https://doi.org/10.5281/zenodo.19868258

Open-SAT: LLM-Guided Query Embedding Refinement for Open-Vocabulary Object Retrieval in Satellite Imagery

Open-SAT: 一种基于LLM的查询嵌入细化方法用于卫星影像开放词汇物体检索

Md Adnan Arefeen, Biplob Debnath, Ravi K. Rajendran, Murugan Sankaradas, Srimat T. Chakradhar

机构 * North South University（北南大学） ； NEC Laboratories America（NEC实验室） 纠错

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

AI总结 Open-SAT通过LLM引导在推理阶段优化查询与卫星影像内容的对齐，提升开放词汇检索性能，实验表明其F1分数提升达16.04%。

Rethinking Model Selection in VLM Through the Lens of Gromov-Wasserstein Distance

通过格罗莫夫-瓦瑟斯坦距离重新思考VLM中的模型选择

Muyang Li, Yucheng Liu, Jianbo Ma, Elliot Osborne, Bo Han, Tongliang Liu

机构 * Sydney AI Centre, The University of Sydney（悉尼人工智能中心，悉尼大学） ； Dolby Laboratories（杜比实验室） ； TMLR Group, Hong Kong Baptist University（香港 Baptist 大学 TMLR 团体） 纠错

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

AI总结 本文通过系统实验探讨视觉编码器选择的关键因素，发现模态间结构相似性通过格罗莫夫-瓦瑟斯坦距离衡量能提升VLM性能预测。

Comments Accepted as Highlight publication for CVPR 2026

The Garden of Forking Paths: Narrative Arc-Conditioned Gameplay Planning

分叉花园：叙事弧条件下的游戏玩法规划

Yunge Wen, Chenliang Huang, Hangyu Zhou, Zhuo Zeng, Chun Ming Louis Po, Julian Togelius, Timothy Merino, Sam Earle

机构 * New York University（纽约大学） 纠错

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

AI总结 本文提出Forking Garden框架，通过用户提供的故事情节生成分支游戏，采用弧引导约束算法构建 dungeon 图，实现游戏元素的多模态对齐。

False Friends in the Shell: Unveiling the Emoticon Semantic Confusion in Large Language Models

壳中的假朋友：揭示大型语言模型中的表情符号语义混淆

Weipeng Jiang, Xiaoyu Zhang, Juan Zhai, Shiqing Ma, Chao Shen, Yang Liu

机构 * Xi’an Jiaotong University（西安交通大学） ； Nanyang Technological University（南洋理工大学） ； University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） 纠错

专题命中 其他安全 ：safety(abstract)；分类 cs.AI

AI总结 研究揭示大型语言模型对表情符号的语义混淆问题，通过构建数据集发现平均混淆率超38%，且多数混淆响应导致安全风险，呼吁开发有效缓解方法。

Towards Agentic Runtime Healing

面向代理的运行时自愈

Zhensu Sun, Haotian Zhu, Bowen Xu, Xiaoning Du, Li Li, David Lo

机构 * Singapore Management University（新加坡国立大学） ； North Carolina State University（北卡罗来纳州立大学） ； Monash University（墨尔本大学） ； Beihang University（北航） 纠错

专题命中 其他安全 ：safety(abstract)；分类 cs.AI

AI总结 本文提出利用大语言模型实现动态生成错误处理策略，通过Healer框架在四个代码数据集上验证了其在运行时错误恢复中的有效性，展示了LLM在自愈系统中的潜力。

Comments Accepted by CACM

A Comparative Analysis of Machine Learning Models for Intrusion Detection in Intelligent Transport Systems

智能交通系统入侵检测机器学习模型比较分析

Zawad Yalmie Sazid, Robert Abbas, Sasa Maric

机构 * Victoria University, Sydney, Australia（维多利亚大学，悉尼，澳大利亚） ； University of New South Wales College, Sydney, Australia（新南威尔士大学学院，悉尼，澳大利亚） 纠错

专题命中 其他安全 ：safety(abstract)；分类 cs.LG

AI总结 本文研究了在边缘计算中提升延迟、带宽效率和服务响应性的机器学习模型，提出基于信任的联邦混合入侵检测框架，通过随机森林、决策树和线性SVM网络互补流量表示，并在服务器端进行信任感知的模型更新聚合。

Causal Foundations of Collective Agency

集体代理的因果基础

Frederik Hytting Jørgensen, Sebastian Weichwald, Lewis Hammond

机构 * Copenhagen Causality Lab and Pioneer Centre for AI, University of Copenhagen, Denmark（哥本哈根因果实验室和先锋人工智能中心，哥本哈根大学，丹麦） ； Cooperative AI Foundation, United Kingdom（协作人工智能基金会，英国） 纠错

专题命中 其他安全 ：safety(abstract)；分类 cs.AI

AI总结 本文探讨了多智能体系统中集体代理形成的因果基础，提出通过因果游戏和因果抽象框架分析集体行为的理性与目标导向性，解决多智能体激励问题和投票机制的集体代理度评估。

Comments CLeaR 2026

Design Structure Matrix Modularization with Large Language Models

基于大语言模型的Design Structure Matrix模块化设计

Shuo Jiang, Jianxi Luo

机构 * Department of Systems Engineering（系统工程系） ； City University of Hong Kong（香港城市大学） 纠错

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

AI总结 本文提出利用大语言模型进行DSM模块化设计的方法，通过五个案例和三种基础LLM实现近参考质量的结果，在30次迭代内无需专用优化代码。发现领域知识在复杂DSM中会损害性能，提出语义对齐假设以指导LLM在工程设计优化中的应用。