大模型对齐与安全

Grounded Concreteness: Human-Like Concreteness Sensitivity in Vision-Language Models

grounded concreteness: 人类-like 的 concreteness 敏感性在 vision-language 模型中

Aryan Roy, Zekun Wang, Christopher J. MacLellan

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.CL

AI总结 本文研究了视觉语言模型在纯文本提示下对concreteness的敏感性，并发现其在更具体的输入上表现更优，具有更清晰的表示和更符合人类规范的判断。

Bears, all bears, and some bears. Language Constraints on Language Models' Inductive Inferences

熊、所有熊，以及一些熊。语言模型归纳推理中的语言约束

Sriram Padmanabhan, Siyuan Song, Kanishka Misra

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

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

AI总结 该研究探讨了视觉语言模型在区分不同归纳推理类型时的语言约束，通过实验发现模型与人类在行为上具有一致性，差异源于归纳约束而非表层形式。

Can GenAI Move from Individual Use to Collaborative Work? Experiences, Challenges, and Opportunities of Coordinating GenAI into Collaborative Newswork

生成式AI能否从个体使用转向协作工作？将生成式AI纳入协作新闻工作中的经验、挑战与机遇

Qing Xiao, Qing Hu, Jingjia Xiao, Hancheng Cao, Hong Shen

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

AI总结 研究探讨生成式AI在新闻工作中从个体使用向协作工作转型的挑战与机遇，发现价值观契合依赖个体自主性，组织层面存在结构性和文化性障碍。

Comments 22 pages, 1 figure, accepted by CHI'26

Style2Code: A Style-Controllable Code Generation Framework with Dual-Modal Contrastive Representation Learning

Style2Code: 一种具有双模态对比学习的可控制代码生成框架

Dutao Zhang, Nicolas Rafael Arroyo Arias, YuLong He, Sergey Kovalchuk

机构 * ITMO University（ITMO大学） ； Saint Petersburg University（圣彼得堡大学） 纠错

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

AI总结 Style2Code通过双模态对比学习和条件解码实现风格可控的代码生成，提升风格控制的同时保持代码正确性。

Mitigating Visual Knowledge Forgetting in MLLM Instruction-tuning via Modality-decoupled Gradient Descent

通过模态解耦梯度下降缓解MLLM指令微调中的视觉知识遗忘

Junda Wu, Yuxin Xiong, Xintong Li, Yu Xia, Ruoyu Wang, Yu Wang, Tong Yu, Sungchul Kim, Ryan A. Rossi, Lina Yao, Jingbo Shang, Julian McAuley

机构 * UC San Diego（加州大学圣迭戈分校） ； University of New South Wales（新南威尔士大学） ； Adobe Research（Adobe研究） 纠错

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

AI总结 本文提出模态解耦梯度下降方法，通过有效秩量化视觉退化并缓解过度压缩，保留预训练视觉知识并提升任务适应能力。

Comments 9 pages

MoE-Enhanced Multi-Domain Feature Selection and Fusion for Fast Map-Free Trajectory Prediction

增强型多域特征选择与融合的无地图轨迹预测

Wenyi Xiong, Jian Chen, Ziheng Qi, Wenhua Chen

机构 * School of Mechanical Engineering, Zhejiang University（浙江大学机械工程学院） ； Guangdong Provincial Key Laboratory of Fully Actuated System Control Theory and Technology, School of Automation and Intelligent Manufacturing, Southern University of Science and Technology（南方科技大学自动化与智能制造学院） ； Leapmotor Technology（Leapmotor科技） ； Department of Aeronautical and Automotive Engineering, Loughborough University（伦敦大学洛桑学院航空与汽车工程系） 纠错

专题命中 其他安全 ：safety(abstract)；分类 cs.AI

AI总结 本文提出了一种无地图轨迹预测方法，通过多域特征选择与融合，提升轨迹预测的准确性和效率。

Understanding the Transfer Limits of Vision Foundation Models

理解视觉基础模型的迁移限制

Shiqi Huang, Yipei Wang, Natasha Thorley, Alexander Ng, Shaheer Saeed, Mark Emberton, Shonit Punwani, Veeru Kasivisvanathan, Dean Barratt, Daniel Alexander, Yipeng Hu

机构 * University College London（伦敦大学学院） 纠错

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

AI总结 本文研究了视觉基础模型在迁移时的限制，发现预训练目标与下游任务需求的匹配程度影响迁移性能，提出通过改进预训练目标以提升模型效果。

Comments accepted in ISBI 2026

Early predicting of hospital admission using machine learning algorithms: Priority queues approach

利用机器学习算法提前预测医院入院：优先队列方法

Jakub Antczak, James Montgomery, Małgorzata O'Reilly, Zbigniew Palmowski, Richard Turner

机构 * Wrocław University of Science and Technology（沃拉日大学科学与技术学院） ； University of Tasmania（塔斯马尼亚大学） ； School of Medicine, University of Tasmania（塔斯马尼亚大学医学院） 纠错

专题命中 其他安全 ：safety(abstract)；分类 cs.LG

AI总结 本文利用机器学习算法预测医院急诊入院情况，通过对比SARIMAX、XGBoost和LSTM模型，发现XGBoost在预测总入院人数上表现最佳，但所有模型在预测突发患者激增时均存在低估问题。

From Quotes to Concepts: Axial Coding of Political Debates with Ensemble LMs

从引语到概念：利用集成语言模型进行政治辩论的轴向编码

Angelina Parfenova, David Graus, Juergen Pfeffer

机构 * Technical University of Munich（慕尼黑技术大学） ； Lucerne University of Applied Sciences and Arts（卢塞恩应用科学大学） ； Arts University of Amsterdam（阿姆斯特丹艺术大学） 纠错

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

AI总结 本文提出利用集成语言模型进行政治辩论的轴向编码，通过聚类和LLM分组方法生成层次化代码，提升辩论分析的结构化和语义对齐性。

Comments Accepted to ECIR2026

Synthetic Data Augmentation for Multi-Task Chinese Porcelain Classification: A Stable Diffusion Approach

多任务中国瓷器分类的合成数据增强：一种稳定扩散方法

Ziyao Ling, Silvia Mirri, Paola Salomoni, Giovanni Delnevo

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

AI总结 本研究利用稳定扩散与LoRA生成合成数据，提升多任务中国瓷器分类的性能，验证了合成数据在增强真实数据集中的有效性及任务特定的改进效果。

FunCineForge: A Unified Dataset Toolkit and Model for Zero-Shot Movie Dubbing in Diverse Cinematic Scenes

FunCineForge: 一个统一的数据集工具包和模型，用于多样的影视场景零样本配音

Jiaxuan Liu, Yang Xiang, Han Zhao, Xiangang Li, Zhenhua Ling

机构 * Alibaba Group（阿里巴巴集团） ； Tongyi Lab（通义实验室） 纠错

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

AI总结 FunCineForge提出了一种统一的数据集工具包和模型，用于多样的影视场景零样本配音，通过构建大规模数据集和基于大规模语言模型的模型，提升了音频质量、唇形同步和情绪表达性能。

DARL: Encouraging Diverse Answers for General Reasoning without Verifiers

DARL: 促进无验证者的一般推理中的多样化答案

Chongxuan Huang, Lei Lin, Xiaodong Shi, Wenping Hu, Ruiming Tang

机构 * School of Informatics, Xiamen University（厦门大学信息学院） ； Kuaishou Technology（快手科技） ； Key Laboratory of Digital Protection and Intelligent Processing of Intangible Cultural Heritage of Fujian and Taiwan (Xiamen University), Ministry of Culture and Tourism（福建省和台湾非物质文化遗产数字化保护与智能处理重点实验室（厦门大学），文化和旅游部） 纠错

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

AI总结 DARL通过鼓励在参考答案可控偏差范围内生成多样化答案，提升大语言模型在一般推理任务中的性能和输出多样性。

HCVR Scene Generation: High Compatibility Virtual Reality Environment Generation for Extended Redirected Walking

HCVR场景生成：为扩展定向行走设计的高兼容性虚拟现实环境生成

Yiran Zhang, Xingpeng Sun, Aniket Bera

机构 * Purdue University（普渡大学） 纠错

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

AI总结 HCVR通过优化虚拟场景与物理空间的兼容性，显著减少虚拟现实中的物理碰撞，提升扩展定向行走的沉浸体验。

Rewarding How Models Think Pedagogically: Integrating Pedagogical Reasoning and Thinking Rewards for LLMs in Education

奖励模型如何思考：在教育中整合教学推理和思考奖励

Unggi Lee, Jiyeong Bae, Jaehyeon Park, Haeun Park, Taejun Park, Younghoon Jeon, Sungmin Cho, Junbo Koh, Yeil Jeong, Gyeonggeon Lee

机构 * Chosun University（昌原大学） ； Korea University（韩国大学） ； Seoul National University（首尔国立大学） ； Korea Institute for Curriculum and Evaluation（韩国课程与评价研究院） ； Upstage ； Indiana University Bloomington（印第安纳大学布卢明顿分校） ； Nanyang Technological University（南洋理工大学） 纠错

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

AI总结 本文提出PedagogicalRL-Thinking框架，通过教学推理提示和思考奖励方法，提升LLM在教育场景中的教学推理能力和结构化决策能力。

Intelligent Power Grid Design Review via Active Perception-Enabled Multimodal Large Language Models

通过主动感知多模态大语言模型实现智能电网设计审查

Taoliang Tan, Chengwei Ma, Zhen Tian, Zhao Lin, Dongdong Li, Si Shi

机构 * Yangjiang Yangxi Power Supply Bureau, Guangdong Power Grid Co., Ltd., Yangjiang, China（阳江阳西供电局，广东电网公司） ； Guangdong Laboratory of Artificial Intelligence（广东人工智能实验室） 纠错

专题命中 其他安全 ：safety(abstract)；分类 cs.LG

AI总结 本文提出基于主动感知多模态大语言模型的智能电网设计审查方法，通过三阶段框架提升对设计错误的识别准确性和审查可靠性。

A Layered Protocol Architecture for the Internet of Agents

面向智能体的分层协议架构

Charles Fleming, Luca Muscariello, Vijoy Pandey, Ramana Kompella

机构 * Cisco Research（思科研究） 纠错

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

AI总结 本文提出分层协议架构，通过智能体通信层和语义层实现智能体协作，解决LLMs在内存和计算能力上的限制，推动多智能体系统的扩展。

Beyond Boundaries: Leveraging Vision Foundation Models for Source-Free Object Detection

超越边界：利用视觉基础模型进行无源目标检测

Huizai Yao, Sicheng Zhao, Pengteng Li, Yi Cui, Shuo Lu, Weiyu Guo, Yunfan Lu, Yijie Xu, Hui Xiong

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

AI总结 本文提出一种利用视觉基础模型提升无源目标检测性能的新框架，通过增强特征对齐和标签质量，实现跨领域迁移和辨别性提升。

Comments Accepted to AAAI 2026. Extended version with full Appendix

StrucSum: Graph-Structured Reasoning for Long Document Extractive Summarization with LLMs

StrucSum: 图结构推理用于基于LLM的长文档提取式摘要

Haohan Yuan, Sukhwa Hong, Haopeng Zhang

机构 * ALOHA Lab, University of Hawaii at Manoa（夏威夷大学曼纳亚分校ALOHA实验室） ； University of Hawaii at Hilo（夏威夷大学希洛分校） 纠错

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

AI总结 StrucSum通过图结构推理提升基于LLM的长文档提取式摘要质量，有效增强文档结构建模与关键信息识别能力。

Comments 14 pages. Accepted by the findings of EACL 2026

Zero-shot adaptable task planning for autonomous construction robots: a comparative study of lightweight single and multi-AI agent systems

零样本适应性任务规划用于自主建造机器人：轻量级单 agent 和多 agent 系统的比较研究

Hossein Naderi, Alireza Shojaei, Lifu Huang, Philip Agee, Kereshmeh Afsari, Abiola Akanmu

专题命中 其他安全 ：safety(abstract)；分类 cs.AI

AI总结 本研究通过比较轻量级单 agent 和多 agent 系统，探索了零样本适应性任务规划在自主建造机器人中的应用，展示了四 agent 团队在效率和成本上的优势。

BACH-V: Bridging Abstract and Concrete Human-Values in Large Language Models

BACH-V: 联结抽象与具体的人类价值观在大语言模型中

Junyu Zhang, Yipeng Kang, Jiong Guo, Jiayu Zhan, Junqi Wang

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

AI总结 BACH-V研究通过探测和引导方法揭示大语言模型中抽象与具体价值观的联结机制，发现其能稳定锚定抽象价值观以影响具体决策。

Comments 34 pagess, 16 figures, 6 tables, submitted to ACL 2026

From Tags to Trees: Structuring Fine-Grained Knowledge for Controllable Data Selection in LLM Instruction Tuning

从标签到树：为LLM指令微调中的可控数据选择构建细粒度知识

Zihan Niu, Wenping Hu, Junmin Chen, Xiyue Wang, Tong Xu, Ruiming Tang

机构 * University of Science and Technology of China（中国科学技术大学） ； Klear Team, Kuaishou Technology（快手科技Klear团队） 纠错

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

AI总结 TAGS通过构建细粒度知识树，实现LLM指令微调中可控数据选择的高效采样与知识对齐。

ELO: Efficient Layer-Specific Optimization for Continual Pretraining of Multilingual LLMs

ELO：面向多语言大语言模型持续预训练的高效分层优化

HanGyeol Yoo, ChangSu Choi, Minjun Kim, Seohyun Song, SeungWoo Song, Inho Won, Jongyoul Park, Cheoneum Park, KyungTae Lim

机构 * Seoul National University of Science and Technology（首尔科学技术大学） ； LG CNS ； Korea Advanced Institute of Science and Technology（韩国科学技术院） ； Hanbat National University（汉 bat 国立大学） 纠错

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

AI总结 ELO通过分层优化提升多语言大模型持续预训练效率，实现6.46倍加速和6.2%性能提升。

Comments 12 pages, Accepted to EACL 2026 (Industrial Track)

Proc3D: Procedural 3D Generation and Parametric Editing of 3D Shapes with Large Language Models

Proc3D: 基于大语言模型的3D形状过程生成与参数编辑

Fadlullah Raji, Stefano Petrangeli, Matheus Gadelha, Yu Shen, Uttaran Bhattacharya, Gang Wu

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

AI总结 Proc3D利用大语言模型实现3D形状的可编辑生成，通过参数化编辑提升设计效率和准确性。

SpecMap: Hierarchical LLM Agent for Datasheet-to-Code Traceability Link Recovery in Systems Engineering

SpecMap：用于系统工程中datasheet到代码可追溯性链接恢复的分层LLM代理

Vedant Nipane, Pulkit Agrawal, Amit Singh

机构 * H2LooP.ai（H2LooP人工智能研究院） 纠错

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

AI总结 SpecMap通过分层LLM代理实现嵌入式系统datasheet到代码的可追溯性链接恢复，提升映射精度与效率，支持自动化分析与下游应用。

MATEX: Multi-scale Attention and Text-guided Explainability of Medical Vision-Language Models

MATEX: 医疗视觉-语言模型的多尺度注意力与文本引导可解释性

Muhammad Imran, Chi Lee, Yugyung Lee

机构 * Computer Science, School of Science and Engineering（科学与工程学院计算机科学） 纠错

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

AI总结 MATEX通过多尺度注意力与文本引导方法提升医疗视觉-语言模型的可解释性，实现更精确和临床相关的梯度归因图。

Comments 12 pages, 3 figures, 1 table

Hardware-Aware Reformulation of Convolutions for Efficient Execution on Specialized AI Hardware: A Case Study on NVIDIA Tensor Cores

面向专用AI硬件高效执行的卷积重 formulations：NVIDIA Tensor Cores 的案例研究

Ganesh Bikshandi

机构 * NVIDIA 纠错

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

AI总结 本文提出了一种硬件感知的卷积计算重 formulations 方法，通过重写规则在训练后满足专用AI硬件的对齐要求，为高效部署CNN模型提供了新的优化策略。

A Multimodal Data Processing Pipeline for MIMIC-IV Dataset

用于MIMIC-IV数据集的多模态数据处理流程

Farzana Islam Adiba, Varsha Danduri, Fahmida Liza Piya, Ali Abbasi, Mehak Gupta, Rahmatollah Beheshti

机构 * University of Delaware（德克萨斯大学） 纠错

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

AI总结 本文提出了一种用于MIMIC-IV数据集的多模态数据处理流程，旨在提升多模态数据处理效率和研究可重复性。

Learn Before Represent: Bridging Generative and Contrastive Learning for Domain-Specific LLM Embeddings

在表示之前学习：连接生成学习与对比学习以构建领域特定的LLM嵌入

Xiaoyu Liang, Yuchen Peng, Jiale Luo, Wenhao Wang, Haoji Hu, Xincheng Zhou

机构 * Zhejiang University（浙江大学） ； Peking University（北京大学） 纠错

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

AI总结 本文提出LBR框架，通过生成学习和对比学习结合，在垂直领域中提升LLM嵌入的准确性和鲁棒性。

Comments 10 pages, 3 figures

EvidFuse: Writing-Time Evidence Learning for Consistent Text-Chart Data Reporting

EvidFuse: 为一致的文本-图表数据报告进行写作时的证据学习

Huanxiang Lin, Qianyue Wang, Jinwu Hu, Bailin Chen, Qing Du, Mingkui Tan

机构 * South China University of Technology（华南理工大学） ； Pazhou Laboratory（琶洲实验室） 纠错

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

AI总结 EvidFuse通过多智能体框架实现写作时文本-图表交织生成，解决数据驱动报告中图表与文本不一致的问题，提升分析深度和证据空间扩展能力。

DeepSeek-R1 Thoughtology: Let's think about LLM Reasoning

DeepSeek-R1 思维学：让我们思考LLM推理

Sara Vera Marjanović, Arkil Patel, Vaibhav Adlakha, Milad Aghajohari, Parishad BehnamGhader, Mehar Bhatia, Aditi Khandelwal, Austin Kraft, Benno Krojer, Xing Han Lù, Nicholas Meade, Dongchan Shin, Amirhossein Kazemnejad, Gaurav Kamath, Marius Mosbach, Karolina Stańczak, Siva Reddy

专题命中 其他安全 ：safety(abstract)；分类 cs.CL

AI总结 DeepSeek-R1通过多步骤推理链实现复杂问题解决，研究揭示其推理性能的'甜点'及潜在安全漏洞。

Comments 135 pages, Published to TMLR