HKVLM: Faithful Query--Region Binding for Frozen-Detector Visual Grounding
HKVLM：通过将语言查询绑定到冻结检测器实现忠实推理定位
机构 * Bo Ma
专题命中 幻觉与事实性 ：alignment(abstract)
AI总结 提出HKVLM框架，通过将定位从语言路径中分离，利用冻结检测器和语言模型，仅训练轻量对齐钩子实现推理定位，在少样本冷启动场景下显著提升定位精度并减少幻觉。
AI 大模型
大模型对齐与安全
大模型对齐、安全、越狱、红队、提示注入和可信评测。
1. 幻觉与事实性 1756 篇
Homing through Reinforcement Learning
通过强化学习实现归巢
专题命中 幻觉与事实性 ：alignment(abstract)
AI总结 提出强化学习框架模拟连续二维域中的自适应归巢，发现平均归巢时间随旋转扩散强度呈非单调变化，且RL智能体比主动布朗粒子更快、更定向。
SWARM-LLM: Collaborative Inference for Edge-based Small Language Models
SWARM-LLM：基于边缘的小语言模型的协同推理
专题命中 幻觉与事实性 ：safety(abstract)
AI总结 提出SWARM-LLM路由协作层，通过轻量级不确定性估计和安全信号，在边缘SLM、对等SLM协作和云端FM之间动态选择查询处理方式，实现精度、延迟和成本的平衡。
Identifying Topological Invariants of Non-Hermitian Systems via Domain-Adaptive Multimodal Model for Mathematics
通过数学多模态模型识别非厄密系统拓扑不变量
专题命中 幻觉与事实性 ：alignment(abstract)
AI总结 本文提出利用多模态模型识别非厄密系统拓扑不变量，通过输入哈密顿量的本征值和本征向量，结合数学大语言模型进行复杂计算和推理，有效提取拓扑信息。
Dexterity-BEV: Aligning 3D World and Actions for Generalizable Robot Policies Learning
Dexterity-BEV: 对齐3D世界与动作以实现通用机器人策略学习
机构 * DexForce Technology（德克斯技术公司） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
专题命中 幻觉与事实性 ：alignment(abstract)
AI总结 提出Dexterity-BEV框架，通过对齐顶点图和顶点谱的3D表示以及鸟瞰图对齐，解决2D基础模型在3D操作中的局限性，提升机器人策略的泛化能力。
Comments under review
Unpaired RGB-Thermal Gaussian-Splatting Using Visual Geometric Transformers
无配对RGB-热成像高斯泼溅使用视觉几何变换器
机构 * Ecole Polytechnique Federale de Lausanne（瑞士联邦理工学院洛桑分校） ； Schindler EPFL Lab（施耐德EPFL实验室）
专题命中 幻觉与事实性 ：alignment(abstract)
AI总结 提出一种无配对RGB-热成像新视角合成框架，利用VGGT估计各模态相机位姿并通过Procrustes对齐，结合多模态3D高斯泼溅实现联合重建，在保持RGB保真度的同时实现热成像视图合成。
Comments Accepted at ICRA 2026's Workshop MM-SpatialAI: Multi-Modal Spatial AI for Robust Navigation and Open-World Understanding
Cautious Model Predictive Control using Gaussian Process Regression
基于高斯过程回归的谨慎模型预测控制
专题命中 幻觉与事实性 ：safety(abstract)
AI总结 本文提出了一种结合高斯过程回归的模型预测控制方法，用于建模非线性动力系统，通过考虑残余不确定性来实现安全控制。
Comments Published in IEEE Transactions on Control Systems Technology
Control Theory Meets POMDPs: A Hybrid Systems Approach
控制理论与POMDPs的交汇：一种混合系统方法
专题命中 幻觉与事实性 ：safety(abstract)
AI总结 本文提出了一种将控制理论应用于POMDPs的方法，通过混合系统方法确定POMDPs的可达信念空间，并利用Lyapunov函数的子水平集进行过估计，同时提出屏障证书定理以验证安全性和最优性要求。
Comments arXiv admin note: text overlap with arXiv:1810.00093
Learning for DC-OPF: Classifying active sets using neural nets
为直流最优功率流学习：利用神经网络分类主动集
专题命中 幻觉与事实性 ：safety(abstract)
AI总结 本文提出利用神经网络分类算法学习不确定性实现与最优解主动集之间的映射，从而提高实时预测的计算效率，并在IEEE PES PGLib-OPF基准库中多个系统上展示了该方法的优异性能。
Verification of Uncertain POMDPs Using Barrier Certificates
使用屏障证书验证不确定POMDPs
专题命中 幻觉与事实性 ：safety(abstract)
AI总结 本文研究不确定POMDPs的验证问题，通过将POMDP转化为切换系统并利用屏障证书方法，结合求和平方编程实现最优性和安全性的验证，以火星探测器为例验证方法有效性。
Comments 8 pages, 4 figures
Making Embodied AI Reliable: A Community Agenda from Testing to Formal Verification
使具身AI可靠：从测试到形式验证的社区议程
机构 * University of Waterloo（滑铁卢大学） ； Universityinceton University（普林斯顿大学）
专题命中 幻觉与事实性 ：trustworthy(abstract)
AI总结 本文基于AAAI'26 Bridge Program讨论，提出通过集成测试、形式验证和运行时保证的神经符号方法，解决具身AI在开放世界中的生命周期可靠性问题。
Proof of Useful Attestation: A Consensus Primitive for Attestation-Native Chains
有用证明证明：一种面向证明原生链的共识原语
专题命中 幻觉与事实性 ：safety(abstract)
AI总结 提出Proof of Useful Attestation (PoUA)共识机制，通过将证明处理质量纳入共识权重，解决通用权益证明链对证明工作漠视的问题，并给出经济成本下界和防御策略。
Comments 62 pages, 9 figures. Reference simulator with 196+ passing tests at https://github.com/ligate-io/ligate-research/tree/main/prototypes/poua-sim
ProSR: Process-Shaped Spatial Reasoning for Reliable Chain-of-Thought in VLMs
ProSR: 面向可靠思维链的过程塑造空间推理方法
机构 * Xi’an Jiaotong University（西安交通大学） ； Amap, Alibaba Group（阿里巴巴集团Amap） ； Tsinghua University（清华大学） ； Shenzhen University of Advanced Technology（深圳大学先进技术学院）
专题命中 幻觉与事实性 ：alignment(abstract)
AI总结 针对视觉语言模型在空间推理中存在的虚假基础与尾部不稳定性问题，提出ProSR框架，通过反事实不变性惩罚和尾部漂移惩罚优化推理过程，提升答案准确率及轨迹稳定性与视觉依赖性。
Comments 19 pages, 6 figures
How can reasoning capability empower the AI copilot robot in endoscopic surgery
推理能力如何赋能内窥手术中的AI助手机器人
机构 * Department of Electronic Engineering（电子工程系）
专题命中 幻觉与事实性 ：safety(abstract)
AI总结 本文研究了推理能力在内窥手术中AI助手机器人中的应用，提出通过整合多模态线索、解读手术意图和推断隐藏组织动态来提高手术的精确性、安全性和可持续性。
Comments Accepted by npj digital medicine
Agentic Model Checking
代理模型检查
专题命中 幻觉与事实性 ：safety(abstract)
AI总结 本文提出了一种代理模型检查方法，结合LLM代理与受限模型检查后端，通过代理提出任务并由求解器验证，以解决LLM生成系统代码的验证难题，包括规范缺失和安全合同隐式编码的问题。
Hyper-V2X: Hypernetworks for Estimating Epistemic and Aleatoric Uncertainty in Cooperative Bird's-Eye-View Semantic Segmentation
Hyper-V2X: 基于超网络的协作鸟瞰图语义分割中epistemic和aleatoric不确定性的估计
机构 * CARISSMA Institute for Electric, COnnected, and Secure Mobility (C-ECOS), Technische Hochschule Ingolstadt（CARISSMA电动、连接与安全移动研究所（C-ECOS）、因戈尔施塔特技术大学） ； University of Applied Sciences Aschaffenburg（阿施发堡应用科学大学）
专题命中 幻觉与事实性 ：safety(abstract)
AI总结 本文提出Hyper-V2X框架，通过超网络估计协作V2X感知中的epistemic和aleatoric不确定性，采用部分权重生成方案和V2X上下文嵌入模块，条件化贝叶斯超网络生成随机鸟瞰图分割的权重分布，提升感知可靠性。
Comments Accepted for IEEE Intelligent Vehicle Symposium (IV) 2026
DynoSLAM: Dynamic SLAM with Generative Graph Neural Networks for Real-World Social Navigation
DynoSLAM：基于生成图神经网络的动态SLAM用于现实世界的社交导航
机构 * Applied AI Institute（应用人工智能研究所）
专题命中 幻觉与事实性 ：safety(abstract)
AI总结 本文提出DynoSLAM，通过整合社交感知图神经网络，解决动态环境中SLAM的不确定性问题，提升机器人在拥挤环境中的导航能力。
Comments Code & Project page at https://github.com/makriot/dynoslam
Thermal-Det: Language-Guided Cross-Modal Distillation for Open-Vocabulary Thermal Object Detection
Thermal-Det: 语言引导的跨模态蒸馏用于开放词汇热成像目标检测
机构 * Johns Hopkins University（约翰霍普金斯大学） ； Kitware ； DEVCOM Army Research Laboratory（国防部陆军研究实验室）
专题命中 幻觉与事实性 ：alignment(abstract)
AI总结 本文提出Thermal-Det，首个针对热成像的开放词汇检测器，通过合成数据集和跨模态蒸馏提升热成像目标检测性能，实验显示在公开基准上取得2-4%的AP提升。
Comments Accepted at CVPR 26
Object Hallucination-Free Reinforcement Unlearning for Vision-Language Models
面向视觉语言模型的无对象幻觉强化反学习
机构 * Xiamen University（厦门大学）
专题命中 幻觉与事实性 ：alignment(abstract)
AI总结 本文提出HFRU框架，通过视觉编码器深度语义删除，结合对齐破坏与GRPO优化，实现高效反学习，减少对象幻觉，实验显示在目标识别和人脸识别任务中性能优异。
The Cost of Consensus: Malignant Epistemic Herding and Adaptive Gating in Distributed Multi-Agent Search
共识的成本：恶意认知从众与自适应门控在分布式多智能体搜索中的问题
机构 * Information School, University of Washington（华盛顿大学信息学院） ； Computer Science, Carnegie Mellon University（卡内基梅隆大学计算机科学系） ； Human Centered Design Engineering, University of Washington（华盛顿大学人本设计工程系）
专题命中 幻觉与事实性 ：alignment(abstract)
AI总结 研究探讨了在分布式多智能体搜索中，通信频率和内容如何共同影响集体信念状态，提出认知对齐的概念，分析了通信设计对集体推理的影响。
Uncertainty-Aware Information Pursuit for Interpretable and Reliable Medical Image Analysis
面向可解释和可靠医疗图像分析的不确定性感知信息追求
机构 * School of Computing Technologies（计算技术学院） ； RMIT University（皇家墨尔本理工大学） ； Faculty of Engineering（工程学院） ； Monash University（莫纳什大学） ； School of Engineering（工程学院）
专题命中 幻觉与事实性 ：safety(abstract)
AI总结 本文提出一种可解释且考虑不确定性的框架，通过整合不确定性估计到V-IP查询过程中，优先选择每个样本更可靠的特征，提升医疗图像分析的可靠性与临床相关性。
Comments Accepted to IEEE Transactions on Medical Imaging (IEEE TMI 2025)
Disagreement as Signals: Dual-view Calibration for Sequential Recommendation Denoising
分歧作为信号：用于顺序推荐去噪的双视角校准
专题命中 幻觉与事实性 ：alignment(abstract)
AI总结 本文提出DC4SR框架，通过双视角校准提升顺序推荐的去噪效果，结合语义先验和模型后验分布，增强对用户兴趣演变的适应性。
Comments 9 pages, 6 figures, 3 tables
Learning to Trust AI and Data-driven models in Data Assimilation through a Multifidelity Ensemble Gaussian Mixture Filter Framework
通过多保真度集合高斯混合滤波框架学习信任人工智能和数据驱动模型
专题命中 幻觉与事实性 ：trustworthy(abstract)
AI总结 本文提出一种结合理论驱动和数据驱动方法的多保真度集合高斯混合滤波框架，通过自适应信任度计算实现高维数据同化。
Open-Architecture End-to-End System for Real-World Autonomous Robot Navigation
面向真实世界的自主机器人导航开架系统
机构 * Control/Robotics Research Laboratory (CRRL), Department of Electrical and Computer Engineering, NYU Tandon School of Engineering（控制/机器人研究实验室（CRRL），电气与计算机工程系，NYU塔恩顿工程学院）
专题命中 幻觉与事实性 ：safety(abstract)
AI总结 本文提出一种轻量级开架端到端系统，通过整合多组件实现四足机器人实时导航，利用自然语言任务和语义信息构建场景图，基于LLM生成动态计划，实现在多个室内环境中的零样本自主导航。
LLM-Codec: Neural Audio Codec Meets Language Model Objectives
LLM-Codec：神经音频编解码器与语言模型目标的结合
机构 * Graduate Institute of Communication Engineering, National Taiwan University（国立台湾大学通信工程研究所） ； NTU Artificial Intelligence Center of Research Excellence (NTU AI-CoRE)（国立清华大学人工智能研究中心） ； ASUS Intelligent Cloud Services（ASUS智能云服务）
专题命中 幻觉与事实性 ：alignment(abstract)
AI总结 本文提出LLM-Codec，通过引入未来token预测和语义对齐，提升音频编解码器与语言模型的协同性能，实验表明在语音连贯性和语音Mel距离上均有显著提升。
Comments ACL2026 Finding
Explaining Uncertainty in Multiple Sclerosis Cortical Lesion Segmentation Beyond Prediction Errors
解释多发性硬化皮质病变分割中不确定性的原因超越预测误差
机构 * Faculty of Biology and Medicine, University of Lausanne (UNIL)（日内瓦大学生物医学学院） ； Radiology Department, Lausanne University Hospital (CHUV)（拉索恩大学医院放射科） ； MedGIFT, Institute of Informatics, School of Management, HES--SO Valais--Wallis University of Applied Sciences and Arts Western Switzerland（应用科学与艺术西瓦利斯-瓦利斯大学信息学院） ； CIBM Center for Biomedical Imaging（生物医学成像中心） ； Department of Radiology and Medical Informatics, University of Geneva（日内瓦大学放射科与医学信息学系） ； Translational Imaging in Neurology (ThINK) Basel, Department of Medicine and Biomedical Engineering, University Hospital Basel and University of Basel（神经学转化成像（ThINK）巴塞尔，医学与生物医学工程系，巴塞尔大学医院和巴塞尔大学） ； Multiple Sclerosis Center, Department of Neurology, University Hospital Basel（多发性硬化中心，神经科，巴塞尔大学医院） ； Research Center for Clinical Neuroimmunology and Neuroscience Basel (RC2NB), University Hospital Basel and University of Basel（临床神经免疫学和神经科学巴塞尔研究中心（RC2NB），巴塞尔大学医院和巴塞尔大学） ； Department of Neurology, Icahn School of Medicine at Mount Sinai（伊坎医学院 Mount Sinai 神经科） ； Translational Neuroradiology Section, National Institute of Neurological Disorders and Stroke, National Institutes of Health（神经学转化放射学部门，国家神经疾病与中风研究所，国家卫生研究院） ； Neuroinflammation Imaging Lab (NIL), Université catholique de Louvain（神经炎症成像实验室（NIL），卢瓦纳大学） ； EPFL+ECAL Lab, École polytechnique fédérale de Lausanne (EPFL)（EPFL+ECAL 实验室，日内瓦联邦理工学院（EPFL））
专题命中 幻觉与事实性 ：trustworthy(abstract)
AI总结 本文提出一个框架，用于分析多发性硬化皮质病变分割中病变尺度的预测不确定性，揭示实例级不确定性与病变大小、形状和皮质涉及程度的关系，通过专家反馈验证其临床相关性。
Better with Less: Tackling Heterogeneous Multi-Modal Image Joint Pretraining via Conditioned and Degraded Masked Autoencoder
更少的协同，更好的表现：通过条件和降质掩码自编码器解决异质多模态图像联合预训练
机构 * College of Electronic Science and Technology, National University of Defense Technology (NUDT)（电子科学与技术学院，国防科技大学） ； Beijing Institute of Remote Sensing Information（遥感信息研究所）
专题命中 幻觉与事实性 ：alignment(abstract)
AI总结 本文提出CoDe-MAE，通过Optical-anchored Knowledge Distillation和Conditioned Contrastive Learning解决高分辨率多模态联合预训练中的异质性-分辨率悖论，有效防止表示退化并在多个下游任务中取得新突破。
HyCal: A Training-Free Prototype Calibration Method for Cross-Discipline Few-Shot Class-Incremental Learning
HyCal：一种无需训练的跨学科少样本类增量学习原型校准方法
机构 * Chung-Ang University（Chung-Ang 大学） ； KT Corporation（KT 公司） ； Dentium ； ETRI
专题命中 幻觉与事实性 ：alignment(abstract)
AI总结 本文提出HyCal方法，通过结合余弦相似度和马氏距离，解决跨学科少样本类增量学习中的领域引力问题，提升在不平衡数据下的性能。
Comments Accepted to CVPR 2026. Eunju Lee and MiHyeon Kim contributed equally as co-first authors
Keep It CALM: Toward Calibration-Free Kilometer-Level SLAM with Visual Geometry Foundation Models via an Assistant Eye
保持冷静：通过视觉几何基础模型实现无校准的千米级SLAM
机构 * School of Automation and Intelligent Sensing, and Shanghai Key Laboratory of Navigation and Location Based Services, Shanghai Jiao Tong University（自动化与智能感知学院，导航与位置服务上海市重点实验室，上海交通大学） ； School of Electrical Engineering and Computer Science, The University of Queensland（电气工程与计算机科学学院，昆士兰大学） ； School of Computer Science and Technology, Tongji University（计算机科学与技术学院，同济大学）
专题命中 幻觉与事实性 ：alignment(abstract)
AI总结 本文提出CAL2M框架，通过引入'助手眼'消除尺度模糊，利用epipolar引导模型修正内参和姿态，结合锚点传播实现全局一致的映射，解决传统方法在千米级SLAM中的精度问题。
Comments 19 pages, 8 figures, submitted to IEEE TPAMI
Digital Guardians: The Past and The Future of Cyber-Physical Resilience
数字守护者：网络物理系统过去与未来的韧性
专题命中 幻觉与事实性 ：safety(abstract)
AI总结 本文探讨了网络物理系统韧性的核心挑战与方法，涵盖系统属性、学习赋能系统、主动措施、恢复机制及人类角色，通过智能交通与医疗系统案例，提供复杂环境下的韧性实现路径。
Comments Submitted to ACM CSUR; 32 pages + 10 pages of references
