大模型推理能力

How malicious AI swarms can threaten democracy: The fusion of agentic AI and LLMs marks a new frontier in information warfare

恶意AI群如何威胁民主：代理AI与大语言模型的融合标志着信息战争的新前沿

Daniel Thilo Schroeder, Meeyoung Cha, Andrea Baronchelli, Nick Bostrom, Nicholas A. Christakis, David Garcia, Amit Goldenberg, Yara Kyrychenko, Kevin Leyton-Brown, Nina Lutz, Gary Marcus, Filippo Menczer, Gordon Pennycook, David G. Rand, Maria Ressa, Frank Schweitzer, Dawn Song, Christopher Summerfield, Audrey Tang, Jay J. Van Bavel, Sander van der Linden, Jonas R. Kunst

机构 * Department of Sustainable Communication Technologies, SINTEF Digital（可持续通信技术系，SINTEF数字） ； Max Planck Institute for Security and Privacy（安全与隐私研究所） ； Department of Mathematics, City St George’s University of London（数学系，圣乔治大学） ； Macrostrategy Research Initiative（战略研究计划） ； Human Nature Lab, Yale University（人性实验室，耶鲁大学） ； Department of Politics and Public Administration, University of Konstanz（政治与公共管理系，康斯坦茨大学） ； Harvard Business School, Harvard University（哈佛商学院，哈佛大学） ； Department of Psychology, University of Cambridge（心理学系，剑桥大学） ； Department of Computer Science, University of British Columbia（计算机科学系，不列颠哥伦比亚大学） ； Department of Human Centered Design & Engineering, University of Washington（以人为本设计与工程系，华盛顿大学） ； Department of Psychology, New York University（心理学系，纽约大学） ； Observatory on Social Media and Luddy School of Informatics, Computing, and Engineering, Indiana University（社交媒体观察所和信息、计算与工程学院，印第安纳大学） 纠错

专题命中 其他推理 ：reasoning(abstract)；chain-of-thought(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 本文探讨了恶意AI群通过融合代理AI与大语言模型对民主构成的威胁，并提出多方面的干预措施。

Comments 5 Pages, This is the author's version of the work. It is posted here by permission of the AAAS for personal use, not for redistribution. The definitive version was published in Science on January 22, 2026, DOI: 10.1126/science.adz1697

Mecellem Models: Turkish Models Trained from Scratch and Continually Pre-trained for the Legal Domain

Mecellem模型：从零开始训练并持续预训练的土耳其法律领域模型

Özgür Uğur, Mahmut Göksu, Mahmut Çimen, Musa Yılmaz, Esra Şavirdi, Alp Talha Demir, Rumeysa Güllüce, İclal Çetin, Ömer Can Sağbaş

专题命中 其他推理 ：reasoning(abstract)；分类 cs.CL

AI总结 Mecellem模型通过从零训练和持续预训练，实现了在土耳其法律领域中的高效领域适应，取得前三名成绩并提升生产效率。

Comments 16 png, 1 tex, 1 bib

VitalDiagnosis: AI-Driven Ecosystem for 24/7 Vital Monitoring and Chronic Disease Management

VitalDiagnosis：基于AI的生态系统，用于24/7生命体征监测和慢性病管理

Zhikai Xue, Tianqianjin Lin, Pengwei Yan, Ruichun Wang, Yuxin Liu, Zhuoren Jiang, Xiaozhong Liu

专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI

AI总结 VitalDiagnosis利用AI技术，通过整合可穿戴设备数据与大语言模型，实现24/7生命体征监测和慢性病管理的主动参与，提升患者自我管理能力并减少临床工作量。

Comments Accepted by AAAI 2026 Demo

Persona Switch: Mixing Distinct Perspectives in Decoding Time

Persona Switch: 在解码时间混合不同的视角

Junseok Kim, Nakyeong Yang, Kyomin Jung

机构 * Seoul National University（首尔国立大学） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.CL

AI总结 Persona Switch是一种在解码过程中动态结合零样本提示和角色扮演提示优势的新方法，通过比较输出置信度来提升模型性能。

Comments EACL'26 Findings, Code is available at https://github.com/junseokkim00/PersonaSwitch

Event-VStream: Event-Driven Real-Time Understanding for Long Video Streams

Event-VStream: 基于事件驱动的长视频流实时理解

Zhenghui Guo, Yuanbin Man, Junyuan Sheng, Bowen Lin, Ahmed Ahmed, Bo Jiang, Boyuan Zhang, Miao Yin, Sian Jin, Omprakash Gnawal, Chengming Zhang

机构 * University of Houston（德克萨斯大学休斯顿分校） ； The University of Texas at Arlington（德克萨斯理工大学） ； Indiana University Bloomington（印第安纳大学布卢明顿分校） ； Temple University（特拉华大学） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI

AI总结 Event-VStream通过事件感知框架实现长视频流的实时理解，利用事件序列进行语义连贯的处理，提升性能并保持低延迟。

Predictive Coding and Information Bottleneck for Hallucination Detection in Large Language Models

预测编码与信息瓶颈用于大语言模型中的幻觉检测

Manish Bhatt

机构 * AI Offensive Security Researcher, OWASP（AI攻击防御安全研究员，OWASP） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI

AI总结 本研究提出了一种结合预测编码和信息瓶颈的轻量级框架，用于高效检测大语言模型中的幻觉，实现了比传统方法更高的准确率和效率。

Domain-Specific Knowledge Graphs in RAG-Enhanced Healthcare LLMs

在增强医疗LLM中的领域特定知识图谱

Sydney Anuyah, Mehedi Mahmud Kaushik, Hao Dai, Rakesh Shiradkar, Arjan Durresi, Sunandan Chakraborty

机构 * Luddy School of Informatics, Computing, and Engineering, Indiana University, Indianapolis, IN, USA（信息学、计算与工程学院，印第安纳大学，印第安纳波利斯，IN，USA） ； School of Medicine, Indiana University, Indianapolis, IN, USA（医学学院，印第安纳大学，印第安纳波利斯，IN，USA） ； Department of Biomedical Engineering and Informatics, Indiana University, Indianapolis, IN, USA（生物医学工程与信息学系，印第安纳大学，印第安纳波利斯，IN，USA） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.CL

AI总结 该研究探讨了在医疗LLM中利用领域特定知识图谱提升检索增强生成的效果，发现精准匹配的图谱检索优于随意联合，且模型大小和温度对性能影响各异。

Beyond Tokens: Concept-Level Training Objectives for LLMs

超越标记：面向大语言模型的概念级训练目标

Laya Iyer, Pranav Somani, Alice Guo, Dan Jurafsky, Chen Shani

机构 * Stanford University（斯坦福大学） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.CL

AI总结 本文提出概念层面训练目标，通过整合概念监督提升大语言模型的语义理解和泛化能力。

Can LLMs Identify Tax Abuse?

大语言模型能识别税务滥用吗？

Andrew Blair-Stanek, Nils Holzenberger, Benjamin Van Durme

专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI

AI总结 本文研究大语言模型能否识别和分析美国税务最小化策略，发现其能生成新颖策略，可能革新税务机构应对税务滥用的方式。

Comments 9 pages

Efficient Multimodal Large Language Models: A Survey

高效多模态大语言模型：综述

Yizhang Jin, Jian Li, Yexin Liu, Tianjun Gu, Kai Wu, Zhengkai Jiang, Muyang He, Bo Zhao, Xin Tan, Zhenye Gan, Yabiao Wang, Chengjie Wang, Lizhuang Ma

机构 * Youtu Lab, Tencent（腾讯优图实验室） ； SJTU（上海交通大学） ； BAAI（北京人工智能研究院） ； ECNU（华东师范大学） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI

AI总结 本文综述了高效多模态大语言模型的发展现状，探讨了其高效结构、策略及应用，并展望了未来研究方向。

Comments Accepted by Visual Intelligence

Journal ref Visual Intelligence, Volume 3, article number 27, (2025)