语言大模型 / LLM

Hallucinate Less by Thinking More: Aspect-Based Causal Abstention for Large Language Models

通过更多思考减少幻觉：基于方面的因果回避用于大语言模型

Vy Nguyen, Ziqi Xu, Jeffrey Chan, Estrid He, Feng Xia, Xiuzhen Zhang

专题命中 知识编辑与模型理解 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)；分类 cs.CL、cs.AI

AI总结 本文提出基于方面的因果回避方法，通过分析LLM知识的内部多样性，实现早期回避以减少幻觉。

Comments Accepted to AAAI 2026 (Main Technical Track)

When Bias Pretends to Be Truth: How Spurious Correlations Undermine Hallucination Detection in LLMs

当偏见伪装成真相：虚假相关性如何损害大语言模型中的幻觉检测

Shaowen Wang, Yiqi Dong, Ruinian Chang, Tansheng Zhu, Yuebo Sun, Kaifeng Lyu, Jian Li

机构 * Institute for Interdisciplinary Information Sciences（交叉信息学院） 纠错

专题命中 知识编辑与模型理解 ：large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 本文揭示了由训练数据中虚假相关性导致的幻觉问题，指出现有检测方法在面对此类幻觉时失效，并强调需新方法应对由此引发的幻觉。

RoomPlanner: Explicit Layout Planner for Easier LLM-Driven 3D Room Generation

RoomPlanner: 一种显式布局规划器，用于更易由LLM驱动的3D房间生成

Wenzhuo Sun, Mingjian Liang, Wenxuan Song, Xuelian Cheng, Zongyuan Ge

专题命中 知识编辑与模型理解 ：LLM(title)

AI总结 RoomPlanner通过显式布局规划和高效优化策略，实现了快速生成高质量3D室内场景。

Counterfactual World Models via Digital Twin-conditioned Video Diffusion

通过数字孪生条件的视频扩散实现反事实世界模型

Yiqing Shen, Aiza Maksutova, Chenjia Li, Mathias Unberath

机构 * Johns Hopkins University（约翰霍普金斯大学） 纠错

专题命中 知识编辑与模型理解 ：large language model(abstract)；language model(abstract)

AI总结 CWMDT通过构建数字孪生和应用大语言模型，实现反事实世界模型，提升对视频正向模拟的控制能力。

Trust in AI emerges from distrust in humans: A machine learning study on decision-making guidance

对人工智能的信任源于对人类的不信任：一项关于决策指导的机器学习研究

Johan Sebastián Galindez-Acosta, Juan José Giraldo-Huertas

专题命中 知识编辑与模型理解 ：large language model(abstract)；language model(abstract)

AI总结 本研究通过机器学习探讨了人工智能在决策指导中的信任机制，发现对人类的不信任会促使人们转向AI，且AI在事实性情景中更受青睐。

Comments 36 pages, 6 figures

Disentangled Concepts Speak Louder Than Words: Explainable Video Action Recognition

解构概念胜于言语：可解释的视频动作识别

Jongseo Lee, Wooil Lee, Gyeong-Moon Park, Seong Tae Kim, Jinwoo Choi

专题命中 知识编辑与模型理解 ：large language model(abstract)；language model(abstract)

AI总结 DANCE框架通过分离运动动态、物体和场景的概念类型，提升视频动作识别的可解释性与性能。

Comments NeurIPS 2025 Spotlight paper. Project page: https://jong980812.github.io/DANCE/

Scaling Conditional Autoencoders for Portfolio Optimization via Uncertainty-Aware Factor Selection

通过不确定性感知因子选择实现条件自编码器的规模扩展以用于投资组合优化

Ryan Engel, Yu Chen, Pawel Polak, Ioana Boier

专题命中 知识编辑与模型理解 ：foundation model(abstract)

AI总结 本文提出通过不确定性感知因子选择扩展条件自编码器，提升投资组合优化的风险调整后绩效。

Comments 9 pages, 6 figures. Published in Proceedings of the 6th ACM International Conference on AI in Finance (ICAIF '25)

Journal ref ICAIF '25: Proceedings of the 6th ACM International Conference on AI in Finance, pages 123-131, 2025