语言大模型 / LLM

Uncertainty Quantification for Large Language Model Reward Learning under Heterogeneous Human Feedback

大语言模型奖励学习中异质人类反馈的不确定性量化

Pangpang Liu, Junwei Lu, Will Wei Sun

机构 * Department of Biostatistics, Yale University（耶鲁大学生物统计学系） ； Department of Biostatistics, Harvard University（哈佛大学生物统计学系） ； Department of Quantitative Methods, Purdue University（普渡大学定量方法系） 纠错

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

AI总结 本文提出了一种异质偏好框架，通过双凸优化解决大语言模型奖励学习中的不确定性量化问题，并通过理论保证和实验证明其有效性。

The Dream Within Huang Long Cave: AI-Driven Interactive Narrative for Family Storytelling and Emotional Reflection

黑龙洞之梦：由AI驱动的互动叙事用于家庭故事讲述与情感反思

Jiayang Huang, Lingjie Li, Kang Zhang, David Yip

机构 * Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） 纠错

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

AI总结 《黑龙洞之梦》通过AI驱动的互动叙事，探索家庭关系中的情感连接与大他者不存在的概念。

Comments 8 pages,8 figures, International Symposium on Electronic/Emerging Art (ISEA)

Journal ref Proceedings of the International Symposium on Electronic/Emerging Art (ISEA 2025), Seoul, Republic of Korea, 2025, pp.247-254

Detecting AI Hallucinations in Finance: An Information-Theoretic Method Cuts Hallucination Rate by 92%

在金融领域检测AI幻觉：一种信息论方法将幻觉率降低92%

Mainak Singha

机构 * Astrophysics Science Division, NASA, Goddard Space Flight Center（国家航空航天局（NASA）天体物理学科学部门，戈达德太空飞行中心） ； Department of Physics, The Catholic University of America（美国天主教大学物理系） 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.LG

AI总结 本文提出ECLIPSE框架，通过信息论方法检测金融领域AI幻觉，显著提升检测性能。

Comments 17 pages, 7 figures. Information-theoretic, hallucination detector for financial application. Feedback from researchers and practitioners is welcome

Privacy-protected Retrieval-Augmented Generation for Knowledge Graph Question Answering

隐私保护的检索增强生成用于知识图谱问答

Yunfeng Ning, Mayi Xu, Jintao Wen, Qiankun Pi, Yuanyuan Zhu, Ming Zhong, Jiawei Jiang, Tieyun Qian

专题命中 知识编辑与模型理解 ：LLM(abstract)；分类 cs.CL

AI总结 本文提出ARoG框架，通过关系中心和结构导向的抽象策略，解决隐私保护下的知识图谱问答中的检索与隐私问题。

Comments Accepted by AAAI 2026, camera ready version

Motion4D: Learning 3D-Consistent Motion and Semantics for 4D Scene Understanding

Motion4D: 学习3D一致的运动和语义以实现4D场景理解

Haoran Zhou, Gim Hee Lee

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

AI总结 Motion4D通过整合2D先验和4D高斯点撒表示，提升3D一致性和语义一致性，实现更准确的4D场景理解。

Comments Accepted to NeurIPS 2025

Cross-Stain Contrastive Learning for Paired Immunohistochemistry and Histopathology Slide Representation Learning

跨染色对比学习用于配对免疫组化和病理切片的表示学习

Yizhi Zhang, Lei Fan, Zhulin Tao, Donglin Di, Yang Song, Sidong Liu, Cong Cong

机构 * Communication University of China（通信大学） ； Tsinghua University（清华大学） ； Macquarie University（麦考瑞大学） 纠错

专题命中 知识编辑与模型理解 ：pretraining(abstract)

AI总结 本文提出CSCL方法，通过跨染色对比学习提升H&E与IHC特征的兼容性，实现高质量的切片级表示学习。

Comments 6 pages, 2 figures. Camera-ready version accepted for IEEE BIBM 2025

UniEdit-I: Training-free Image Editing for Unified VLM via Iterative Understanding, Editing and Verifying

UniEdit-I: 基于迭代理解、编辑和验证的无训练图像编辑

Chengyu Bai, Jintao Chen, Xiang Bai, Yilong Chen, Qi She, Ming Lu, Shanghang Zhang

机构 * Peking University（北京大学） 纠错

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

AI总结 UniEdit-I通过在语义潜在空间中引入迭代理解、编辑和验证循环，实现了无训练的闭环图像编辑，无需微调或架构修改即可达到最先进的性能。