语言大模型 / LLM

Learning to Compress: Unlocking the Potential of Large Language Models for Text Representation

学习压缩：解锁大型语言模型在文本表示中的潜力

Yeqin Zhang, Yizheng Zhao, Chen Hu, Binxing Jiao, Daxin Jiang, Ruihang Miao, Cam-Tu Nguyen

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 本文提出通过上下文压缩作为预训练任务来提升大型语言模型的文本表示能力，实验表明其在多种任务中优于传统方法。

Comments Accepted by AAAI'26

Neural Probe-Based Hallucination Detection for Large Language Models

基于神经探针的大型语言模型幻觉检测

Shize Liang, Hongzhi Wang

机构 * Faculty of Computing, Harbin Institute of Technology（计算机学院，哈尔滨工业大学） 纠错

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

AI总结 本文提出基于神经网络的token级幻觉检测框架，通过冻结语言模型参数并使用MLP探针进行非线性建模，结合多目标损失函数和贝叶斯优化，实现对LLMs幻觉内容的高效检测。

Investigating Model Editing for Unlearning in Large Language Models

探究大型语言模型中去学习的模型编辑

Shariqah Hossain, Lalana Kagal

机构 * Massachusetts Institute of Technology（麻省理工学院） 纠错

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

AI总结 本研究探讨了大型语言模型中去学习的模型编辑方法，通过设计新的编辑目标，展示了模型编辑在去学习任务中的优势。

Policy-Conditioned Policies for Multi-Agent Task Solving

基于策略条件的多智能体任务解决

Yue Lin, Shuhui Zhu, Wenhao Li, Ang Li, Dan Qiao, Pascal Poupart, Hongyuan Zha, Baoxiang Wang

机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； University of Waterloo（滑铁卢大学） ； Tongji University（同济大学） ； Vector Institute（向量研究所） 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 本文提出通过程序化表示和大型语言模型实现多智能体任务解决，引入程序均衡概念并提出PIBR算法，有效解决协调博弈和合作环境问题。

Learning from Next-Frame Prediction: Autoregressive Video Modeling Encodes Effective Representations

从下一帧预测学习：自回归视频建模编码有效表示

Jinghan Li, Yang Jin, Hao Jiang, Yadong Mu, Yang Song, Kun Xu

机构 * Peking University（北京大学） 纠错

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

AI总结 NExT-Vid通过掩码下一帧预测提出自回归视频预训练框架，提升视频生成质量和语义表示能力。

Measuring Mechanistic Independence: Can Bias Be Removed Without Erasing Demographics?

测量机制独立性：在不擦除人口统计学信息的情况下，偏见能否被移除？

Zhengyang Shan, Aaron Mueller

机构 * Boston University（波士顿大学） 纠错

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

AI总结 本研究通过多任务评估发现，语言模型中的偏见源于任务特定机制，通过针对性干预可实现去偏见而不影响核心能力。

High contrast holography through dual modulation

高对比度全息成像通过双调制

Leyla Kabuli, Oliver Cossairt, Florian Schiffers, Nathan Matsuda, Grace Kuo

专题命中 知识编辑与模型理解 ：SLM(abstract)

AI总结 本文提出通过双调制技术提升全息显示对比度，实验显示对比度显著提高，为高对比度全息显示提供新设计思路。

Comments 24 pages, 17 figures

Journal ref Nature Scientific Reports 15, 17615 (2025)