AI 大模型
大语言模型、预训练、指令微调、后训练和语言模型应用。
如何使医疗AI系统更安全？在多模态医疗RAG系统中模拟漏洞和威胁
专题命中 领域大模型 ：language model(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出MedThreatRAG框架，通过模拟攻击环境揭示医疗RAG系统漏洞，展示跨模态冲突注入对系统性能的严重影响。
Comments Sumbitted to 2026 ICASSP
对整体认知发展（HCD）框架及人工智能增强型创造性计算学习的教育反思
专题命中 领域大模型 ：LLM(abstract)；分类 cs.AI
AI总结 本文提出HCD框架，结合人工智能增强学习，提升创造性计算教育中的反思深度和学习自主性。
Comments Short Abstract
在恶劣成像条件下适应Depth Anything以应对事件
机构 * National Key Lab of Multispectral Information Intelligent Processing Technology, School of Artificial Intelligence and Automation, Huazhong University of Science and Technology（multispectral information intelligent processing technology 国家重点实验室，人工智能与自动化学院，华中科技大学） ； School of Computing, National University of Singapore（computing 学院，新加坡国立大学） ； School of Computer Science and Engineering, Sun Yat-Sen University（computer science and engineering 学院，中山大学）
专题命中 领域大模型 ：foundation model(abstract)
AI总结 本文提出ADAE框架，通过熵感知空间融合和运动引导时间校正，提升Depth Anything在恶劣成像条件下的深度估计性能。
Comments This work has been submitted to the IEEE for possible publication
幻觉与事实：大型语言模型中事实核查与事实性评估的综述
机构 * Department of Computer Science and Engineering, United International University, Dhaka 1212, Bangladesh（乌姆特国际大学计算机科学与工程系） ； Department of Computer Science and Engineering, Daffodil International University, Dhaka-1341, Bangladesh（达芙尼国际大学计算机科学与工程系） ； Faculty of Science and Technology, Charles Darwin University, Casuarina, NT 0909, Australia（查尔斯·达尔文大学科学与技术学院）
专题命中 知识编辑与模型理解 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)；instruction tuning(abstract)
AI总结 本文综述了大型语言模型中事实核查与事实性评估的关键挑战及方法，强调了提升事实准确性的重要性。
Journal ref Artif. Intell. Rev. (2026)
DHI: 利用多样化幻觉诱导提升大语言模型对比事实性控制
机构 * School of Computer Science, Wuhan University（武汉大学计算机学院） ； Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； School of Artificial Intelligence, Wuhan University（武汉大学人工智能学院）
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
AI总结 DHI通过多样化幻觉诱导提升大语言模型对比事实性控制，有效减少幻觉生成。
Comments ICONIP 2025
HyperJoin: 基于大语言模型的超图链接预测用于可连接表发现
机构 * University of Technology Sydney（悉尼科技大学） ； University of New South Wales（新南威尔士大学） ； ACEM, Shanghai Jiao Tong University（ACEM，上海交通大学）
专题命中 知识编辑与模型理解 ：LLM(title,abstract)；large language model(abstract)；language model(abstract)；分类 cs.CL
AI总结 HyperJoin通过构建超图并利用大语言模型增强的超图链接预测，提升可连接表发现的精度和召回率。
基于可识别的时间-瞬时表示的LLM可解释性
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）
专题命中 知识编辑与模型理解 ：LLM(title,abstract)；large language model(abstract)；language model(abstract)；分类 cs.LG
AI总结 本文提出了一种针对LLM高维概念空间的可识别时间因果表示学习框架，通过结合SAE技术，提升了LLM的可解释性。
Comments NeurIPS 2025
基于可解释性的token替换在LLM生成文本中
机构 * Department of Methodology and Statistics, Utrecht University（方法论与统计学系，乌得勒支大学）
专题命中 知识编辑与模型理解 ：LLM(title)；large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI
AI总结 本文提出基于可解释性的token替换方法，通过集成分类器和SHAP/LIME技术，降低AI生成文本的可检测性，同时强调多模型策略在对抗token操纵中的有效性。
朝着基于表格基础模型的公平上下文学习
机构 * ÉTS Montréal（蒙特利尔ÉTS） ； Mila - Quebec AI Institute（魁北克人工智能研究所） ； University of Calgary（卡尔加里大学） ； CIFAR（加拿大基础科学研究院）
专题命中 知识编辑与模型理解 ：foundation model(title,abstract)；分类 cs.LG
AI总结 本文提出通过三种预处理方法提升基于表格基础模型的上下文学习公平性，实验表明基于不确定性的策略有效提高公平性指标且对预测准确性影响小。
Comments Published in Transactions on Machine Learning Research (TMLR)
基于蓝图的思考：通过结构化物体表示协助视觉-语言模型进行空间推理
机构 * National University of Singapore（新加坡国立大学） ； Microsoft Research, Asia（微软亚洲研究院） ； Tsinghua University（清华大学） ； University of Toronto（多伦多大学）
专题命中 知识编辑与模型理解 ：language model(title,abstract)
AI总结 通过结构化物体表示提升视觉-语言模型的空间推理能力，引入蓝图嵌入推理轨迹、蓝图意识奖励和反捷径数据增强技术。
Comments Preprint. Under review
上下文感知解码减少查询导向摘要中的幻觉
机构 * University of Utah（犹他大学）
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.CL
AI总结 本文提出上下文感知解码方法，通过减少查询导向摘要中的幻觉并保留词法模式匹配度，提升生成质量。
Comments technical report
自回归语义视觉重建有助于VLMs更好地理解
机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； AutoLab, Westlake University（西湖大学AutoLab） ； Zhejiang University（浙江大学） ； Shanghai AI Lab（上海人工智能实验室） ； University of Southern California（美国南加州大学）
专题命中 知识编辑与模型理解 ：LLM(abstract)；language model(abstract)；分类 cs.CL、cs.AI
AI总结 自回归语义视觉重建通过提升多模态理解能力，改进了VLMs对视觉信息的把握
一个交互式AI角色体验的平台
机构 * ETH Zurich（苏黎世联邦理工学院）
专题命中 知识编辑与模型理解 ：language model(abstract)；foundation model(abstract)；分类 cs.CL、cs.AI
AI总结 本文提出一个平台，用于创建可信的交互式AI角色，通过整合多种AI技术，实现故事驱动的对话体验。
Journal ref SIGGRAPH Conference Papers '25, August 10-14, 2025, Vancouver, BC, Canada
人工智能时代的信息污染经济学：一般均衡、福利与政策设计
专题命中 知识编辑与模型理解 ：large language model(abstract)；language model(abstract)
AI总结 本文研究人工智能时代信息污染的经济学问题，通过一般均衡模型分析信息污染的市场失灵，并提出基于信息污染指数的适应性治理框架。
HOLOGRAPH：通过sheaf理论对大型语言模型先验进行对齐以实现主动因果发现
机构 * Korea Advanced Institute of Science ； \'Ecole Polytechnique F\'ed\'erale de Lausanne (EPFL), Lausanne, Switzerland
专题命中 其他LLM ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)；分类 cs.AI、cs.LG
AI总结 HOLOGRAPH通过sheaf理论对齐大型语言模型先验，实现主动因果发现，提供严谨的数学基础并实现竞争性性能。
大语言模型能否在IPO后改善风险投资退出时机？
专题命中 其他LLM ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)；分类 cs.AI、cs.LG
AI总结 本研究利用大语言模型分析IPO后财务数据，预测风险投资退出时机，并评估AI指导对退出决策的经济影响。
报告LLM提示在自动化软件工程中的使用：基于当前实践和期望的指南
专题命中 其他LLM ：LLM(title,abstract)；prompting(title)；large language model(abstract)；language model(abstract)
AI总结 本文提出了一项基于当前实践和期望的指南，旨在提高LLM在自动化软件工程中的透明度、可重复性和方法学严谨性。
Comments To be published at The 3rd ACM International Conference on AI Foundation Models and Software Engineering FORGE 2026
分解大语言模型的自我纠正：准确性-纠正悖论与错误深度假说
机构 * University of Birmingham（伯明翰大学）
专题命中 其他LLM ：LLM(title,comments)；large language model(abstract)；language model(abstract)；分类 cs.AI
AI总结 本研究揭示大语言模型在自我纠正中的准确性-纠正悖论，提出错误深度假说，发现更强模型犯更深入的错误，且错误检测与纠正成功率无直接关联。
Comments 9 pages, 2 figures, 3 tables. Code available at https://github.com/Kevin0304-li/llm-self-correction
选择模型，塑造未来：比较LLM对可持续性和其与AI关系的视角
机构 * Research Center Trustworthy Data Science and Security, University Alliance Ruhr（可信数据科学与安全研究中心，鲁尔大学联盟） ； Department of Computer Science, Technical University Dortmund（计算机科学系，图林根技术大学） ； Chair of Mathematical Statistics and Applications in Industry, Technical University Dortmund（工业数学统计与应用教授职位，图林根技术大学） ； Department of Computer Science, University of Duisburg-Essen（计算机科学系，杜伊斯堡-埃森大学）
专题命中 其他LLM ：LLM(title)；large language model(abstract)；language model(abstract)；分类 cs.AI
AI总结 本研究比较了五个先进LLM对可持续性与AI关系的视角，发现模型间存在显著差异，强调模型选择对可持续性战略的影响。
Comments Accepted for EMNLP Conference
Journal ref Conference on Empirical Methods in Natural Language Processing (EMNLP 2025)
理解GitHub仓库中的提示管理：对最佳实践的呼吁
机构 * Queen’s University（女王大学） ； Huawei Technologies（华为技术） ； L L ahore University of Management Sciences（拉瓦尔管理科学大学）
专题命中 其他LLM ：large language model(abstract)；language model(abstract)；foundation model(abstract)；分类 cs.AI
AI总结 本研究通过分析GitHub仓库中的开源提示，揭示了提示管理中的关键挑战，并提出了提升提示软件可用性和可维护性的最佳实践建议。
量子技术就业市场：对3641份职位的驱动数据分析
专题命中 其他LLM ：large language model(abstract)；language model(abstract)
AI总结 本研究通过分析3641份量子技术职位公告，揭示了该领域在北美地区的需求趋势及劳动力结构变化。
AI引导的室温常压超导体候选物Grokene的计算设计
专题命中 其他LLM ：large language model(abstract)；language model(abstract)
AI总结 利用AI和多体理论设计出Grokene，预测其在室温常压下具有超导性，但需通过实验验证并优化结构以提升临界温度。
适应特征衰减到NLP
机构 * University of Michigan（密歇根大学） ； University of Colorado Colorado Springs（科罗拉多州立大学）
专题命中 其他LLM ：language model(abstract)；分类 cs.AI、cs.LG
AI总结 本文将特征衰减假设从计算机视觉移植到NLP，评估了COSTARR等方法在文本开放集识别中的表现，发现其在不重新训练的情况下效果有限，但指出了需要更大模型和定制策略的改进方向。
在基于基础模型的语音辨识中空间特征的作用
专题命中 其他LLM ：foundation model(abstract)
AI总结 本文研究了在基于基础模型的语音辨识中引入空间特征的影响，发现虽然空间信息能提升性能，但其效果不如预期，因现有模型已能有效捕捉所需信息。
Comments Accepted at HSCMA 2026
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈