语言大模型 / LLM

Correcting misinformation on social media with a large language model

利用大型语言模型纠正社交媒体上的虚假信息

Xinyi Zhou, Ashish Sharma, Amy X. Zhang, Tim Althoff

机构 * Paul G. Allen School of Computer Science and Engineering, University of Washington（保罗·G·阿伦计算机科学与工程学院，华盛顿大学） ； Computer Science Department, Boise State University（计算机科学系，博伊西州立大学） ； Microsoft Corporation（微软公司） 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)；分类 cs.CL、cs.AI

AI总结 MUSE通过结合视觉语言模型和网络检索，有效纠正社交媒体上的虚假信息，优于GPT-4和社交媒体用户回复。

Comments 52 pages

Time Travel Engine: A Shared Latent Chronological Manifold Enables Historical Navigation in Large Language Models

时间旅行引擎：共享的潜在时间流形使大型语言模型能够进行历史导航

Jingmin An, Wei Liu, Qian Wang, Fang Fang

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

AI总结 时间旅行引擎通过共享的潜在时间流形，使大型语言模型能够导航历史，揭示语言模型中时间进程的连续几何结构。

SCALPEL: Selective Capability Ablation via Low-rank Parameter Editing for Large Language Model Interpretability Analysis

SCALPEL：通过低秩参数编辑实现大语言模型可解释性分析中的选择性能力消融

Zihao Fu, Xufeng Duan, Zhenguang G. Cai

机构 * The Chinese University of Hong Kong（香港中文大学） 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、cs.LG

AI总结 SCALPEL通过低秩参数编辑实现大语言模型能力的细粒度分析与选择性消融，揭示能力在参数空间中的分布结构。

Expanding before Inferring: Enhancing Factuality in Large Language Models through Premature Layers Interpolation

在推断前扩展：通过提前层插值增强大语言模型的事实性

Dingwei Chen, Ziqiang Liu, Feiteng Fang, Chak Tou Leong, Shiwen Ni, Ahmadreza Argha, Hamid Alinejad-Rokny, Min Yang, Chengming Li

机构 * Sun Yat-Sen University（中山大学） ； Shenzhen MSU-BIT University（深圳MSU-BIT大学） ； The Hong Kong Polytechnic University（香港理工大学） ； UNSW, Sydney, NSW 2052, Australia（新南威尔士大学） ； Shenzhen Key Laboratory for High Performance Data Mining, Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（深圳高性能数据挖掘重点实验室，深圳先进技术研究院，中国科学院） 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

AI总结 本文提出PLI方法，通过提前层插值提升大语言模型的事实一致性，有效减少幻觉并优于现有方法。

Through the LLM Looking Glass: A Socratic Probing of Donkeys, Elephants, and Markets

通过语言模型的棱镜：对驴、大象和市场的苏格拉底探查

Molly Kennedy, Ayyoob Imani, Timo Spinde, Akiko Aizawa, Hinrich Schütze

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 本研究通过苏格拉底方法分析LLM在意识形态框架下的偏见，发现GPT-4o在标注准确性上达到人类水平，但面对二元比较时仍存在偏好倾向。

Towards Mitigating Excessive Forgetting in LLM Unlearning via Entanglement-Guidance with Proxy Constraint

面向通过纠缠引导与代理约束缓解大语言模型卸载过度遗忘的方案

Zhihao Liu, Jian Lou, Yuke Hu, Xiaochen Li, Yitian Chen, Tailun Chen, Zhizhen Qin, Kui Ren, Zhan Qin

机构 * Zhejiang University（浙江大学） ； Sun Yat-sen University（中山大学） ； Amazon（亚马逊） 纠错

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.AI、cs.LG

AI总结 EGUP通过纠缠引导与代理约束缓解大语言模型卸载过度遗忘问题，提升卸载-效用权衡性能。

Applied Theory of Mind and Large Language Models -- how good is ChatGPT at solving social vignettes?

应用认知理论与大语言模型 -- ChatGPT在解决社会情境题方面表现如何？

Anna Katharina Holl-Etten, Nina Schnaderbeck, Elizaveta Kosareva, Leonhard Aron Prattke, Ralph Krueger, Lisa Marie Warner, Nora C. Vetter

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

AI总结 研究评估了GPT-4在解决社会情境题方面的表现，发现其在高阶认知理论任务中接近人类水平，但在不确定性标记使用上仍需进一步优化。

Comments 40 pages, 6 figures, 3 supplements

LLM-Driven Accessible Interface: A Model-Based Approach

基于大语言模型的可及性界面：一种基于模型的方法

Blessing Jerry, Lourdes Moreno, Virginia Francisco, Raquel Hervas

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

AI总结 本文提出了一种基于模型的框架，利用大语言模型生成个性化、多模态且符合可及性标准的用户界面，通过结构化用户档案、声明性适应规则和验证提示模板，提升医疗场景中对认知和感官需求的可及性支持。

LLM Performance Predictors: Learning When to Escalate in Hybrid Human-AI Moderation Systems

LLM性能预测器：在混合人机审核系统中学习何时升级

Or Bachar, Or Levi, Sardhendu Mishra, Adi Levi, Manpreet Singh Minhas, Justin Miller, Omer Ben-Porat, Eilon Sheetrit, Jonathan Morra

机构 * Reichman University（雷赫曼大学） 纠错

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

AI总结 本文提出了一种基于LLM性能预测器的框架，用于在混合人机审核系统中学习何时升级，通过提升准确性与成本权衡实现更高效的内容审核。

Comments Accepted as a full paper at the 25th International Conference on Autonomous Agents and Multiagent Systems (AAMAS 2026)

AgentHallu: Benchmarking Automated Hallucination Attribution of LLM-based Agents

AgentHallu: 评估基于大语言模型的代理的自动幻觉归因

Xuannan Liu, Xiao Yang, Zekun Li, Peipei Li, Ran He

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Department of Computer Science & Technology, Tsinghua University（清华大学计算机科学与技术系） ； University of California, Santa Barbara（加州大学圣芭芭拉分校） ； Center for Research on Intelligent Perception and Computing, NLPR, CASIA（智能感知与计算研究中心，国家工程实验室） 纠错

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

AI总结 AgentHallu提出一个评估基于大语言模型的代理自动识别幻觉来源的任务，通过高质量轨迹和多级注释评估13个模型，发现顶级模型在定位幻觉步骤上表现有限，工具使用幻觉最难识别。

Comments Project page: https://liuxuannan.github.io/AgentHallu.github.io/

Robust Multicentre Detection and Classification of Colorectal Liver Metastases on CT: Application of Foundation Models

鲁棒多中心结直肠肝转移的CT检测与分类：基础模型的应用

Shruti Atul Mali, Zohaib Salahuddin, Yumeng Zhang, Andre Aichert, Xian Zhong, Henry C. Woodruff, Maciej Bobowicz, Katrine Riklund, Juozas Kupčinskas, Lorenzo Faggioni, Roberto Francischello, Razvan L Miclea, Philippe Lambin

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

AI总结 本研究提出基于基础模型的AI流程，用于多中心CT中结直肠肝转移的稳健检测与分类，通过整合不确定性量化和可解释性，提升了分类准确率和病变检测效率。

What Is The Best 3D Scene Representation for Robotics? From Geometric to Foundation Models

机器人中最佳的3D场景表示是什么？从几何到基础模型

Tianchen Deng, Yue Pan, Shenghai Yuan, Dong Li, Chen Wang, Mingrui Li, Long Chen, Lihua Xie, Danwei Wang, Jingchuan Wang, Javier Civera, Hesheng Wang, Weidong Chen

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

AI总结 本文探讨了机器人中最佳的3D场景表示方法，对比了传统和神经表示的优劣，并展望了基础模型在机器人应用中的潜力。

"TODO: Fix the Mess Gemini Created": Towards Understanding GenAI-Induced Self-Admitted Technical Debt

TODO: 修复Gemini造成的混乱：迈向理解GenAI引发的自我承认的技术债务

Abdullah Al Mujahid, Mia Mohammad Imran

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

AI总结 本文研究了GenAI在软件开发中导致的技术债务问题，提出GIST概念框架，分析开发者在使用AI生成代码时的自我承认行为及技术债务的产生原因。

Comments 9th International Conference on Technical Debt (TechDebt 2026)

Engineering of Hallucination in Generative AI: It's not a Bug, it's a Feature

生成AI中的幻觉工程：这不是bug，而是feature

Tim Fingscheidt, Patrick Blumenberg, Björn Möller

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

AI总结 本文探讨生成AI中幻觉的工程化应用，指出幻觉并非bug，而是可被利用的特性，通过概率工程方法引导生成更符合需求的结果。

Comments This is an article that has been written reflecting a talk of Tim Fingscheidt at the 2025 New Year gathering of Braunschweigische Wissenschaftliche Gesellschaft on January 25th, 2025

Central Dogma Transformer: Towards Mechanism-Oriented AI for Cellular Understanding

中心法则变换器：面向细胞理解的机制导向AI

Nobuyuki Ota

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

AI总结 中心法则变换器通过整合DNA、RNA和蛋白质信息，实现细胞机制的预测与解释。

Comments v2: Fixed dropout probability in Table 3 (0.1 -> 0.3); added acknowledgement

Rep3Net: An Approach Exploiting Multimodal Representation for Molecular Bioactivity Prediction

Rep3Net：一种利用多模态表示进行分子生物活性预测的方法

Sabrina Islam, Md. Atiqur Rahman, Md. Bakhtiar Hasan, Md. Hasanul Kabir

机构 * Computer Science and Engineering, Islamic University of Technology, Bangladesh（计算机科学与工程，伊斯兰技术大学，孟加拉国） 纠错

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

AI总结 Rep3Net通过融合分子描述符、图特征和SMILES嵌入，提升了PARP1生物活性预测的准确性，并在药物发现中展示了高效能的多模态方法。

LLMs Enable Bag-of-Texts Representations for Short-Text Clustering

基于大语言模型的文本袋表示用于短文本聚类

I-Fan Lin, Faegheh Hasibi, Suzan Verberne

机构 * Leiden University（莱顿大学） ； Radboud University（拉德堡德大学） 纠错

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

AI总结 本文提出一种无需训练的短文本聚类方法，利用大语言模型直接生成文本袋表示，实现高效且灵活的聚类效果。

Tone Matters: The Impact of Linguistic Tone on Hallucination in VLMs

语气至关重要：语言语气对VLMs幻觉影响的研究

Weihao Hong, Zhiyuan Jiang, Bingyu Shen, Xinlei Guan, Yangyi Feng, Meng Xu, Boyang Li

机构 * Department of Computer Science and Technology, Kean University（计算机科学与技术系，凯恩大学） ； Department of Computer Science and Engineering, University of Notre Dame（计算机科学与工程系，圣母大学） 纠错

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

AI总结 本文研究了提示语气对VLMs幻觉的影响，通过Ghost-100数据集发现幻觉率与提示强度非线性相关，揭示模型在处理结构性强制时的局限性。

Comments 10 pages, 6 figures, WACV Workshop

Towards Automated Diagnosis of Inherited Arrhythmias: Combined Arrhythmia Classification Using Lead-Aware Spatial Attention Networks

向自动诊断遗传性心律失常：结合领域能量注意网络的联合心律失常分类

Sophie Sigfstead, River Jiang, Brianna Davies, Zachary W. M. Laksman, Julia Cadrin-Tourigny, Rafik Tadros, Habib Khan, Joseph Atallah, Christian Steinberg, Shubhayan Sanatani, Mario Talajic, Rahul Krishnan, Andrew D. Krahn, Christopher C. Cheung

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

AI总结 本研究提出领域能量注意网络（LASAN）用于多类和二分类遗传性心律失常分类，实现了接近天花板的性能，优于现有模型。

Comments 34 pages, 2 figures, 4 tables