语言大模型 / LLM

SAC: A Framework for Measuring and Inducing Personality Traits in LLMs with Dynamic Intensity Control

SAC：一种用于衡量和诱导LLM人格特质的框架，具有动态强度控制

Adithya Chittem, Aishna Shrivastava, Sai Tarun Pendela, Jagat Sesh Challa, Dhruv Kumar

机构 * BITS Pilani, India（印度比特斯理工学院） 纠错

专题命中 领域大模型 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI

AI总结 本文提出SAC框架，通过动态强度控制实现LLM人格特质的衡量与诱导，提升人机交互的可控性和细腻度。

Comments Accepted into 18th Edition of International Conference on Agents and Artificial Intelligence (ICAART)

MUSE-FM: Multi-task Environment-aware Foundation Model for Wireless Communications

MUSE-FM：多任务环境感知基础模型用于无线通信

Tianyue Zheng, Jiajia Guo, Linglong Dai, Shi Jin, Jun Zhang

专题命中 领域大模型 ：foundation model(title,abstract)

AI总结 MUSE-FM通过统一架构和环境感知机制，提升无线通信多任务处理的统一性和适应性。

YaPO: Learnable Sparse Activation Steering Vectors for Domain Adaptation

YaPO: 用于领域适应的可学习稀疏激活引导向量

Abdelaziz Bounhar, Rania Hossam Elmohamady Elbadry, Hadi Abdine, Preslav Nakov, Michalis Vazirgiannis, Guokan Shang

机构 * MBZUAI ； Ecole Polytechnique（巴黎政治学院） 纠错

专题命中 领域大模型 ：large language model(abstract)；language model(abstract)；preference optimization(abstract)；分类 cs.AI

AI总结 YaPO通过学习稀疏激活引导向量实现LLM的高效、稳定和细粒度对齐，适用于领域适应和文化对齐等任务。

Compliance-to-Code: Enhancing Financial Compliance Checking via Code Generation

合规至代码：通过代码生成增强财务合规检查

Siyuan Li, Jian Chen, Rui Yao, Xuming Hu, Peilin Zhou, Weihua Qiu, Simin Zhang, Chucheng Dong, Zhiyao Li, Qipeng Xie, Zixuan Yuan

机构 * Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Sun Yat-Sen University（孙中山大学） ； University of California, Riverside（加州大学河滨分校） 纠错

专题命中 领域大模型 ：large language model(abstract)；language model(abstract)；分类 cs.CL

AI总结 Compliance-to-Code通过构建大规模中文金融监管数据集，提升金融合规检查的自动化水平，采用代码生成技术实现法规结构化和合规逻辑验证。

VocalBench: Benchmarking the Vocal Conversational Abilities for Speech Interaction Models

VocalBench: 语音交互模型的语音对话能力基准测试

Heyang Liu, Yuhao Wang, Ziyang Cheng, Hongcheng Liu, Yiqi Li, Yixuan Hou, Ronghua Wu, Qunshan Gu, Yanfeng Wang, Yu Wang

机构 * Shanghai Jiao Tong University（上海交通大学） ； Ant Group（蚂蚁集团） 纠错

专题命中 领域大模型 ：large language model(abstract)；language model(abstract)；分类 cs.CL

AI总结 VocalBench通过24000个精心挑选的语音实例，评估语音交互模型在语义质量、语音性能、对话能力和鲁棒性方面的表现，揭示当前模型的共同挑战并推动下一代语音交互系统的发展。

Rescind: Countering Image Misconduct in Biomedical Publications with Vision-Language and State-Space Modeling

Rescind: 通过视觉-语言和状态空间建模对抗生物医学出版物中的图像不当行为

Soumyaroop Nandi, Prem Natarajan

专题命中 领域大模型 ：language model(abstract)；prompting(abstract)

AI总结 Rescind通过视觉-语言和状态空间建模方法，提出首个生物医学图像伪造生成与检测框架，实现高精度伪造定位与验证。

MLLM-VADStory: Domain Knowledge-Driven Multimodal LLMs for Video Ad Storyline Insights

MLLM-VADStory: 基于领域知识的多模态大语言模型用于视频广告剧情洞察

Jasmine Yang, Poppy Zhang, Shawndra Hill

机构 * Meta 纠错

专题命中 领域大模型 ：large language model(abstract)；language model(abstract)

AI总结 MLLM-VADStory通过领域知识引导多模态大语言模型，系统量化和生成视频广告剧情洞察，提升视频广告创意效果。

Imaging-anchored Multiomics in Cardiovascular Disease: Integrating Cardiac Imaging, Bulk, Single-cell, and Spatial Transcriptomics

心血管疾病中的成像锚定多组学：整合心脏成像、批量、单细胞和空间转录组学

Minh H. N. Le, Tuan Vinh, Thanh-Huy Nguyen, Tao Li, Bao Quang Gia Le, Han H. Huynh, Monika Raj, Carl Yang, Min Xu, Nguyen Quoc Khanh Le

机构 * International Ph.D. Program in Medicine, College of Medicine, Taipei Medical University, Taipei, Taiwan ； AIBioMed Research Group, Taipei Medical University, Taipei, Taiwan ； Medical Sciences Division, University of Oxford, Oxford, United Kingdom ； Computational Biology Department, School of Computer Science, Carnegie Mellon University, Pittsburgh, PA, USA ； Department of Computer Science, Emory University, Atlanta, GA, USA ； Department of Chemistry, Emory University, Atlanta, GA, USA ； International Master Program for Translational Science, College of Medical Science ； Technology, Taipei Medical University, Taipei 110, Taiwan ； In-Service Master Program in Artificial Intelligence in Medicine, College of Medicine, Taipei Medical University, Taipei, Taiwan ； Translational Imaging Research Center, Taipei Medical University Hospital, Taipei, Taiwan 纠错

专题命中 领域大模型 ：foundation model(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出通过整合心脏成像与多组学数据，推动心血管疾病研究的多模态融合方法，提升疾病诊断和治疗的精准性。

Sketch-Based Facade Renovation With Generative AI: A Streamlined Framework for Bypassing As-Built Modelling in Industrial Adaptive Reuse

基于草图的立面修复与生成式AI：一种简化框架，用于在工业适应性再利用中绕过实际建成建模

Warissara Booranamaitree, Xusheng Du, Yushu Cai, Zhengyang Wang, Ye Zhang, Haoran Xie

专题命中 领域大模型 ：language model(abstract)；分类 cs.AI

AI总结 本文提出了一种结合生成式AI和视觉-语言模型的三阶段框架，通过处理粗糙草图和文本描述，快速生成保留原结构且提高细节质量的立面修复提案，从而绕过传统详细建模流程。

Comments 10 pages, 9 figures, Proceedings of CAADRIA 2026

Exploiting DINOv3-Based Self-Supervised Features for Robust Few-Shot Medical Image Segmentation

利用基于DINOv3的自监督特征进行鲁棒的小样本医学图像分割

Guoping Xu, Jayaram K. Udupa, Weiguo Lu, You Zhang

专题命中 领域大模型 ：foundation model(abstract)；分类 cs.CL

AI总结 本文提出DINO-AugSeg框架，利用DINOv3特征结合小波域增强和上下文融合，提升小样本医学图像分割的鲁棒性。

Comments 36 pages, 11 figures

Brain network science modelling of sparse neural networks enables Transformers and LLMs to perform as fully connected

稀疏神经网络的脑网络科学建模使Transformer和LLMs能够像全连接网络一样运行

Yingtao Zhang, Diego Cerretti, Jialin Zhao, Wenjing Wu, Ziheng Liao, Umberto Michieli, Carlo Vittorio Cannistraci

机构 * Center for Complex Network Intelligence (CCNI)（复杂网络智能研究中心） ； Dept. of Computer Science & Technology（计算机科学与技术系） ； School of Biomedical Engineering（生物医学工程学院） ； University of Padova（帕多瓦大学） ； Canva Research（Canva研究） 纠错

专题命中 领域大模型 ：language model(abstract)；分类 cs.LG

AI总结 本文提出双分接收场模型，通过脑启发方法优化稀疏神经网络连接性，提升Transformer和LLMs性能。

How role-play shapes relevance judgment in zero-shot LLM rankers

角色扮演如何塑造零样本LLM排序器的相关性判断

Yumeng Wang, Jirui Qi, Catherine Chen, Panagiotis Eustratiadis, Suzan Verberne

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

AI总结 本研究探讨角色扮演如何影响零样本LLM排序器的相关性判断，发现角色描述的精心制定显著提升排序质量，且角色信号主要在早期层编码，为设计更有效的提示提供了指导。

Multiplicative Orthogonal Sequential Editing for Language Models

乘法正交序列编辑用于语言模型

Hao-Xiang Xu, Jun-Yu Ma, Ziqi Peng, Yuhao Sun, Zhen-Hua Ling, Jia-Chen Gu

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

AI总结 MOSE通过乘法正交矩阵编辑方法提升语言模型的序列编辑性能，同时保持一般能力。

Comments Accepted by AAAI 2026

KaLM: Knowledge-aligned Autoregressive Language Modeling via Dual-view Knowledge Graph Contrastive Learning

KaLM: 通过双视角知识图谱对比学习实现知识对齐的自回归语言模型

Peng Yu, Cheng Deng, Beiya Dai, Xinbing Wang, Ying Wen

机构 * Shanghai Jiao Tong University（上海交通大学） 纠错

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

AI总结 KaLM通过双视角知识图谱对比学习和三元组完成语言模型，实现LLMs与知识图谱的对齐，提升知识驱动任务的性能。

Comments The article has been accepted by Frontiers of Computer Science (FCS), with the DOI: {10.1007/s11704-026-50906-6}

Interpreting Fedspeak with Confidence: A LLM-Based Uncertainty-Aware Framework Guided by Monetary Policy Transmission Paths

以信心解读Fedspeak：一种基于大语言模型的不确定性感知框架，由货币政策传导路径引导

Rui Yao, Qi Chai, Jinhai Yao, Siyuan Li, Junhao Chen, Qi Zhang, Hao Wang

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

AI总结 本文提出基于大语言模型的不确定性感知框架，用于解读Fedspeak并分类其货币政策立场，通过动态不确定性解码模块提升模型可靠性与准确性。

Comments Accepted by AAAI 2026 Oral

AlignSAE: Concept-Aligned Sparse Autoencoders

AlignSAE：概念对齐的稀疏自编码器

Minglai Yang, Xinyu Guo, Zhengliang Shi, Jinhe Bi, Steven Bethard, Mihai Surdeanu, Liangming Pan

机构 * University of Arizona（亚利桑那大学） ； Peking University（北京大学） ； Shandong University（山东大学） ； LMU Munich（慕尼黑大学） 纠错

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

AI总结 AlignSAE通过预训练和后训练课程方法，实现稀疏自编码器特征与概念的对齐，提升模型对特定概念的可控性和可解释性。

Comments 23 pages, 16 figures, 7 tables

Semantic Gravity Wells: Why Negative Constraints Backfire

语义重力井：为何负约束失效

Shailesh Rana

机构 * Independent Researcher（独立研究者） 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

AI总结 本文研究了负约束失效的机制，发现其失效源于语义压力与抑制信号的不对称性，揭示了命名禁止词会激活模型生成该词的矛盾现象。

Comments 10 pages, 8 figures. Code: https://github.com/gut-puncture

VideoHEDGE: Entropy-Based Hallucination Detection for Video-VLMs via Semantic Clustering and Spatiotemporal Perturbations

VideoHEDGE: 基于熵的视频视频语言模型幻觉检测方法：通过语义聚类和时空扰动

Sushant Gautam, Cise Midoglu, Vajira Thambawita, Michael A. Riegler, Pål Halvorsen

机构 * Simula Research Laboratory（Simula研究实验室） 纠错

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

AI总结 VideoHEDGE通过语义聚类和时空扰动检测视频VLMs中的幻觉，利用熵和校准方法提高检测准确性。

Ground What You See: Hallucination-Resistant MLLMs via Caption Feedback, Diversity-Aware Sampling, and Conflict Regularization

在所见之地接地：通过标题反馈、多样性感知采样和冲突正则化实现抗幻觉的MLLMs

Miao Pan, Wangjie Gan, Jintao Chen, Wenqi Zhang, Bing Sun, Jianwei Yin, Xuhong Zhang

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

AI总结 本文提出抗幻觉的MLLMs方法，通过标题反馈、多样性感知采样和冲突正则化减少幻觉，提升推理准确性。

Comments AAAI-2026 Poster

Surgical Refusal Ablation: Disentangling Safety from Intelligence via Concept-Guided Spectral Cleaning

手术拒绝消融：通过概念引导的频谱清洁分离安全与智能

Tony Cristofano

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

AI总结 通过概念引导的频谱清洁技术，SRA有效分离语言模型的安全性与智能，减少拒绝行为的同时保持模型性能和分布稳定性。

Sparsity Is Necessary: Polynomial-Time Stability for Agentic LLMs in Large Action Spaces

稀疏性是必要的：大规模动作空间中代理LLM的多项式时间稳定性

Angshul Majumdar

机构 * Angshul Majumdar（独立研究者） 纠错

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

AI总结 研究提出稀疏代理控制框架，通过多项式时间稳定性理论解决大规模动作空间中LLM的稀疏性问题，证明稀疏表示在策略学习中的有效性及密集策略类的样本需求。

Knowledge-based learning in Text-RAG and Image-RAG

基于知识的学习在Text-RAG和Image-RAG中的应用

Alexander Shim, Khalil Saieh, Samuel Clarke

机构 * Florida International University（佛罗里达国际大学） 纠错

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

AI总结 本研究通过比较基于文本和图像的RAG方法，探讨了如何利用外部知识减少幻觉问题并提升胸部X光图像疾病检测的准确性。

Comments 9 pages, 10 figures

Representations of Text and Images Align From Layer One

文本和图像的表示从第一层对齐

Evžen Wybitul, Javier Rando, Florian Tramèr, Stanislav Fort

机构 * D-INFK, ETH Zurich, Switzerland（苏黎世联邦理工学院信息与知识系统研究所） ； Aisle Research（Aisle研究） 纠错

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

AI总结 该研究通过合成方法证明，视觉-语言模型中图像和文本表示在第一层即可实现对齐，为模型可解释性提供了新路径。

Are Emotions Arranged in a Circle? Geometric Analysis of Emotion Representations via Hyperspherical Contrastive Learning

情感是否呈圆形？通过超球体对比学习进行情感表示的几何分析

Yusuke Yamauchi, Akiko Aizawa

机构 * The University of Tokyo（东京大学） ； National Institute of Informatics（信息处理研究所） 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 本文通过超球体对比学习在语言模型中诱导圆形情感表示，揭示了环形模型在可解释性和鲁棒性与高维设置下的性能权衡。

Generating Text from Uniform Meaning Representation

从统一意义表示生成文本

Emma Markle, Reihaneh Iranmanesh, Shira Wein

机构 * Amherst College（阿默斯特学院） 纠错

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

AI总结 本文提出从多语言UMR图生成文本的方法，通过基线模型、管道转换和微调策略，实现了多语言文本生成的高效效果。

Comments Published and Outstanding Paper Award recipient at IJCNLP-AACL 2025

Automating API Documentation from Crowdsourced Knowledge

从众包知识自动化生成API文档

Bonan Kou, Zijie Zhou, Muhao Chen, Tianyi Zhang

专题命中 知识编辑与模型理解 ：LLM(abstract)

AI总结 AutoDoc通过从Stack Overflow提取API知识，生成更准确、简洁且全面的API文档，有效解决官方文档过时和不完整的问题。

Comments 13 pages, 2 figures, Accepted to ICSE 2026

PATS: Personality-Aware Teaching Strategies with Large Language Model Tutors

PATS：基于大语言模型导师的个性感知教学策略

Donya Rooein, Sankalan Pal Chowdhury, Mariia Eremeeva, Yuan Qin, Debora Nozza, Mrinmaya Sachan, Dirk Hovy

专题命中 其他LLM ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)；分类 cs.CL、cs.AI

AI总结 PATS通过结合学生性格特征优化大语言模型的教学策略，提升教学效果和学生参与度。

Analyzing Bias in False Refusal Behavior of Large Language Models for Hate Speech Detoxification

分析大型语言模型在仇恨言论净化中的虚假拒绝行为偏见

Kyuri Im, Shuzhou Yuan, Michael Färber

机构 * TU Dresden（德累斯顿理工大学） 纠错

专题命中 其他LLM ：large language model(title,abstract)；language model(title,abstract)；分类 cs.CL

AI总结 研究分析了大型语言模型在仇恨言论净化中的虚假拒绝偏见，并提出通过中英互译策略减少此类拒绝行为。

Geometry of Knowledge Allows Extending Diversity Boundaries of Large Language Models

知识的几何结构使大语言模型的多样性边界得以扩展

Mateusz Bystroński, Doheon Han, Nitesh V. Chawla, Tomasz Kajdanowicz

机构 * Wrocław University of Science and Technology（沃拉布大学科学与技术学院） ； University of Notre Dame（诺特丹大学） 纠错

专题命中 其他LLM ：language model(title,abstract)；large language model(title)；LLM(abstract)；分类 cs.AI

AI总结 基于知识的几何结构，通过流形条件调节扩展大语言模型的语义多样性边界，提升创造性发散思维。

ActiveLLM: Large Language Model-based Active Learning for Textual Few-Shot Scenarios

ActiveLLM: 基于大语言模型的文本少样本场景中的主动学习

Markus Bayer, Justin Lutz, Christian Reuter

机构 * PEASEC Technical University of Darmstadt（PEASEC技术大学达姆施塔特） 纠错

专题命中 其他LLM ：large language model(title,abstract)；language model(title,abstract)；分类 cs.CL

AI总结 ActiveLLM利用大语言模型提升少样本场景下的分类性能，优于传统方法及ADAPET、PERFECT和SetFit等少样本学习方法。

Comments 20 pages, 10 figures, 7 tables

Journal ref Transactions of the Association for Computational Linguistics 14 (2026) 1-22