语言大模型 / LLM

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