语言大模型 / LLM - arXivDaily 专题

2601.08893 2026-01-23 cs.LG cs.CL 88%

Spectral Generative Flow Models: A Physics-Inspired Replacement for Vectorized Large Language Models

谱生成流模型：一种受物理启发的向量大语言模型替代方案

Andrew Kiruluta

机构 * UC Berkeley（伯克利大学）

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.LG

AI总结谱生成流模型通过物理启发的连续场演化机制，替代传统向量大语言模型，实现长程一致性、多模态通用性和物理结构归纳偏置。

2407.17914 2026-01-23 cs.CL 83%

Vision-Language Models Align with Human Neural Representations in Concept Processing

视觉-语言模型在概念处理中与人类神经表征对齐

Anna Bavaresco, Marianne de Heer Kloots, Sandro Pezzelle, Raquel Fernández

机构 * Institute for Logic, Language and Computation University of Amsterdam（逻辑、语言与计算研究所阿姆斯特丹大学）

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

AI总结本研究发现视觉-语言模型在概念处理中能与人类神经表征对齐，揭示了不同架构在脑部响应中的差异。

Comments Accepted to EACL 2026 main

2601.11791 2026-01-23 cs.CL 77%

Beyond Tokens: Concept-Level Training Objectives for LLMs

超越标记：面向大语言模型的概念级训练目标

Laya Iyer, Pranav Somani, Alice Guo, Dan Jurafsky, Chen Shani

机构 * Stanford University（斯坦福大学）

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总结本文提出概念层面训练目标，通过整合概念监督提升大语言模型的语义理解和泛化能力。

2409.06518 2026-01-23 cs.CL cs.AI 73%

Medal Matters: Probing LLMs' Failure Cases Through Olympic Rankings

奖牌 matters：通过奥运排名探测 LLMs 的失败案例

Juhwan Choi, Seunguk Yu, JungMin Yun, YoungBin Kim

机构 * AITRCS, Republic of Korea, Seoul（韩国首尔AITRCS研究中心）； Chung-Ang University, Republic of Korea, Seoul（韩国首尔 Chung-Ang 大学）

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总结通过奥运排名数据探测 LLMs 在知识整合和推理方面的局限性，揭示其在任务二中的失败案例，并提供改进方向及研究资源。

Comments COLM 2025 ORIGen Workshop

2504.15473 2026-01-23 cs.CV cs.LG eess.IV 70%

Emergence and Evolution of Interpretable Concepts in Diffusion Models

扩散模型中可解释概念的涌现与演化

Berk Tinaz, Zalan Fabian, Mahdi Soltanolkotabi

机构 * Dept. of Electrical and Computer Engineering University of Southern California（电气与计算机工程系美国南加州大学）

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

AI总结本研究利用SAEs框架揭示扩散模型中可解释概念的涌现与演化，发现早期阶段可控制图像组成，中间阶段确定组成，后期仅能改变细节。

Comments 32 pages, 32 figures, published at the 39th Conference on Neural Information Processing Systems (NeurIPS), 2025

2601.16208 2026-01-23 cs.CV 50%

Scaling Text-to-Image Diffusion Transformers with Representation Autoencoders

通过表征自编码器扩展文本到图像扩散变换器

Shengbang Tong, Boyang Zheng, Ziteng Wang, Bingda Tang, Nanye Ma, Ellis Brown, Jihan Yang, Rob Fergus, Yann LeCun, Saining Xie

机构 * New York University（纽约大学）

专题命中知识编辑与模型理解：pretraining(abstract)

AI总结通过扩展表征自编码器实现更高效的大规模文本到图像生成，RAE在预训练和微调中均优于VAE，且具有更快的收敛速度和更好的生成质量。

Comments website: https://rae-dit.github.io/scale-rae/

2601.15453 2026-01-23 cs.CV 50%

DevPrompt: Deviation-Based Prompt Learning for One-Normal ShotImage Anomaly Detection

DevPrompt: 基于偏差的提示学习用于单正常样本图像异常检测

Morteza Poudineh, Marc Lalonde

机构 * Department of Electrical and Computer Engineering, Concordia University（电气与计算机工程系，康科迪亚大学）； Computer Research Institute of Montreal (CRIM)（蒙特利尔计算机研究 institute）

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

AI总结 DevPrompt通过结合视觉语言模型的语义能力和基于偏差的评分机制，提升单正常样本图像异常检测的性能和可解释性。

Comments 8 pages

1. 知识编辑与模型理解 7 篇