语言大模型 / LLM

Linguistic traces of stochastic empathy in language models

语言模型中随机共情的语言痕迹

Bennett Kleinberg, Jari Zegers, Jonas Festor, Stefana Vida, Julian Präsent, Riccardo Loconte, Sanne Peereboom

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

AI总结 研究发现语言模型通过隐含的人性表示模仿随机共情，从而在生成内容中表现出更接近人性的特征。

Comments preprint (updated)

Evaluating Adversarial Robustness of Concept Representations in Sparse Autoencoders

评估稀疏自编码器中概念表示的对抗鲁棒性

Aaron J. Li, Suraj Srinivas, Usha Bhalla, Himabindu Lakkaraju

机构 * University of California, Berkeley（加州大学伯克利分校） ； Bosch Research（博世研究） ； Harvard University（哈佛大学） 纠错

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、cs.AI、cs.LG

AI总结 本研究评估了稀疏自编码器中概念表示的对抗鲁棒性，发现其易受微小输入扰动影响，可能不适合用于模型监控和监督。

Combating Spurious Correlations in Graph Interpretability via Self-Reflection

通过自反思对抗图可解释性中的虚假相关性

Kecheng Cai, Chenyang Xu, Chao Peng, Jiafu Huang, Qiyuan Liang, Irene Zheng

机构 * (January 2026)（（2026年1月）） 纠错

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

AI总结 本文提出自反思框架提升图可解释性，通过反馈机制改进模型对虚假相关性的识别能力。

DANCE: Dynamic, Available, Neighbor-gated Condensation for Federated Text-Attributed Graphs

DANCE: 动态、可用、邻居门控的联邦文本属性图压缩

Zekai Chen, Haodong Lu, Xunkai Li, Henan Sun, Jia Li, Hongchao Qin, Rong-Hua Li, Guoren Wang

机构 * Department of Computer Science, Beijing Institute of Technology, Beijing, China（北京理工大学计算机科学系） ； The Hong Kong University of Science and Technology (GZ), Guangzhou, China（香港科技大学（广州）） 纠错

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.LG

AI总结 DANCE通过动态、可用、邻居门控的图压缩方法，提升联邦文本属性图学习的准确性和可解释性。

Do LLM hallucination detectors suffer from low-resource effect?

大型语言模型的幻觉检测器是否受到低资源效应影响？

Debtanu Datta, Mohan Kishore Chilukuri, Yash Kumar, Saptarshi Ghosh, Muhammad Bilal Zafar

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

AI总结 研究发现，幻觉检测器在低资源语言中表现较任务本身更稳健，可能因内部机制编码了不确定性信号。

Comments Accepted at EACL 2026 (Main)

From Transactions to Exploits: Automated PoC Synthesis for Real-World DeFi Attacks

从交易到exploit：针对现实世界DeFi攻击的自动PoC合成

Xing Su, Hao Wu, Hanzhong Liang, Yunlin Jiang, Yuxi Cheng, Yating Liu, Fengyuan Xu

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

AI总结 TracExp通过轨迹驱动逆向工程和大语言模型代码生成，自动合成可验证的DeFi链上攻击PoC，有效复现93%的现实攻击案例。

Comments 14 pages, 10 figures

Unified Multimodal Interleaved Document Representation for Retrieval

统一多模态交错文档表示用于检索

Jaewoo Lee, Joonho Ko, Jinheon Baek, Soyeong Jeong, Sung Ju Hwang

机构 * University of North Carolina Chapel Hill（北卡罗来纳大学教堂山分校） ； KAIST（韩国科学技术院） ； DeepAuto 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 本文提出统一多模态交错文档表示方法，通过整合文本、图像和表格信息提升信息检索性能。

Comments EACL Findings 2026

AlphaFace: High Fidelity and Real-time Face Swapper Robust to Facial Pose

AlphaFace: 高保真和实时的面部交换器，对面部姿态具有鲁棒性

Jongmin Yu, Hyeontaek Oh, Zhongtian Sun, Angelica I Aviles-Rivero, Moongu Jeon, Jinhong Yang

机构 * University of Cambridge（剑桥大学） ； University of Kent（肯特大学） ； Tsinghua University（清华大学） ； Gwangju Institute of Science and Technology（全州科学技术院） ； Inje University（庆北大学） 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 AlphaFace通过结合视觉-语言模型和CLIP嵌入，实现高保真和实时的面部交换，提升对极端面部姿态的鲁棒性。

Multi-scale Graph Autoregressive Modeling: Molecular Property Prediction via Next Token Prediction

多尺度图自回归建模：通过下一个标记预测进行分子属性预测

Zhuoyang Jiang, Yaosen Min, Peiran Jin, Lei Chen

机构 * The Hong Kong University of Science（香港科学与技术大学） ； Zhongguancun Academy, Beijing, China（中关村学院，北京，中国） 纠错

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

AI总结 CamS通过多尺度因果序列化实现分子属性预测，优于SMILES和图基线模型，有效识别活性悬崖差异。

CALE : Concept-Aligned Embeddings for Both Within-Lemma and Inter-Lemma Sense Differentiation

CALE：基于词内和词间概念对齐的嵌入表示

Bastien Liétard, Gabriel Loiseau

机构 * University of Lille, Inria, CNRS, Centrale Lille, UMR 9189 - CRIStAL（里尔大学、INRIA、法国国家科学研究中心、Centrale Lille、UMR 9189 - CRIStAL） 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 本文提出CALE模型，通过概念区分任务提升词义表示的准确性和多用途性，实验证明其在词义任务中表现优异。

Comments Accepted at EACL 2026

Is What You Ask For What You Get? Investigating Concept Associations in Text-to-Image Models

你所要求的是你所得到的吗？探究文本到图像模型中的概念关联

Salma Abdel Magid, Weiwei Pan, Simon Warchol, Grace Guo, Junsik Kim, Mahia Rahman, Hanspeter Pfister

机构 * Department of Computer Science（计算机科学系） ； Harvard University（哈佛大学） 纠错

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

AI总结 本文提出 Concept2Concept 框架，用于审计文本到图像模型中提示与生成内容之间的概念关联，通过可解释的概念和度量标准进行可视化分析。

Journal ref Trans. Mach. Learn. Res, 2835-8856, 2025, https://openreview.net/forum?id=mk1YIkVvTQ