语言大模型 / LLM

Weakly Supervised Concept Learning with Class-Level Priors for Interpretable Medical Diagnosis

弱监督概念学习：基于类级先验的可解释医疗诊断

Md Nahiduzzaman, Steven Korevaar, Alireza Bab-Hadiashar, Ruwan Tennakoon

机构 * School of Computing Technologies（计算技术学院） ； RMIT University（皇家墨尔本理工大学） ； School of Engineering（工程学院） 纠错

专题命中 领域大模型 ：language model(abstract)

AI总结 本文提出了一种弱监督框架PCP，通过类级先验和正则化机制提升医疗诊断中的概念预测性能，实现比零样本基线更高的F1分数和与全监督模型相当的分类效果。

Comments Accepted to IEEE International Symposium on Biomedical Imaging (ISBI) 2026

UQLM: A Python Package for Uncertainty Quantification in Large Language Models

UQLM：用于大型语言模型不确定性量化的Python包

Dylan Bouchard, Mohit Singh Chauhan, David Skarbrevik, Ho-Kyeong Ra, Viren Bajaj, Zeya Ahmad

机构 * CVS Health（CVS健康） 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、cs.LG

AI总结 UQLM是一个用于检测大型语言模型幻觉的Python工具包，通过先进的不确定性量化技术提升模型输出的可靠性。

Comments Accepted by JMLR; UQLM Repository: https://github.com/cvs-health/uqlm

Journal ref Journal of Machine Learning Research, 2026

Prompt-Dependent Ranking of Large Language Models with Uncertainty Quantification

基于不确定性的大语言模型提示依赖排序

Angel Rodrigo Avelar Menendez, Yufeng Liu, Xiaowu Dai

机构 * Department of Statistics and Data Science, UCLA（统计与数据科学系，加州大学洛杉矶分校） ； Department of Statistics, University of Michigan（统计系，密歇根大学） ； Department of Statistics and Data Science, and of Biostatistics, UCLA（统计与数据科学系及生物统计学系，加州大学洛杉矶分校） 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.LG

AI总结 本文提出了一种基于提示依赖的排名推断框架，通过统计有效的不确定性保证，改进大语言模型的排名决策。

Query-Level Uncertainty in Large Language Models

查询级不确定性在大语言模型中

Lihu Chen, Gerard de Melo, Fabian M. Suchanek, Gaël Varoquaux

机构 * Imperial College London（伦敦帝国学院） ； Hasso Plattner Institute / University of Potsdam（霍普夫纳研究所/波茨坦大学） ； Telecom Paris, Institut Polytechnique de Paris（电信巴黎学院，巴黎理工学院） ； Soda, Inria Saclay（Soda，法国国家信息与自动化技术研究院萨克利实验室） 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 本研究提出了一种无需训练的内部置信度方法，用于检测大语言模型的知识边界，通过查询级不确定性提高回答质量并降低计算成本。

Comments ICLR 2026

Tracing Pharmacological Knowledge In Large Language Models

追踪大语言模型中的药理学知识

Basil Hasan Khwaja, Dylan Chen, Guntas Toor, Anastasiya Kuznetsova

机构 * School of Electrical and Computer Engineering（电气与计算机工程学院） ； Purdue University（普渡大学） ； Viterbi School of Engineering（维特比工程学院） ； University of Southern California（南加州大学） ； Stephen J. R. Smith Faculty of Engineering and Applied Science（工程与应用科学学院） ； Queen’s University（皇后大学） ； Department of Molecular and Cellular Biology（分子与细胞生物学系） ； Scripps Research（斯克里普斯研究学院） 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 本研究通过因果性和探测性方法揭示大语言模型中药物组语义的分布式表示机制，发现早期层和中间token对编码药理学知识起关键作用。

Comments Accepted, Learning Meaningful Representations of Life (LMRL) Workshop @ ICLR 2026

Uni-NTFM: A Unified Foundation Model for EEG Signal Representation Learning

Uni-NTFM：一种用于EEG信号表示学习的统一基础模型

Zhisheng Chen, Yingwei Zhang, Qizhen Lan, Tianyu Liu, Huacan Wang, Yi Ding, Ziyu Jia, Ronghao Chen, Kun Wang, Xinliang Zhou

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

AI总结 Uni-NTFM通过融合神经科学原理，提出了一种统一的基础模型，用于EEG信号表示学习，实现了高容量和高效的功能模块化，优于现有模型。

Comments Published as a conference paper at ICLR 2026

The Geometry of Reasoning: Flowing Logics in Representation Space

推理的几何学：表示空间中的流动逻辑

Yufa Zhou, Yixiao Wang, Xunjian Yin, Shuyan Zhou, Anru R. Zhang

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 研究通过几何框架分析LLM推理过程，揭示其在表示空间中的流动特性，并验证逻辑结构与语义的关系。

Comments ICLR 2026. Code: https://github.com/MasterZhou1/Reasoning-Flow

Logit-Level Uncertainty Quantification in Vision-Language Models for Histopathology Image Analysis

视觉-语言模型在病理图像分析中的logit级不确定性量化

Betul Yurdem, Ferhat Ozgur Catak, Murat Kuzlu, Mehmet Kemal Gullu

机构 * Department of Electrical and Electronics Engineering, Izmir Bakircay University（电气与电子工程系，伊兹密尔巴克伊大学） ； Department of Electrical Engineering and Computer Science, University of Stavanger（电气工程与计算机科学系，斯塔万格大学） ； Batten College of Engineering and Technology, Old Dominion University（工程与技术学院，老奥布良大学） 纠错

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

AI总结 本研究提出了一种基于VLMs的logit级不确定性量化框架，用于评估病理图像分析中模型的可靠性与安全性。

Comments 10 pages, 6 figures, 4 tables

XAgen: An Explainability Tool for Identifying and Correcting Failures in Multi-Agent Workflows

XAgen：一种用于识别和纠正多智能体工作流程中故障的可解释性工具

Xinru Wang, Ming Yin, Eunyee Koh, Mustafa Doga Dogan

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 XAgen是一种通过日志可视化、人机协同反馈和自动错误检测来帮助用户识别和纠正多智能体工作流程中故障的可解释性工具，提升了智能体AI的可解释性和调试效率。

Function Induction and Task Generalization: An Interpretability Study with Off-by-One Addition

函数诱导与任务泛化：一项可解释性研究——关于“加一错误”加法

Qinyuan Ye, Robin Jia, Xiang Ren

机构 * University of Southern California（南加州大学） ； Salesforce AI Research（Salesforce AI研究院） 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、cs.LG

AI总结 本研究通过分析“加一错误”加法任务，揭示了语言模型中函数诱导机制如何实现任务泛化，展示了其在多种任务中的复用能力。

Comments ICLR 2026. Code: https://github.com/INK-USC/function-induction

PROSPECT: Unified Streaming Vision-Language Navigation via Semantic--Spatial Fusion and Latent Predictive Representation

PROSPECT：通过语义-空间融合和潜在预测表示实现统一的流式视觉-语言导航

Zehua Fan, Wenqi Lyu, Wenxuan Song, Linge Zhao, Yifei Yang, Xi Wang, Junjie He, Lida Huang, Haiyan Liu, Bingchuan Sun, Guangjun Bao, Xuanyao Mao, Liang Xu, Yan Wang, Feng Gao

机构 * Shanghai Jiao Tong University（上海交通大学） ； Tsinghua University（清华大学） ； University of Adelaide（阿德莱德大学） ； Wuhan University（武汉大学） ； Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Beijing Jiaotong University（北京交通大学） ； AIR Wuxi Innovation Center, Tsinghua University（清华大学无锡创新中心） ； Lenovo（联想集团） 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.AI

AI总结 PROSPECT通过语义-空间融合和潜在预测表示，实现统一的流式视觉-语言导航，提升环境动态和空间结构的预测能力。

What Triggers my Model? Contrastive Explanations Inform Gender Choices by Translation Models

什么触发了我的模型？对比解释说明翻译模型如何通过性别选择

Janiça Hackenbuchner, Arda Tezcan, Joke Daems

机构 * Language and Translation Technology Team, Ghent University（根特大学语言与翻译技术团队） 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

AI总结 研究通过对比翻译分析，揭示了翻译模型中性别选择的触发因素，并展示如何通过理解模型决策来减轻性别偏见。

Comments Accepted at LREC 2026

Can a Small Model Learn to Look Before It Leaps? Dynamic Learning and Proactive Correction for Hallucination Detection

小模型能否在行动前先观察？动态学习与主动纠正用于幻觉检测

Zepeng Bao, Shen Zhou, Qiankun Pi, Jianhao Chen, Mayi Xu, Ming Zhong, Yuanyuan Zhu, Tieyun Qian

机构 * School of Computer Science, Wuhan University, China（武汉大学计算机学院） ； Zhongguancun Academy, Beijing, China（中关村学院） 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.AI

AI总结 LEAP框架通过动态学习和主动纠正机制，提升小模型在幻觉检测中的适应性和效率。

On the Limits of Sparse Autoencoders: A Theoretical Framework and Reweighted Remedy

稀疏自编码器的局限性：一种理论框架和加权修复方法

Jingyi Cui, Qi Zhang, Yifei Wang, Yisen Wang

机构 * State Key Lab of General AI, School of Intelligence Science and Technology, Peking University（1 人工智能通用基础研究实验室，智能科学与技术学院，北京大学） ； Amazon AGI SF Lab（2 亚马逊人工智能实验室） ； Institute for Artificial Intelligence, Peking University（3 人工智能研究院，北京大学） 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.LG

AI总结 本文提出了一种理论框架和加权修复方法，以解决稀疏自编码器在恢复真实单义特征时的局限性，通过改进特征恢复能力提升可解释性。

Comments Accepted to ICLR2026

Topological Alignment of Shared Vision-Language Embedding Space

共享视觉-语言嵌入空间的拓扑对齐

Junwon You, Dasol Kang, Jae-Hun Jung

机构 * Department of Mathematics, POSTECH（POSTECH数学系） ； BootCamp, Google（Google BootCamp） 纠错

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

AI总结 ToMCLIP通过拓扑对齐方法提升多语言视觉-语言模型的结构一致性和零样本性能

Comments 27 pages, 5 figures, 24 tables

PinCLIP: Large-scale Foundational Multimodal Representation at Pinterest

PinCLIP：Pinterest的规模化多模态基础表示

Josh Beal, Eric Kim, Jinfeng Rao, Rex Wu, Dmitry Kislyuk, Charles Rosenberg

机构 * Pinterest Inc.（Pinterest公司） 纠错

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

AI总结 PinCLIP通过多模态表示学习提升Pinterest的检索和排序模型，解决冷启动问题并提高用户参与度。

Causality Elicitation from Large Language Models

从大型语言模型中提取因果关系

Takashi Kameyama, Masahiro Kato, Yasuko Hio, Yasushi Takano, Naoto Minakawa

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

AI总结 本文提出了一种从大型语言模型中提取因果关系的方法，通过采样文档、提取事件列表、归组标准事件并构建二元向量，最终估计候选因果图。

Presenting Large Language Models as Companions Affects What Mental Capacities People Attribute to Them

将大型语言模型呈现为伴侣会影响人们赋予它们哪些心理能力

Allison Chen, Sunnie S. Y. Kim, Angel Franyutti, Amaya Dharmasiri, Kushin Mukherjee, Olga Russakovsky, Judith E. Fan

专题命中 其他LLM ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)

AI总结 研究发现，将大型语言模型呈现为伴侣会影响人们对其心理能力的认知及依赖性。

Comments CHI 2026

The Epistemological Consequences of Large Language Models: Rethinking collective intelligence and institutional knowledge

大型语言模型的知识论后果：重新思考集体智慧与制度知识

Angjelin Hila

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

AI总结 本文探讨LLM对集体智慧和制度知识的影响，提出集体知识论理论，强调反思性知识的重要性，并提出三级规范计划以应对LLM带来的知识论风险。

Comments AI & Soc (2025)

Robust LLM-based Audio-Visual Speech Recognition with Sparse Modality Alignment and Visual Unit-Guided Refinement

鲁棒的基于大语言模型的音频视觉语音识别与稀疏模态对齐和视觉单元引导的细化

Fei Su, Cancan Li, Juan Liu, Wei Ju, Hongbin Suo, Ming Li

机构 * School of Computer Science, Wuhan University, China（武汉大学计算机学院） ； School of Artificial Intelligence, Wuhan University, China（武汉大学人工智能学院） ； School of Artificial Intelligence, The Chinese University of Hong Kong, Shenzhen, China（香港中文大学（深圳）人工智能学院） ； AI Center, OPPO, China（OPPO人工智能中心） ； Digital Innovation Research Center, Duke Kunshan University, China（杜克大学昆山数字创新研究中心） 纠错

专题命中 其他LLM ：LLM(title,abstract)；large language model(abstract)；language model(abstract)

AI总结 本文提出AVUR-LLM，通过稀疏模态对齐和视觉单元引导细化，提升音频视觉语音识别的鲁棒性，在LRS3数据集上取得显著性能提升。

Comments submitted to Interspeech 2026

From Exact Hits to Close Enough: Semantic Caching for LLM Embeddings

从精确命中到足够接近：LLM嵌入的语义缓存

Dvir David Biton, Roy Friedman

机构 * Department of Computer Science, Technion – Israel Institute of Technology（计算机科学系，技术离子技术研究所） 纠错

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

AI总结 本文提出语义缓存的离线和在线策略，通过多项式时间启发式方法提高LLM嵌入的语义准确性。

AutoHarness: improving LLM agents by automatically synthesizing a code harness

AutoHarness: 通过自动合成代码框架提升大语言模型代理

Xinghua Lou, Miguel Lázaro-Gredilla, Antoine Dedieu, Carter Wendelken, Wolfgang Lehrach, Kevin P. Murphy

机构 * Google DeepMind（谷歌DeepMind） 纠错

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

AI总结 通过自动合成代码框架，Gemini-2.5-Flash在多个游戏中超越大模型，提升性能并降低成本。

Comments agent harness, code synthesis, self-improvement, code-as-policy, text games

Retcon -- a Prompt-Based Technique for Precise Control of LLMs in Conversations

Retcon -- 基于提示的LLM在对话中精确控制技术

David Kogan, Sam Nguyen, Masanori Suzuki, Feiyang Chen

机构 * Google（谷歌） 纠错

专题命中 其他LLM ：LLM(abstract)；large language model(abstract)；language model(abstract)；prompting(abstract)

AI总结 Retcon是一种基于提示的LLM对话控制技术，通过少量示例实现轮次级控制，优于零样本和传统少量样本提示方法。

Comments 5 pages, 2 figures, 3 appendixes with prompts and examples

On the Suitability of LLM-Driven Agents for Dark Pattern Audits

关于LLM驱动代理在暗模式审计中的适用性

Chen Sun, Yash Vekaria, Rishab Nithyanand

机构 * University of Iowa（爱荷华大学） ； University of California, Davis（加州大学戴维斯分校） 纠错

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

AI总结 本文研究了LLM驱动代理在暗模式审计中的适用性，通过分析456个数据经纪人网站，评估了代理在识别和分类暗模式方面的性能及局限性。

World Properties without World Models: Recovering Spatial and Temporal Structure from Co-occurrence Statistics in Static Word Embeddings

无需世界模型的世界属性：从静态词嵌入的共现统计中恢复空间和时间结构

Elan Barenholtz

机构 * Department of Psychology & Center for Complex Systems and Brain Sciences（心理学系及复杂系统与脑科学中心） 纠错

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

AI总结 研究通过静态词嵌入的共现统计恢复空间和时间结构，发现文本本身保留了丰富的世界属性信息，挑战了传统对语言模型内部表示的理解。

Comments 12 pages, 3 figures, 3 tables

Dose-Dependent Cardiac Complexity Changes in Children Following Prenatal Glucocorticoid Exposure: Complementary Evidence from Multiscale Entropy Analysis and ECG Foundation Models

孕期糖皮质激素暴露对儿童心脏复杂性的影响：多尺度熵分析和ECG基础模型的互补证据

Nicolas B. Garnier, Michelle Dreiling, Valeska Kozik, Matthias Schwab, Florian Rakers, Martin G Frasch

专题命中 其他LLM ：foundation model(title,abstract)

AI总结 该研究通过多尺度熵分析和ECG基础模型探讨孕期糖皮质激素暴露对儿童心脏复杂性的影响，发现熵率衰减速率与剂量相关，而形态特征与剂量无关。

Beyond the Prompt: An Empirical Study of Cursor Rules

超越提示：关于光标规则的实证研究

Shaokang Jiang, Daye Nam

机构 * University of California, Irvine（加州大学尔湾分校） 纠错

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

AI总结 本文通过分析401个开源仓库中的光标规则，提出了项目上下文的分类法，并探讨了不同项目类型和编程语言中上下文的变化，为下一代上下文感知的AI开发者工具提供启示。

Comments To appear at MSR 2026

Robustness of Agentic AI Systems via Adversarially-Aligned Jacobian Regularization

通过对抗性对齐雅可比正则化提升代理AI系统的鲁棒性

Furkan Mumcu, Yasin Yilmaz

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

AI总结 本文提出对抗性对齐雅可比正则化方法，通过严格控制敏感性方向提升代理AI系统的鲁棒性，解耦极小极大稳定性与全局表达性限制。

Bridging Pedagogy and Play: Introducing a Language Mapping Interface for Human-AI Co-Creation in Educational Game Design

连接教学与游戏：引入一种语言映射接口用于教育游戏设计中的人机协同创作

Daijin Yang, Erica Kleinman, Casper Harteveld

机构 * Northeastern University（东北大学） 纠错

专题命中 其他LLM ：LLM(abstract)；分类 cs.AI

AI总结 本文提出一种基于语言映射的接口，通过人机协同设计教育游戏，以明确教学意图并降低非专业设计师的设计门槛。

Comments Accepted for CHI EA 26

GENAI WORKBENCH: AI-Assisted Analysis and Synthesis of Engineering Systems from Multimodal Engineering Data

GenAI Workbench: 人工智能辅助从多模态工程数据中分析和合成工程系统

H. Sinan Bank, Daniel R. Herber

机构 * Colorado State University（科罗拉多州立大学） 纠错

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

AI总结 GenAI Workbench通过整合AI技术，实现从多模态工程数据中辅助分析和合成工程系统，促进更集成和数据驱动的工程设计方法。

Comments 7 pages, 3 figures, accepted to be presented at IISE Annual Conference 2026