语言大模型 / LLM

HiEdit: Lifelong Model Editing with Hierarchical Reinforcement Learning

HiEdit：基于分层强化学习的终身模型编辑

Yangfan Wang, Tianyang Sun, Chen Tang, Jie Liu, Wei Cai, Jingchi Jiang

机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Beidahuang Information Co., Ltd.（北大荒信息有限公司） ； State Key Laboratory of Smart Farm Technologies and Systems（智慧农场技术与系统全国重点实验室） ； AI Research Center, Midea Group (Shanghai) Co., Ltd.（美的集团（上海）有限公司人工智能研究中心） 纠错

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

AI总结 本文提出HiEdit，通过分层强化学习框架实现对部署大语言模型中过时或不准确知识的修正，通过动态选择知识相关的层实现精准更新，提升RLEdit性能8.48%。

Comments Accept by ACL 2026

X-SYS: A Reference Architecture for Interactive Explanation Systems

X-SYS：交互解释系统的参考架构

Tobias Labarta, Nhi Hoang, Maximilian Dreyer, Jim Berend, Oleg Hein, Jackie Ma, Wojciech Samek, Sebastian Lapuschkin

机构 * Fraunhofer Heinrich Hertz Institute（弗劳恩霍夫海因里希·赫兹研究所） ； Technische Universität Berlin（柏林工业大学） ； BIFOLD – Berlin Institute for the Foundations of Learning and Data（BIFOLD – 柏林学习与数据基础研究所） ； Technical University Dublin（都柏林理工大学） 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 本文提出X-SYS参考架构，通过STAR质量属性和五组件分解，指导交互解释系统的设计与实现，解决可解释AI在系统部署中的挑战。

Comments 18 pages, 8 figures

What do your logits know? (The answer may surprise you!)

你的logits知道什么？（答案可能让你吃惊！)

Masha Fedzechkina, Eleonora Gualdoni, Rita Ramos, Sinead Williamson

机构 * Apple（苹果公司） 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 本文通过视觉语言模型探讨不同表征层级中信息压缩的泄露问题，揭示了通过top-k logit和低维投影可能泄露任务无关信息的核心发现。

From Scalars to Tensors: Declared Losses Recover Epistemic Distinctions That Neutrosophic Scalars Cannot Express

从标量到张量：声明性损失恢复了无法用神经元标量表达的认知区别

Tony Mason

机构 * University of British Columbia（不列颠哥伦比亚大学） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

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

AI总结 本文通过扩展神经元T/I/F评价框架，发现标量无法区分认知状态，而引入声明性损失后能有效恢复这些区别，表明张量结构输出更准确地反映了LLM的认知能力。

Neural Processes Maintain Calibrated Biomass Estimates Across Spatiotemporal Gaps and Disturbance

神经过程在时空间隙和扰动中保持校准的生物量估计

Robin Young, Srinivasan Keshav

机构 * University of Cambridge（剑桥大学） 纠错

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

AI总结 本文提出神经过程框架用于时空稀疏数据下的生物量估计，通过空间-时间对称建模实现校准的不确定性预测，适用于森林碳核算的MRV应用。

AutonomyLens: A Self-Evolving Simulation-Based Testing Loop for Autonomous Systems

AutonomyLens：自主系统基于模拟的测试循环

Ankit Agrawal, Jithin Garapati, Bohan Zhang

专题命中 知识编辑与模型理解 ：LLM(abstract)

AI总结 AutonomyLens通过整合场景设计、模拟执行和 telemetry 分析，提供统一的验证流程，提升自主系统验证的可追溯性、可重复性和可扩展性。

Comments To appear in the 34th ACM Joint European Software Engineering Conference and Symposium on the Foundations of Software Engineering (FSE Companion '26), July 05-09, 2026, Montreal, QC, Canada

Improving Layout Representation Learning Across Inconsistently Annotated Datasets via Agentic Harmonization

通过代理和谐化提升跨不一致标注数据集的布局表示学习

Renyu Li, Vladimir Kirilenko, Yao You, Crag Wolfe

机构 * Unstructured Technologies 纠错

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

AI总结 本文提出利用视觉-语言模型在异质数据源中协调类别语义和边界框粒度，提升文档布局检测的准确性与一致性。

Comments 12 pages, 6 figures, 5 tables

DIAURec: Dual-Intent Space Representation Optimization for Recommendation

DIAURec: 双意图空间表示优化用于推荐

Yu Zhang, Yiwen Zhang, Yi Zhang, Lei Sang

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

AI总结 DIAURec通过统一意图和语言模型优化推荐表示，提升用户与物品在特征空间中的亲和力，实验表明其优于现有方法。

ConceptPose: Training-Free Zero-Shot Object Pose Estimation using Concept Vectors

ConceptPose：基于概念向量的无训练零样本物体姿态估计

Liming Kuang, Yordanka Velikova, Mahdi Saleh, Jan-Nico Zaech, Danda Pani Paudel, Benjamin Busam

机构 * Technical University of Munich（慕尼黑工业大学） ； Munich Center for Machine Learning（慕尼黑机器学习中心） 纠错

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

AI总结 ConceptPose利用视觉语言模型生成开放词汇3D概念图，通过建立概念图间的3D-3D对应关系，实现无训练的零样本物体姿态估计，优于现有最佳基线62%。

Multi-modal, multi-scale representation learning for satellite imagery analysis just needs a good ALiBi

多模态、多尺度表示学习用于卫星影像分析只需一个良好的ALiBi

Patrick Kage, Pavlos Andreadis

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

AI总结 本文提出Scale-ALiBi机制，通过空间编码偏置提升多尺度多模态卫星影像表示学习效果，并在GEO-Bench基准上取得改进。

Comments Originally appeared at the 4th Space Imaging Workshop at the Georgia Institute of Technology, October 7-9, 2024

ClausewitzGPT Framework: A New Frontier in Theoretical Large Language Model Enhanced Information Operations

ClausewitzGPT框架：理论大语言模型增强信息操作的新前沿

Benjamin Kereopa-Yorke

机构 * UNSW Canberra at the Australian Defence Force Academy（澳大利亚国防军学院新南威尔士大学堪培拉分校） 纠错

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

AI总结 本文提出ClausewitzGPT框架，旨在量化机器速运算风险并强调自主AI代理在信息操作中的关键作用，结合启蒙思想与克劳塞维茨原则，强调战略视野、伦理考量与全面理解的重要性。

Comments 14 pages, 14 figures

Journal ref Journal of Information Warfare, 2024

Different types of syntactic agreement recruit the same units within large language models

不同类型的句法一致要求大型语言模型中的相同单元

Daria Kryvosheieva, Andrea de Varda, Evelina Fedorenko, Greta Tuckute

机构 * Massachusetts Institute of Technology（麻省理工学院） ； Kempner Institute at Harvard University（哈佛大学肯普纳研究所） 纠错

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

AI总结 研究探讨了不同句法现象在大型语言模型中是否共享或独立激活单元，发现句法一致构成模型表征空间中的重要类别。

Why Do Large Language Models Generate Harmful Content?

为什么大语言模型会生成有害内容？

Rajesh Ganguli, Raha Moraffah

机构 * Worcester Polytechnic Institute（伍斯特理工学院） 纠错

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

AI总结 研究通过因果中介分析揭示大语言模型生成有害内容的深层原因，发现有害内容主要由MLP模块失效引起，且在模型后期层中通过特定神经元传播生成。

The Salami Slicing Threat: Exploiting Cumulative Risks in LLM Systems

切肉威胁：在LLM系统中利用累积风险

Yihao Zhang, Kai Wang, Jiangrong Wu, Haolin Wu, Yuxuan Zhou, Zeming Wei, Dongxian Wu, Xun Chen, Jun Sun, Meng Sun

机构 * School of Mathematical Sciences, Peking University（北京大学数学科学学院） ； Sun Yat-sen University（中山大学） ； Wuhan University（武汉大学） ； Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； ByteDance（字节跳动） ； Singapore Management University（新加坡管理大学） 纠错

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

AI总结 本文提出Salami Slicing Risk，通过链式低风险输入累积有害意图，以触发高风险行为，提出Salami Attack框架并验证其有效性，同时提出防御策略以缓解多轮 jailbreak 风险。

Identifying Disruptive Models in the Open-Source LLM Community

在开源大语言模型社区中识别颠覆性模型

Xiaoting Wei, Lele Kang, Xuelian Pan, Jiannan Yang

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

AI总结 研究通过构建大规模模型继承网络，提出模型颠覆指数（MDI），揭示开源LLM社区中大多数模型为巩固性而非颠覆性，强调大规模模型和微调策略更易产生颠覆性模型。

Comments 12 pages, 5 figures

Enhanced Self-Learning with Epistemologically-Informed LLM Dialogue

增强的基于知识论的LLM对话自学习

Yi-Fan Cao, Kento Shigyo, Yitong Gu, Xiyuan Wang, Weijia Liu, Yang Wang, David Gotz, Zhilan Zhou, Huamin Qu

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

AI总结 本文提出CausaDisco系统，通过整合亚里士多德的四因框架，提升LLM在自学习中的认知支持，通过实验表明其能促进更深入的学习互动和多维度视角。

Comments Submitted to IJHCI

Co-Disclosing the Computer: LLM-Mediated Computing through Reflective Conversation

揭示计算机：通过反思对话实现的LLM中介计算

Mattias Rost

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

AI总结 本文提出LLM中介计算新范式，通过反思对话实现动态交互，引入后现象学视角分析人与LLM-计算机关系，并提出基于共揭示的计算模式。

Comments CHI'26

Computational Lesions in Multilingual Language Models Separate Shared and Language-specific Brain Alignment

多语言语言模型中的计算病变分离共享和语言特定的脑对齐

Yang Cui, Jingyuan Sun, Yizheng Sun, Yifan Wang, Yunhao Zhang, Jixing Li, Shaonan Wang, Hongpeng Zhou, John Hale, Chengqing Zong, Goran Nenadic

机构 * The University of Manchester（曼彻斯特大学） ； City University of Hong Kong（香港城市大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Institute of Automation, CAS（中国科学院自动化研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Johns Hopkins University（约翰霍普金斯大学） 纠错

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

AI总结 研究通过多语言大语言模型创建计算病变，揭示语言处理的共享与特定机制，发现共享核心减少整体脑编码相关性，而语言特定病变保持跨语言分离但削弱匹配母语的脑预测性。

Comments 23 pages, 5 figures, Journal format

Not All Denoising Steps Are Equal: Model Scheduling for Faster Masked Diffusion Language Models

并非所有去噪步骤都同等重要：用于加快掩码扩散语言模型的模型调度

Ivan Sedykh, Nikita Sorokin, Valentin Malykh

机构 * ITMO University（ITMO大学） 纠错

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

AI总结 本文研究了掩码扩散语言模型的模型调度，通过在部分去噪步骤中替换较小模型，减少计算量并保持生成质量，实验表明中间步骤对替换最敏感，整体FLOPs减少17%。

Rethinking LLM Watermark Detection in Black-Box Settings: A Non-Intrusive Third-Party Framework

重新思考黑盒环境下的LLM水印检测：一种非侵入性的第三方框架

Zhuoshang Wang, Yubing Ren, Yanan Cao, Fang Fang, Xiaoxue Li, Li Guo

机构 * Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； School of Cyber Security, University of Chinese Academy of Sciences（中国科学院大学网络空间安全学院） ； National Computer Network Emergency Response Technical Team, Coordination Center of China (CNCERT/CC)（国家计算机网络应急技术处理协调中心） 纠错

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

AI总结 本文提出TTP-Detect框架，通过解耦检测与注入，实现非侵入性的第三方水印验证，提升检测性能和抗攻击能力。

Comments Accepted to ACL 2026 Findings

Cognitive Training for Language Models: Towards General Capabilities via Cross-Entropy Games

语言模型的认知训练：通过交叉熵游戏实现通用能力

Clément Hongler, Franck Gabriel, Valentin Hartmann, Arthur Renard, Andrew Emil

机构 * Xent Labs ； EPFL（瑞士联邦理工学院洛桑） ； Université Lyon 1（里昂第一大学） 纠错

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

AI总结 本文提出通过交叉熵游戏构建语言模型通用能力的框架，探讨了基于贪心优化算法的课程学习方法，并认为认知训练是发现相关技能的有效途径。

Comments 22 pages, 1 figure

From Helpful to Trustworthy: LLM Agents for Pair Programming

从有益到可信：用于配对编程的LLM代理

Ragib Shahariar Ayon

机构 * Texas State University（德克萨斯州立大学） 纠错

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

AI总结 本文研究多代理LLM配对编程，通过外部化意图和工具迭代验证，提升代码可靠性、可审计性和可维护性。

Comments Accepted in 34th ACM Joint European Software Engineering Conference and Symposium on the Foundations of Software Engineering (FSE Companion 26)

Agentic Driving Coach: Robustness and Determinism of Agentic AI-Powered Human-in-the-Loop Cyber-Physical Systems

代理驾驶教练：代理AI驱动的人机协同物理系统中的鲁棒性与确定性

Deeksha Prahlad, Daniel Fan, Hokeun Kim

机构 * Arizona State University（亚利桑那州立大学） 纠错

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

AI总结 本文提出基于反应计算模型的框架，用于解决人机协同物理系统中代理AI的鲁棒性和确定性问题，通过驾驶教练案例验证了方法的有效性。

LLM-PRISM: Characterizing Silent Data Corruption from Permanent GPU Faults in LLM Training

LLM-PRISM：从永久GPU故障中表征LLM训练中的静默数据损坏

Abhishek Tyagi, Saurabh Hukerikar, Nirmal Saxena, Yanxiang Huang, Philip Shirvani, Chung-Hsuan Tung, Yuhao Zhu

专题命中 其他LLM ：LLM(title,abstract)

AI总结 LLM-PRISM通过RTL级GPU故障模拟与嵌入在Megatron-LM中的随机注入引擎，分析不同故障类型、速率和数值格式对LLM预训练鲁棒性的影响，揭示静默数据损坏的硬件基础特性。

Towards an Appropriate Level of Reliance on AI: A Preliminary Reliance-Control Framework for AI in Software Engineering

迈向适当的AI依赖水平：软件工程中AI的初步依赖控制框架

Samuel Ferino, Rashina Hoda, John Grundy, Christoph Treude

机构 * Monash University（莫纳什大学） ； Singapore Management University（新加坡管理大学） 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 本文通过二十次访谈提出初步依赖控制框架，探讨软件开发者与AI工具的交互，分析过度依赖和不足依赖的影响，并为未来研究提供方向。

Comments Accepted for publication at the 2nd Workshop on Human-Centered AI for SE (HumanAISE) held at the 34th ACM International Conference on the Foundations of Software Engineering (FSE Companion '26), July 5-9, 2026, Montreal, Quebec, Canada

Strategic Algorithmic Monoculture: Experimental Evidence from Coordination Games

战略算法单一性：协调博弈中的实验证据

Gonzalo Ballestero, Hadi Hosseini, Samarth Khanna, Ran I. Shorrer

机构 * Pennsylvania State University（宾夕法尼亚州立大学） 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 研究通过实验设计区分算法单一性与战略算法单一性，发现LLM在协调任务中表现优异，但在奖励分歧时难以维持多样性。

WaterAdmin: Orchestrating Community Water Distribution Optimization via AI Agents

WaterAdmin: 通过AI代理协调社区供水优化

Jiaqi Wen, Pingbo Tang, Shaolei Ren, Jianyi Yang

机构 * University of Houston（休斯顿大学） ； Carnegie Mellon University（卡内基梅隆大学） ； University of California, Riverside（加州大学河滨分校） 纠错

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

AI总结 本文提出WaterAdmin框架，结合LLM进行社区上下文抽象与优化控制，以实现动态环境下供水系统的可靠性和节能。

NexusAI: Enabling Design Space Exploration of Ideas through Cognitive Abstraction and Functional Decomposition

NexusAI: 通过认知抽象和功能分解实现想法的设计空间探索

Anqi Wang, Bingqian Wang, Huiyang Chen, Keqing Jiao, Lei Han, Xin Tong, Pan Hui

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

AI总结 NexusAI通过认知抽象和功能分解解决LLM生成想法的结构性不透明问题，提升设计空间探索效率和创造性。

Morally Programmed LLMs Reshape Human Morality

道德编程的大型语言模型重塑人类道德

Pengzhao Lyu, Yeun Joon Kim, Yingyue Luna Luan, Jungmin Choi

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

AI总结 研究通过道德编程的LLM与人类交互，发现其能系统性地改变人类道德倾向，且影响持续两周，揭示了道德原则嵌入LLM的伦理困境。

A Mathematical Explanation of Transformers

Transformer的数学解释

Xue-Cheng Tai, Hao Liu, Lingfeng Li, Raymond H. Chan

机构 * NORCE Norwegian Research Centre（挪威研究中心） ； Department of Mathematics, Hong Kong Baptist University（香港浸会大学数学系） ； School of Data Science and Department of Operations and Risk Management, Lingnan University（岭南大学数据科学学院与运营及风险管理系） 纠错

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

AI总结 本文提出一种连续框架，将Transformer架构解释为结构积分微分方程的离散化，揭示自注意力机制和归一化操作的数学本质，为理解Transformer的核心组件提供了统一的理论基础。