语言大模型 / LLM

Spectral Characterization and Mitigation of Sequential Knowledge Editing Collapse

谱分析与序列知识编辑崩溃的缓解

Chi Zhang, Mengqi Zhang, Xiaotian Ye, Runxi Cheng, Zisheng Zhou, Ying Zhou, Pengjie Ren, Zhumin Chen

机构 * Shandong University（山东大学） ； School of Computer Science, Beijing University of Posts and Telecommunications（北京邮电大学计算机学院） ； Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） 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

AI总结 本文通过谱分析揭示了序列知识编辑中模型泛化能力与预训练权重矩阵主导奇异方向的关系，提出REVIVE框架通过显式保留主导奇异子空间来稳定编辑过程，提升编辑效果并保持模型泛化能力。

Comments 22 pages, 18 figures, Accepted to ACL 2026 (Main Conference)

Sanity Checks for Long-Form Hallucination Detection

长形式幻觉检测的合理性检查

Geigh Zollicoffer, Minh Vu, Hongli Zhan, Raymond Li, Manish Bhattarai

机构 * Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of British Columbia（不列颠哥伦比亚大学） 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.CL、cs.AI

AI总结 本文提出一种控制不变性方法，通过强制和移除测试区分推理本身与最终答案的表面关联，展示轻量级评分器TRACT在未扰动轨迹上的有效性。

Feature Rivalry in Sparse Autoencoder Representations: A Mechanistic Study of Uncertainty-Driven Feature Competition in LLMs

稀疏自编码表示中的特征竞争：对LLMs中不确定性驱动特征竞争的机理研究

Harshavardhan

机构 * Independent Researcher（独立研究员） 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.LG

AI总结 研究稀疏自编码中特征竞争与模型不确定性之间的关系，发现高熵问题在特定层产生更强的竞争，且竞争方向影响输出，竞争分数预测答案正确性。

Comments 10 pages, 6 figures

Factual recall in linear associative memories: sharp asymptotics and mechanistic insights

线性联想记忆中的事实回忆：尖锐渐近分析和机制洞察

Alessio Giorlandino, Sebastian Goldt, Antoine Maillard

机构 * International School of Advanced Studies (SISSA)（国际先进研究学院（SISSA）） ； INRIA Paris & DI ENS, PSL University（INRIA巴黎与ENS DI，PSL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 研究线性联想记忆中存储和检索输入-输出关联的极限，通过解耦模型揭示存储容量和机制，提供精确的统计物理分析。

BetaEdit: Null-Space Constrained Sequential Model Editing

BetaEdit：基于空空间的顺序模型编辑

Bingqing Liu, Wei Liu, Yuhua Li

机构 * Huazhong University of Science and Technology（华中科技大学） 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.CL

AI总结 本文提出BetaEdit框架，通过控制知识泄漏并整合历史感知更新，提升大规模顺序编辑性能，实验显示其优于现有方法。

Tree SAE: Learning Hierarchical Feature Structures in Sparse Autoencoders

树状SAE：在稀疏自编码器中学习层次特征结构

Tue M. Cao, Hoang X. Nhat, Raed Alharbi, Phi Le Nguyen, My T. Thai

机构 * Hanoi University of Science（河内科学大学） ； University of Florida, Florida, USA（佛罗里达大学） ； Computer Science Department, Saudi Electronic University（沙特电子大学计算机科学系） 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Tree SAE，通过结合激活和重建约束，改进稀疏自编码器中层次特征学习，提升层次对学习效果并保持与最新方法的竞争力。

Comments 21 pages

Instruction Anchor: Dissecting the Mechanistic Dynamics of Modality Arbitration

指令锚点：解构模态仲裁的机理动态

Yu Zhang, Mufan Xu, Xuefeng Bai, Kehai Chen, Pengfei Zhang, Yang Xiang, Min Zhang

机构 * Harbin Institute of Technology, Shenzhen, China（哈尔滨工业大学（深圳）） ； Peng Cheng Laboratory, Shenzhen, China（鹏城实验室） 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 本文通过信息流视角研究模态跟随机制，揭示指令令牌作为模态仲裁的结构锚点，浅层注意力层负责多模态信息聚合，深层注意力层则根据指令意图选择性强化子空间，实验验证了注意力头的特定功能。

Comments Modality Following

Modeling Implicit Conflict Monitoring Mechanisms against Stereotypes in LLMs

对LLMs中隐含冲突监控机制对抗刻板印象的建模

Jingshen Zhang, Bo Wang, Yanlin Fu, Dongming Zhao, Ruifang He, Yuexian Hou, Zifei Yu

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COCO方法，通过对比因果机制识别高内在一致性且强跨对比差异的神经元，提升模型公平性并对抗对抗性劫持攻击。

The Truth Lies Somewhere in the Middle (of the Generated Tokens)

生成标记中的真相位于中间

Sophie L. Wang, Phillip Isola, Brian Cheung

机构 * MIT（麻省理工学院） 纠错

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

AI总结 本文探讨了如何将自回归生成的隐藏状态汇总为反映语言模型内部状态的表示。通过核对齐发现，对生成标记的均池化比单个标记更有效，且生成标记的表示优于提示标记。

Flag Varieties: A Geometric Framework for Deep Network Alignment

旗种：深度网络对齐的几何框架

Jingchuan Xiao, Xinyi Sui, Cihan Ruan

机构 * Department of Mathematics and Computer Studies, Mary Immaculate College, Ireland（爱尔兰玛丽伊曼纽尔学院数学与计算机研究系） ； Department of Computer Science and Engineering, Santa Clara University, USA（美国圣克拉拉大学计算机科学与工程系） 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 本文提出基于几何不变量理论的旗种结构，揭示深度网络层间对齐的几何本质，阐明子空间交集维度为唯一不变量，并通过实验验证其在多层感知机、残差网络和预训练语言模型中的有效性。

WavesFM: Hierarchical Representation Learning for Longitudinal Wearable Sensor Waveforms

WavesFM：纵向可穿戴传感器波形的分层表示学习

Peng Cao, Zhijian Yang, Tennison Liu, Jonathan Wang, Jiang Wu, Magdalena Proszewska, Arvind Pillai, Mingwu Gao, Amir Farjadian, Lawrence Cai, Emily Blanchard, Daniel McDuff, Pramod Rudrapatna, Matthew Thompson, Anupam Pathak, Mark Malhotra, Shwetak Patel, Dina Katabi, Paolo Di Achille, Ming-Zher Poh

机构 * Google Research（谷歌研究） ； MIT（麻省理工学院） ； University of Washington（华盛顿大学） 纠错

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

AI总结 WavesFM通过分层自监督学习框架，解决长序列生理数据处理中的高采样频率、多模态依赖和长序列长度问题，实现对局部信号语义和复杂昼夜及跨日变化的建模。

Detection Without Correction: A Robust Asymmetry in Activation-Based Hallucination Probing

无需校正的检测：基于激活的 hallucination 探测中的稳健不对称性

Dip Roy, Rajiv Misra, Sanjay Kumar Singh, Anisha Roy

机构 * Department of Computer Science and Engineering, Indian Institute of Technology Patna, India（印度理工学院帕纳分校计算机科学与工程系） ； Department of Computer Science, Rajarshi School of Management and Technology, Varanasi, India（印度瓦拉纳西 Rajarshi 管理与技术学校计算机科学系） ； Department of Electronics and Communication Engineering, Jaypee Institute of Information Technology, Noida, India（印度诺伊达 Jaypee 信息科技学院电子与通信工程系） 纠错

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

AI总结 研究通过七种模型验证了基于激活的线性探测在大模型中能有效检测hallucination信号，但无法校正，且输出置信度基线在参数超过410M时表现更优。

Detecting Multi-Agent Collusion Through Multi-Agent Interpretability

通过多代理可解释性检测多代理合谋

Aaron Rose, Carissa Cullen, Sahar Abdelnabi, Philip Torr, Brandon Gary Kaplowitz, Christian Schroeder de Witt

机构 * University of Oxford（牛津大学） ； ELLIS Institute Tübingen MPI-IS（图宾根ELLIS研究所MPI-IS） 纠错

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

AI总结 本文提出NARCBench基准，通过五种探测技术在不同多代理场景中检测合谋，展示模型内部信号对多代理合谋检测的补充作用。

Weakly Supervised Concept Learning for Object-centric Visual Reasoning

弱监督概念学习用于以对象为中心的视觉推理

Sparsh Tiwari, Bettina Finzel, Gesina Schwalbe

机构 * University of Lübeck（吕贝克大学） ； University of Bamberg（巴马克大学） ； University of Ulm（乌尔姆大学） 纠错

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

AI总结 本文提出一种高效的弱监督方案，结合槽式架构和VAE实现对象中心推理任务中的符号 grounding，减少监督至1%并提升域泛化能力。

GridProbe: Posterior-Probing for Adaptive Test-Time Compute in Long-Video VLMs

GridProbe: 为长视频VLMs中的自适应测试时间计算进行后验探测

Mohamed Eltahir, Lama Ayash, Ali Habibullah, Tanveer Hussain, Naeemullah Khan

机构 * King Abdullah University of Science and Technology (KAUST)（卡尔斯塔德大学科学与技术学院） ； Department of Computer Science, Edge Hill University（埃奇希尔大学计算机科学系） 纠错

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

AI总结 GridProbe通过后验探测方法在无需训练的情况下选择相关帧，减少注意力成本，同时保持高精度。

FORGE: Fragment-Oriented Ranking and Generation for Context-Aware Molecular Optimization

FORGE：面向上下文的分子优化片段排序与生成

Qingchuan Zhang, He Cao, Hao Li, Yanjun Shao, Zhiyuan Liu, Shihang Wang, Shufang Xie, Shenghua Gao, Xinwu Ye

机构 * University of Science and Technology of China（中国科学技术大学） ； International Digital Economy Academy（国际数字经济学院） ； Peking University（北京大学） ； Yale University（耶鲁大学） ； National University of Singapore（新加坡国立大学） ； Macao Polytechnic University（澳门理工学院） ； Zhongguancun Academy（中关村学院） ； University of Hong Kong（香港大学） 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 FORGE通过上下文感知的局部编辑方法改进分子结构，在保持起始化合物相似性的同时，利用自动挖掘的低到高编辑对进行片段排序与生成，优于现有方法。

Tensor Product Representation Probes Reveal Shared Structure Across Linear Directions

张量积表示探针揭示线性方向间的共同结构

Andrew Lee, Fernanda Viégas, Martin Wattenberg

机构 * Harvard University（哈佛大学） ； Google DeepMind（谷歌DeepMind） 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 研究通过张量积表示探针揭示语言模型中线性方向的共同结构，发现线性探针可通过张量积探针参数恢复。

From Syntax to Semantics: Unveiling the Emergence of Chirality in SMILES Translation Models

从语法到语义：揭示SMILES翻译模型中手性的出现

Zehao Li, Yasuhiro Yoshikai, Shumpei Nemoto, Hiroyuki Kusuhara, Tadahaya Mizuno

机构 * Laboratory of Molecular Pharmacokinetics, Graduate School of Pharmaceutical Sciences, The University of Tokyo（分子药代动力学实验室，药学研究生院，东京大学） ； The Institute of Statistical Mathematics (ISM), Research Organization of Information and Systems（统计数学研究所（ISM），信息与系统研究组织） 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 研究探讨了化学语言模型如何从分子字符串表示中学习化学意义，发现手性信息在训练过程中经历短暂停滞后突然提升，揭示了手性约束的复杂性。

Dissecting Jet-Tagger Through Mechanistic Interpretability

解析喷流标记器的机制可解释性

Saurabh Rai, Sanmay Ganguly

机构 * Department of Physics, Indian Institute of Technology, Kanpur（印度理工学院坎浦尔分校物理系） 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 通过机制可解释性分析粒子变换器架构，揭示喷流分类的计算回路及内部表示的物理内容，展示自然语言模型的可解释性方法可用于喷流分类。

Comments 40 pages, 14 figures, 12 tables. Comments are welcome

Bilinear autoencoders find interpretable manifolds

双线性自编码器发现可解释的流形

Thomas Dooms, Ward Gauderis, Geraint Wiggins, Jose Oramas

机构 * University of Antwerp（安特卫普大学） ； Vrije Universiteit Brussel（布鲁塞尔自由大学） 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 本文提出双线性自编码器用于发现可解释的流形，通过低秩二次形式分解激活，改进语言模型的重构误差，并展示不同几何先验的自编码器能恢复相同输入子空间。

Sliced Inner Product Gromov-Wasserstein Distances

切片内积Gromov-Wasserstein距离

Xiaoyun Gong, Gabriel Rioux, Ziv Goldfeld

机构 * Center for Applied Mathematics, Cornell University（康奈尔大学应用数学中心） ； Department of Mathematics, Imperial College London（伦敦帝国理工学院数学系） ； School of Electrical and Computer Engineering, Cornell University（康奈尔大学电气与计算机工程学院） 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 本文提出切片内积Gromov-Wasserstein距离，解决高维问题的统计和计算扩展性问题，通过旋转不变性性质进行结构和计算性质研究，并在文本聚类和语言模型比较中验证。

Comments 49 pages, 8 figures

Vocabulary Hijacking in LVLMs: Unveiling Critical Attention Heads by Excluding Inert Tokens to Mitigate Hallucination

LVLMs中的词汇劫持：通过排除惰性标记来揭示关键注意力头以缓解幻觉

Yangneng Chen, Junlin Li, Weijun Yao, Xilai Ma, Guodong Du, Wenya Wang, Jing Li

机构 * Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） ； Huawei Technologies Co., Ltd.（华为技术有限公司） ； The Hong Kong Polytechnic University（香港理工大学） ； Nanyang Technological University（南洋理工大学） 纠错

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

AI总结 本文通过分析LVLMs的注意力机制，揭示了词汇劫持现象，提出HABI方法定位惰性标记，并引入NHAR指标评估其影响，最终提出HAVAE方法增强关键注意力头以减少幻觉。

Comments Accepted by ACL 2026 Main

CapCLIP: A Vision-Language Representation Alignment Approach for Wireless Capsule Endoscopy Analysis

CapCLIP：一种用于无线胶囊内镜分析的视觉-语言表示对齐方法

Haroon Wahab, Irfan Mehmood, Hassan Ugail

机构 * School of Computer Science, AI and Electronics Faculty of Engineering and Digital Technologies（计算机科学与电子工程学院，工程与数字技术学院） ； School of Management Faculty of Mgmt, Law & Social Sciences（管理学院，管理、法律与社会科学学院） ； Centre for Visual Computing and Intelligent Systems（视觉计算与智能系统中心） 纠错

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

AI总结 CapCLIP通过将内镜图像与临床标准术语生成的文本描述对齐，提升无线胶囊内镜分析的泛化能力和语义解释性，优于现有方法。

Learning When to Trust LLM Priors: A Validated Framework for Semantic Prior Integration

学习何时信任LLM先验：一种经过验证的语义先验整合框架

Erica Zhang, Naomi Sagan, Danny Tse, Fangzhao Zhang, Mert Pilanci, Jose Blanchet

机构 * Stanford University School of Engineering（斯坦福大学工程学院） 纠错

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

AI总结 Statsformer框架通过验证LLM生成的语义先验，提升监督统计学习的可靠性，有效整合不同模型的先验信息，自动降低不可靠先验的影响。

Usability as a Weapon: Attacking the Safety of LLM-Based Code Generation via Usability Requirements

可用性作为武器：通过可用性需求攻击基于LLM的代码生成的安全性

Yue Li, Xiao Li, Hao Wu, Yue Zhang, Yechao Zhang, Yating Liu, Fengyuan Xu, Sheng Zhong

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

AI总结 研究通过可用性需求攻击LLM生成代码的安全性，提出U-SPLOIT框架，利用可用性压力导致安全约束被忽略，成功率达98.1%。

ClawGuard: A Runtime Security Framework for Tool-Augmented LLM Agents Against Indirect Prompt Injection

ClawGuard：一种用于对抗间接提示注入的工具增强LLM代理运行时安全框架

Wei Zhao, Zhe Li, Peixin Zhang, Jun Sun

机构 * Singapore Management University（新加坡国立管理学院） 纠错

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

AI总结 ClawGuard通过在工具调用边界实施用户确认规则集，有效阻止间接提示注入攻击，无需修改模型或基础设施，实验显示其在多个基准测试中均能提供可靠保护。

From Spark to Fire: Modeling and Mitigating Error Cascades in LLM-Based Multi-Agent Collaboration

从Spark到Fire：在基于大语言模型的多智能体协作中建模和缓解错误级联

Yizhe Xie, Congcong Zhu, Xinyue Zhang, Tianqing Zhu, Dayong Ye, Minfeng Qi, Huajie Chen, Wanlei Zhou

机构 * Faculty of Data Science, City University of Macau（澳门城市大学数据科学学院） ； Minzu University of China（民族大学） 纠错

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

AI总结 本文提出了一种针对LLM-MAS的传播动力学模型，通过实验识别出三种漏洞类型，并引入基因图治理层以抑制误差级联，有效缓解了错误传播风险。

FragileFlow: Spectral Control of Correct-but-Fragile Predictions for Foundation Model Robustness

FragileFlow: 对基础模型鲁棒性进行谱控制的正确但易碎预测的谱控制

Zhuoyun Li, Boxuan Wang, Jinwei Hu, Xiaowei Huang, Yi Dong

机构 * School of Computer Science and Informatics, University of Liverpool, UK（利兹大学计算机科学与信息学学院） 纠错

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

AI总结 本文提出FragileFlow，通过谱控制识别正确但易碎的预测，提升基础模型鲁棒性，实验显示其在多个选择LLM基准和少量样本CLIP适应中表现优异。

Insider Attacks in Multi-Agent LLM Consensus Systems

多智能体大语言模型共识系统中的内部攻击

Xiaolin Sun, Zixuan Liu, Yibin Hu, Zizhan Zheng

机构 * Department of XXX, University of YYY, Location, Country（XXX系，YYY大学，Location，Country） ； School of ZZZ, Institute of WWW, Location, Country（ZZZ学院，WWW研究所，Location，Country） ； Department of Computer Science, Tulane University, New Orleans, United States of America（计算机科学系， Tulane大学，新奥尔良，美国） 纠错

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

AI总结 研究多智能体大语言模型共识系统中的内部攻击问题，提出基于世界模型的框架，通过学习良性智能体的潜在行为状态并利用强化学习训练攻击者，有效降低共识率并延长分歧时间。

Personalizing LLMs with Binary Feedback: A Preference-Corrected Optimization Framework

通过二元反馈个性化大语言模型：一种偏好校正的优化框架

Xilai Ma, Liye Zhao, Weijun Yao, Haibing Di, Wenya Wang, Jing Li

机构 * Harbin Institute of Technology, Shenzhen, China（哈尔滨工业大学（深圳）） ； Huawei Technologies Co., Ltd.（华为技术有限公司） ； Nanyang Technological University（南洋理工大学） 纠错

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

AI总结 本文提出C-BPO框架，通过偏好校正的二元信号实现LLM个性化，解决用户间差异问题，实验表明其在多种任务中优于基线方法。

Comments Accepted by ACL 2026 Main