Surrogate Fidelity: When Can Open LLMs Explain Closed Ones?
替代保真度：开放LLM何时能解释封闭LLM？
机构 * Meta
专题命中 知识编辑与模型理解 ：LLM(title_cn)；language model(abstract)；分类 cs.LG
AI总结 研究开放模型能否替代解释封闭模型，发现预测保真度显著高估归因保真度，模型虽答案一致但理由不同，机械解释不能自动迁移。
AI 大模型
语言大模型 / LLM
大语言模型、预训练、指令微调、后训练和语言模型应用。
1. 知识编辑与模型理解 25 篇
Teaching LLMs to Recommend and Defer in Underrepresented Epilepsy Care
在资源不足的癫痫护理中教授LLMs推荐与转诊
机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； Makerere University（马凯雷雷大学） ； St. Francis Hospital Nsambya（圣弗朗西斯医院恩桑比亚分院）
专题命中 知识编辑与模型理解 ：LLM(abstract,abstract_cn)；prompting(abstract)；分类 cs.LG
AI总结 针对资源匮乏环境下专科癫痫专家稀缺的问题，提出MANANA框架，通过非参数提示学习从少量患者数据中学习本地处方指南，结合贝叶斯提示平均实现不确定性驱动的选择性预测，在乌干达儿科癫痫队列中提升处方准确率并支持转诊。
Comments 34 pages, 8 figures
CoMet: Context and Multiplicity Decomposition for Multimodal Uncertainty Estimation
CoMet：多模态不确定性估计的上下文与多样性分解
机构 * Princeton University（普林斯顿大学）
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 提出CoMet方法，将多模态大模型的不确定性分解为上下文项和多样性项，通过轻量级后验模块高效估计，无需自回归生成或重复采样，在多个基准上优于现有方法。
Comments 33 pages, 13.3MB
Capturing Context-Aware Route Choice Semantics for Trajectory Representation Learning
捕捉上下文感知路径选择语义的轨迹表示学习
机构 * College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； Zhejiang Lab（之江实验室） ； Zhejiang Provincial Engineering Research Center for Real-Time SmartTech in Urban Security Governance, Hangzhou City University（浙大城市学院浙江省城市安全治理实时智能技术工程研究中心） ； School of Software Technology, Zhejiang University（浙江大学软件学院） ； Polytechnic Institute of Zhejiang University（浙江大学工程师学院）
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 提出CORE框架，通过多粒度环境感知模块和基于混合专家架构的路径选择编码器，将上下文感知的路径选择语义融入轨迹嵌入，在6个下游任务中平均提升9.20%。
Comments Accepted by IEEE Transactions on Knowledge and Data Engineering
Probing Memorization of Tabular In-Context Learning
探测表格上下文学习中的记忆化
机构 * SAP SE（SAP公司）
专题命中 知识编辑与模型理解 ：foundation model(abstract,comments)；分类 cs.LG
AI总结 提出ICLMEM框架探测表格基础模型在上下文学习中的参数记忆化，发现低基数任务中存在中等记忆信号，但实际训练条件下信号消失。
Comments Accepted at 2nd ICML Workshop on Foundation Models for Structured Data, 2026
FedLAB: Traceable Semantic Codebooks for Federated Multimodal Graph Foundation Learning
FedLAB: 面向联邦多模态图基础学习的可追踪语义码本
机构 * Beijing Institute of Technology（北京理工大学）
专题命中 知识编辑与模型理解 ：foundation model(abstract)；分类 cs.LG
AI总结 提出FedLAB框架，通过类型化分层码本组织模态证据、节点语义和拓扑上下文，实现联邦多模态图学习中的可追踪语义，在10个基准和6个下游任务上提升达7.53%。
MuSViT: A Foundation Vision Model for Sheet Music Representation
MuSViT: 一种用于乐谱表示的基础视觉模型
机构 * Pattern Recognition and Artificial Intelligence Group, University of Alicante, Spain（西班牙阿利坎特大学模式识别与人工智能组）
专题命中 知识编辑与模型理解 ：foundation model(abstract)
AI总结 提出MuSViT，首个基于ViT的乐谱基础视觉模型，通过掩码自编码器预训练于970万页IMSLP数据，采用两阶段课程学习，在下游任务中优于通用视觉编码器，并直接编码符号音乐结构。
Comments Accepted at European Conference on Computer Vision (ECCV'26)
Mask to Concept: Auto-Promptable SAM3 via Efficient Test-Time Concept Embedding Search for Few-Shot Annotation
掩码到概念：通过高效测试时概念嵌入搜索实现自动可提示的SAM3用于少样本标注
机构 * Wuhan University of Technology（武汉理工大学） ； Huazhong University of Science and Technology（华中科技大学） ； Changzhou United lmaging Healthcare Surgical Technology Co. Ltd.（常州联影医疗手术技术有限公司）
专题命中 知识编辑与模型理解 ：prompting(abstract)
AI总结 提出Mask to Concept (M2C)框架，无需外部模块或重训练，仅用少量标注图像，通过可学习概念嵌入搜索和混合不确定性估计，实现SAM3在医学图像中的自动少样本标注，达到SOTA性能。
Comments Accepted by MICCAI 2026
A Neurosymbolic Framework for Interpretable Skeleton-Based Seizure Detection via Concept-Driven Logical Reasoning
一种基于概念驱动逻辑推理的可解释骨架癫痫检测的神经符号框架
机构 * Monash University（莫纳什大学）
专题命中 知识编辑与模型理解 ：foundation model(abstract)
AI总结 提出首个神经符号框架用于视频癫痫检测，通过概念驱动逻辑推理实现可解释性，在SAHZU和IEEE基准上分别达到89.78%和85.27%的灵敏度，误检率低至0.06和0.09次/小时。
Comments Accepted to MICCAI 2026 (Early Accept: top 9%)
LARA: Latent Action Representation Alignment for Vision-Language-Action Models
LARA: 视觉-语言-动作模型的潜在动作表示对齐
机构 * University of Science and Technology of China（中国科学技术大学）
专题命中 知识编辑与模型理解 ：post-training(abstract)
AI总结 提出LARA框架，通过表示对齐联合优化潜在动作模型和视觉-语言-动作模型，利用人类视频数据提升机器人操作性能，在模拟和真实基准上平均提升约10%、5%和15%。
NetVAD: Foundation-Model Representation Learning for Identifier-Free Unsupervised Intrusion Detection
NetVAD: 用于无标识符无监督入侵检测的基础模型表示学习
专题命中 知识编辑与模型理解 ：foundation model(abstract)
AI总结 提出NetVAD，一种严格无标识符的变分自编码器，利用冻结的基础模型表示，仅通过良性流量训练，在无监督入侵检测中达到与监督方法竞争的性能。
Comments Accepted at IEEE Intelligent Conference on Intelligence and Security Informatics (ISI)
Fine-grained Motion Retrieval via Joint-Angle Motion Images and Token-Patch Late Interaction
基于关节角度运动图像与令牌-补丁后期交互的细粒度运动检索
机构 * Aalto University（阿尔托大学） ； Fudan University（复旦大学） ； Georgia Institute of Technology（佐治亚理工学院）
专题命中 知识编辑与模型理解 ：language model(abstract)
AI总结 提出一种可解释的关节角度运动表示，结合预训练视觉Transformer和令牌级后期交互机制，实现文本与3D运动之间的细粒度对齐，在HumanML3D和KIT-ML上超越现有方法。
Φeat: Physically Grounded Material Feature Representation
Φeat: 物理基础的材料特征表示
机构 * Adobe Research, France（Adobe研究院（法国））
专题命中 知识编辑与模型理解 ：foundation model(abstract)
AI总结 提出Φeat视觉骨干网络，通过对比同一材料在不同光照和几何下的观测，学习对材料身份敏感的表征，提升材料选择与分类等任务性能。
2. 其他LLM 31 篇
An Empirical Study of Security Calibration in Large Language Models for Code
面向代码的大型语言模型安全校准的实证研究
机构 * University of Notre Dame（圣母大学） ； Brac University（布拉卡大学）
专题命中 其他LLM ：LLM(summary_cn,abstract)；large language model(title,abstract)；language model(title,abstract)；分类 cs.LG
AI总结 本文首次大规模实证研究LLM生成代码的安全校准，发现过度自信普遍存在，安全校准优于功能校准，且校准引导的自动修复效果有限。
Comments Accepted at the 42nd International Conference on Software Maintenance and Evolution (ICSME 2026) Research Track
Listening Between the Lines: Joint Learning of ASR Embeddings and LLM-Augmented Linguistics for Dementia Detection
弦外之音：ASR嵌入与LLM增强语言学联合学习用于痴呆检测
机构 * Division of Communication and Media, Ewha Womans University, South Korea（韩国梨花女子大学传播与媒体学院） ； NAVER Cloud, South Korea（韩国NAVER Cloud）
专题命中 其他LLM ：LLM(title,title_cn)；large language model(abstract)；language model(abstract)；分类 cs.AI、cs.LG
AI总结 提出多模态框架，结合Whisper的声学表示与LLM提取的语言特征，通过门控融合网络实现痴呆检测，在ADReSS和ADReSSo上F1分别达89.47%和90.14%。
Comments Accepted at INTERSPEECH 2026
RAISE: LLM-based Automated Heuristic Design with Robust Adversary Instance Search
RAISE：基于LLM的鲁棒对抗实例搜索自动化启发式设计
机构 * University of Zurich（苏黎世大学） ； ETH Zurich（苏黎世联邦理工学院）
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 提出RAISE框架，通过将约束最坏情况实例搜索集成到LLM进化循环中，解决现有LLM自动化启发式设计在分布偏移下性能崩溃的问题，在多个在线调度问题上验证了鲁棒性。
LLM-Driven Personalities for Decision Making in Emergency Simulations
用于紧急模拟决策的LLM驱动个性
机构 * Politecnico di Torino（都灵理工大学） ； PUCRS（南里奥格兰德天主教大学）
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 本研究利用大语言模型（LLM）结合OCEAN人格特质驱动虚拟人在疏散模拟中的决策，发现不同人格特质显著影响个体行为和群体模拟结果，增强了模拟环境的真实性和多样性。
Demystify, Use, Reflect, Assess (DURA): An Experience Report on LLM Integration in CS2
揭秘、使用、反思、评估（DURA）：CS2课程中集成LLM的经验报告
专题命中 其他LLM ：LLM(title,title_cn)；large language model(abstract)；language model(abstract)
AI总结 提出DURA框架（揭秘-使用-反思-评估），重构CS2课程以允许使用LLM，通过揭秘、指导使用、反思和增加监考评估，促进学生元认知，学生报告了LLM的多种用途并提高了对教师关怀的感知。
Comments 7 pages, 2 figures, 6 tables. Experience report accepted to SIGCSE Virtual 2026
How to Compare the Security of Code Written by Humans to LLM-generated Code
如何比较人类编写的代码与LLM生成代码的安全性
专题命中 其他LLM ：LLM(title,title_cn)；large language model(abstract)；language model(abstract)
AI总结 提出一个自动化框架，通过静态和动态质量分析，在人类单独、LLM单独和人类-LLM混合条件下进行可重复的“物种公平”比较实验，以评估LLM生成代码相对于人类代码的安全性。
Emergent Culture in Minimal LLM Systems
最小LLM系统中的涌现文化
机构 * University of Bristol（布里斯托大学）
专题命中 其他LLM ：LLM(title,title_cn)；prompting(abstract)；分类 cs.CL、cs.AI
AI总结 研究在极简条件下LLM智能体如何自发合作并产生复杂文化产物，通过动态系统分析揭示超越熵视界的结构化长程相干性。
Comments 9 pages, 6 figures. Accepted for publication at Alife 2026 conference
On Optimizing Multimodal Jailbreaks for Spoken Language Models
关于优化口语语言模型的多模态越狱攻击
机构 * Saarland University（萨尔大学） ； DFKI GmbH（德国人工智能研究中心） ； ETH AI Center（ETH人工智能中心）
专题命中 其他LLM ：SLM(summary_cn,abstract)；language model(title,abstract)；LLM(abstract,abstract_cn)；分类 cs.LG
AI总结 提出联合音频文本多模态攻击框架JAMA，通过梯度优化同时扰动语音和文本模态，在四个SLM上实现1.5至20倍于单模态的越狱成功率，并分析其运行机制。
Comments Accepted at INTERSPEECH 2026
LLM Harms: A Taxonomy and Discussion
LLM 危害：分类与讨论
专题命中 其他LLM ：LLM(title,title_cn)；large language model(abstract)；language model(abstract)
AI总结 本研究针对大型语言模型（LLM）在人工智能领域中的危害进行分类，提出开发前、直接输出、误用与恶意应用以及下游应用五类危害，并讨论缓解策略与动态审计系统。
Stable-GFlowNet: Toward Diverse and Robust LLM Red-Teaming via Contrastive Trajectory Balance
Stable-GFlowNet: 通过对比轨迹平衡实现多样且鲁棒的LLM红队测试
机构 * Naver AI Lab（Naver AI实验室）
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 针对大语言模型红队测试中有效性与多样性难以兼顾的问题，提出Stable-GFlowNet方法，通过消除配分函数估计和对比轨迹平衡实现稳定训练，在保持最优策略的同时提升攻击性能与多样性。
Comments ICML 2026 Spotlight
Investigating LLM-Powered Dissenting Minority Support in Power-Imbalanced Group Decision-Making: Counterargument and Mediation as Intervention Strategies
探究LLM赋能的异议少数群体在权力不平衡群体决策中的支持：反驳与调解作为干预策略
专题命中 其他LLM ：LLM(title,title_cn)
AI总结 本研究开发了LLM赋能的异议少数支持系统，通过AI生成的反驳或AI调解消息来关注少数观点，实验发现反驳增强满意度但调解增加参与却降低心理安全感，揭示了参与与心理安全之间的支持悖论。
Comments Accepted at CSCW 2026
When Embedding-Based Defenses Fail: Rethinking Safety in LLM-Based Multi-Agent Systems
基于嵌入的防御失效：重新思考基于大语言模型的多智能体系统的安全性
机构 * Rice University（稻属大学） ； University of Virginia（弗吉尼亚大学）
专题命中 其他LLM ：LLM(title,abstract)；large language model(abstract)；language model(abstract)；分类 cs.LG
AI总结 研究探讨了基于嵌入的防御在多智能体系统中的失效模式，提出利用置信度信号提升系统鲁棒性，通过实验验证了早期干预的重要性。
Rethinking On-policy Optimization for Query Augmentation
重新思考查询增强的在线策略优化
机构 * University of Utah（犹他大学） ； The University of Queensland（昆士兰大学） ； University of Waterloo（滑铁卢大学） ； New York University（纽约大学） ； University of Notre Dame（圣母大学） ； Université de Montréal（蒙特利尔大学） ； Google DeepMind（谷歌DeepMind） ； University of Oklahoma（俄克拉荷马大学）
专题命中 其他LLM ：LLM(abstract,abstract_cn)；large language model(abstract)；language model(abstract)；prompting(abstract)
AI总结 本文系统比较了基于提示和强化学习的查询增强方法，发现计算量感知下简单方法常优于RL方法，并提出混合方法OPQE，通过RL生成伪文档以最大化检索性能。
Comments TMLR camera ready version
White-Box Sensitivity Auditing with Steering Vectors
白盒敏感性审计与引导向量
机构 * University of Virginia（弗吉尼亚大学）
专题命中 其他LLM ：LLM(abstract,abstract_cn)；large language model(abstract)；language model(abstract)；分类 cs.CL、cs.LG
AI总结 本文提出白盒敏感性审计框架，通过激活引导进行更严格的模型内部评估，用于检测大语言模型中的偏见，揭示模型对保护属性的依赖。
Comments Accepted to Transactions on Machine Learning Research (TMLR)
Shared Lexical Task Representations Explain Behavioral Variability In LLMs
共享的词汇任务表示解释了大语言模型中的行为变异
机构 * Brown University（布朗大学） ； MIT（麻省理工学院） ； Northeastern University（东北大学）
专题命中 其他LLM ：large language model(abstract)；language model(abstract)；prompting(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 研究通过比较指令式和示例式提示发现，大语言模型在不同提示下行为差异可由共享的词汇任务表示解释，揭示了任务特定注意力头在不同提示风格中的共同机制。
Comments Accepted to ICML 2026. Updated to the camera-ready version
ZEBRA: Zero-Shot Entropy-Regularized Prompt Learning for Base-to-Novel Generalization in Audio-Language Models
ZEBRA：面向音频语言模型中基类到新类泛化的零样本熵正则化提示学习
机构 * Mohamed Bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）
专题命中 其他LLM ：language model(title,abstract)；分类 cs.AI
AI总结 提出ZEBRA框架，通过融合零样本logits与提示学习logits并采用自熵正则化，解决音频语言模型中提示学习导致的新类性能下降问题，实现基类到新类的泛化提升。
Comments Accepted in InterSpeech 2026
Think While You Map: Asynchronous Vision-Language Agents for Incremental 3D Scene Graphs
边建图边思考：用于增量式3D场景图的异步视觉-语言智能体
机构 * University of Stuttgart（斯图加特大学） ； Graz University of Technology（格拉茨技术大学） ； IMPRS-IS（国际马克斯·普朗克智能系统研究学院）
专题命中 其他LLM ：language agent(title)；language model(abstract)
AI总结 提出异步架构，轻量在线建图与重型语义精化并发运行，通过语义闭环、属性标注和空间关系推导，实现探索时可查询且语义渐增的3D场景图，在多个基准上超越现有方法。
Comments Accepted to ECCV 2026. Project page: https://denizbickici.github.io/thinkgraphs/
