语言大模型 / LLM

SECOND: Mitigating Perceptual Hallucination in Vision-Language Models via Selective and Contrastive Decoding

SECOND：通过选择性和对比性解码缓解视觉-语言模型中的感知幻觉

Woohyeon Park, Woojin Kim, Jaeik Kim, Jaeyoung Do

机构 * Department of Electrical and Computer Engineering, Seoul National University（首尔大学电气与计算机工程系） ； Interdisciplinary Program in Artificial Intelligence, Seoul National University（首尔大学人工智能跨学科项目） 纠错

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

AI总结 本文提出SECOND方法，通过选择性与对比性解码机制，有效利用多尺度视觉信息，减少视觉语言模型中的感知幻觉并提升性能。

Journal ref ICML 2025

Which Concepts to Forget and How to Refuse? Decomposing Concepts for Continual Unlearning in Large Vision-Language Models

哪些概念需要遗忘以及如何拒绝？分解概念以在大视觉-语言模型中实现持续反学习

Hyundong Jin, Dongyoon Han, Eunwoo Kim

机构 * Chung-Ang University（Chung-Ang大学） ； NAVER AI Lab（NAVER AI实验室） 纠错

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

AI总结 本文提出一种持续反学习框架，通过分解删除目标中的视觉和文本概念，生成基于细粒度描述的拒绝响应，以提升反学习效果和保持通用性。

Comments Accepted to CVPR 2026

Segmentation-Based Attention Entropy: Detecting and Mitigating Object Hallucinations in Large Vision-Language Models

基于分割的注意力熵：在大视觉-语言模型中检测和缓解对象幻觉

Jiale Song, Jiaxin Luo, Xue-song Tang, Kuangrong Hao, Mingbo Zhao

机构 * School of Information and Intelligent Science, Donghua University, Shanghai, 201620, China（信息与智能科学学院，东华大学，上海，201620，中国） 纠错

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

AI总结 本文提出基于分割的注意力熵(SAE)，通过语义分割量化视觉注意力不确定性，设计可靠性评分和注意力调整方法，有效缓解大视觉-语言模型中的对象幻觉问题。

Do Not Leave a Gap: Hallucination-Free Object Concealment in Vision-Language Models

不要留下空白：视觉-语言模型中的无幻觉物体遮蔽

Amira Guesmi, Muhammad Shafique

机构 * Engineering Division, New York University Abu Dhabi, UAE（纽约大学阿布扎比分校工程系） 纠错

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

AI总结 本文提出一种背景一致的物体遮蔽攻击方法，通过重新编码视觉表示使目标物体与背景一致，避免幻觉产生，实验显示其能有效遮蔽目标物体并减少幻觉。

Probing and Bridging Geometry-Interaction Cues for Affordance Reasoning in Vision Foundation Models

探索并弥合几何-交互线索以实现视觉基础模型中的可及性推理

Qing Zhang, Xuesong Li, Jing Zhang

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

AI总结 本文探讨了视觉基础模型中几何感知与交互感知对可及性推理的互补作用，通过融合DINO的几何原型与Flux的交互地图，实现了与弱监督方法相当的可及性估计。

Comments 11 pages, 12 figures, Accepted to CVPR 2026

DiveUp: Learning Feature Upsampling from Diverse Vision Foundation Models

DiveUp: 从多样化视觉基础模型中学习特征上采样

Xiaoqiong Liu, Heng Fan

机构 * Department of Computer Science and Engineering, University of North Texas（计算机科学与工程系，北卡罗来纳州立大学） 纠错

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

AI总结 本文提出DiveUp框架，通过多基础模型关系引导解决单一模型依赖问题，利用专家共识正则化上采样过程，实现跨模型无缝交互，实验表明其在密集预测任务中性能优异。

"Who wants to be nagged by AI?": Investigating the Effects of Agreeableness on Older Adults' Perception of LLM-Based Voice Assistants' Explanations

谁想被AI nag？：探究 agreeableness 对老年人感知基于LLM的语音助手解释的影响

Niharika Mathur, Hasibur Rahman, Smit Desai

专题命中 知识编辑与模型理解 ：LLM(title,abstract)

AI总结 研究探讨了agreeableness对老年人感知基于LLM的语音助手解释的影响，发现高 agreeableness 助手在日常场景中更受信任，但在紧急情况下清晰度更重要，且可接受的老年人更严厉惩罚低 agreeableness 助手。

Comments To be published as a poster extended abstract at CHI 2026

MACE4IRmol: An uncertainty-aware foundation model for molecular infrared spectroscopy

MACE4IRmol：一种具有不确定性的分子红外光谱基础模型

Nitik Bhatia, Ondrej Krejci, Silvana Botti, Patrick Rinke, Miguel A. L. Marques

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

AI总结 MACE4IRmol是一种基于MACE架构的具有不确定性的基础模型，用于分子红外光谱预测，实现了高精度、高效率和不确定性估计。

Comments 36 pages and 8 figures

Beyond Heuristic Prompting: A Concept-Guided Bayesian Framework for Zero-Shot Image Recognition

超越启发式提示：一种基于概念的贝叶斯框架用于零样本图像识别

Hui Liu, Kecheng Chen, Jialiang Wang, Xianming Liu, Wenya Wang, Haoliang Li

机构 * City University of Hong Kong（香港城市大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Nanyang Technological University（南洋理工大学） 纠错

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

AI总结 本文提出一种基于概念的贝叶斯框架，通过整合类特定概念提升零样本图像识别性能，采用多阶段概念合成和自适应软修剪似然，实现更鲁棒和高效的分类效果。

Comments 19 pages, Accepted by CVPR 2026

MARLIN: Multi-Agent Reinforcement Learning with Murmuration Intelligence and LLM Guidance for Reservoir Management

MARLIN: 基于星群智能与大语言模型引导的多智能体强化学习在水库管理中的应用

Heming Fu, Shan Lin, Guojun Xiong

专题命中 知识编辑与模型理解 ：LLM(title,abstract)

AI总结 MARLIN通过结合生物启发规则与大语言模型，实现多智能体强化学习在水库管理中的去中心化协调，提升不确定性处理能力并加快洪水响应。

Comments AAMAS'26

HALP: Detecting Hallucinations in Vision-Language Models without Generating a Single Token

在不生成单个标记的情况下检测视觉-语言模型中的幻觉

Sai Akhil Kogilathota, Sripadha Vallabha E G, Luzhe Sun, Jiawei Zhou

机构 * Stony Brook University（石英溪大学） ； Toyota Technological Institute at Chicago（芝加哥丰田技术研究所） 纠错

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

AI总结 通过探测模型内部表示在生成前检测视觉-语言模型的幻觉风险，展示不同架构中信息丰富的层和模态差异，并验证轻量级探测器在提升安全性和效率方面的潜力。

Journal ref The 19th Conference of the European Chapter of the Association for Computational Linguistics (EACL 2026)

Self-Correction Inside the Model: Leveraging Layer Attention to Mitigate Hallucinations in Large Vision Language Models

模型内部的自我校正：利用层注意力缓解大视觉语言模型中的幻觉

April Fu

机构 * Independent Researcher（独立研究者） 纠错

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

AI总结 本文提出了一种利用层注意力的内部自我校正机制，通过自我细化提高大视觉语言模型的视觉接地性，有效缓解幻觉问题。

Fourier-Attentive Representation Learning: A Fourier-Guided Framework for Few-Shot Generalization in Vision-Language Models

傅里叶-注意力表示学习：一种引导少样本泛化的视觉-语言模型框架

Hieu Dinh Trung Pham, Huy Minh Nhat Nguyen, Cuong Tuan Nguyen

机构 * Vietnamese German University（越南德语大学） 纠错

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

AI总结 本文提出FARL框架，通过傅里叶分析解缠视觉表示，提升视觉-语言模型在少样本场景下的泛化能力。

Managing Uncertainty in LLM-based Multi-Agent System Operation

在基于大语言模型的多智能体系统操作中管理不确定性

Man Zhang, Tao Yue, Yihua He

专题命中 知识编辑与模型理解 ：LLM(title,abstract)

AI总结 本文提出了一种基于生命周期的不确定性管理框架，用于提升基于大语言模型的多智能体系统在安全关键领域的可靠性和可诊断性。

Hallucination Filtering in Radiology Vision-Language Models Using Discrete Semantic Entropy

在放射学视觉-语言模型中使用离散语义熵过滤幻觉

Patrick Wienholt, Sophie Caselitz, Robert Siepmann, Philipp Bruners, Keno Bressem, Christiane Kuhl, Jakob Nikolas Kather, Sven Nebelung, Daniel Truhn

机构 * Lab for Artificial Intelligence in Medicine, Department of Diagnostic and Interventional Radiology, University Hospital RWTH Aachen（医学人工智能实验室，诊断与介入放射学部，RWTH亚琛大学医院） ； Department of Diagnostic and Interventional Radiology, University Hospital RWTH Aachen（诊断与介入放射学部，RWTH亚琛大学医院） ； Department of Diagnostic and Interventional Radiology, Technical University of Munich, School of Medicine and Health, Klinikum rechts der Isar, TUM University Hospital（诊断与介入放射学部，慕尼黑技术大学，医学院与健康学院，Klinikum rechts der Isar，TUM大学医院） ； Department of Cardiovascular Radiology and Nuclear Medicine, Technical University of Munich, School of Medicine and Health, German Heart Center, TUM University Hospital（心血管放射学与核医学部，慕尼黑技术大学，医学院与健康学院，德国心脏中心，TUM大学医院） ； Else Kroener Fresenius Center for Digital Health, Faculty of Medicine and University Hospital Carl Gustav Carus, TUD Dresden University of Technology（数字健康中心，医学院与卡尔·古斯塔夫·卡尔斯大学医院，德累斯顿技术大学） ； Department of Medicine I, Faculty of Medicine and University Hospital Carl Gustav Carus, TUD Dresden University of Technology（第一医学部，医学院与卡尔·古斯塔夫·卡尔斯大学医院，德累斯顿技术大学） ； Pathology & Data Analytics, Leeds Institute of Medical Research at St James’s, University of Leeds（病理学与数据分析，圣詹姆斯医院医学研究所，利兹大学） ； Medical Oncology, National Center for Tumor Diseases (NCT), University Hospital Heidelberg（医学肿瘤学，国家肿瘤疾病中心（NCT），海德堡大学医院） 纠错

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

AI总结 本研究通过离散语义熵过滤高熵问题，显著提升放射学视觉-语言模型的诊断准确性。

Comments Code is available: https://github.com/TruhnLab/VisionSemanticEntropy

Journal ref Eur Radiol (2026)

JailBound: Jailbreaking Internal Safety Boundaries of Vision-Language Models

JailBound: 视觉语言模型内部安全边界的劫持

Jiaxin Song, Yixu Wang, Jie Li, Rui Yu, Yan Teng, Xingjun Ma, Yingchun Wang

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Fudan University（复旦大学） ； Xuan Tong（宣通） ； NSFOCUS 纠错

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

AI总结 JailBound通过在视觉语言模型的潜在空间中探索安全边界，提出了一种新的劫持框架，有效提升了白盒和黑盒攻击成功率，揭示了模型的安全风险。

Comments The Thirty-ninth Annual Conference on Neural Information Processing Systems (NeurIPS 2025)

On the Explainability of Vision-Language Models in Art History

关于视觉-语言模型在艺术史中的可解释性

Stefanie Schneider

机构 * Marburg University（马尔堡大学） 纠错

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

AI总结 本文研究了XAI方法如何使CLIP在艺术史背景下可视化推理，通过零样本定位实验和人类可解释性研究，探讨了可解释性方法的有效性依赖于类别概念稳定性和表示可用性。

Beyond Behavioural Trade-Offs: Mechanistic Tracing of Pain-Pleasure Decisions in an LLM

超越行为权衡：在LLM中疼痛-愉悦决策的机制追溯

Francesca Bianco, Derek Shiller

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

AI总结 研究揭示了LLM在疼痛-愉悦决策中的内部机制，通过机制追溯揭示了价值信号的表示和因果作用，为AI意识和福利的讨论提供了证据基础。

Comments 24 pages, 8+1 Tables

SAKED: Mitigating Hallucination in Large Vision-Language Models via Stability-Aware Knowledge Enhanced Decoding

SAKED: 通过稳定性感知知识增强解码缓解大视觉-语言模型中的幻觉

Zhaoxu Li, Chenqi Kong, Peijun Bao, Song Xia, Yi Tu, Yi Yu, Xinghao Jiang, Xudong Jiang

机构 * ROSE Lab, School of Electrical and Electronic Engineering, Nanyang Technological University, Singapore（ROSE实验室，电子工程学院，南洋理工大学，新加坡） ； ROSE Lab, Interdisciplinary Graduate Programme, Nanyang Technological University, Singapore（ROSE实验室，跨学科研究生项目，南洋理工大学，新加坡） ； School of Physical and Mathematical Sciences, Nanyang Technological University, Singapore（物理与数学科学学院，南洋理工大学，新加坡） ； Shanghai Jiao Tong University, China（上海交通大学，中国） 纠错

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

AI总结 SAKED通过引入稳定性感知知识增强解码方法，有效缓解大视觉-语言模型中的幻觉问题，无需训练即可集成至不同架构中，实现最佳性能。

Learning a Generative Meta-Model of LLM Activations

学习大语言模型激活的生成元模型

Grace Luo, Jiahai Feng, Trevor Darrell, Alec Radford, Jacob Steinhardt

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

AI总结 本研究通过训练扩散模型学习大语言模型激活的分布，提出生成元模型以提升干预保真度和可解释性。

From Hallucination to Articulation: Language Model-Driven Losses for Ultra Low-Bitrate Neural Speech Coding

从幻觉到明确：基于语言模型的损失函数用于超低比特率神经语音编码

Jayeon Yi, Minje Kim

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

AI总结 本文提出基于语言模型的损失函数，用于超低比特率神经语音编码，以缓解音素幻觉问题，提升语义一致性与输出质量。

Comments To appear in ICASSP 2026. Demo wavs, code, and checkpoints (currently) availble at https://github.com/stet-stet/lmloss-icassp2026

Feat2GS: Probing Visual Foundation Models with Gaussian Splatting

Feat2GS: 通过高斯点云探测视觉基础模型

Yue Chen, Xingyu Chen, Anpei Chen, Gerard Pons-Moll, Yuliang Xiu

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

AI总结 Feat2GS通过高斯点云探测视觉基础模型的3D理解能力，无需3D数据即可分析几何和纹理意识。

Comments Project Page: https://fanegg.github.io/Feat2GS/

Journal ref Proc. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2025

RerouteGuard: Understanding and Mitigating Adversarial Risks for LLM Routing

RerouteGuard: 理解并缓解LLM路由中的对抗风险

Wenhui Zhang, Huiyu Xu, Zhibo Wang, Zhichao Li, Zeqing He, Xuelin Wei, Kui Ren

专题命中 知识编辑与模型理解 ：LLM(title,abstract)

AI总结 RerouteGuard通过动态嵌入检测和自适应阈值，有效检测并缓解LLM路由中的对抗风险，提升多模型AI系统的安全性。

Comments 15 pages, 13 figures

Embodied Learning of Reward for Musculoskeletal Control with Vision Language Models

具身学习奖励以实现肌肉骨骼控制与视觉语言模型

Saraswati Soedarmadji, Yunyue Wei, Chen Zhang, Yisong Yue, Yanan Sui

机构 * Tsinghua University（清华大学） ； California Institute of Technology（加州理工学院） 纠错

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

AI总结 本文提出MoVLR框架，利用视觉语言模型实现高维肌肉骨骼系统的具身学习，通过迭代交互发现和改进奖励函数。

Comments 18 pages, 8 figures

The Semantic Lifecycle in Embodied AI: Acquisition, Representation and Storage via Foundation Models

具身AI中的语义生命周期：通过基础模型实现获取、表示与存储

Shuai Chen, Hao Chen, Yuanchen Bei, Tianyang Zhao, Zhibo Zhou, Feiran Huang

机构 * College of Information Science and Technology, Jinan University（信息科学与技术学院，暨南大学） ； Faculty of Data Science, City University of Macau（数据科学学院，澳门城市大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Zhongguancun Laboratory（中关村实验室） ； College of Cyber Security, Jinan University（网络安全学院，暨南大学） 纠错

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

AI总结 本文提出语义生命周期框架，通过基础模型在具身AI中实现语义信息的获取、表示与存储，探讨了语义处理的连续流动与维护，并总结了当前挑战与未来研究方向。

Robust Multicentre Detection and Classification of Colorectal Liver Metastases on CT: Application of Foundation Models

鲁棒多中心结直肠肝转移的CT检测与分类：基础模型的应用

Shruti Atul Mali, Zohaib Salahuddin, Yumeng Zhang, Andre Aichert, Xian Zhong, Henry C. Woodruff, Maciej Bobowicz, Katrine Riklund, Juozas Kupčinskas, Lorenzo Faggioni, Roberto Francischello, Razvan L Miclea, Philippe Lambin

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

AI总结 本研究提出基于基础模型的AI流程，用于多中心CT中结直肠肝转移的稳健检测与分类，通过整合不确定性量化和可解释性，提升了分类准确率和病变检测效率。

What Is The Best 3D Scene Representation for Robotics? From Geometric to Foundation Models

机器人中最佳的3D场景表示是什么？从几何到基础模型

Tianchen Deng, Yue Pan, Shenghai Yuan, Dong Li, Chen Wang, Mingrui Li, Long Chen, Lihua Xie, Danwei Wang, Jingchuan Wang, Javier Civera, Hesheng Wang, Weidong Chen

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

AI总结 本文探讨了机器人中最佳的3D场景表示方法，对比了传统和神经表示的优劣，并展望了基础模型在机器人应用中的潜力。

Thinking with Blueprints: Assisting Vision-Language Models in Spatial Reasoning via Structured Object Representation

基于蓝图的思考：通过结构化物体表示协助视觉-语言模型进行空间推理

Weijian Ma, Shizhao Sun, Tianyu Yu, Ruiyu Wang, Tat-Seng Chua, Jiang Bian

机构 * National University of Singapore（新加坡国立大学） ； Microsoft Research, Asia（微软亚洲研究院） ； Tsinghua University（清华大学） ； University of Toronto（多伦多大学） 纠错

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

AI总结 通过结构化物体表示提升视觉-语言模型的空间推理能力，引入蓝图嵌入推理轨迹、蓝图意识奖励和反捷径数据增强技术。

Comments Preprint. Under review

CRoPS: A Training-Free Hallucination Mitigation Framework for Vision-Language Models

CRoPS：一种用于视觉-语言模型的无训练幻觉缓解框架

Neeraj Anand, Samyak Jha, Udbhav Bamba, Rahul Rahaman

机构 * Indian Institute of Technology (ISM)（印度理工学院（ISM）） ； Transmute AI ； National University of Singapore（新加坡国立大学） 纠错

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

AI总结 CRoPS通过选择性移除关键文本标记和广义对比解码，有效缓解视觉-语言模型的幻觉问题，提升CHAIR分数20%并优于现有无训练方法。

Comments Accepted at TMLR 2026

Memelang: An Axial Grammar for LLM-Generated Vector-Relational Queries

Memelang：一种用于LLM生成向量关系查询的轴性语法

Bri Holt

专题命中 知识编辑与模型理解 ：LLM(title,abstract)

AI总结 Memelang是一种紧凑的查询语言，通过轴性语法实现LLM生成的向量关系查询的结构化生成，支持坐标稳定引用、变量绑定和隐式上下文传递，以提高查询效率。