语言大模型 / LLM

Learning to Reason for Factuality

学习进行事实性推理

Xilun Chen, Ilia Kulikov, Vincent-Pierre Berges, Barlas Oğuz, Rulin Shao, Gargi Ghosh, Jason Weston, Wen-tau Yih

机构 * FAIR at Meta（Meta 的 FAIR） ； University of Washington（华盛顿大学） 纠错

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

AI总结 研究推理大型语言模型在事实性推理方面的问题，提出同时考虑事实精度、响应细节和答案相关性的新型奖励函数，应用在线强化学习，使模型在长篇事实性基准测试中幻觉率降低、答案细节提升且响应帮助性无降。

Comments ICML 2026

EssayCBM: Rubric-Aligned Concept Bottleneck Models for Transparent Essay Grading

EssayCBM: 基于评分标准的概念瓶颈模型用于透明的作文评分

Kumar Satvik Chaudhary, Chengshuai Zhao, Fan Zhang, Garima Agrawal, Yuli Deng, Huan Liu

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

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

AI总结 EssayCBM通过分解为八种可解释的写作概念，提供透明的作文评分方法，使教师能够检查和调整评分标准级别的预测。

Self-Improving is Often Sudden: Enlightenment-style Finetuning for Large-Scale Models

自我提升往往是突然的：大规模模型的顿悟式微调

Jing-Xiao Liao, Tianwei Zhang, Yu-Hao Jiang, Feifei Zhang, Hang-Cheng Dong, Feng-Lei Fan

机构 * School of Computer Science and Artificial Intelligence, Guangdong University of Education（广东第二师范学院计算机科学与人工智能学院） ； School of Instrumentation Science and Engineering, Harbin Institute of Technology（哈尔滨工业大学仪器科学与工程学院） 纠错

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

AI总结 研究大规模模型自主提升，提出顿悟式无训练后微调范式，通过修改关键模块捷径且不更新权重，针对大语言和视觉语言模型有不同实例化，实验证明有效解锁预训练网络潜力，提升性能。

The Ghost Annotator: a Framework to Explore Human Label Variation in Content Moderation through Conformal Prediction

幽灵标注者：通过共形预测探索内容审核中人类标签变异的框架

Mirko Lai, Alessandra Urbinati, Simona Frenda, Fabiana Vernero, Marco Antonio Stranisci

机构 * Laboratory for the Modeling of Biological and Socio-technical Systems, Northeastern University（生物与社会技术系统建模实验室，东北大学） ； Heriot-Watt University（赫瑞-沃顿大学） ； aequa-tech ； Università del Piemonte Orientale（皮埃蒙特东方大学） ； Università degli Studi di Torino（托斯卡纳大学） 纠错

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

AI总结 提出结合共形预测与协同过滤式标注者表征的框架，通过幽灵预测度量和幽灵标注者表征量化模型预测与所有人类标注的分歧，并发现模型在标注者分歧时不确定性增加，但大型模型对无人类对齐文本更自信，且存在结构性人口统计偏差。

Comments The publishing of this preprint is contextual with the ACL ARR cycle system. After an encouraging review in January we revised and submit the paper on Arxiv. However, a new batch of reviewers raised additional issues that will lead to significant revisions of the experimental setting. Therefore, we decide to withdraw the manuscript

Measuring the metacognition of AI

测量人工智能的元认知

Richard Servajean, Philippe Servajean

机构 * Center for Brain Science, RIKEN（日本立命馆大学脑科学研究中心） 纠错

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

AI总结 本文提出使用meta-d'框架和信号检测理论评估AI的元认知能力，通过实验验证其在不同任务和风险下的决策调节能力。

Comments 19 pages, 5 figures, 2 tables

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？

Philippe Chlenski, Zachariah Carmichael, Ayush Warikoo, Chia-Tse Shao, Yingxiao Ye, Aobo Yang, Vivek Miglani, Nehal Bandi

机构 * Meta 纠错

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。

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

Shreyas Rajesh, Kartik Sharma, Tonmoy Monsoor, Mehmet Yigit Turali, Richard Idro, Juliana Kayaga, Robert Sebunya, Tracy Tushabe Namata, Jessica Nichole Pasqua, Vwani Roychowdhury, Rajarshi Mazumder

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） 纠错

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

LibEvoBench: Probing Temporal Knowledge Stratification in Code Generation Models

LibEvoBench：探测代码生成模型中的时间知识分层

Daniele Cipollone, Sergey Titov, Maliheh Izadi, Egor Bogomolov, Arie van Deursen

机构 * Faculty of EEMCS, Delft University of Technology, Delft, Netherlands（代尔夫特理工大学电子工程与信息科学学院） ； JetBrains Research, Amsterdam, Netherlands（JetBrains研究） 纠错

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

AI总结 针对LLM在代码生成中因训练数据时间混合导致API版本混淆的问题，提出多版本基准LibEvoBench和新指标SEUS，揭示模型对版本不敏感且仅靠文档可提升准确性。

Comments Accepted at the DL4Code workshop at ICML 2026

Speech Codec Probing from Semantic and Phonetic Perspectives

从语义和语音角度探测语音编解码器

Xuan Shi, Chang Zeng, Tiantian Feng, Shih-Heng Wang, Jianbo Ma, Shrikanth Narayanan

机构 * University of Southern California（南加州大学） ； Dolby Laboratories（杜比实验室） 纠错

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

AI总结 本文通过三项任务系统分析多种语音分词器编码的信息，发现当前分词器主要捕获语音结构而非词汇语义，为下一代语音分词方法设计提供指导。

Comments Accepted by Interspeech 2026

Confident but Conflicted: Internal Uncertainty and Cognitive Dissonance Resolution in LLMs

自信但矛盾：大语言模型中的内部不确定性与认知失调解决

Weihong Qi, Kristina Lerman

机构 * Indiana University Bloomington（印第安纳大学伯明顿分校） 纠错

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

AI总结 研究大语言模型面对矛盾输入时的认知失调解决机制，提出信任弹性（TE）度量模型被说服的倾向，并发现内部不确定性指标（如置信度校准和内部不确定性变化）与行为变异相关。

BALTO: Balanced Token-Level Policy Optimization for Hallucination Mitigation

BALTO: 用于幻觉缓解的平衡令牌级策略优化

Ning Li, Zixuan Guo, Yan Xu, Wenbo Fei, Yifan Niu, Chang Luo, Yasheng Wang, Weiwen Liu, Yong Yu, Weinan Zhang

机构 * Shanghai Jiao Tong University（上海交通大学） ； Tencent（腾讯） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） 纠错

专题命中 知识编辑与模型理解 ：large language model(abstract)；language model(abstract)；post-training(abstract)；分类 cs.CL

AI总结 针对大语言模型幻觉问题，提出BALTO框架，通过提取可验证事实声明并投影为令牌级标签，引入平衡信用分配机制，在六个模型-基准设置中实现最高忠实度，优于现有后训练基线。

Efficient Hallucination Detection for LLMs Using Uncertainty-Aware Attention Heads

基于不确定性感知注意力头的高效大语言模型幻觉检测

Artem Vazhentsev, Lyudmila Rvanova, Gleb Kuzmin, Ekaterina Fadeeva, Ivan Lazichny, Alexander Panchenko, Maxim Panov, Mrinmaya Sachan, Preslav Nakov, Timothy Baldwin, Artem Shelmanov

机构 * Mohamed bin Zayed University of Artificial Intelligence (MBZUAI)（莫扎德人工智能大学） ； ETH Zurich（苏黎世联邦理工学院） ； Independent Researcher（独立研究者） ； Applied AI Institute（应用人工智能研究所） 纠错

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

AI总结 提出RAUQ框架，利用不确定性感知注意力头与令牌级置信度，通过单次前向传递实现无监督、高效的序列级幻觉检测，在12个数据集上优于现有方法且额外计算少于1%。

Journal ref Proceedings of the 43rd International Conference on Machine Learning (ICML), Seoul, South Korea, 2026

LapidaryEngine: Fully Conversational Crystal Generation

LapidaryEngine: 全对话式晶体生成

Yusei Ito, Yuta Suzuki, Tomoya Murata, Masaki Adachi

机构 * Lattice Lab, Toyota Motor Corporation（丰田汽车公司Lattice实验室） ； The University of Osaka（大阪大学） 纠错

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

AI总结 提出LapidaryEngine，首个支持全对话式晶体生成的模型，通过枢轴表示实现文本与晶体结构的双向翻译，支持自由形式自然语言请求和迭代优化。

Comments 11 main pages, 5 main figures, and 1 table

SAGE: Answer-Conditioned Uncertainty Targets for Verbal Uncertainty Alignment

SAGE: 面向言语不确定性对齐的答案条件不确定性目标

Kaiwen Shi, Zheyuan Zhang, Yanfang Ye

机构 * University of Notre Dame（圣母大学） 纠错

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

AI总结 提出SAGE目标，通过答案条件不确定性几何从模型采样响应中构建群组级不确定性目标，结合GUPO训练框架优化言语不确定性表达，在多项推理任务中提升不确定性排序、降低校准误差和过度自信。

GPT-Micro: A large language paradigm for accelerated, inexpensive, and thermodynamics-consistent discovery of constitutive models in manufacturing

GPT-Micro: 一种用于制造业中加速、低成本且热力学一致的本构模型发现的大语言范式

Soumik Dutta, Kiarash Naghavi Khanghah, Sania Shree, Logan McNeil, Thomas Feldhausen, Hongyi Xu, Rajiv Malhotra

机构 * Department of Mechanical and Aerospace Engineering, Rutgers University（罗格斯大学机械与航空航天工程系） ； Department of Mechanical, Aerospace & Manufacturing Engineering, University of Connecticut（康涅狄格大学机械、航空航天与制造工程系） ； Edison Welding Institute（埃迪森焊接研究所） ； Manufacturing Science Division, Oak Ridge National Laboratory（橡树岭国家实验室制造科学分会） ； Department of Aerospace and Mechanical Engineering, University of Texas at El Paso（德克萨斯州埃尔帕索大学航空航天与机械工程系） 纠错

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.LG

AI总结 提出GPT-Micro范式，结合大语言模型、热力学约束和稀疏数据，实现自主发现本构模型，在印刷电子测试中数据量减少70%、发现时间缩短400倍。

Comments 23 pages, 4 tables, 11 equations, 9 figures

VQ-Atom: Semantic Discretization of Local Atomic Environments for Molecular Representation Learning

原子作为语言：VQ-Atom：用于分子表示学习的语义离散化

Takayuki Kimura

机构 * Atoms as Language, LLC（Atoms as Language公司） 纠错

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

AI总结 本文提出VQ-Atom，一种用于分子表示学习的语义离散化框架，通过将连续的原子级图表示转换为对应局部化学环境的离散标记，从而提升分子表示的学习效果。

Comments 7 pages, 6 figures. Submitted to ICML 2026 Workshop on Foundation Models for Life Sciences

Workflow-to-Skill: Skill Creation via Routing-Workflow-Semantics-Attachments Decomposition

工作流到技能：通过路由-工作流-语义-附件分解创建技能

Yuyang Zhang, Xinyuan Han, Xudong Jiang, Run Wang

机构 * Key Laboratory of Aerospace Information Security and Trusted Computing, Ministry of Education, School of Cyber Science and Engineering, Wuhan University（航天信息安全部门与可信计算重点实验室，教育部，网络安全科学与工程学院，武汉大学） ； Nanchang University（南昌大学） 纠错

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

AI总结 提出RWSA中间表示和W2S框架，从异构交互证据中自动构建技能，通过分解工作流结构、执行语义和运行时附件，提升行为重放一致性10.5%。

Comments 10 pages, 2 figures

Why Don't You Know? Evaluating the Impact of Uncertainty Sources on Uncertainty Quantification in LLMs

为什么你不知道？评估不确定性来源对大型语言模型中不确定性量化的影响

Maiya Goloburda, Roman Vashurin, Fedor Chernogorskii, Nurkhan Laiyk, Daniil Orel, Preslav Nakov, Maxim Panov

机构 * Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） 纠错

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

AI总结 本文通过引入一个明确分类不确定性来源的新数据集，系统评估了现有不确定性量化方法在不同不确定性来源下的表现，发现多数方法在模型知识局限下表现良好，但在其他来源下性能下降或产生误导。

Information-theoretic Multimodal Representation Learning for Electrocardiogram Signals

基于信息论的心电图信号多模态表示学习

Phu X. Nguyen, Konstantinos Kontras, Wei Dai, Huy Phan, Christos Chatzichristos, Paul Pu Liang, Bert Vandenberk, Maarten De Vos

机构 * KU Leuven（库勒芬大学） ； University Hospitals Leuven（鲁文大学医院） ； MIT（麻省理工学院） ； DFKI（德国达姆施塔特研究所） 纠错

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

AI总结 提出MERIT框架，通过信息论视角结合掩码心电图建模与心电图-文本对比对齐，学习保留信号结构并整合临床语义的心电图表示，在分类、零样本和文本生成任务中取得一致提升。

Probing Social Identity Bias in Chinese LLMs with Gendered Pronouns and Social Groups

探究中文大语言模型中的社会身份偏见：基于性别代词与社会群体

Geng Liu, Feng Li, Junjie Mu, Mengxiao Zhu, Francesco Pierri

机构 * Department of Electronics, Information and Bioengineering, Politecnico di Milano（电子、信息与生物工程系，米兰理工大学） ； University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 通过设计考虑中文语言特性的提示，评估十种代表性中文大语言模型在240个社会群体上的内群体与外群体框架下的情感和毒性偏见，发现系统性不对称且指令调优减少情感偏见但毒性差距更持久，女性标记代词与更高毒性相关。

Metaphor Is Not All Attention Needs

隐喻并非注意力所需全部

Olga Sorokoletova, Francesco Giarrusso, Giacomo De Luca, Piercosma Bisconti, Matteo Prandi, Federico Pierucci, Marcello Galisai, Vincenzo Suriani, Daniele Nardi

机构 * Sapienza University of Rome Department of Computer, Control and Management Engineering（罗马大学Sapienza计算机、控制与管理工程系） ； DEXAI – Icaro Lab（DEXAI – Icaro实验室） ； University of Rome Tor Vergata（罗马大学Tor Vergata） ； Sant’Anna School of Advanced Studies（Sant’Anna高级研究学校） 纠错

专题命中 知识编辑与模型理解 ：large language model(abstract)；language model(abstract)；post-training(abstract)；分类 cs.CL

AI总结 本文研究文学式绕过策略为何有效，发现其效果源于风格不规则性而非对文学格式的识别失败，表明安全机制需考虑风格变化对模型行为的影响。

Faithfulness-Aware Uncertainty Quantification for Fact-Checking the Output of Retrieval Augmented Generation

基于事实性的不确定性量化用于验证检索增强生成的输出

Ekaterina Fadeeva, Aleksandr Rubashevskii, Dzianis Piatrashyn, Roman Vashurin, Shehzaad Dhuliawala, Artem Shelmanov, Timothy Baldwin, Preslav Nakov, Mrinmaya Sachan, Maxim Panov

机构 * ETH Zürich（苏黎世联邦理工学院） ； MBZUAI（穆斯林人工智能研究所） 纠错

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

AI总结 本文提出FRANQ方法，通过不同不确定性量化技术区分事实性和检索忠实性，提升RAG输出的事实性检测准确性。

Query pipeline optimization for cancer patient question answering systems

癌症患者问答系统中的查询管道优化

Maolin He, Rena Gao, Mike Conway, Brian E. Chapman

机构 * School of Computing and Information Systems, University of Melbourne（墨尔本大学计算与信息系统学院） ； Health Data Science and Biostatistics, University of Texas Southwestern Medical Center（德克萨斯西南医学中心健康数据科学与生物统计学） 纠错

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

AI总结 本文提出了一种针对癌症患者问答系统的RAG查询管道三方面优化方法，通过改进文档检索、段落检索和语义表示，提升了回答准确性。

Comments This paper has been accepted as a Findings Paper in ACL 2026

Breaking the Generator Barrier: Disentangled Representation for Generalizable AI-Text Detection

突破生成器障碍：面向通用化AI-文本检测的解耦表示

Xiao Pu, Zepeng Cheng, Lin Yuan, Yu Wu, Xiuli Bi

机构 * Chongqing University of Posts and Telecommunications（重庆邮电大学） 纠错

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

AI总结 本文提出解耦框架，通过紧凑潜在编码和扰动正则化提升AI-文本检测的泛化能力，在MAGE基准上取得显著提升。

Pseudo-Unification: Entropy Probing Reveals Divergent Information Patterns in Unified Multimodal Models

伪统一：熵探测揭示统一多模态模型中分歧的信息模式

Songlin Yang, Xianghao Kong, Anyi Rao

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.AI

AI总结 研究揭示统一多模态模型中伪统一现象的根源，通过信息论方法分析输入编码和输出生成，发现模态不对称编码和响应模式分裂是导致分歧的主要原因，强调信息流一致性对真实多模态协同的重要性。

Relational Probing: LM-to-Graph Adaptation for Financial Prediction

关系探测：面向金融预测的语言模型到图适应

Yingjie Niu, Changhong Jin, Rian Dolphin, Ruihai Dong

机构 * University College Dublin（都柏林大学） ； Massive Dublin 纠错

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

AI总结 本文提出关系探测方法，通过将语言模型头部替换为关系头部，直接从隐藏状态生成关系图，并与下游任务联合训练，提升金融预测性能。

Comments Accpeted by The 2nd Workskop on Advances in Financial AI Workshop: Towards Agentic and Responsible Systems at ICLR 2026

ART: Attention Replacement Technique to Improve Factuality in LLMs

ART：通过注意力替换技术提升大语言模型的事实性

Ziqin Luo, Yihao Quan, Xiaofeng Zhang, Xiaosong Yuan, Chen Shen

机构 * Department of Automation and Intelligent Sensing, Shanghai Jiao Tong University（上海交通大学自动化与智能感知系） ； Fudan University（复旦大学） ； Alibaba Cloud Computing（阿里云计算） 纠错

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

AI总结 本文提出ART技术，通过替换大语言模型浅层的均匀注意力模式为局部注意力模式，减少幻觉问题，适用于多种LLM架构。

Graph Representation-based Model Poisoning on the Heterogeneous Internet of Agents

基于图表示的模型中毒攻击：异构物联网中的攻击

Hanlin Cai, Houtianfu Wang, Haofan Dong, Kai Li, Sai Zou, Ozgur B. Akan

机构 * Internet of Everything (IoE) Group, Department of Engineering, University of Cambridge（剑桥大学工程系万物互联组） ； CISTER Research Centre（CISTER研究中心） ； Guizhou University（贵州大学） ； Center for neXt-Generation Communications (CXC), Koç University（科奇大学下一代通信中心） 纠错

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

AI总结 本文提出一种基于图表示的模型中毒攻击，利用监听到的良性更新构建特征相关图，并利用变分图自编码器生成恶意更新，以降低不同LLM模型的准确性，逃避现有防御机制。

Comments This paper has been accepted by the IEEE 22nd International Wireless Communications & Mobile Computing Conference (IWCMC 2026, Shanghai, China)

From Retinal Evidence to Safe Decisions: RETINA-SAFE and ECRT for Hallucination Risk Triage in Medical LLMs

从视网膜证据到安全决策：RETINA-SAFE和ECRT在医疗大语言模型幻觉风险分层中的应用

Zhe Yu, Wenpeng Xing, Meng Han

机构 * Binjiang Institute of Zhejiang University（浙江大学滨江研究院） ； Communication University of Zhejiang（浙江传媒学院） ； Zhejiang University（浙江大学） 纠错

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.AI

AI总结 本文提出RETINA-SAFE和ECRT框架，通过视网膜分级记录构建证据基准，解决医疗LLM中证据不足或冲突导致的幻觉风险分层问题，提升风险评估的准确性和可解释性。

Algorithmic Consequences of Particle Filters for Sentence Processing: Amplified Garden-Paths and Digging-In Effects

粒子滤波器在句子处理中的算法后果：增强的花园路径效应和深入效应

Amani Maina-Kilaas, Roger Levy

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

AI总结 本文探讨粒子滤波器模型在句子处理中的影响，发现其能放大花园路径效应，并通过重采样产生实时深入效应，揭示了结构歧义对处理难度的因果影响。

Comments 10 pages, 4 figures; replacement adds minor clarification and directs readers toward relevant work