语言大模型 / LLM

Curveball Steering: The Right Direction To Steer Isn't Always Linear

曲球操控：引导的正确方向并不总是线性

Shivam Raval, Hae Jin Song, Linlin Wu, Abir Harrasse, Jeff M. Phillips, Fazl Barez, Amirali Abdullah

机构 * Harvard Berkman Klein Center（哈佛伯克曼克莱因中心） ； Harvard University（哈佛大学） ； University of Utah（犹他大学） ； University of Oxford（牛津大学） 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 本文提出曲球操控方法，通过多项式核PCA在特征空间中进行干预，更尊重学习到的激活几何，优于线性PCA方法，尤其在几何扭曲强的场景中表现更佳。

From Human Interfaces to Agent Interfaces: Rethinking Software Design in the Age of AI-Native Systems

从人机界面到代理界面：在AI原生系统时代重新思考软件设计

Shaolin Wang, Yi Mei, Haoyang Che, He Jiang, Shui Yu, Ying Gu

机构 * Victoria University of Wellington, New Zealand（维多利亚大学惠灵顿分校） ； Independent Researcher（独立研究员） ； Dalian University of Technology, China（大连理工大学） 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 本文探讨了软件设计从以人为中心的界面转向以代理为中心的调用系统，提出了代理接口的概念和设计原则，为AI原生软件设计提供理论基础。

Comments 4 pages, 1 figure, 1 table

Pitfalls in Evaluating Interpretability Agents

评估可解释性代理中的陷阱

Tal Haklay, Nikhil Prakash, Sana Pandey, Antonio Torralba, Aaron Mueller, Jacob Andreas, Tamar Rott Shaham, Yonatan Belinkov

机构 * Kempner Institute at Harvard University（哈佛大学 Kempner 机构） ； Northeastern University（东北大学） ； Boston University（波士顿大学） ； MIT（麻省理工学院） 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 本文研究了自动化电路分析中可解释性代理的评估挑战，提出基于模型组件功能互换性的无监督内在评估方法，揭示了复制评估的局限性。

Why the Valuable Capabilities of LLMs Are Precisely the Unexplainable Ones

为何大语言模型的宝贵能力恰恰是无法解释的那些

Quan Cheng

机构 * Tsinghua University（清华大学） 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 本文提出论点：大语言模型真正有价值的能力恰恰是无法用人类可读的离散规则完全描述的部分。通过专家系统等价性证明，若LLM能力可被规则完全描述，则等同于专家系统，但专家系统在历史上和实证上均弱于LLM，从而产生矛盾。

Comments 12 pages, v2: added correction to Polanyi on why tacit knowledge is tacit (structural vs quantitative), unified three independent intellectual threads (Smolensky, Dreyfus, dynamical systems theory)

FAIRGAME: a Framework for AI Agents Bias Recognition using Game Theory

FAIRGAME: 一个用于通过博弈论识别AI代理偏见的框架

Alessio Buscemi, Daniele Proverbio, Alessandro Di Stefano, The-Anh Han, German Castignani, Pietro Liò

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 FAIRGAME利用博弈论框架识别AI代理中的偏见，通过模拟和比较不同场景下的结果，系统发现偏见并预测战略互动中的行为。

Auditing Cascading Risks in Multi-Agent Systems via Semantic-Geometric Co-evolution

通过语义-几何共演化审计多智能体系统中的级联风险

Zixun Luo, Yuhang Fan, Hengyu Lin, Yufei Li, Youzhi Zhang

机构 * Huazhong University of Science and Technology（华中科技大学） ； Lingnan University（岭大大学） ； Tsinghua University（清华大学） ； Centre for Artificial Intelligence and Robotics（人工智能与机器人中心） ； Hong Kong Institute of Science and Innovation（香港创新科技研究院） ； Chinese Academy of Sciences（中国科学院） 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 本文提出基于语义-几何共演化的框架，通过动态图模型和Ollivier-Ricci曲率检测多智能体系统中的级联风险，提前预警并定位根本原因。

Comments This work has been accepted to ICLR 2026 Workshop: Principled Design for Trustworthy AI

Learning Through Dialogue: Engagement and Efficacy Matter More Than Explanations

通过对话学习：参与度和效果比解释更重要

Shaz Furniturewala, Gerard Christopher Yeo, Kokil Jaidka

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 研究发现，LLM学习效果取决于用户参与状态和认知投入，而非单纯依赖解释质量。

Can LLMs Capture Expert Uncertainty? A Comparative Analysis of Value Alignment in Ethnographic Qualitative Research

LLMs能否捕捉专家不确定性？对人类学质性研究中价值对齐的比较分析

Arina Kostina, Marios Dikaiakos, Alejandro Porcel, Tassos Stassopoulos

机构 * University of Cyprus（塞浦路斯大学） ； University of Cambridge（剑桥大学） 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 本文研究LLMs在人类学质性研究中捕捉专家不确定性的能力，发现Qwen在价值对齐上表现最佳，但需进一步探讨模型偏差问题。

Comments Accepted for a poster session at BIG.AI at MIT 2026

BioLLMAgent: A Hybrid Framework with Enhanced Structural Interpretability for Simulating Human Decision-Making in Computational Psychiatry

BioLLMAgent: 一种具有增强结构可解释性的混合框架，用于模拟计算精神病学中的人类决策过程

Zuo Fei, Kezhi Wang, Xiaomin Chen, Yizhou Huang

机构 * School of Computer Science and Technology, East China Normal University（东华大学计算机科学与技术学院） ； Department of Computer Science, University of Reading（Reading大学计算机科学系） ； Department of Computer Science, Brunel University of London（伦敦布鲁内尔大学计算机科学系） 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.AI

AI总结 BioLLMAgent通过结合认知模型与LLM能力，提供结构可解释的计算沙盒，用于模拟人类决策过程和评估干预策略。

Probing Materials Knowledge in LLMs: From Latent Embeddings to Reliable Predictions

探测大语言模型中的材料知识：从潜在嵌入到可靠预测

Vineeth Venugopal, Soroush Mahjoubi, Elsa Olivetti

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 研究发现大语言模型在材料科学任务中表现依赖于输出模态，微调提升符号任务准确性但数值任务仍不一致，提取中间层嵌入可提高性能但存在瓶颈，长期跟踪显示模型性能波动大，影响科学应用的可重复性。

Comments Under Review

Uncertainty-aware Language Guidance for Concept Bottleneck Models

具有不确定性的语言指导的概念瓶颈模型

Yangyi Li, Mengdi Huai

机构 * Iowa State University（爱荷华州立大学） 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.LG

AI总结 本文提出了一种具有不确定性的概念瓶颈模型方法，通过量化LLM标注概念的不确定性并将其纳入训练过程，以提高模型的可靠性和准确性。

Hiding in Plain Text: Detecting Concealed Jailbreaks via Activation Disentanglement

明文之中隐藏：通过激活解耦检测隐蔽的 jailbreak

Amirhossein Farzam, Majid Behabahani, Mani Malek, Yuriy Nevmyvaka, Guillermo Sapiro

机构 * Duke University（杜克大学） ； Princeton University（普林斯顿大学） ； Google DeepMind（谷歌DeepMind） ； Apple（苹果公司） 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 通过解耦 LLM 激活中的语义因子，提出 FrameShield 异常检测器，提升对隐蔽 jailbreak 的检测能力，并推动 LLM 安全和可解释性研究。

Concept Influence: Leveraging Interpretability to Improve Performance and Efficiency in Training Data Attribution

概念影响：利用可解释性以提高训练数据归因的性能和效率

Matthew Kowal, Goncalo Paulo, Louis Jaburi, Tom Tseng, Lev E McKinney, Stefan Heimersheim, Aaron David Tucker, Adam Gleave, Kellin Pelrine

机构 * EleutherAI ； University of Toronto（多伦多大学） 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.AI

AI总结 本文提出概念影响方法，通过利用模型中的可解释结构，提高训练数据归因的性能和效率，实现更可扩展和可控的模型行为。

From Atoms to Trees: Building a Structured Feature Forest with Hierarchical Sparse Autoencoders

从原子到树：构建具有层次稀疏自编码器的结构化特征森林

Yifan Luo, Yang Zhan, Jiedong Jiang, Tianyang Liu, Mingrui Wu, Zhennan Zhou, Bin Dong

机构 * School of Mathematical Science, Peking University, Beijing, China（北京大学数学科学学院） ； Beijing International Center for Mathematical Research（北京国际数学研究中心） ； the New Cornerstone Science Laboratory, Peking University, Beijing, China（北京大学新基石科学实验室） ； Center for Machine Learning Research, Peking University, Beijing, China（北京大学机器学习研究中心） ； School of Information and Electronics, Beijing Institute of Technology, Beijing, China（北京理工大学信息与电子学院） ； Institute for Theoretical Sciences, Westlake University, Hangzhou, China（西湖大学理论科学研究院） ； School of Science, Westlake University, Hangzhou, China（西湖大学理学院） ； School of Informatics, University of Edinburgh, Edinburgh, UK（爱丁堡大学信息学院） 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 本文提出层次稀疏自编码器HSAE，通过结构约束和随机扰动机制，联合学习LLM中的层次化特征结构，实现语义有意义的多尺度概念分析。

How Do Decoder-Only LLMs Perceive Users? Rethinking Attention Masking for User Representation Learning

解码器-only LLMs如何感知用户？重新思考注意力掩码在用户表示学习中的应用

Jiahao Yuan, Yike Xu, Jinyong Wen, Baokun Wang, Yang Chen, Xiaotong Lin, Wuliang Huang, Ziyi Gao, Xing Fu, Yu Cheng, Weiqiang Wang

机构 * East China Normal University（华东师范大学） 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.CL

AI总结 本研究提出梯度引导的软掩码方法，用于改进解码器-only LLMs在用户表示学习中的训练动态和双向表示质量。

Comments 13 pages, 4 figures

Enhancing Ride-Hailing Forecasting at DiDi with Multi-View Geospatial Representation Learning from the Web

通过网络多视角地理空间表示学习提升滴滴出行预测

Xixuan Hao, Guicheng Li, Daiqiang Wu, Xusen Guo, Yumeng Zhu, Zhichao Zou, Peng Zhen, Yao Yao, Yuxuan Liang

机构 * The Hong Kong University of Science ； China University of Geoscience (Wuhan) Wuhan China ； Didichuxing Co.\ Ltd Beijing China ； China University of Geoscience (Wuhan) ； Didichuxing Co.\ Ltd 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MVGR-Net框架，通过多视角地理空间表示学习和提示赋能的框架，提升滴滴出行预测的准确性与鲁棒性。

Comments Accepted by The Web Conference 2026

PhysicsAgentABM: Physics-Guided Generative Agent-Based Modeling

PhysicsAgentABM: 基于物理的生成基于主体的建模

Kavana Venkatesh, Yinhan He, Jundong Li, Jiaming Cui

机构 * University of Virginia（弗吉尼亚大学） 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.LG

AI总结 PhysicsAgentABM通过结合符号推理与神经网络，实现基于物理的生成式主体建模，提升大规模模拟的准确性和校准性。

Wild Guesses and Mild Guesses in Active Concept Learning

主动概念学习中的大胆猜测与温和猜测

Anirudh Chari, Neil Pattanaik

机构 * Massachusetts Institute of Technology（麻省理工学院） ； University of California, Berkeley（加州大学伯克利分校） 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 本文研究了主动概念学习中EIG与PTS策略的权衡，发现EIG在复杂规则中有效但对简单规则表现欠佳，而PTS通过安全查询维持提案有效性，提升收敛速度。

Layer of Truth: Probing Belief Shifts under Continual Pre-Training Poisoning

真相层：在持续预训练中毒下的信念转变探究

Svetlana Churina, Niranjan Chebrolu, Kokil Jaidka

机构 * Centre for Trusted Internet \& Community, National University of Singapore, Singapore 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 本研究揭示了持续预训练中虚假信息如何取代模型内部事实表示，通过实验发现中毒对模型信念的影响及可逆性，强调了对事实完整性进行监控的重要性。

UniFGVC: Universal Training-Free Few-Shot Fine-Grained Vision Classification via Attribute-Aware Multimodal Retrieval

UniFGVC: 一种通用无训练少样本细粒度视觉分类方法通过属性感知多模态检索

Hongyu Guo, Xiangzhao Hao, Jiarui Guo, Haiyun Guo, Jinqiao Wang, Tat-Seng Chua

机构 * School of Traffic and Transportation, Beijing Jiaotong University（交通与运输学院，北京交通大学） ； Foundation Modal Research Center, Institute of Automation, Chinese Academy of Sciences（基础模态研究中心，自动化研究所） ； Queen Mary School Hainan, Beijing University of Posts and Telecommunications（海南女王学院，北京邮电大学） ； Department of Computer Science, NUS School of Computing（计算机科学系，国立大学计算机学院） 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 UniFGVC通过属性感知多模态检索方法，实现无训练少样本细粒度视觉分类，优于现有方法。

Semantic Uncertainty Quantification of Hallucinations in LLMs: A Quantum Tensor Network Based Method

LLMs语义幻觉的不确定性量化：基于量子张量网络的方法

Pragatheeswaran Vipulanandan, Kamal Premaratne, Dilip Sarkar

机构 * Department of Electrical and Computer Engineering（电气与计算机工程系） ； Department of Computer Science（计算机科学系） ； University of Miami（迈阿密大学） 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 基于量子张量网络的方法用于量化LLMs语义幻觉的不确定性，通过熵最大化策略提升幻觉检测的鲁棒性和准确性。

Journal ref ICLR2026

Model Editing with Graph-Based External Memory

基于图的外部记忆模型编辑

Yash Kumar Atri, Ahmed Alaa, Thomas Hartvigsen

机构 * University of Virginia（弗吉尼亚大学） ； UC Berkeley（伯克利大学） ； UCSF（旧金山加州大学） 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 HYPE通过双曲几何和图神经网络实现稳定的模型编辑，提升编辑稳定性、事实准确性和多跳推理能力。

Can you map it to English? The Role of Cross-Lingual Alignment in Multilingual Performance of LLMs

能否映射到英语？跨语言对齐在大语言模型多语言性能中的作用

Kartik Ravisankar, Hyojung Han, Sarah Wiegreffe, Marine Carpuat

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 本研究探讨了LLM中跨语言对齐对多语言NLU任务性能的影响，通过引入DALI指数验证了表示对齐在正确性中的关键作用。

Concept Component Analysis: A Principled Approach for Concept Extraction in LLMs

概念成分分析：一种用于大语言模型中概念提取的原则性方法

Yuhang Liu, Erdun Gao, Dong Gong, Anton van den Hengel, Javen Qinfeng Shi

机构 * Australian Institute for Machine Learning, The University of Adelaide（澳大利亚机器学习研究所，阿德莱德大学） ； School of Computer Science and Engineering, The University of New South Wales（计算机科学与工程学院，新南威尔士大学） 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.LG

AI总结 本文提出概念成分分析（ConCA）方法，通过无监督线性解混从LLM中提取可解释概念，提供理论支持优于现有SAEs方法。

DANCE: Dynamic, Available, Neighbor-gated Condensation for Federated Text-Attributed Graphs

DANCE: 动态、可用、邻居门控的联邦文本属性图压缩

Zekai Chen, Haodong Lu, Xunkai Li, Henan Sun, Jia Li, Hongchao Qin, Rong-Hua Li, Guoren Wang

机构 * Department of Computer Science, Beijing Institute of Technology, Beijing, China（北京理工大学计算机科学系） ； The Hong Kong University of Science and Technology (GZ), Guangzhou, China（香港科技大学（广州）） 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 DANCE通过动态、可用、邻居门控的图压缩方法，提升联邦文本属性图学习的准确性和可解释性。

Beyond Tokens: Concept-Level Training Objectives for LLMs

超越标记：面向大语言模型的概念级训练目标

Laya Iyer, Pranav Somani, Alice Guo, Dan Jurafsky, Chen Shani

机构 * Stanford University（斯坦福大学） 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 本文提出概念层面训练目标，通过整合概念监督提升大语言模型的语义理解和泛化能力。

AI-exhibited Personality Traits Can Shape Human Self-concept through Conversations

基于AI表现的人格特质可通过对话影响人类自我概念

Jingshu Li, Tianqi Song, Nattapat Boonprakong, Zicheng Zhu, Yitian Yang, Yi-Chieh Lee

机构 * Computer Science（计算机科学） ； National University of Singapore（新加坡国立大学） ； School of Computing（计算学院） 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 本研究发现基于AI的人格特质可通过对话影响用户自我概念，揭示了AI在人机交互中的潜在影响及设计启示。

Comments ACM CHI 2026

Linear Personality Probing and Steering in LLMs: A Big Five Study

大五人格特征在大语言模型中的探测与引导：一项大五研究

Michel Frising, Daniel Balcells

机构 * Independent Researcher（独立研究者） 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 本文研究了通过大五人格特质对齐的线性方向探测和引导大语言模型行为的有效性，发现其在特定任务中表现良好，但在开放式生成中效果有限。

Comments 29 pages, 6 figures

Mathematical Knowledge Graph-Driven Framework for Equation-Based Predictive and Reliable Additive Manufacturing

基于数学知识图谱的方程驱动框架用于基于方程的预测和可靠的增材制造

Yeongbin Cha, Namjung Kim

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 本研究提出基于数学知识图谱的框架，结合大语言模型与增材制造知识图谱，实现可靠的知识提取和外推建模，提升预测的准确性和物理一致性。

Comments preprint

Practical Poisoning Attacks against Retrieval-Augmented Generation

针对检索增强生成的实用污染攻击

Baolei Zhang, Yuxi Chen, Zhuqing Liu, Lihai Nie, Tong Li, Zheli Liu, Minghong Fang

机构 * CS\&CCS, Nankai University（CS与CCS，南开大学） ； Independent Researcher（独立研究者） ； University of North Texas（北德克萨斯大学） ； University of Louisville（路易斯维尔大学） 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.LG

AI总结 CorruptRAG是一种针对RAG系统的实用污染攻击，通过注入单条污染文本实现更高的攻击成功率和隐蔽性。

Comments To appear in ACM SACMAT 2026