语言大模型 / LLM

Support Tokens, Stability Margins, and a New Foundation for Robust LLMs

支持标记、稳定性边距与鲁棒大语言模型的新基础

Deepak Agarwal, Dhyey Dharmendrakumar Mavani, Suyash Gupta, Karthik Sethuraman, Tejas Dharamsi

机构 * LinkedIn 纠错

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

AI总结 本文通过概率框架重新解释因果自注意力变换器，揭示参数约束和退化边界，提出支持标记概念，并通过贝叶斯MAP训练目标提升模型鲁棒性。

Comments 45 pages, 9 figures

Neither Here Nor There: Cross-Lingual Representation Dynamics of Code-Mixed Text in Multilingual Encoders

既非此处亦非彼处：多语言编码器中混合语言文本的跨语言表示动态

Debajyoti Mazumder, Divyansh Pathak, Prashant Kodali, Jasabanta Patro

机构 * Indian Institute of Science Education and Research（印度科学教育与研究学院） ； Microsoft Corporation（微软公司） 纠错

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

AI总结 研究探讨多语言编码器对混合语言文本的内部表示，发现标准模型在英语和印地语间表现良好，但混合文本与任一语言连接松散。通过训练混合数据可提升英语混合文本对齐，但损害英语-印地语对齐。引入三语后训练目标，使混合文本表示更接近构成语言，提升跨语言理解。

Comments 24 pages

Causality is Key for Interpretability Claims to Generalise

因果性是可解释性主张泛化的关键

Shruti Joshi, Aaron Mueller, David Klindt, Wieland Brendel, Patrik Reizinger, Dhanya Sridhar

机构 * Mila - Qu\'ebec AI Institute \& Universit\'e de Montr\'eal ； Boston University ； Cold Spring Harbor Laboratory ； Max-Planck-Institute for Intelligent Systems, ELLIS Institute T\"ubingen, University of T\"ubingen 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 本文探讨了大语言模型可解释性研究中因果推理的重要性，提出通过因果表示学习框架，明确可解释性研究的因果层级，以指导方法选择和评估，确保研究结果的泛化能力。

Flexible Concept Bottleneck Model

灵活的概念瓶颈模型

Xingbo Du, Qiantong Dou, Lei Fan, Rui Zhang

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

AI总结 本文提出灵活的概念瓶颈模型（FCBM），通过动态概念适应和改进的稀疏max模块，提升模型在新概念下的适应性与灵活性，实验表明其在多个基准上的表现优异。

Comments To appear in AAAI 2026

Eye image segmentation using visual and concept prompts with Segment Anything Model 3 (SAM3)

使用视觉和概念提示进行眼图像分割的Segment Anything Model 3（SAM3）

Diederick C. Niehorster, Marcus Nyström

机构 * Lund University Humanities Lab \& Dept. of Psychology, Lund University Lund Sweden ； Lund University Humanities Lab Lund Sweden ； Lund University Humanities Lab \& Dept. of Psychology, Lund University ； Lund University Humanities Lab 纠错

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

AI总结 本文比较了SAM3与SAM2在眼图像分割中的性能，发现SAM3在大多数情况下表现不优于SAM2，因此推荐使用SAM2。

Self-Conditioned Denoising for Atomistic Representation Learning

原子表示学习中的自条件去噪

Tynan Perez, Rafael Gomez-Bombarelli

机构 * Department of Chemistry, Massachusetts Institute of Technology, 77 Massachusetts Avenue, Cambridge, 02139, MA, USA（麻省理工学院化学系） ； Department of Materials Science and Engineering, Massachusetts Institute of Technology, 77 Massachusetts Avenue, Cambridge, 02139, MA, USA（麻省理工学院材料科学与工程系） 纠错

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

AI总结 本文提出自条件去噪方法，用于改进原子数据的预训练模型，通过自嵌入实现跨领域去噪，提升下游任务性能，优于传统自监督学习方法。

Towards Unsupervised Adversarial Document Detection in Retrieval Augmented Generation Systems

面向检索增强生成系统中无监督对抗文档检测

Patrick Levi

机构 * Department of Electrical Engineering, Media, and Computer Science（电气工程、媒体与计算机科学系） 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.AI

AI总结 本文提出无监督方法检测检索增强生成系统中的对抗性上下文文档，通过生成器激活、输出嵌入和熵基不确定性度量等指标，展示零日攻击检测能力，并证明目标提示非必需。

Interpretative Interfaces: Designing for AI-Mediated Reading Practices and the Knowledge Commons

解释性界面：为AI中介的阅读实践和知识公共领域进行设计

Gabrielle Benabdallah

机构 * University of Washington（华盛顿大学） 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.AI

AI总结 本文探讨通过设计解释性界面促进用户与AI模型的交互，使非专家用户能干预语言模型的表示空间，通过直接操作观察和注释模型内部表示的变化，从而推动AI解释性作为交互设计而非纯技术问题。

Comments Accepted at the Proceedings of the CHI 2026 Workshop: Ethics at the Front-End

SCAN: Sparse Circuit Anchor Interpretable Neuron for Lifelong Knowledge Editing

SCAN：稀疏电路锚定神经元用于终身知识编辑

Yuhuan Liu, Haitian Zhong, Xinyuan Xia, Qiang Liu, Shu Wu, Liang Wang

机构 * New Laboratory of Pattern Recognition (NLPR), State Key Laboratory of Multimodal Artificial Intelligence Systems (MAIS), Institute of Automation, Chinese Academy of Sciences（模式识别新实验室（NLPR）、多模态人工智能系统国家重点实验室（MAIS）、自动化研究所、中国科学院） ； Cuiying Honors College, Lanzhou University（cuiying荣誉学院、兰州大学） ； Research Institute of Intelligent Complex Systems, Fudan University（智能复杂系统研究院、复旦大学） ； Zhongguancun Academy（中关村学院） 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.AI

AI总结 SCAN通过构建稀疏电路实现知识编辑，有效解决连续编辑中的灾难性遗忘问题，保持模型完整性。

Comments 21pages, 7figures

The Scenic Route to Deception: Dark Patterns and Explainability Pitfalls in Conversational Navigation

通往欺骗的风景路线：对话导航中的暗模式与可解释性陷阱

Ilya Ilyankou, Stefano Cavazzi, James Haworth

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

AI总结 研究探讨了生成式AI在行人导航中的应用，揭示了对话接口可能带来的操纵风险，并提出神经符号架构作为提升可信任度的方法。

QLLM: Do We Really Need a Mixing Network for Credit Assignment in Multi-Agent Reinforcement Learning?

QLLM: 在多智能体强化学习中，我们真的需要混合网络进行信用分配吗？

Yuanjun Li, Zhouyang Jiang, Bin Zhang, Mingchao Zhang, Junhao Zhao, Zhiwei Xu

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

AI总结 QLLM提出了一种利用大语言模型构建无训练信用分配函数的新框架，解决了传统混合网络训练成本高、可解释性差的问题，实验表明其在多个MARL基准上表现优异。

LWM-Temporal: Sparse Spatio-Temporal Attention for Wireless Channel Representation Learning

LWM-Temporal：稀疏时空注意力用于无线信道表示学习

Sadjad Alikhani, Akshay Malhotra, Shahab Hamidi-Rad, Ahmed Alkhateeb

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

AI总结 LWM-Temporal通过稀疏时空注意力机制，实现无线信道的时空表示学习，提升多移动场景下的预测性能。

Comments LWM resources are publicly available at [https://lwm-wireless.net/](https://lwm-wireless.net/)

QUSR: Quality-Aware and Uncertainty-Guided Image Super-Resolution Diffusion Model

QUSR: 一种基于质量感知和不确定性引导的图像超分辨率扩散模型

Junjie Yin, Jiaju Li, Hanfa Xing

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

AI总结 QUSR通过引入质量感知先验和不确定性引导噪声生成模块，提升图像超分辨率在复杂场景下的真实感和细节还原能力。

Comments This paper has been accepted by ICASSP 2026

ACE: Attribution-Controlled Knowledge Editing for Multi-hop Factual Recall

ACE：基于多跳事实回忆的归因控制知识编辑

Jiayu Yang, Yuxuan Fan, Songning Lai, Shengen Wu, Jiaqi Tang, Chun Kang, Zhijiang Guo, Yutao Yue

机构 * HKUST(GZ) Deep Interdisciplinary Intelligence Lab（香港科技大学(广州)深 interdisciplinary 智能实验室） ； BUAA（北京航空航天大学） ； HKUST(GZ) Institute of Deep Perception Technology, JITRI Deep Interdisciplinary Intelligence Lab（香港科技大学(广州)深度感知技术研究所，JITRI 深 interdisciplinary 智能实验室） 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 ACE通过神经元归因控制实现多跳事实回忆中的知识编辑，提升KE性能。

Comments Accepted by ICLR2026

Looking Back and Forth: Cross-Image Attention Calibration and Attentive Preference Learning for Multi-Image Hallucination Mitigation

回望与前行：用于多图像幻觉缓解的跨图像注意力校准与关注偏好学习

Xiaochen Yang, Hao Fang, Jiawei Kong, Yaoxin Mao, Bin Chen, Shu-Tao Xia

机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Harbin Institute of Technology（哈尔滨工业大学） ； Beijing Institute of Technology（北京理工大学） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学深圳分校） 纠错

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

AI总结 本文提出CAPL框架，通过跨图像注意力校准和偏好学习缓解多图像幻觉问题，提升模型对跨图像关联的建模能力，并在多个任务中取得稳定性能提升。

Layer by layer, module by module: Choose both for optimal OOD probing of ViT

逐层、逐模块：为优化ViT的OOD探测选择两者

Ambroise Odonnat, Vasilii Feofanov, Laetitia Chapel, Romain Tavenard, Ievgen Redko

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

AI总结 本文研究了ViT中不同层和模块在OOD探测中的表现，发现中间层和模块级激活在不同分布偏移下具有不同优势。

Comments Accepted at ICLR 2026 CAO Workshop

Agentic Multi-Persona Framework for Evidence-Aware Fake News Detection

代理多角色框架用于证据感知的虚假新闻检测

Roopa Bukke, Soumya Pandey, Suraj Kumar, Soumi Chattopadhyay, Chandranath Adak

机构 * Dept. of CSE, Indian Institute of Technology Indore（计算机科学与工程系，印度理工学院印度奥尔德分校） ； Dept. of CSE, Indian Institute of Technology Patna（计算机科学与工程系，印度理工学院帕纳分校） 纠错

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

AI总结 本文提出AMPEND-LS框架，通过LLM与SLM协同作用，实现多模态虚假新闻检测，提升准确率和鲁棒性，增强信息安全性。

Comments 10 pages, 3 tables, 2 figures

PROSPECT: Unified Streaming Vision-Language Navigation via Semantic--Spatial Fusion and Latent Predictive Representation

PROSPECT：通过语义-空间融合和潜在预测表示实现统一的流式视觉-语言导航

Zehua Fan, Wenqi Lyu, Wenxuan Song, Linge Zhao, Yifei Yang, Xi Wang, Junjie He, Lida Huang, Haiyan Liu, Bingchuan Sun, Guangjun Bao, Xuanyao Mao, Liang Xu, Yan Wang, Feng Gao

机构 * Shanghai Jiao Tong University（上海交通大学） ； Tsinghua University（清华大学） ； University of Adelaide（阿德莱德大学） ； Wuhan University（武汉大学） ； Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Beijing Jiaotong University（北京交通大学） ； AIR Wuxi Innovation Center, Tsinghua University（清华大学无锡创新中心） ； Lenovo（联想集团） 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.AI

AI总结 PROSPECT通过语义-空间融合和潜在预测表示，实现统一的流式视觉-语言导航，提升环境动态和空间结构的预测能力。

What Triggers my Model? Contrastive Explanations Inform Gender Choices by Translation Models

什么触发了我的模型？对比解释说明翻译模型如何通过性别选择

Janiça Hackenbuchner, Arda Tezcan, Joke Daems

机构 * Language and Translation Technology Team, Ghent University（根特大学语言与翻译技术团队） 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 研究通过对比翻译分析，揭示了翻译模型中性别选择的触发因素，并展示如何通过理解模型决策来减轻性别偏见。

Comments Accepted at LREC 2026

Can a Small Model Learn to Look Before It Leaps? Dynamic Learning and Proactive Correction for Hallucination Detection

小模型能否在行动前先观察？动态学习与主动纠正用于幻觉检测

Zepeng Bao, Shen Zhou, Qiankun Pi, Jianhao Chen, Mayi Xu, Ming Zhong, Yuanyuan Zhu, Tieyun Qian

机构 * School of Computer Science, Wuhan University, China（武汉大学计算机学院） ； Zhongguancun Academy, Beijing, China（中关村学院） 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.AI

AI总结 LEAP框架通过动态学习和主动纠正机制，提升小模型在幻觉检测中的适应性和效率。

On the Limits of Sparse Autoencoders: A Theoretical Framework and Reweighted Remedy

稀疏自编码器的局限性：一种理论框架和加权修复方法

Jingyi Cui, Qi Zhang, Yifei Wang, Yisen Wang

机构 * State Key Lab of General AI, School of Intelligence Science and Technology, Peking University（1 人工智能通用基础研究实验室，智能科学与技术学院，北京大学） ； Amazon AGI SF Lab（2 亚马逊人工智能实验室） ； Institute for Artificial Intelligence, Peking University（3 人工智能研究院，北京大学） 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 本文提出了一种理论框架和加权修复方法，以解决稀疏自编码器在恢复真实单义特征时的局限性，通过改进特征恢复能力提升可解释性。

Comments Accepted to ICLR2026

Using AI for User Representation: An Analysis of 83 Persona Prompts

利用AI进行用户表示：对83个角色提示的分析

Joni Salminen, Danial Amin, Bernard Jansen

机构 * University of Vaasa（瓦萨大学） ； Qatar Computing Research Institute（卡塔尔计算研究所） ； Hamad Bin Khalifa University（哈马德·本·哈利法大学） 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.AI

AI总结 本文分析了83个角色提示，发现生成的角色多为单一且简短，主要使用文本和数字格式，且多数要求结构化输出。

Comments Accepted at AICCSA-2025

Journal ref AICCSA-2025

Negative Pre-activations Differentiate Syntax

负预激活区分句法

Linghao Kong, Angelina Ning, Micah Adler, Nir Shavit

机构 * MIT（麻省理工学院） ； Red Hat AI（红帽人工智能） 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 研究发现，Wasserstein神经元中的负预激活在句法处理中起关键作用，其删除显著影响语法性能，而其他神经元的删除影响较小。

Comments 10 pages, 7 figures

Tracing and Reversing Edits in LLMs

追踪和逆转大语言模型中的编辑

Paul Youssef, Zhixue Zhao, Christin Seifert, Jörg Schlötterer

机构 * Marburg University（马堡大学） ； University of Sheffield（谢菲尔德大学） 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 本研究提出通过分析修改后的权重来追踪和逆转大语言模型中的恶意编辑，实现高准确率的检测与恢复，以增强模型安全性。

Comments Accepted at ICLR 2026

Dyslexify: A Mechanistic Defense Against Typographic Attacks in CLIP

Dyslexify: 一种针对CLIP中印刷攻击的机制性防御

Lorenz Hufe, Constantin Venhoff, Erblina Purelku, Maximilian Dreyer, Sebastian Lapuschkin, Wojciech Samek

机构 * Fraunhofer Heinrich Hertz Institute（弗劳恩霍夫海因里希·赫兹研究所） ； University of Oxford（牛津大学） ； Technological University Dublin（都柏林技术大学） ； Technische Universität Berlin（柏林技术大学） 纠错

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

AI总结 Dyslexify通过消融CLIP中的印刷电路，有效防御印刷攻击，提升性能并保持应用安全性。

Learning What Matters: Prioritized Concept Learning via Relative Error-driven Sample Selection

学习关键要素：通过相对误差驱动的样本选择进行优先概念学习

Shivam Chandhok, Qian Yang, Oscar Manas, Kanishk Jain, Leonid Sigal, Aishwarya Agrawal

机构 * Mila - Québec AI Institute（魁北克人工智能研究所） ； University of British Columbia（不列颠哥伦比亚大学） ； Université de Montréal（蒙特利尔大学） ； Vector Institute for AI（人工智能矢量研究所） ； Canada CIFAR AI Chair（加拿大CIFAR人工智能主席） 纠错

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

AI总结 PROGRESS通过相对误差驱动的样本选择，实现高效视觉-语言模型的指令微调，减少数据和计算需求，提升学习效率和泛化能力。

Comments CVPR 2026

Beyond Refusal: Probing the Limits of Agentic Self-Correction for Semantic Sensitive Information

超越拒绝：探求代理自我校正对语义敏感信息的极限

Umid Suleymanov, Zaur Rajabov, Emil Mirzazada, Murat Kantarcioglu

机构 * Department of Computer Science, Virginia Tech（弗吉尼亚理工大学计算机科学系） ； School of IT and Engineering, ADA University（ADA大学信息科技与工程学院） 纠错

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

AI总结 本文提出SemSIEdit框架，通过代理代理迭代批评和重写敏感信息，减少泄露并平衡隐私与效用，揭示规模依赖的安全分歧和推理悖论。

Comments Under Review

EAMET: Robust Massive Model Editing via Embedding Alignment Optimization

EAMET: 通过嵌入对齐优化实现鲁棒的大规模模型编辑

Yanbo Dai, Zhenlan Ji, Zongjie Li, Shuai Wang

机构 * Department of Computer Science and Engineering（计算机科学与工程系） 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.CL

AI总结 EAMET通过嵌入对齐优化提升大规模模型编辑的鲁棒性和效率，实现90%的编辑效果

Comments This paper was accepted to ICLR 2026

Sparse Autoencoders Can Capture Language-Specific Concepts Across Diverse Languages

稀疏自编码器可以在多种语言中捕捉语言特定的概念

Lyzander Marciano Andrylie, Inaya Rahmanisa, Mahardika Krisna Ihsani, Alfan Farizki Wicaksono, Haryo Akbarianto Wibowo, Alham Fikri Aji

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 本研究利用稀疏自编码器识别语言特定的特征，揭示其在多语言处理中的作用及可解释性优势。

Uncovering Context Reliance in Unstructured Knowledge Editing

揭示无结构知识编辑中的上下文依赖性

Zisheng Zhou, Mengqi Zhang, Shiguang Wu, Xiaotian Ye, Chi Zhang, Zhumin Chen, Pengjie Ren

机构 * Shandong University（山东大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） 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COIN框架，通过减少上下文依赖性提升大型语言模型的无结构知识编辑效果。

Comments 21 pages, 14 figures