语言大模型 / LLM

PartInteractor: Intent-Driven Part-Aware 3D Authoring for Continuous Co-Creation in XR

PartInteractor：面向XR中持续协同创作的意图驱动、部件感知的三维创作工具

Jianan Jiang, Bin Li

专题命中 知识编辑与模型理解 ：LLM(abstract,abstract_cn)

AI总结 PartInteractor是支持语音、草图、图像输入的部件感知三维创作框架，将语义部件层级作为可操控单元，提升生成后控制与意图一致性，助力XR中持续人机协同创作。

Comments Accepted to ACM UIST 2026

SPAE: Spectrally Guided Autoencoder for Pretrained Visual Latents

SPAE：用于预训练视觉隐层的频谱引导自编码器

Yibin Huang, Jixiang Hong, Zongzhao Li, Yuhan Dai, Zhibin Wang, Chunwei Wang, Jun Song, Chen Wang, Xiaofei Sun, Xiaoxiao Xu, Conghui Zhu

机构 * Alibaba Group（阿里巴巴集团） ； Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学高瓴人工智能学院） 纠错

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

AI总结 针对DiT生成隐层与编码器隐层的频谱不匹配问题，提出SPAE框架，通过紧凑瓶颈结构与通道级掩码策略实现隐层适配，在视觉理解、生成质量与重建保真度间取得良好平衡。

One Patch Is Enough: Reinforcement-Optimized Visual Token Grounding for MLLM-Based Scene Text Spotting

一个补丁就够：面向基于多模态大语言模型（MLLM）的场景文本定位的强化优化视觉标记接地

Rui Tang, Wentao Yang, Peirong Zhang, Yongxin Shi, Shun Zhang, Huiguo He, Lianwen Jin

机构 * South China University of Technology（华南理工大学） ； HiThink Research（海思思考研究院） 纠错

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

AI总结 针对现有多补丁场景文本定位范式的冗余噪声与定位歧义问题，提出以视觉为中心的单补丁文本定位框架 SPaTS，通过强化学习优化的单补丁选择等技术实现性能提升，显著优于前沿相关模型。

Comments 15 pages, 11 figures. Accepted to ACM Multimedia 2026

Journal ref Proceedings of the 34th ACM International Conference on Multimedia (MM '26), 2026

"Nobody Did This": Contribution, Originality, and Accountability in Agent-Mediated Collaboration

“没人做过这件事”：智能体介导协作中的贡献、原创性与问责制

Kashif Imteyaz, Mohammad Rashidujjaman Rifat, Divya Ramesh, Steven R. Rick, Simo Hosio, Hauke Sandhaus, Advait Sarkar, Christoph Riedl, Saiph Savage

专题命中 知识编辑与模型理解 ：LLM(abstract,abstract_cn)

AI总结 本研讨会聚焦智能体介导协作中的贡献消解问题，将召集研究者与从业者，通过多元活动探讨应对方案，旨在形成共享研究议程与基础设施应对基础。

ATLAS: Multi-View Code Representation Tool for C and C++ Source Programs

ATLAS: C和C++源代码的多视图代码表示工具

Jaid Monwar Chowdhury, Ahmad Farhan Shahriar Chowdhury, Humayra Binte Monwar, Mahmuda Naznin

专题命中 知识编辑与模型理解 ：LLM(abstract,abstract_cn)

AI总结 提出ATLAS工具，无需完整构建即可为C/C++生成对齐的AST、CFG和DFG，支持部分输入，输出JSON/DOT/PNG，在TheAlgorithms语料上CFG正确率达96.80%（C）和91.67%（C++）。

Comments 5 pages, 4 figures, 2 tables; Video demonstration: https://youtu.be/50DvEbenp14; Tool repository: https://github.com/jaid-monwar/ATLAS-multi-view-code-representation-tool.git

Breaking Refusal in the First Half: A Mechanistic Study of the Prefill Jailbreak

上半场打破拒绝：预填充越狱的机制研究

Alex Kwon

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

AI总结 研究语言模型中预填充消除拒绝的现象，通过实验定位到早期窗口，揭示拒绝是浅层响应端计算，预填充控制是通用自回归条件作用，还明确了主导机制及相关特征，指出监测器免疫特点和机制的分散性与失效表面的局部性。

Comments 31 pages, 3 figures. Code and derived artifacts: https://github.com/collapseindex/breaking-refusal

LaCoVL-FER: Landmark-Guided Contrastive Learning Network with Vision-Language Enhancement for Facial Expression Recognition

LaCoVL-FER: 一种结合视觉-语言增强的地标引导对比学习网络用于面部表情识别

Jiaxin Wang, Muwei Jian, Hui Yu, Junyu Dong, Yifan Xia

机构 * School of Airspace and Engineering, Shandong University（山东大学航空航天与工程学院） ； School of Computer Science and Technology, Shandong University of Finance and Economics（山东财经大学计算机科学与技术学院） ； School of Psychology and Neuroscience, University of Glasgow（格拉斯哥大学心理学与神经科学学院） ； Faculty of Information Science and Engineering, Ocean University of China（中国海洋大学信息科学与工程学院） 纠错

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

AI总结 本文提出了一种结合视觉-语言增强的地标引导对比学习网络LaCoVL-FER，通过引入面部地标几何先验和视觉-语言模型语义先验，解决野生环境中面部表情识别的挑战，提升识别的鲁棒性和泛化能力。

LESV: Language Embedded Sparse Voxel Fusion for Open-Vocabulary 3D Scene Understanding

LESV: 语言嵌入稀疏体素融合用于开放词汇3D场景理解

Fusang Wang, Nathan Piasco, Moussab Bennehar, Luis Roldão, Dzmitry Tsishkou, Fabien Moutarde

机构 * Huawei Noah's Ark Lab（华为诺亚方舟实验室） ； CAOR, Mines Paris-PSL, France（法国巴黎高科矿业学院CAOR实验室） 纠错

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

AI总结 本文提出LESV框架，通过稀疏体素 rasterization 解决3D场景理解中空间和语义模糊问题，利用AM-RADIO实现密集对齐，提升细粒度查询性能。

Comments ECCV 2026

Naming the Concepts Classifiers Rely On: Language-Anchored Decomposition for Faithful Explanation

命名概念分类器所依赖的内容：用于忠实解释的语言锚定分解

Ahsan Habib Akash, Dipkamal Bhusal, Stacey Jones, Donald A. Adjeroh, Binod Bhattarai, Prashnna Kumar Gyawali

机构 * West Virginia University（西弗吉尼亚大学） ； Rochester Institute of Technology（罗彻斯特理工学院） ； O Analytics（O分析公司） ； University of Aberdeen（阿伯丁大学） ； Fogsphere (Redev.AI Ltd, UK)（Fogsphere（Redev.AI有限公司，英国）） ； University College London（伦敦大学学院） 纠错

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

AI总结 研究针对深度神经网络在高风险视觉应用中可解释性的问题，提出语言锚定分解（LAD）框架，通过大语言模型和非负矩阵分解，在不修改模型的情况下获得命名、忠实且与决策相关的概念解释。

Comments Code available at https://github.com/machine-intelligence-lab-wvu/LAD

They Infer What You Meant: Models Represent Communicative Intent More Reliably Than They Act On It

他们推断你的意图：模型对交际意图的表征比其实际行动更可靠

Alex Kwon

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(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 研究语言模型常按信息表面而非发送者意图回复的问题，用线性探针从模型隐藏状态解码意图，表明表征可靠但读出存在问题，还找到因果处理方向可恢复预期行为。

Comments 17 pages, 3 figures

Individual Parameters in Weight-Sparse Transformers Appear Interpretable

权重稀疏变压器中的单个参数似乎具有可解释性

Arnau Marin-Llobet, Stefan Heimersheim

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

AI总结 研究单个权重能否在整个训练分布中全局理解，引入自动语言模型管道描述权重何时重要并验证，发现稀疏变压器中可解释权重比例更高。

Comments 20 pages, 19 figures, 3 tables. Project website: https://weightpedia.org/individual-parameters-in-sparse-transformers/

CellDETR: A Detection-Guided Framework for Scalable Cell Representation Learning from Histopathology Images

CellDETR: 一种面向组织病理学图像的可扩展细胞表示学习的检测引导框架

Shikang Zhang, Guojun Li, Yicong Mao, Chulin Sha

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

AI总结 提出基于Deformable DETR的检测引导框架CellDETR，通过位置特征解耦和框约束注意力机制实现可扩展的细胞表示学习，在细胞分类任务上超越现有方法，并支持无标签数据的预训练和跨数据集迁移。

Comments 12pages, 5 figures

Probing and Leveraging Video Diffusion Transformer Features for Robust Point Tracking

探查并利用视频扩散变换器特征以实现稳健的点跟踪

Soowon Son, Honggyu An, Jisu Nam, Hyunah Ko, Chaehyun Kim, Dahyun Chung, Siyoon Jin, Jung Yi, Junhwa Hur, Seungryong Kim

机构 * KAIST AI（韩国科学技术院人工智能） ； Google DeepMind（谷歌DeepMind） 纠错

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

AI总结 本文探讨了视频扩散变换器在点跟踪中的优势，提出DiTracker框架，通过整合视频DiT特征提升跟踪鲁棒性，实验证明其在挑战性场景下表现优异。

Comments Project Page: https://cvlab-kaist.github.io/DiTracker/

Test Case Selection for Deep Neural Networks: A Replication Study on LLMs for Code

深度神经网络的测试用例选择：面向代码的大语言模型的复现研究

Ali Asgari, Mitchell Olsthoorn, Annibale Panichella

专题命中 知识编辑与模型理解 ：LLM(abstract,abstract_cn)

AI总结 本文对深度神经网络测试用例选择技术在代码大语言模型上的有效性进行了大规模复现研究，发现基于不确定性的特征对早期故障发现有效，而基于表示的特征对准确率估计更鲁棒，且性能因任务和模型而异。

Comments Accepted at ISSTA 2026, the 35th ACM SIGSOFT International Symposium on Software Testing and Analysis

Training-free Uncertainty Guidance for Complex Visual Tasks with MLLMs

无训练不确定性引导的复杂视觉任务多模态大语言模型

Sanghwan Kim, Rui Xiao, Stephan Alaniz, Yongqin Xian, Zeynep Akata

机构 * Technical University of Munich（慕尼黑技术大学） ； Munich Center for Machine Learning（慕尼黑机器学习中心） ； Helmholtz Munich（海德堡-慕尼黑亥姆霍兹研究中心） ； Google（谷歌） ； LTCI, Télécom Paris, Institut Polytechnique de Paris（巴黎理工大学 LTCI 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)

AI总结 提出无需训练的框架，利用MLLM内在不确定性主动引导，通过响应不确定性评分候选视觉输入，使模型自主聚焦关键信息，在视觉搜索、长视频理解等任务中达到与微调系统相当的性能。

STORM: Slot-based Task-aware Object-centric Representation for robotic Manipulation

STORM：基于槽的任务感知面向对象的机器人操作表示

Alexandre Chapin, Emmanuel Dellandréa, Liming Chen

机构 * Ecole Centrale de Lyon, LIRIS（里尔森中央理工大学，LIRIS实验室） 纠错

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

AI总结 提出STORM模块，通过多阶段训练策略将冻结的视觉基础模型与语义感知槽结合，生成面向对象的任务感知表示，提升机器人操作在视觉干扰下的泛化性和控制性能。

Jolia: Concept-Level Vision-Language Alignment for 3D CT Contrastive Learning

Jolia: 用于3D CT对比学习的概念级视觉-语言对齐

Julien Khlaut, Charles Corbière, Baptiste Callard, Amaury Prat, Leo Butsanets, Antoine Saporta, Théo Danielou, Leo Machado, Korentin Le Floch, Tom Boeken, Pierre Manceron, Corentin Dancette

机构 * Raidium ； Department of Vascular and Oncological Interventional Radiology, Hôpital Européen Georges Pompidou, AP-HP（欧洲乔治·蓬皮杜医院血管与肿瘤介入放射科，AP-HP） ； Faculté de Santé, Université Paris-Cité（巴黎西岱大学健康学院） ； HEKA, INRIA（HEKA，法国国家信息与自动化研究所） ； Imaging Department, Fondation Ophtalmologique Adolphe de Rothschild（阿道夫·罗斯柴尔德眼科基金会影像科） 纠错

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

AI总结 提出ConQuer方法，通过概念查询将报告拆分为特定概念部分，学习交叉注意力查询以匹配图像特征，实现概念级对齐，在胸部与腹部CT上训练的Jolia模型在多项任务中超越CLIP基线。

ActiveScope: Actively Seeking and Correcting Perception for MLLMs

ActiveScope: 主动寻求和纠正MLLMs的感知

Yajing Wang, Chao Bi, Junshu Sun, Shufan Shen, Zhaobo Qi, Shuhui Wang, Qingming Huang

机构 * University of Chinese Academy of Sciences（中国科学院大学） ； State Key Lab of AI Safety, Institute of Computing Technology, Chinese Academy of Sciences, Beijing, China（中国科学院人工智能安全国家重点实验室，计算技术研究所，北京，中国） ； Harbin Institute of Technology (Weihai)（哈尔滨工业大学（威海）） 纠错

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

AI总结 提出ActiveScope框架，通过语义锚点定位和干扰抑制细化模块，解决MLLMs在高分辨率图像中的细粒度感知问题，在V* Bench上达到96.34%准确率。

Comments ICML 2026

Who Wins the Conflict? Mechanistic Interpretability of Text Bias in Audio LLMs

谁赢得冲突？音频大模型中文本偏差的机制可解释性

Hyebin Cho, Suho Yoo, Jaehyuk Jang, Changick Kim, Joon Son Chung

机构 * School of Electrical Engineering, KAIST（韩国科学技术院电子工程学院） 纠错

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

AI总结 本文通过机制分析揭示音频大模型中的文本主导偏差，发现文本路径主动抑制完整音频表征，并提出无训练干预方法back-patching以增强音频表征，缓解文本主导。

Comments Preprint

Advances in 4D Representation: Geometry, Motion, and Interaction

4D表示进展：几何、运动与交互

Mingrui Zhao, Sauradip Nag, Kai Wang, Aditya Vora, Guangda Ji, Peter Chun, Ali Mahdavi-Amiri, Hao Zhang

机构 * Simon Fraser University（西蒙弗雷泽大学） ； University of Alberta（阿尔伯塔大学） 纠错

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

AI总结 本文综述了4D生成与重建领域，从几何、运动和交互三个核心支柱出发，分析不同4D表示方法的特性、挑战及适用场景，并探讨了大语言模型和视频基础模型在其中的作用。

Comments CGF'26,21 pages. Project Page: https://mingrui-zhao.github.io/4DRep-GMI/

S$^2$COPE: Self-Supervised Concept Discovery via Preference Learning

S$^2$COPE: 通过偏好学习进行自监督概念发现

Shilong Xiang, Zirui Zhang, Chengzhi Mao

机构 * Rutgers University（罗格斯大学） 纠错

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

AI总结 提出S$^2$COPE框架，利用视觉大语言模型在自监督偏好优化循环中自主发现结构化概念，无需任何标签，在多个领域提升下游分类准确率。

Vision-Language Asymmetry in Bistable Image Captioning

双稳态图像描述中的视觉-语言不对称性

Arohan Agate

机构 * Arohan Agate 纠错

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

AI总结 通过83个双稳态刺激的行为基线和稀疏自编码器分析，发现视觉塔中同时激活两种解释，但因果干预仅能翻转默认主导刺激的描述，揭示视觉表征与语言承诺之间的不对称性。

Comments Accepted at ICML 2026 Workshop on Philosophy of Machine Learning

Lost in Migration: Exposing Android Framework Vulnerabilities in Parallel Java-Kotlin Implementations

迷失在迁移中：揭示Android框架中Java-Kotlin并行实现的安全漏洞

Rui Li, Wenrui Diao, Debin Gao

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

AI总结 本文首次系统研究Android框架中Java-Kotlin并行实现的语义差异，设计ParaDroid分析框架识别并比较并行方法，发现37个可利用漏洞，其中3个已确认并分配CVE。

Comments 14 pages

PAR3D: A Unified 3D-MLLM with Part-Aware Representation for Scene Understanding

PAR3D: 一种用于场景理解的统一部件感知3D多模态大语言模型

Shaohui Dai, Yansong Qu, You Shen, Shengchuan Zhang, Liujuan Cao

机构 * Key Laboratory of Multimedia Trusted Perception and Efficient Computing, Ministry of Education of China, Xiamen University（教育部多媒体可信感知与高效计算重点实验室，厦门大学） 纠错

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

AI总结 提出PAR3D框架，通过部件感知3D表示学习和层次化分割查询生成，解决现有3D-MLLM在细粒度部件理解上的不足，在部件级问答和指代分割任务上取得显著提升。

Comments Project page: https://atrovast.github.io/PAR3D/

Improving Semantic Uncertainty Quantification in LVLMs with Semantic Gaussian Processes

利用语义高斯过程改进LVLM中的语义不确定性量化

Joseph Hoche, Andrei Bursuc, David Brellmann, Gilles Louppe, Pavel Izmailov, Angela Yao, Gianni Franchi

机构 * AMIAD, Pôle Recherche, Palaiseau（AMIAD研究部，Palaiseau） ； valeo.ai ； Safran Tech ； University of Liège（利耶大学） ； New York University（纽约大学） ； National University of Singapore（新加坡国立大学） ； ENSTA Paris（巴黎ENSTA） 纠错

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

AI总结 提出语义高斯过程不确定性（SGPU）框架，通过分析答案嵌入的几何结构来量化语义不确定性，避免脆弱的聚类方法，在多个模型和数据集上实现了最先进的校准和判别性能。

Learning Self-Interpretation from Interpretability Artifacts: Training Lightweight Adapters on Vector-Label Pairs

从可解释性工件中学习自我解释：在向量-标签对上训练轻量级适配器

Keenan Pepper, Alex McKenzie, Florin Pop, Stijn Servaes, Martin Leitgab, Mike Vaiana, Judd Rosenblatt, Michael S. A. Graziano, Diogo de Lucena

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 ：language model(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 通过训练轻量级适配器（标量仿射适配器，仅需d_model+1参数）在可解释性工件上，保持语言模型完全冻结，实现了跨任务和模型族的可靠自我解释，在稀疏自编码器特征标注、主题识别和多跳推理桥接实体解码等任务上显著优于未训练基线。

Comments 26 pages, 18 tables, 17 figures. Code and data at https://github.com/agencyenterprise/selfie-adapters

MM-Snowball: Evaluating and Mitigating Hallucination Snowballing in Multimodal Multi-Turn Dialogue

MM-Snowball：多模态多轮对话中的幻觉雪崩评估与缓解

Yue Jiang, Xue Jiang, Lihua Zhang, Zhiqiang Wang, Yuhang Lu, Peng Wang, Bo Han, Feng Zheng, Dingkang Yang

机构 * College of Intelligent Robotics and Advanced Manufacturing, Fudan University（复旦大学智能机器人与先进制造学院） ； Southern University of Science and Technology（南方科技大学） ； TMLR Group, Hong Kong Baptist University（香港 Baptist 大学 TMLR 团体） ； MM Lab, CUHK（CUHK 多模态实验室） ； RAMS Lab, Huawei Technologies Co., Ltd.（华为技术有限公司 RAMS 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)

AI总结 针对多模态大模型在多轮对话中因初始错误累积导致幻觉雪崩的问题，提出首个细粒度诊断基准MM-Snowball，并设计无训练的冲突感知视觉校正方法CAVR，通过表示级刷新视觉锚定和logit级修正输出分布来缓解雪崩效应。

Comments Accepted by The International Conference on Machine Learning (ICML 2026)

COMET: Concept Space Dissection of the Modality Gap in Audio-Text Multimodal Contrastive Embeddings

COMET：音频-文本多模态对比嵌入中模态间隙的概念空间剖析

Yonggang Zhu, Liting Gao, Aidong Men, Wenwu Wang

机构 * School of Artificial Intelligence, Beijing University of Posts and Telecommunications（北京邮电大学人工智能学院） ； Centre for Vision, Speech, and Signal Processing (CVSSP), University of Surrey（Surrey 大学视觉、语音和信号处理中心） 纠错

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

AI总结 提出COMET框架，通过PLS-SVD分解揭示CLAP模型中模态间隙主要由少数共享概念轴贡献，并基于谱截断方法无训练地缓解间隙，实现零样本音频字幕接近全监督性能。

LEC: Linear Expectation Constraints for Selection-Conditioned Risk Control in Selective Prediction and Routing Systems

LEC: 选择性预测与路由系统中基于选择条件风险控制的线性期望约束

Zhiyuan Wang, Aniri, Tianlong Chen, Yue Zhang, Heng Tao Shen, Xiaoshuang Shi, Kaidi Xu

机构 * University of Electronic Science and Technology of China（电子科技大学） ； Munich Center for Machine Learning（慕尼黑机器学习中心） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； Shandong University（山东大学） ； Tongji University（同济大学） ； City University of Hong Kong（香港城市大学） 纠错

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

AI总结 提出LEC框架，通过线性期望约束将选择性预测转化为决策问题，在可交换性假设下利用校准集计算风险约束下的保留最大化阈值，并扩展到双模型路由系统，实现选择条件误差控制。

Comments Accepted by ICML 2026 Regular

VIHD: Visual Intervention-based Hallucination Detection for Medical Visual Question Answering

VIHD: 基于视觉干预的医学视觉问答幻觉检测

Jiayi Chen, Benteng Ma, Zehui Liao, Winston Chong, Yasmeen George, Jianfei Cai

机构 * Department of Data Science \& AI, Faculty of Information Technology, Monash University, Melbourne, VIC 3800, Australia Alfred Health Radiology, Alfred Health, Melbourne, VIC 3004, Australia School of Translational Medicine, Faculty of Medicine, Nursing ； Health Sciences, Monash University, Melbourne, VIC 3800, Australia Hong Kong Polytechnic University, Hong Kong SAR, China 纠错

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

AI总结 提出VIHD方法，通过视觉依赖探测和视觉干预解码校准语义熵，有效检测医学多模态大语言模型中的幻觉响应。

Comments Early accepted by MICCAI 2026. This version of the contribution has been accepted for publication, after peer review (when applicable) but is not the Version of Record and does not reflect post-acceptance improvements, or any corrections