Features as Rewards: Scalable Supervision for Open-Ended Tasks via Interpretability
特征作为奖励：通过可解释性实现开放性任务的可扩展监督
专题命中 知识编辑与模型理解 ：language model(abstract)；分类 cs.LG
AI总结 本文提出通过特征作为奖励实现开放性任务的可扩展监督，利用强化学习流程减少幻觉并保持性能。
AI 大模型
语言大模型 / LLM
大语言模型、预训练、指令微调、后训练和语言模型应用。
1. 知识编辑与模型理解 7583 篇
Rethinking Metrics for Lexical Semantic Change Detection
重新思考词义变化检测的度量方法
机构 * Queen Mary University of London（伦敦女王学院） ； The Alan Turing Institute（艾伦·图灵研究所） ； University of Cambridge（剑桥大学）
专题命中 知识编辑与模型理解 ：language model(abstract)；分类 cs.CL
AI总结 本文提出AMD和SAMD两种新度量方法，用于更稳健地检测词义变化，适用于不同编码器和表示空间。
Comments Accepted to the LChange 2026 Workshop, colocated with EACL 2026
Evaluating Disentangled Representations for Controllable Music Generation
评估用于可控音乐生成的解耦表示
专题命中 知识编辑与模型理解 ：prompting(abstract)；分类 cs.LG
AI总结 本文评估了音乐生成中解耦表示的有效性，发现现有方法在可控生成中存在语义不一致问题，需重新审视解耦策略。
Comments Accepted at ICASSP 2026
A Rule-based Computational Model for Gaidhlig Morphology
一种基于规则的盖尔语形态学计算模型
机构 * 1 School of Computing, Engineering, \& the Built Environment Edinburgh Napier University, Scotland
专题命中 知识编辑与模型理解 ：language model(abstract)；分类 cs.CL
AI总结 本文提出了一种基于规则的盖尔语形态学模型，利用维基词典数据构建规则库，以提升低资源语言处理的可解释性和应用价值。
Comments A revised version of this article will be published at ICAART 2026 (https://icaart.scitevents.org/?y=2026)
Improving Interpretability of Lexical Semantic Change with Neurobiological Features
通过神经生物学特征提升词汇语义变化的可解释性
机构 * Japan Advanced Institute of Science and Technology（日本先进科学研究院） ； National Institute of Advanced Industrial Science and Technology（国家先进工业科学与技术研究院）
专题命中 知识编辑与模型理解 ：language model(abstract)；分类 cs.CL
AI总结 本文提出一种将词语语义空间映射到神经生物学特征空间的方法，以提升词汇语义变化的可解释性，并在LSC估计和分析中取得显著效果。
Comments PACLIC 2025
Cross-Modal Redundancy and the Geometry of Vision-Language Embeddings
跨模态冗余与视觉-语言嵌入的几何学
机构 * Brown University（布朗大学） ； ENS Paris Saclay（巴黎萨克雷大学） ； IRT Saint Exupéry（IRT圣埃克苏佩里） ； Kempner Institute, Harvard University（哈佛大学凯姆纳研究所）
专题命中 知识编辑与模型理解 ：language model(abstract)；分类 cs.LG
AI总结 本文通过等能假设和对齐稀疏自编码器，揭示了视觉-语言模型中跨模态对齐的几何结构，发现稀疏双模态原子承载了跨模态对齐信号，单模态原子解释了模态差距，去除单模态原子可消除差距而不影响性能。
Comments Published as a conference paper at ICLR 2026
The Value of Variance: Mitigating Debate Collapse in Multi-Agent Systems via Uncertainty-Driven Policy Optimization
方差的价值：通过不确定性驱动的策略优化缓解多智能体系统中的辩论崩溃
机构 * Department of Computer Science, Binghamton University, Binghamton, NY, USA（宾夕法尼亚州立大学计算机科学系） ； University of Iowa, Iowa City, IA, USA（爱荷华大学）
专题命中 知识编辑与模型理解 ：LLM(abstract)；分类 cs.LG
AI总结 本文提出了一种基于不确定性驱动的策略优化方法，通过量化多智能体系统中的不确定性来缓解辩论崩溃问题，提升决策准确性和系统一致性。
Gold Exploration using Representations from a Multispectral Autoencoder
利用多光谱自编码器进行黄金勘探
机构 * Technology Innovation Institute（技术创新研究所） ； Institute of Communication and Computer Systems（通信与计算机系统研究所） ； Geonova
专题命中 知识编辑与模型理解 ：foundation model(abstract)；分类 cs.AI
AI总结 利用多光谱自编码器提取生成性表示，提升卫星影像中黄金勘探的准确率与效率
Comments Presented in Eurips2025, 1st Workshop: Advances in Representation Learning for Earth Observation
Same Answer, Different Representations: Hidden instability in VLMs
相同答案，不同表示：VLMs中的隐藏不稳定性
机构 * Sapienza University of Rome（罗马萨皮恩扎大学） ； CNRS（法国国家科学研究中心） ； University of Edinburgh（爱丁堡大学） ； University of Oxford（牛津大学） ； i3S（i3S研究所）
专题命中 知识编辑与模型理解 ：language model(abstract)；分类 cs.AI
AI总结 本研究揭示了视觉语言模型中隐藏的不稳定性，通过引入新的评估框架发现模型在内部表示漂移、鲁棒性与决策边界等方面存在显著问题。
Decision-Focused Sequential Experimental Design: A Directional Uncertainty-Guided Approach
决策导向的顺序实验设计：一种方向性不确定性引导方法
机构 * Department of Statistics and Operations Research, University of North Carolina（统计与运筹学系，北卡罗来纳大学） ； Department of Industrial Engineering and Operations Research, University of California, Berkeley（工业工程与运筹学系，加州大学伯克利分校）
专题命中 知识编辑与模型理解 ：LLM(abstract)；分类 cs.LG
AI总结 本文提出一种基于方向性的不确定性度量，用于改进顺序实验设计，以更有效地优化决策损失。
Interpolation of GEDI Biomass Estimates with Calibrated Uncertainty Quantification
利用校准不确定性量化进行GEDI生物量估计插值
机构 * University of Cambridge（剑桥大学）
专题命中 知识编辑与模型理解 ：foundation model(abstract)；分类 cs.LG
AI总结 本文提出利用注意力神经过程（ANPs）进行GEDI生物量估计插值，通过校准不确定性量化提升预测准确性与不确定性校准效果。
Hebrew Diacritics Restoration using Visual Representation
希伯来文附加符号恢复使用视觉表示
机构 * Faculty of Computer and Information Science（计算机与信息科学学院） ； Ben-Gurion University of the Negev（贝叶尔谢瓦巴内吉尔大学）
专题命中 知识编辑与模型理解 ：language model(abstract)；分类 cs.CL
AI总结 DiVRit通过视觉表示方法实现希伯来文附加符号恢复，利用零样本分类和视觉语言模型提升准确性和泛化能力。
GRAM: Spatial general-purpose audio representation models for real-world applications
GRAM：用于真实世界应用的空间通用音频表示模型
机构 * Donders Institute, Radboud University, Nijmegen, The Netherlands（多纳茨研究所，拉德堡德大学，尼姆韦根，荷兰） ； Mortimer B Zuckerman Institute, Columbia University, New York, United States（莫蒂默·B·祖克erman研究所，哥伦比亚大学，纽约，美国）
专题命中 知识编辑与模型理解 ：foundation model(abstract)；分类 cs.AI
AI总结 GRAM通过多通道掩码自编码器学习空间音频表示，提升真实世界声学环境中的音频任务性能。
Comments Revise with RealSELD
SPAR: Self-supervised Placement-Aware Representation Learning for Distributed Sensing
SPAR：用于分布式传感的自监督位置感知表示学习
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Stanford University（斯坦福大学）
专题命中 知识编辑与模型理解 ：pretraining(abstract)；分类 cs.LG
AI总结 SPAR通过信号与位置的二元性原则，提出了一种自监督位置感知表示学习框架，提升分布式传感在多种模态和任务中的鲁棒性和泛化能力。
Breaking Up with Normatively Monolithic Agency with GRACE: A Reason-Based Neuro-Symbolic Architecture for Safe and Ethical AI Alignment
与规范性单一体制代理告别：GRACE：一种基于原因的神经符号架构，用于安全和道德的人工智能对齐
机构 * German Research Center for Artificial Intelligence（德国人工智能研究中心） ； Center for European Research in Trusted AI (CERTAIN)（可信AI欧洲研究中心） ； Saarland Informatics Campus（萨尔州信息学校区） ； Computer Science Department, TU Darmstadt（图宾根大学计算机科学系）
专题命中 知识编辑与模型理解 ：LLM(abstract)；分类 cs.AI
AI总结 GRACE是一种基于原因的神经符号架构，用于安全和道德的人工智能对齐，通过分离规范性推理与工具性决策，确保AI代理的行为符合道德规范。
Comments 10 pages, 4 figures, accepted at 2nd Annual Conference of the International Association for Safe & Ethical AI (IASEAI'26)
AutoHealth: An Uncertainty-Aware Multi-Agent System for Autonomous Health Data Modeling
AutoHealth：一种面向自主健康数据建模的不确定性感知多智能体系统
机构 * Vanke School of Public Health, Tsinghua University（清华大学万科公共卫生学院） ； Department of Electronic Engineering, Beijing National Research Center for Information Science and Technology（北京信息科学与技术国家研究中心电子工程系） ； Tsinghua University, China（清华大学）
专题命中 知识编辑与模型理解 ：LLM(abstract)；分类 cs.AI
AI总结 AutoHealth通过多智能体系统自主建模健康数据，提升预测性能和不确定性估计，有效解决健康数据建模中的泛化和可靠性问题。
Beyond Activation Patterns: A Weight-Based Out-of-Context Explanation of Sparse Autoencoder Features
超越激活模式：基于权重的稀疏自编码器特征非情境解释
机构 * State Key Laboratory of General Artificial Intelligence, School of Intelligence Science and Technology, Peking University（通用人工智能国家重点实验室，智能科学与技术学院，北京大学）
专题命中 知识编辑与模型理解 ：language model(abstract)；分类 cs.LG
AI总结 该研究提出基于权重的解释框架，揭示稀疏自编码器特征在非情境下的功能效应，发现部分特征直接预测输出并参与注意力机制。
The Art of Saying "Maybe": A Conformal Lens for Uncertainty Benchmarking in VLMs
也许的艺术：一种用于VLMs不确定性基准测试的共形透镜
机构 * Bangladesh University of Engineering and Technology（孟加拉工程与技术大学） ； Qatar Computing Research Institute（卡塔尔计算研究所）
专题命中 知识编辑与模型理解 ：language model(abstract)；分类 cs.AI
AI总结 本文提出了一种用于VLMs不确定性基准测试的共形透镜，评估了18种最先进的VLMs在6个多元数据集上的表现，发现更大模型在不确定性量化方面表现更佳，而数学和推理任务则表现出较差的不确定性性能。
Federated learning for unpaired multimodal data through a homogeneous transformer model
通过同质Transformer模型实现无配对多模态数据的联邦学习
机构 * Department of Biomedical Engineering, Linköping University, Sweden（_linköping大学生物医学工程系） ； Department of Computer and Information Science, Linköping University, Sweden（_linköping大学计算机与信息科学系） ； Center for Medical Image Science and Visualization (CMIV), Linköping University, Sweden（_linköping大学医学影像科学与可视化中心）
专题命中 知识编辑与模型理解 ：foundation model(abstract)；分类 cs.LG
AI总结 本文提出通过同质Transformer模型实现联邦学习，解决无配对多模态数据的训练问题，通过公共锚点对齐和子空间稳定化微调方法，在不传输私有数据的情况下实现全局模型统一表示。
Context-Aware Iterative Token Detection and Masked Transmission for Wireless Token Communication
具有上下文感知的迭代令牌检测与掩码传输用于无线令牌通信
专题命中 知识编辑与模型理解 ：language model(abstract)；分类 cs.AI
AI总结 本文提出了一种基于预训练MLM的无线令牌通信框架，通过上下文感知的迭代检测和掩码策略提升通信质量与速率适应性。
Argument-Based Consistency in Toxicity Explanations of LLMs
基于论证的一致性：大语言模型毒性解释的评估
机构 * University of Toronto（多伦多大学） ； trail-ml
专题命中 知识编辑与模型理解 ：LLM(abstract)；分类 cs.CL
AI总结 本研究提出基于论证的一致性标准，评估大语言模型对毒性的推理能力，发现其在复杂关系下的解释不一致。
Comments 29 pages, 7 figures, 9 tables
Style2Code: A Style-Controllable Code Generation Framework with Dual-Modal Contrastive Representation Learning
Style2Code: 一种具有双模态对比学习的可控制代码生成框架
机构 * ITMO University（ITMO大学） ； Saint Petersburg University（圣彼得堡大学）
专题命中 知识编辑与模型理解 ：language model(abstract)；分类 cs.AI
AI总结 Style2Code通过双模态对比学习和条件解码实现风格可控的代码生成，提升风格控制的同时保持代码正确性。
AlphaFace: High Fidelity and Real-time Face Swapper Robust to Facial Pose
AlphaFace: 高保真和实时的面部交换器，对面部姿态具有鲁棒性
机构 * University of Cambridge（剑桥大学） ； University of Kent（肯特大学） ； Tsinghua University（清华大学） ； Gwangju Institute of Science and Technology（全州科学技术院） ； Inje University（庆北大学）
专题命中 知识编辑与模型理解 ：language model(abstract)；分类 cs.AI
AI总结 AlphaFace通过结合视觉-语言模型和CLIP嵌入，实现高保真和实时的面部交换，提升对极端面部姿态的鲁棒性。
Multi-scale Graph Autoregressive Modeling: Molecular Property Prediction via Next Token Prediction
多尺度图自回归建模：通过下一个标记预测进行分子属性预测
机构 * The Hong Kong University of Science（香港科学与技术大学） ； Zhongguancun Academy, Beijing, China（中关村学院，北京，中国）
专题命中 知识编辑与模型理解 ：language model(abstract)；分类 cs.LG
AI总结 CamS通过多尺度因果序列化实现分子属性预测，优于SMILES和图基线模型，有效识别活性悬崖差异。
CALE : Concept-Aligned Embeddings for Both Within-Lemma and Inter-Lemma Sense Differentiation
CALE：基于词内和词间概念对齐的嵌入表示
机构 * University of Lille, Inria, CNRS, Centrale Lille, UMR 9189 - CRIStAL（里尔大学、INRIA、法国国家科学研究中心、Centrale Lille、UMR 9189 - CRIStAL）
专题命中 知识编辑与模型理解 ：language model(abstract)；分类 cs.CL
AI总结 本文提出CALE模型，通过概念区分任务提升词义表示的准确性和多用途性，实验证明其在词义任务中表现优异。
Comments Accepted at EACL 2026
Convergence dynamics of Agent-to-Agent Interactions with Misaligned objectives
Agent-to-Agent Interactions with Misaligned objectives的收敛动力学
专题命中 知识编辑与模型理解 ：LLM(abstract)；分类 cs.AI
AI总结 本文研究了agent间因目标不一致导致的收敛动态，提出了一种理论框架，通过单层transformer与线性自注意力机制，分析了目标不一致对稳定性和鲁棒性的影响，并展示了自适应多agent设置下的改进收敛方法。
Surgical Refusal Ablation: Disentangling Safety from Intelligence via Concept-Guided Spectral Cleaning
手术拒绝消融：通过概念引导的频谱清洁分离安全与智能
专题命中 知识编辑与模型理解 ：language model(abstract)；分类 cs.CL
AI总结 通过概念引导的频谱清洁技术，SRA有效分离语言模型的安全性与智能，减少拒绝行为的同时保持模型性能和分布稳定性。
Sparsity Is Necessary: Polynomial-Time Stability for Agentic LLMs in Large Action Spaces
稀疏性是必要的：大规模动作空间中代理LLM的多项式时间稳定性
机构 * Angshul Majumdar（独立研究者）
专题命中 知识编辑与模型理解 ：LLM(abstract)；分类 cs.AI
AI总结 研究提出稀疏代理控制框架，通过多项式时间稳定性理论解决大规模动作空间中LLM的稀疏性问题，证明稀疏表示在策略学习中的有效性及密集策略类的样本需求。
Knowledge-based learning in Text-RAG and Image-RAG
基于知识的学习在Text-RAG和Image-RAG中的应用
机构 * Florida International University（佛罗里达国际大学）
专题命中 知识编辑与模型理解 ：LLM(abstract)；分类 cs.AI
AI总结 本研究通过比较基于文本和图像的RAG方法，探讨了如何利用外部知识减少幻觉问题并提升胸部X光图像疾病检测的准确性。
Comments 9 pages, 10 figures
Representations of Text and Images Align From Layer One
文本和图像的表示从第一层对齐
机构 * D-INFK, ETH Zurich, Switzerland（苏黎世联邦理工学院信息与知识系统研究所） ； Aisle Research（Aisle研究）
专题命中 知识编辑与模型理解 ：language model(abstract)；分类 cs.AI
AI总结 该研究通过合成方法证明，视觉-语言模型中图像和文本表示在第一层即可实现对齐，为模型可解释性提供了新路径。
