语言大模型 / LLM

Are Emotions Arranged in a Circle? Geometric Analysis of Emotion Representations via Hyperspherical Contrastive Learning

情感是否呈圆形？通过超球体对比学习进行情感表示的几何分析

Yusuke Yamauchi, Akiko Aizawa

机构 * The University of Tokyo（东京大学） ； National Institute of Informatics（信息处理研究所） 纠错

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

AI总结 本文通过超球体对比学习在语言模型中诱导圆形情感表示，揭示了环形模型在可解释性和鲁棒性与高维设置下的性能权衡。

Generating Text from Uniform Meaning Representation

从统一意义表示生成文本

Emma Markle, Reihaneh Iranmanesh, Shira Wein

机构 * Amherst College（阿默斯特学院） 纠错

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

AI总结 本文提出从多语言UMR图生成文本的方法，通过基线模型、管道转换和微调策略，实现了多语言文本生成的高效效果。

Comments Published and Outstanding Paper Award recipient at IJCNLP-AACL 2025

Towards Automated Diagnosis of Inherited Arrhythmias: Combined Arrhythmia Classification Using Lead-Aware Spatial Attention Networks

向自动诊断遗传性心律失常：结合领域能量注意网络的联合心律失常分类

Sophie Sigfstead, River Jiang, Brianna Davies, Zachary W. M. Laksman, Julia Cadrin-Tourigny, Rafik Tadros, Habib Khan, Joseph Atallah, Christian Steinberg, Shubhayan Sanatani, Mario Talajic, Rahul Krishnan, Andrew D. Krahn, Christopher C. Cheung

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

AI总结 本研究提出领域能量注意网络（LASAN）用于多类和二分类遗传性心律失常分类，实现了接近天花板的性能，优于现有模型。

Comments 34 pages, 2 figures, 4 tables

When Models Manipulate Manifolds: The Geometry of a Counting Task

当模型操纵流形：计数任务的几何学

Wes Gurnee, Emmanuel Ameisen, Isaac Kauvar, Julius Tarng, Adam Pearce, Chris Olah, Joshua Batson

机构 * Anthropic 纠错

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

AI总结 研究揭示了语言模型通过几何变换实现文本换行的机制，展示了早期层的感官处理和注意力算法的复杂性。

Mass Concept Erasure in Diffusion Models with Concept Hierarchy

扩散模型中的概念擦除与概念层次

Jiahang Tu, Ye Li, Yiming Wu, Hanbin Zhao, Chao Zhang, Hui Qian

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

AI总结 本文提出了一种基于概念层次的扩散模型擦除方法，通过群体擦除和超类型保留低秩适应技术，提高擦除效率并减少生成质量退化。

Comments This paper has been accepted by AAAI 2026

BiListing: Modality Alignment for Listings

BiListing: 列表模态对齐

Guillaume Guy, Mihajlo Grbovic, Chun How Tan, Han Zhao

机构 * Airbnb 纠错

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

AI总结 BiListing通过结合大型语言模型和预训练语言-图像模型，实现列表文本与照片的模态对齐，提升搜索效率并解决冷启动问题。

Journal ref Proceedings of the 34th ACM International Conference on Information and Knowledge Management, CIKM 2025

Intervene-All-Paths: Unified Mitigation of LVLM Hallucinations across Alignment Formats

干预所有路径：统一缓解跨对齐格式的大型视觉-语言模型幻觉

Jiaye Qian, Ge Zheng, Yuchen Zhu, Sibei Yang

机构 * School of Computer Science and Engineering, Sun Yat-sen University（中山大学计算机科学与工程学院） ； ShanghaiTech University（上海科技大学） 纠错

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

AI总结 本文提出一种统一干预框架，通过分析不同路径间的相互作用，有效缓解跨对齐格式的LVLM幻觉问题。

Comments Accepted to NeurIPS 2025, Project Page: https://github.com/SooLab/AllPath

Tight PAC-Bayesian Risk Certificates for Contrastive Learning

对比学习的紧PAC-Bayesian风险证书

Anna Van Elst, Debarghya Ghoshdastidar

机构 * LTCI, Télécom Paris, Institut Polytechnique de Paris（LTCI，巴黎电信学院，巴黎高等理工学院） ； School of Computation Information and Technology, Technical University of Munich（计算信息与技术学院，慕尼黑技术大学） 纠错

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

AI总结 本文提出紧PAC-Bayesian风险证书，针对对比学习中的依赖性和SimCLR框架，改进了对比损失和下游预测的界。

Journal ref SIAM Journal on Mathematics of Data Science, vol. 7, no. 4, pp. 1904-1927, 2025

Decomposing Task Vectors for Refined Model Editing

任务向量分解以实现精细模型编辑

Hamed Damirchi, Ehsan Abbasnejad, Zhen Zhang, Javen Shi

机构 * Australian Institute for Machine Learning, Adelaide University（澳大利亚机器学习研究所，阿德莱德大学） ； Monash University（莫纳什大学） 纠错

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

AI总结 本文提出一种任务向量分解方法，通过分离共享知识和独特信息，提升模型编辑的精度和效果。

Comments 16 pages

RAVEL: Rare Concept Generation and Editing via Graph-driven Relational Guidance

RAVEL：通过图驱动的关系引导进行罕见概念生成与编辑

Kavana Venkatesh, Yusuf Dalva, Ismini Lourentzou, Pinar Yanardag

机构 * Virginia Tech（弗吉尼亚理工大学） ； UIUC（伊利诺伊大学香槟分校） 纠错

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

AI总结 RAVEL通过图驱动的关系引导方法，提升罕见概念生成与编辑的可控性和可解释性，适用于长尾领域。

Comments Project Page: https://ravel-diffusion.github.io/

The Deepfake Detective: Interpreting Neural Forensics Through Sparse Features and Manifolds

深度伪造侦探：通过稀疏特征和流形进行神经取证解释

Subramanyam Sahoo, Jared Junkin

机构 * Berkeley AI Safety Initiative (BASIS) University of California, Berkeley（伯克利人工智能安全倡议（BASIS）大学伯克利） ； Department of Electrical and Computer Engineering Johns Hopkins University（电气与计算机工程系约翰霍普金斯大学） 纠错

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

AI总结 本文提出了一种通过稀疏特征和流形分析来解释深度伪造检测模型的框架，揭示了模型内部特征的使用规律和几何属性变化，以提升模型的可解释性和鲁棒性。

Comments 10 pages, 5 figures, Initial Work

Measuring Mechanistic Independence: Can Bias Be Removed Without Erasing Demographics?

测量机制独立性：在不擦除人口统计学信息的情况下，偏见能否被移除？

Zhengyang Shan, Aaron Mueller

机构 * Boston University（波士顿大学） 纠错

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

AI总结 本研究通过多任务评估发现，语言模型中的偏见源于任务特定机制，通过针对性干预可实现去偏见而不影响核心能力。

Solomonoff-Inspired Hypothesis Ranking with LLMs for Prediction Under Uncertainty

受索洛蒙效应启发的基于大语言模型的假设排名用于预测中的不确定性

Josh Barber, Rourke Young, Cameron Coombe, Will Browne

机构 * Queensland University of Technology (QUT)（昆士兰理工大学） 纠错

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

AI总结 本文提出一种基于大语言模型的索洛蒙启发方法，通过简洁性和预测适应性加权假设，以提高在不确定性下的预测可靠性。

Comments 10 pages, ACRA 2025, Submitted, Accepted and Presented

Neural Decoding of Overt Speech from ECoG Using Vision Transformers and Contrastive Representation Learning

基于视觉变换器和对比学习的皮层电图信号外显语音解码

Mohamed Baha Ben Ticha, Xingchen Ran, Guillaume Saldanha, Gaël Le Godais, Philémon Roussel, Marc Aubert, Amina Fontanell, Thomas Costecalde, Lucas Struber, Serpil Karakas, Shaomin Zhang, Philippe Kahane, Guillaume Charvet, Stéphan Chabardès, Blaise Yvert

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

AI总结 本文提出基于视觉变换器和对比学习的ECoG信号语音解码方法，通过编码器-解码器架构实现流式语音重建，首次在完全植入式皮层记录系统中展示语音解码的可行性。

Confidence Calibration in Vision-Language-Action Models

视觉-语言-动作模型中的置信度校准

Thomas P Zollo, Richard Zemel

机构 * Columbia University（哥伦比亚大学） 纠错

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

AI总结 本文提出通过提示集合和动作-wise Platt缩放技术，改进视觉-语言-动作模型的置信度校准，以提升机器人行为的可靠性和性能。

Comments 38 pages, 19 figures; additional experiments with VLA variants

Toward Ethical AI Through Bayesian Uncertainty in Neural Question Answering

通过贝叶斯不确定性实现伦理AI：神经问答中的贝叶斯推理

Riccardo Di Sipio

机构 * Dayforce 纠错

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

AI总结 本文通过贝叶斯不确定性方法改进神经问答系统的可解释性和伦理性，对比拉普拉斯近似与MAP估计以提升不确定性校准能力。

Comments 14 pages, 8 figures,

Journal ref AI Ethics 6, 38 (2026)

Online-PVLM: Advancing Personalized VLMs with Online Concept Learning

在线-PVLM：通过在线概念学习推进个性化VLMs

Huiyu Bai, Runze Wang, Zhuoyun Du, Yiyang Zhao, Fengji Zhang, Haoyu Chen, Xiaoyong Zhu, Bo Zheng, Xuejiao Zhao

机构 * Nanyang Technological University（南洋理工大学） ； Alibaba Group（阿里巴巴集团） ； Zhejiang University（浙江大学） ； City University of Hong Kong（香港城市大学） ； University of Oulu（奥卢大学） 纠错

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

AI总结 Online-PVLM通过在线概念学习框架，实现个性化VLMs的高效实时适应，并提出OP-Eval基准评估其在现实场景中的性能。

Comments Work in Progress

QLENS: Towards A Quantum Perspective of Language Transformers

QLENS：迈向语言转换器的量子视角

Aditya Gupta, Kirandeep Kaur, Vinayak Gupta, Chirag Shah

机构 * Issaquah High School, Washington, USA（华盛顿州伊萨夸高中） ； University of Washington, Washington, USA（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.LG

AI总结 QLENS从量子力学角度提出语言转换器的物理视角，通过将潜在激活转换为希尔伯特空间中的状态向量，利用单位ary算子和哈密顿量建模转换器生成过程，探索其概率分布和预测轨迹的演化。

REAL: Representation Enhanced Analytic Learning for Exemplar-free Class-incremental Learning

REAL：基于表征增强的无实例类增量学习

Run He, Di Fang, Yizhu Chen, Kai Tong, Cen Chen, Yi Wang, Lap-pui Chau, Huiping Zhuang

机构 * Shien-Ming Wu School of Intelligent Engineering（申铭武智能工程学院） ； School of Future Technology（未来技术学院） ； Department of Electrical and Electronic Engineering（电气与电子工程系） 纠错

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

AI总结 REAL通过双流预训练和表征增强蒸馏提升无实例类增量学习的表征能力，结合特征融合缓冲器更高效利用主干网络知识，实现更优的分类性能。

Comments 13 pages, 7 figures. This paper is published in Knowledge-based System

ProtoFlow: Interpretable and Robust Surgical Workflow Modeling with Learned Dynamic Scene Graph Prototypes

ProtoFlow: 基于学习动态场景图原型的可解释且鲁棒的手术流程建模

Felix Holm, Ghazal Ghazaei, Nassir Navab

机构 * Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心（MCML）） 纠错

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

AI总结 ProtoFlow通过学习动态场景图原型，实现了手术流程的可解释和鲁棒建模，提升了AI在手术培训和决策支持中的应用潜力。

MIMIR: Masked Image Modeling for Mutual Information-based Adversarial Robustness

MIMIR：基于互信息的对抗鲁棒性图像建模

Xiaoyun Xu, Shujian Yu, Zhuoran Liu, Stjepan Picek

机构 * Radboud University Nijmegen（拉德博德大学尼姆维根分校） ； Vrije Universiteit Amsterdam（自由大学阿姆斯特丹） ； University of Zagreb Faculty of Electrical Engineering and Computing（Zagreb大学电子工程与计算学院） 纠错

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

AI总结 MIMIR通过互信息惩罚和自编码器的遮蔽图像建模，提升视觉变换器的对抗鲁棒性。

Comments Accepted by NDSS 2026

Representation of the structure of graphs by sequences of instructions

通过指令序列表示图的结构

Ezequiel Lopez-Rubio

机构 * Department of Computer Languages and Computer Science University of Málaga（计算机语言与计算机科学系马拉加大学） 纠错

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

AI总结 本文提出通过指令序列表示图结构，以提升深度学习模型对图的处理能力。

Enhancing Instruction-Following Capabilities in Seq2Seq Models: DoLA Adaptations for T5

增强序列到序列模型的指令遵循能力：T5的DoLA适应

Huey Sun, Anabel Yong, Lorenzo Gilly, Felipe Jin

机构 * University College London（伦敦大学学院） 纠错

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

AI总结 通过梯度激活引导方法改进T5模型的指令遵循能力，显著提升MemoTrap性能

Sequence-to-Image Transformation for Sequence Classification Using Rips Complex Construction and Chaos Game Representation

利用Rips复形构造和混沌游戏表示进行序列到图像的转换以实现序列分类

Sarwan Ali, Taslim Murad, Imdadullah Khan

机构 * Columbia University, NY, USA（哥伦比亚大学） ； IBA, Karachi, Pakistan（巴基斯坦伊斯兰堡大学） ； Lahore University of Management Sciences, Lahore, Pakistan（拉合尔管理科学大学） 纠错

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

AI总结 本文提出利用拓扑方法将分子序列转换为图像，结合CGR和Rips复形构造，提升序列分类性能。

Grammar-Based Code Representation: Is It a Worthy Pursuit for LLMs?

基于语法的代码表示：对于大语言模型来说，这是否值得追求？

Qingyuan Liang, Zhao Zhang, Zeyu Sun, Zheng Lin, Qi Luo, Yueyi Xiao, Yizhou Chen, Yuqun Zhang, Haotian Zhang, Lu Zhang, Bin Chen, Yingfei Xiong

机构 * School of Computer Science, Peking University（北京大学计算机科学学院） ； Kuaishou Technology（快手科技） ； Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所） ； Department of Computer Science and Engineering, Southern University of Science and Technology（南方科技大学计算机科学与工程系） 纠错

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

AI总结 本文探讨了基于语法的代码表示在大语言模型中的有效性，通过实验表明其在提升代码生成准确性和区分细微代码差异方面具有价值。

Mitigating Bias with Words: Inducing Demographic Ambiguity in Face Recognition Templates by Text Encoding

通过词语缓解偏见：通过文本编码在人脸识别模板中诱导人口统计学模糊性

Tahar Chettaoui, Naser Damer, Fadi Boutros

机构 * Fraunhofer IGD（弗劳恩霍夫研究所（IGD）） ； TU Darmstadt（德累斯顿技术大学） 纠错

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

AI总结 通过引入文本编码，UTIE在人脸识别模板中诱导人口统计学模糊性，以减少偏见并提升验证性能。

Comments Accepted at BMVC workshop (SRBS) 2025

The SAM2-to-SAM3 Gap in the Segment Anything Model Family: Why Prompt-Based Expertise Fails in Concept-Driven Image Segmentation

在Segment Anything模型家族中SAM2到SAM3之间的鸿沟：基于提示的专家知识为何在概念驱动的图像分割中失效

Ranjan Sapkota, Konstantinos I. Roumeliotis, Manoj Karkee

机构 * Cornell University（康奈尔大学） ； University of the Peloponnese（希腊皮洛斯大学） 纠错

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

AI总结 本文分析了SAM2到SAM3在分割模型中的断层，指出基于提示的分割方法在概念驱动分割中失效的原因，并探讨了SAM3的多模态架构与评估方法。

scE2TM improves single-cell embedding interpretability and reveals cellular perturbation signatures

scE2TM提升了单细胞嵌入的可解释性并揭示了细胞扰动特征

Hegang Chen, Yuyin Lu, Yifan Zhao, Zhiming Dai, Fu Lee Wang, Qing Li, Yanghui Rao, Yue Li

机构 * School of Computer Science and Engineering, Sun Yat-sen University, Guangzhou, China（中山大学计算机科学与工程学院） ； School of Computer Science, McGill University, Montreal, Canada（麦吉尔大学计算机科学学院） ； Department of Biomedical Informatics, Harvard Medical School, Boston, USA（哈佛医学院生物医学信息学系） ； School of Science and Technology, Hong Kong Metropolitan University, Hong Kong, China（香港 metropolitan 大学科学与技术学院） ； Department of Computing, The Hong Kong Polytechnic University, Hong Kong, China（香港理工大学计算系） 纠错

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

AI总结 scE2TM通过外部知识引导的嵌入式主题模型提升单细胞嵌入的可解释性，揭示细胞扰动特征和生物通路一致性。

Privacy-protected Retrieval-Augmented Generation for Knowledge Graph Question Answering

隐私保护的检索增强生成用于知识图谱问答

Yunfeng Ning, Mayi Xu, Jintao Wen, Qiankun Pi, Yuanyuan Zhu, Ming Zhong, Jiawei Jiang, Tieyun Qian

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

AI总结 本文提出ARoG框架，通过关系中心和结构导向的抽象策略，解决隐私保护下的知识图谱问答中的检索与隐私问题。

Comments Accepted by AAAI 2026, camera ready version

CLIP-RL: Aligning Language and Policy Representations for Task Transfer in Reinforcement Learning

CLIP-RL: 通过强化学习任务迁移对齐语言和策略表示

Chainesh Gautam, Raghuram Bharadwaj Diddigi

机构 * Department of Data Science and Artificial Intelligence（数据科学与人工智能系） ； International Institute of Information Technology（国际信息技术研究所） 纠错

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

AI总结 CLIP-RL通过对比学习对齐语言和策略表示，提升强化学习任务迁移效率。

Comments 4 pages, 2 figures, accepted as a extended abstract at RLDM 2025