语言大模型 / LLM

Concept-based explanation of gene expression prediction from H&E images

基于概念的H&E图像基因表达预测解释

Amos Muench, Jonathan Thielmann, Reduan Achtibat, Maximilian Dreyer, Philip Bischoff, Caroline Forsythe, Hamidreza Parand, Thomas Walter, David Horst, Sebastian Lapuschkin, Wojciech Samek, Teresa Gabriela Krieger

机构 * Institute of Pathology – Charité Universitätsmedizin（夏里特医学院病理学研究所） ； Fraunhofer Heinrich-Hertz-Institute（弗劳恩霍夫海因里希·赫兹研究所） ； Center for Computational Biology (CBIO), Mines Paris, PSL University（巴黎矿业学院计算生物学中心（巴黎文理研究大学）） ； Institut Curie, PSL University（居里研究所（巴黎文理研究大学）） ； German Cancer Research Center (DKFZ)（德国癌症研究中心） ； Technological University Dublin（都柏林理工大学） ； Technische Universität Berlin（柏林工业大学） ； BIFOLD – Berlin Institute for the Foundations of Learning and Data（柏林学习与数据基础研究所） 纠错

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

AI总结 本研究提出结合相关性传播与概念发现的可解释ViT框架，用于从H&E图像预测空间转录组学，可关联分子表型与组织形态，能准确预测结直肠癌相关ST特征并分层患者结局。

SUGFW+: An Uncertainty-guided Feature Weighting Framework for Cold Start Active Adaptation of SAM in Medical Image Segmentation

SUGFW+: 一种用于医学图像分割中SAM的冷启动主动适应的不确定性引导特征加权框架

Xiaochuan Ma, Ning Zhu, Jia Fu, Lanfeng Zhong, Hanyu Jiang, Bin Song, Kang Li, Guotai Wang

机构 * University of Electronic Science and Technology of China（电子科技大学） ； Glassgow College, University of Electronic Science and Technology of China（电子科技大学格拉斯哥学院） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； West China Hospital, Sichuan University（四川大学华西医院） 纠错

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

AI总结 针对医学图像分割中SAM冷启动主动适应的样本选择问题，提出SUGFW+框架，集成SAM的PFUC、PGDR模块与GSCU策略及UPFT过程，在四个公共数据集上取得CSAL任务的最优性能。

GhostPoint: Self-Supervised Representation Learning by Hallucinating Occluded LiDAR Structure

GhostPoint：通过幻觉生成被遮挡的激光雷达结构实现自监督表示学习

Mohamed Abdelsamad, Bin Yang, Michael Ulrich, Miao Zhang, Yakov Miron, Alexandru Paul Condurache, Abhinav Valada

机构 * Bosch Center for AI（博世人工智能中心） ； University of Freiburg（弗莱堡大学） ； University of Luebeck（吕贝克大学） 纠错

专题命中 知识编辑与模型理解 ：pretraining(abstract)

AI总结 GhostPoint是一种自监督学习框架，通过实例体素膨胀幻觉生成激光雷达被遮挡区域特征，在nuScenes和Waymo数据集上提升了下游3D检测性能，尤其适用于稀疏扫描和有限标签场景。

Comments Accepted by ECCV2026

V-RAE: Rethinking Video Latent Spaces for Generation

V-RAE：重新思考用于生成的视频隐空间

Minghui Guo, Shengqiong Wu, Hao Fei

机构 * National University of Singapore（新加坡国立大学） ； University of Oxford（牛津大学） 纠错

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

AI总结 本研究提出V-RAE视频表示自动编码器，基于冻结视觉基础模型构建生成隐空间，在多项视频任务上优于现有模型，还引入tFVD指标，证明冻结语义表示可支持多种视频建模任务。

Comments 26 pages, 8 tables, 13 figures, project page: https://v-rae.github.io/

Scene-Agnostic Object-Centric Representation Learning for 3D Gaussian Splatting

面向3D高斯散射的场景无关物体感知表示学习

Tsuheng Hsu, Guiyu Liu, Juho Kannala, Janne Heikkilä

机构 * Aalto University（阿尔托大学） ； University of Oulu（奥卢大学） 纠错

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

AI总结 本文提出一种场景无关的物体感知监督方案，通过预训练的slot attention基Global Object Centric Learning模块，学习一致的物体代码本，提升3DGS的表示结构和泛化能力。

DINO-A: Adapting Self-Distillation Vision Transformers to General Audio Representation Learning

DINO-A：将自蒸馏视觉Transformer适配至通用音频表示学习

Tomasz Radzikowski, Mateusz Modrzejewski, Przemysław Rokita

机构 * Warsaw University of Technology（华沙理工大学） 纠错

专题命中 知识编辑与模型理解 ：pretraining(abstract)

AI总结 本研究提出DINO-A，将自蒸馏视觉Transformer适配至通用音频表示学习，通过替换输入模态和增强方式实现，在多音频数据集上验证了其性能，发现了补丁分辨率、骨干选择对任务的影响及与BYOL-A v2的性能差异原因。

TruthLens: Object Hallucination Detection via Self-Evaluating Truthfulness Scores in LVLMs

TruthLens：通过大型视觉语言模型（LVLM）中的自评估真实性分数检测对象幻觉

Yanqi Wu, Runhe Lai, Xinhua Lu, Qichao Chen, Zhiping Zhou, Jia-Xin Zhuang, Weijiang Yu, Ruixuan Wang

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） ； Peng Cheng Laboratory（鹏城实验室） ； University of Nottingham Malaysia（马来西亚诺丁汉大学） ； Hong Kong University of Science and Technology（香港科技大学） 纠错

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

AI总结 TruthLens 是一种无需额外成本的 LVLM 对象幻觉检测框架，通过微调 LM 头部输出真实性分数，在 MS-COCO 数据集上的 Qwen2.5-VL-7B 上实现了超 17% 的 AUROC 提升，性能达当前最优。

Comments Accepted by ECCV 2026

SCD4VPR: Multi-modal Scene Change Detection for Long-term Visual Place Recognition Database Update

基于视觉-语言表示学习的场景变化检测

Diwei Sheng, Vijayraj Gohil, Satyam Gaba, Zihan Liu, Giles Hamilton-Fletcher, John-Ross Rizzo, Yongqing Liang, Chen Feng

机构 * New York University（纽约大学） 纠错

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

AI总结 本文提出LangSCD框架，通过融合语言和视觉信息提升场景变化检测的鲁棒性，引入几何-语义匹配模块和多类标注数据集NYC-CD，实验证明其在多个基准上的优越性能。

Comments 9 pages, 6 figures, 6 tables

Earth Embeddings

地球嵌入

Adam J. Stewart, Heng Fang, Isaac A. Corley, Xiao Xiang Zhu

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

AI总结 该研究介绍地球嵌入的类型、特性与应用场景，通过案例展示其实用工作流程，为嵌入的选择等提供指导，并探讨相关开放问题，助力地球观测领域的高效分析。

Comments book chapter

Learning to See Locally and Align Clinically with Pathology Semantics for Radiology Report Generation

学习局部感知并与病理学语义临床对齐的放射学报告生成方法

Xuan Cuong Ngo

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

AI总结 针对放射学视觉-语言模型的图像-文本对齐缺陷，提出病理学感知对齐框架PALM，结合共享病理学原型与掩码证据建模，在多数据集上提升报告生成与异常鲁棒性

FabriVLA: A Lightweight Vision-Language-Action Model with Conformal Action Chunk Uncertainty

FabriVLA：用于精确多任务操作的轻量级视觉-语言-动作模型

Shiyuan Yang, Borong Zhang, Jizheng Zhang, Zhijia Tao, Junfei Guo, Donglai Ran, Xu Bian, Qingbiao Li

专题命中 知识编辑与模型理解 ：post-training(abstract)

AI总结 研究提出FabriVLA模型，结合视觉-语言主干与流匹配动作头，经单阶段联合优化训练。在Meta-World MT50基准测试中，该模型基于1B规模VLM，不依赖数十亿参数主干，实现90.0%平均成功率，展现强大性能。

High-speed optical microscopy for neural voltage imaging: Methods, trade-offs, and opportunities

高速光学显微镜用于神经电压成像：方法、权衡与机遇

Zhaoqiang Wang, Ruth R. Sims, Sheng Xiao, Ruixuan Zhao, Ohr Benshlomo, Zihan Zang, Jiamin Wu, Valentina Emiliani, Liang Gao

专题命中 知识编辑与模型理解 ：prompting(abstract)

AI总结 本文探讨了高速光学显微镜在神经电压成像中的方法、技术权衡及应用前景，总结了最新进展与潜在影响。

Journal ref Wang, Z., Sims, R.R., Xiao, S. et al. Methods, trade-offs and opportunities in high-speed optical microscopy for neural voltage imaging. Nat. Photon. (2026)

ST-WAM: Semantic-Temporal World Action Model for Robust Manipulation under Visual Distribution Shifts

ST-WAM：面向视觉分布偏移下鲁棒操作的语义-时间世界动作模型

Mingxin Wang, Bin Hu, Bin Qian, Kaitao Jiang, Haoning Wu, Feng Yan, Bowen Jing, Ruiyang Hao, Enyi Wang, Kangning Niu, Yandan Yang, Mu Xu, Yan Wang, Houde Liu, Tianlun Li

专题命中 知识编辑与模型理解 ：pretraining(abstract)

AI总结 该研究针对视觉分布偏移下机器人操作的鲁棒性问题，提出ST-WAM模型，采用DINOv3等技术，在多个基准测试中取得优异性能，大幅提升了偏移场景下的零样本操作表现。

Comments 9 pages, 5 figures

Prior Directions: Why GUI Grounding Gets Locked in the Past

先验方向：为什么GUI grounding会被锁定在过去

Weile Gong, Zijian Lu, Mingcai Chen, Yiping Zuo, Xin He, Weibei Fan

机构 * Nanjing University of Posts and Telecommunications（南京邮电大学） 纠错

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

AI总结 该研究探究视觉-语言模型的GUI grounding锁定问题，提出先验方向概念，发现其是锁定的关键，移除该方向分量可恢复视觉grounding。

Comments 13 pages, 8 figures. Code: https://github.com/phare111/prior-directions

Beam-Response Contrastive Learning for Transmitter-Side MIMO CSI Representation

用于发射机端MIMO CSI表示的波束响应对比学习

Sehyun Ryu, Yumin Kim, Minjae Lee, Hyun Jong Yang, John M. Cioffi

专题命中 知识编辑与模型理解 ：pretraining(abstract)

AI总结 研究无标签信道状态信息的自监督表示学习，提出波束响应对比学习框架BRCL，基于发射端Gram矩阵，结合重建学习实现样本级CSI恢复和波束响应级一致性，实验表明其提高标签效率且性能优于其他预训练方法。

Ground4D: Consistency-Aware 4D Reconstruction from Monocular Video

Ground4D: 从单目视频进行一致性感知的四维重建

Qing Zhao, Weijian Deng, Pengxu Wei, Liang Lin

机构 * School of Computer Science and Engineering, Sun Yat-sen University, China（中山大学计算机科学与工程学院） ； Tsinghua Shenzhen International Graduate School, Tsinghua University, China（清华大学深圳国际研究生院） 纠错

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

AI总结 提出Ground4D框架，结合3D基础模型进行几何初始化与动态高斯泼溅进行一致性优化，实现从单目视频的高保真4D重建与新视角渲染。

The 3D Mirage: Probing and Taming 3D Hallucinations

真实场景中的逼真幻影道路：从物理几何中解构3D幻觉

Hoang Nguyen, Xiaohao Xu, Xiaonan Huang

机构 * University of Michigan（密歇根大学） 纠错

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

AI总结 本文提出首个端到端框架，用于探测、量化和抑制单目深度模型中因几何平面输入而产生的3D幻觉现象，通过引入3D-幻影基准和基于拉普拉斯的评估框架，提升深度模型的结构和上下文鲁棒性。

Comments Accepted to ECCV 2026

CNS-Edit++: Category-Agnostic 3D Editing with Coupled Neural Shape Representation

CNS-Edit++：基于耦合神经形状表示的类别无关3D编辑

Jingyu Hu, Weilong Yan, Zhengzhe Liu, Haipeng Li, Ka-Hei Hui, Hao Zhang, Chi-Wing Fu

机构 * The Chinese University of Hong Kong（香港中文大学） ； Lingnan University（岭南大学） ； National University of Singapore（新加坡国立大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； Autodesk AI Lab（欧特克人工智能实验室） ； Simon Fraser University（西蒙弗雷泽大学） 纠错

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

AI总结 研究提出基于耦合神经形状表示和神经特征体积优化的潜在空间3D形状编辑框架CNS-Edit++，能在特定类别和类别无关模型上实例化，有多种编辑操作符及区域控制机制，经评估其性能优于现有方法。

FusionNet: Physics-Aware Representation Learning for Multi-Spectral and Thermal Data via Trainable Signal-Processing Priors

FusionNet：通过可训练信号处理先验对多光谱和热数据进行物理感知表示学习

Georgios Voulgaris

机构 * University of Oxford（牛津大学） 纠错

专题命中 知识编辑与模型理解 ：pretraining(abstract)

AI总结 研究针对水泥生产设施监测难题，提出FusionNet框架，通过整合多光谱数据，嵌入信号处理先验，经消融研究等实验验证，该框架能结合物理感知特征选择与深度学习架构，高精度检测水泥生产设施，为工业监测提供可靠框架。

Comments Accepted for publication in the IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing (JSTARS)

CityLoc: 6DoF Pose Distributional Localization for Text Descriptions in Large-Scale Scenes with Gaussian Representation

CityLoc：基于高斯表示的大规模场景文本描述的6自由度姿态分布定位

Qi Ma, Runyi Yang, Bin Ren, Nicu Sebe, Ender Konukoglu, Luc Van Gool, Danda Pani Paudel

机构 * Computer Vision Lab, ETH Zurich（苏黎世联邦理工学院计算机视觉实验室） ； University of Pisa（比萨大学） ； University of Trento（特伦托大学） 纠错

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

AI总结 研究大规模场景文本描述的6自由度姿态分布定位问题，核心方法是用基于扩散架构结合预训练文本编码器细化姿态，经3D高斯渲染提高精度，通过与标准方法对比验证其在多数据集上的优越性。

Modelling ductile strain localization with evolutive stochastic rheologies

用演化随机流变学模拟韧性应变局部化

Andréa Tommasi, Felipe Sáez-Leiva, Lilou Zeller, Michel Peyret, Riad Hassani, Maurine Montagnat

专题命中 知识编辑与模型理解 ：prompting(abstract)

AI总结 该研究针对板块深部韧性应变局部化建模难题，采用流变学随机描述，依局部功率时空演化，利用三个无量纲参数构建状态图，可重现多样响应，预测局部化强度等，为地球动力学板块边界自洽建模提供方法。

Comments 24 pages, 7 figures, 3 tables, article in press in Earth and Planetary Science Letters

Uni-AdaVD: Universal Concept Erasure for Visual Generation via Orthogonal Value Decomposition

Uni-AdaVD：通过正交值分解实现视觉生成的通用概念擦除

Qifan Zhou, Yuan Wang, Yanbin Hao, Xiang Wang, Kuien Liu, Richang Hong, Meng Wang

机构 * School of Computer Science and Information Engineering, Hefei University of Technology（合肥工业大学计算机与信息工程学院） ； School of Cyber Science and Technology, University of Science and Technology of China（中国科学技术大学网络空间安全学院） ； School of Artificial Intelligence and Data Science, University of Science and Technology of China（中国科学技术大学人工智能与数据科学学院） ； Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所） 纠错

专题命中 知识编辑与模型理解 ：pretraining(abstract)

AI总结 针对视觉生成模型吸收不良概念问题，提出Uni-AdaVD框架，将多模态注意力值空间作为干预空间，结合正交值分解与自适应擦除移位抑制目标语义方向，实验证明其在单多概念擦除且保留非目标先验方面性能强大，为视觉生成模型提供安全机制。

Disclosure Divergence: Measuring Privacy Policy and Data Safety Misalignment at Scale

披露差异：大规模衡量隐私政策与数据安全的不一致性

Mst Eshita Khatun, Lamine Noureddine, Sideeq Bello, Aisha Ali-Gombe

专题命中 知识编辑与模型理解 ：LLM(abstract)

AI总结 针对移动应用隐私政策与数据安全标签表述不一致问题，通过对6051款安卓应用大规模实证研究，利用基于大语言模型的框架和统一模式，测量一致性并引入风险评分，发现敏感类别受影响大，凸显披露机制差距，强调加强验证与提高透明度。

Journal ref Proceedings on Privacy Enhancing Technologies (PoPETs) 2026

AspectCLIP: Optimizing CLIP Representation Space via Aspect-Guided Consistency Regularization

AspectCLIP：通过方面引导的一致性正则化优化CLIP表示空间

Yiyang Yao, Shanglin Liu, Jianming Lv, Chengjun Wang, Jinyi Li, Yuchan Jie, Zhihua Jin

机构 * School of Computer Science and Technology, South China University of Technology（华南理工大学计算机科学与工程学院） 纠错

专题命中 知识编辑与模型理解 ：pretraining(abstract)

AI总结 研究针对图像与文本信息不对称问题，提出AspectCLIP框架，通过基于文本相似性划分样本为属性簇，在簇内应用循环一致性并限制跨簇正则化，实现更优的表示空间，在下游任务中性能超传统方法。

Comments PRCV 2026

Self-Supervised Visual Representation Learning: Pretrain-Finetuning or Joint Training?

自监督视觉表征学习：预训练-微调还是联合训练？

Nusrat Munia, Tyler Ward, Nishat Nayla, Matthew A. Massey, Abdullah-Al-Zubaer Imran

机构 * University of Kentucky（肯塔基大学） ； Kentucky Geological Survey（肯塔基地质调查局） 纠错

专题命中 知识编辑与模型理解 ：pretraining(abstract)

AI总结 研究自监督视觉表征学习中预训练-微调与联合训练两种范式，通过在多种任务及不同标记数据比例下评估性能，发现JT在低标记时提高效率且稳健，PFT在专业领域更可靠，为混合自监督半监督学习提供基准和指导。

Mystra: Declarative Dynamic Taint Analysis via Shadow Virtual Machine

Mystra：通过影子虚拟机进行声明式动态污点分析

Zhuohao Zhang, Junkun Liu, Rui Yang, Yinzhi Cao, Ziyang Li

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

AI总结 研究针对解释型语言的动态污点分析问题，核心方法是引入影子虚拟机并设计声明式污点规范语言Mystra，主要贡献是实现工具Shar，在准确性和性能上均有出色表现，如V8实例召回率高且零误报，运行时开销低。

Quasi-Monte Carlo methods for uncertainty quantification of tumor growth modeled by a parametric semi-linear parabolic reaction-diffusion equation

用于参数半线性抛物型反应扩散方程肿瘤生长不确定性量化的小麦-蒙特卡洛方法

Alexander D. Gilbert, Frances Y. Kuo, Dirk Nuyens, Graham Pash, Ian H. Sloan, Karen E. Willcox

专题命中 知识编辑与模型理解 ：prompting(abstract)

AI总结 本文提出利用准蒙特卡洛方法对参数半线性抛物型反应扩散方程建模的肿瘤生长进行不确定性量化，通过理论分析和数值实验验证了其在计算感兴趣量方面的有效性。

Explaining When PRF Fails: Participatory Auditing for Selective Query Expansion

解释伪相关反馈何时失败：用于选择性查询扩展的参与式审计

Zeyan Liang, Graham McDonald, Iadh Ounis

专题命中 知识编辑与模型理解 ：LLM(abstract)

AI总结 研究PRF失败问题，提出两阶段审计然后自动化框架，第一阶段通过对用户审计揭示PRF利弊，第二阶段利用基于语言模型的重排器作预测器，解释PRF危害及决策过程，使检索组件可审计且以用户为基础。

Comments Accepted at WExIR @ SIGIR 2026, the 2nd Workshop on Explainability in Information Retrieval, Melbourne (Naarm), Australia, 24 July 2026. 3 pages, 1 figure. Extended abstract building on the SIGIR 2026 short paper "Auditing Query Drift: Do Users Actually Benefit from Pseudo-Relevance Feedback?" (doi:10.1145/3805712.3809916)

EFLUX: Elastic Multi-Robot Formation Navigation and Adaptation with Agentic LLMs

EFLUX：基于智能语言模型的弹性多机器人编队导航与自适应

Jinyuan Zhang, Yuwei Wu, Guangyao Shi, Jonathan Diller, Gaurav S. Sukhatme, Vijay Kumar

机构 * GRASP Lab, University of Pennsylvania（宾夕法尼亚大学GRASP实验室） ； Department of Computer Science, University of Southern California（南加州大学计算机科学系） 纠错

专题命中 知识编辑与模型理解 ：LLM(abstract)

AI总结 针对多机器人在受限环境中编队导航问题，提出EFLUX框架，基于几何和大语言模型，对变形与重新配置动作联合推理，经闭环管道转化为航点，实验证明其能实现安全弹性导航，减少死锁与导航失败。

The Devil Is in the Leakage: A Disentangled Dual-Purification Framework for High-Fidelity Hairstyle Transfer

问题出在泄漏中：用于高保真发型转移的解缠双净化框架

Jijie Li, Jiankuo Zhao, Xiangyu Zhu, Zhen Lei

机构 * SAI, UCAS（中国科学院大学 模式识别国家重点实验室） ； MAIS, CASIA（中国科学院自动化所 模式识别国家重点实验室） ； CAIR, HKSIS, CAS（中国科学院香港创新研究院 计算机与信息工程实验室） ； SCSE, FIE, M.U.S.T（澳门科技大学 资讯科技学院） 纠错

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

AI总结 研究发型转移中参考发型与源身份纠缠及现有方法泄漏问题，提出双净化框架，含对抗发型净化和对比几何净化两个正则化器，实现高保真、身份保留的发型转移并达领先性能。

Comments Accepted by ACM MM 2026