语言大模型 / LLM

Resolving Long-Tail Ambiguity in Unsupervised 3D Point Cloud Segmentation with Language Priors

通过语言先验解决无监督3D点云分割中的长尾歧义

Siqi Wei, Hongbin Xu, Feng Xiao, Tian Lan, Chun Li, Ming Li, Qiuxia Wu

机构 * South China University of Technology（华南理工大学） ； Bytedance（字节跳动） ； Tsinghua University（清华大学） ； Shenzhen MSU-BIT University（深圳MSU-BIT大学） ； Guangming Laboratory（光明实验室） 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LangTail框架，利用语言模型中的平衡世界知识来缓解无监督3D分割中的长尾歧义问题，通过建立语言衍生语义先验与视觉上不常见的小类之间的多级关联，提升小类的表示能力，实验表明在ScanNet-v2、S3DIS和nuScenes数据集上均取得显著提升。

Comments In submission. The code will be released at: https://github.com/Whisky0129/langtail_official

SetCon: Towards Open-Ended Referring Segmentation via Set-Level Concept Prediction

SetCon: 通过集级概念预测实现开放式的指称分割

Zhixiong Zhang, Yizhuo Li, Shuangrui Ding, Yuhang Zang, Shengyuan Ding, Long Xing, Yibin Wang, Qiaosheng Zhang, Jiaqi Wang

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） ； The Chinese University of Hong Kong（香港中文大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Fudan University（复旦大学） ； University of Science and Technology of China（中国科学技术大学） 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SetCon，通过集级概念预测实现开放式的指称分割，利用LVLM生成的自然语言概念作为语义条件进行联合掩码-集解码，提高了分割的完整性和互斥性。

Trust It or Not: Evidential Uncertainty for Feed-Forward 3D Reconstruction with Trust3R

信任它还是不信任它：基于信任3R的证据不确定性用于前馈3D重建

Zihao Zhu, Wenyuan Zhao, Nuo Chen, Chao Tian, Zhiwen Fan

机构 * Department of Electrical and Computer Engineering, Texas A\&M University, College Station, TX, USA（电子与计算机工程系，德克萨斯农工大学，学院站，德克萨斯州，美国） 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Trust3R，一种轻量级的证据不确定性框架，用于前馈3D重建，通过结合门控残差均值细化和正态-逆 Wishart 证据头，生成点云不确定性估计，提升几何重建的准确性和可靠性。

Comments Accepted at ICML 2026. 10 pages main paper, with appendix

CMAG: Concept-Scaffolded Retrieval for Marketplace Avatar Generation

CMAG：基于概念的市场人像生成检索

Rajeev Goel, Jason Ding, Phani Harish Wajjala, Pavan Turaga, Tejaswi Gowda, Krishna C. Garikipati

机构 * Arizona State University（亚利桑那州立大学） ； Roblox Corporation（Roblox公司） 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CMAG框架，通过概念引导的检索和验证组合方法，解决市场人像生成中因文本模糊、元数据噪声和部件不一致导致的检索问题，提升生成人像的拓扑一致性和组合正确性。

Comments Accepted to CVPR 2026 Workshop (GRAIL-V)

LESSViT: Robust Hyperspectral Representation Learning under Spectral Configuration Shift

LESSViT: 在光谱配置偏移下鲁棒的高光谱表示学习

Haozhe Si, Yuxuan Wan, Yuqing Wang, Minh Do, Han Zhao

机构 * Department of Electrical and Computer Engineering（电气与计算机工程系） ； Siebel School of Computing and Data Science（计算与数据科学学院） 纠错

专题命中 知识编辑与模型理解 ：pretraining(abstract)

AI总结 本文提出LESSViT，一种灵活的跨光谱泛化架构，通过低秩高效空间-光谱ViT，解决不同传感器下的高光谱图像建模问题，提升鲁棒性和效率。

Beyond Point-Wise Matching: Structural Representation Alignment for Accelerating Diffusion Transformers

超越点对点匹配：为加速扩散变换器的结构表示对齐

Shaodong Xu, Zhendong Wang, Litong Gong, Zexian Li, Wengang Zhou, Tiezheng Ge, Houqiang Li

机构 * University of Science and Technology of China（中国科学技术大学） 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sREPA框架，通过显式结构约束来对齐特征图的相对几何关系，以提高生成质量并加速收敛。

Concepts Worth Having: Refining VLM-Guided Concept Bottleneck Models with Minimal Annotations

值得拥有的概念：通过最小标注精炼VLM引导的概念瓶颈模型

Nicola Debole, Andrea Passerini, Stefano Teso, Andrea Pugnana, Emanuele Marconato

机构 * DISI, University of Trento, Italy（特伦托大学DISI研究所，意大利） 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VH-CBM模型，结合VLM和少量标注提升概念预测准确性与可解释性，验证其在概念校准和主动学习中的优势。

Sound Sparks Motion: Audio and Text Tuning for Video Editing

声音激发动作：用于视频编辑的音频和文本微调

AmirHossein Naghi Razlighi, Aryan Mikaeili, Ali Mahdavi-Amiri, Daniel Cohen-Or, Yiorgos Chrysanthou

机构 * University of Cyprus（塞浦路斯大学） ； Simon Fraser University（西蒙弗雷泽大学） ； Tel Aviv University（特拉维夫大学） ； CYENS Center Of Excellence（CYENS卓越中心） 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Sound Sparks Motion框架，通过测试时调整音频视觉生成模型的多模态条件信号，实现视频动作编辑，无需训练，通过音频潜在和文本条件残差扰动促进动作修改，同时利用视觉语言模型反馈提升编辑效果。

Comments Project Page: https://amirhossein-razlighi.github.io/Sound_Sparks_Motion

DAPL: Integration of Positive and Negative Descriptions in Text-Based Person Search

DAPL: 文本基于人物搜索中正负描述的整合

Yuchuan Deng, Zhanpeng Hu, Zijie Xin, Chuang Deng, Qijun Zhao

机构 * Sichuan University（四川大学） ； Renmin University of China（中国人民大学） 纠错

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

AI总结 DAPL通过整合正负描述提升文本基于人物搜索中视觉-语言模型的解释准确性，结合DIAC和SIAM学习，引入DTS损失以平衡视觉与文本嵌入的粗细粒度对齐，提升匹配精度和鲁棒性。

Journal ref 2025 IEEE International Conference on Multimedia and Expo (ICME)

LEXI-SG: Monocular 3D Scene Graph Mapping with Room-Guided Feed-Forward Reconstruction

LEXI-SG：基于房间引导前馈重建的单目3D场景图映射

Christina Kassab, Hyeonjae Gil, Matías Mattamala, Ayoung Kim, Maurice Fallon

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

AI总结 LEXI-SG是首个仅使用RGB相机输入的开放词汇3D场景图密集映射系统，通过语义先验分割场景为房间，实现可扩展的密集映射。

From Trajectories to Phenotypes: Disease Progression as Structural Priors for Multi-organ Imaging Representation Learning

从轨迹到表型：疾病进展作为多器官成像表示学习的结构先验

Zian Wang, Lizhen Lan, Guangming Wang, Haosen Zhang, Minxuan Xu, Qing Li, Tianxing He, Mo Yang, Wenyue Mao, Yajing Zhang, Yan Li, Chengyan Wang

专题命中 知识编辑与模型理解 ：pretraining(abstract)

AI总结 本文提出一种基于疾病轨迹的蒸馏框架，利用生成疾病轨迹Transformer的结构知识提升多器官成像表示学习的性能，通过几何保持对齐提升疾病鉴别和发病时间预测。

Vocabulary Hijacking in LVLMs: Unveiling Critical Attention Heads by Excluding Inert Tokens to Mitigate Hallucination

LVLMs中的词汇劫持：通过排除惰性标记来揭示关键注意力头以缓解幻觉

Yangneng Chen, Junlin Li, Weijun Yao, Xilai Ma, Guodong Du, Wenya Wang, Jing Li

机构 * Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） ； Huawei Technologies Co., Ltd.（华为技术有限公司） ； The Hong Kong Polytechnic University（香港理工大学） ； Nanyang Technological University（南洋理工大学） 纠错

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

AI总结 本文通过分析LVLMs的注意力机制，揭示了词汇劫持现象，提出HABI方法定位惰性标记，并引入NHAR指标评估其影响，最终提出HAVAE方法增强关键注意力头以减少幻觉。

Comments Accepted by ACL 2026 Main

CapCLIP: A Vision-Language Representation Alignment Approach for Wireless Capsule Endoscopy Analysis

CapCLIP：一种用于无线胶囊内镜分析的视觉-语言表示对齐方法

Haroon Wahab, Irfan Mehmood, Hassan Ugail

机构 * School of Computer Science, AI and Electronics Faculty of Engineering and Digital Technologies（计算机科学与电子工程学院，工程与数字技术学院） ； School of Management Faculty of Mgmt, Law & Social Sciences（管理学院，管理、法律与社会科学学院） ； Centre for Visual Computing and Intelligent Systems（视觉计算与智能系统中心） 纠错

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

AI总结 CapCLIP通过将内镜图像与临床标准术语生成的文本描述对齐，提升无线胶囊内镜分析的泛化能力和语义解释性，优于现有方法。

Weather-Robust Scene Semantics with Vision-Aligned 4D Radar

具有视觉对齐4D雷达的抗天气场景语义

Kali Hamilton, Christoffer Heckman

机构 * Autonomous Robotics and Perception Group（自主机器人与感知组） 纠错

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

AI总结 本文提出通过冻结视觉语言模型将雷达编码器对齐于SigLIP嵌入，以提升恶劣天气下的场景语义理解，实验表明雷达配置在雾、轻雪和重雪条件下优于相机基线。

Comments 5 pages + references, 2 appendix pages. ICRA 2026 Radar in Robotics Workshop

Foundation Twins: A New Generation of Power Systems Digital Twins using Foundation AI Models

基础双胞胎：利用基础AI模型的新一代电力系统数字双胞胎

Pedro P. Vergara

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

AI总结 本文提出基础双胞胎，结合基础模型的泛化能力和强化学习的决策能力，旨在实现多尺度、多地理范围的电力系统数字双胞胎。

Comments 6 pages

Representation Fréchet Loss for Visual Generation

用于视觉生成的表示弗雷歇损失

Jiawei Yang, Zhengyang Geng, Xuan Ju, Yonglong Tian, Yue Wang

机构 * USC（美国南加州大学） ； CMU（卡内基梅隆大学） ； CUHK（香港中文大学） ； OpenAI 纠错

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

AI总结 本文提出FD-loss，通过分离FD估计的种群规模与梯度计算的批次规模，发现基于表示空间的FD优化能提升视觉质量，且多步生成器可转为强单步生成器，同时揭示FID可能误判视觉质量。

Comments Code and checkpoints are available at https://github.com/Jiawei-Yang/FD-loss

One Perturbation, Two Failure Modes: Probing VLM Safety via Embedding-Guided Typographic Perturbations

一个扰动，两种失效模式：通过嵌入引导的字形扰动探测VLM安全性

Ravikumar Balakrishnan, Sanket Mendapara

机构 * Cisco Systems（思科系统） 纠错

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

AI总结 本文通过实证研究揭示多模态嵌入距离对VLM攻击成功率的预测作用，并提出基于嵌入引导的字形扰动方法，验证了可读性与安全对齐的交互影响。

StarCLR: Contrastive Learning Representation for Astronomical Light Curves

StarCLR：面向天文光变曲线的对比学习表示方法

Junyao Ding, Xiaodian Chen, Xinyi Gao, Xiaoyu Tang, Shu Wang, Yang Huang, Xinyu Qi, Guirong Xue, Ali Luo, Jifeng Liu

专题命中 知识编辑与模型理解 ：pretraining(abstract)

AI总结 本文提出StarCLR，通过对比学习方法对大规模光变曲线进行预训练，用于恒星演化和变星分类。在TESS、ZTF和Gaia数据集上实现高F1分数，尤其在稀疏采样的ZTF数据中表现突出。

Comments 31 pages, 12 figures, accepted for publication in ApJ

SIMPLER: H&E-Informed Representation Learning for Structured Illumination Microscopy

SIMPLER: 基于H&E的结构光照明显微镜表示学习

Abu Zahid Bin Aziz, Syed Fahim Ahmed, Gnanesh Rasineni, Mei Wang, Olcaytu Hatipoglu, Marisa Ricci, Malaiyah Shaw, Guang Li, J. Quincy Brown, Valerio Pascucci, Shireen Elhabian

机构 * Kahlert School of Computing, University of Utah, Salt Lake City, UT 84112, USA Scientific Computing \& Imaging Institute, University of Utah, Salt Lake City, UT 84112, USA Instapath Inc., Houston, TX 77021 Tulane University, Department of Biomedical Engineering, New Orleans, Louisiana, United States 纠错

专题命中 知识编辑与模型理解 ：pretraining(abstract)

AI总结 本文提出SIMPLER框架，利用H&E作为语义锚点学习可重用的SIM表示，通过对抗、对比和重建目标逐步对齐SIM和H&E，提升跨模态任务性能。

ShapeUP: Scalable Image-Conditioned 3D Editing

ShapeUP: 可扩展的图像条件3D编辑

Inbar Gat, Dana Cohen-Bar, Guy Levy, Elad Richardson, Daniel Cohen-Or

机构 * Tel Aviv University（特拉维夫大学） 纠错

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

AI总结 ShapeUP提出一种可扩展的图像条件3D编辑框架，通过监督的潜在到潜在转换实现高质量3D编辑，优于现有训练和无训练基线。

Comments SIGGRAPH 2026. Project page: https://inbar-2344.github.io/ShapeUp-page/

Unified Multi-Foundation-Model Slide Representation for Pan-Cancer Recognition and Text-Guided Tumor Localization

统一多基础模型滑片表示用于泛癌症识别和文本引导的肿瘤定位

Tianyang Wang, Ziyu Su, Abdul Rehman Akbar, Usama Sajjad, Lina Gokhale, Charles Rabolli, Wei Chen, Anil Parwani, Muhammad Khalid Khan Niazi

机构 * Department of Pathology, College of Medicine, The Ohio State University Wexner Medical Center（病理学系，医学学院，俄亥俄州立大学韦克斯纳医学中心） ； Department of Biomedical Engineering, The Ohio State University（生物医学工程系，俄亥俄州立大学） 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ASTRA框架，通过整合异构基础模型表示，结合结构化病理标注字段，实现统一的滑片表示学习，支持多类别分类和文本引导的肿瘤定位。

DataSway: Vivifying Metaphoric Visualization with Animation Clip Generation and Coordination

DataSway: 通过动画片段生成与协调使隐喻可视化生动化

Liwenhan Xie, Jiayi Zhou, Anyi Rao, Huamin Qu, Xinhuan Shu

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

AI总结 本文提出DataSway系统，通过动画片段生成与协调技术，帮助用户创建基于SVG的隐喻可视化动画，提升数据抽象编码的理解与交互体验。

Comments Accepted to DIS'26: ACM Designing Interactive Systems. Website: https://shellywhen.github.io/projects/DataSway

Franca: Nested Matryoshka Clustering for Scalable Visual Representation Learning

Franca：嵌套马特罗什卡聚类用于可扩展的视觉表示学习

Shashanka Venkataramanan, Valentinos Pariza, Mohammadreza Salehi, Lukas Knobel, Spyros Gidaris, Elias Ramzi, Andrei Bursuc, Yuki M. Asano

机构 * Qualcomm AI Research（高通AI研究） ； Fundamental AI Lab, UTN（基础人工智能实验室，UTN） ； VIS Lab, UvA（视觉实验室，乌特勒支大学） 纠错

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

AI总结 Franca是首个完全开源的视觉基础模型，通过透明的训练流程和公开数据提升性能，解决SSL聚类方法的局限性，提出参数高效多头聚类投影器和新颖的位置解耦策略，提升下游任务表现。

Evaluating Concept Filtering Defenses against Child Sexual Abuse Material Generation by Text-to-Image Models

评估文本到图像模型中概念过滤防御对生成儿童性虐待材料的效力

Ana-Maria Cretu, Klim Kireev, Amro Abdalla, Wisdom Obinna, Raphael Meier, Sarah Adel Bargal, Elissa M. Redmiles, Carmela Troncoso

专题命中 知识编辑与模型理解 ：prompting(abstract)

AI总结 本文评估了通过过滤训练数据中的儿童图像来防止文本到图像模型生成儿童性虐待材料的有效性，发现现有检测方法无法完全去除儿童图像，且即使过滤后仍可通过少量额外查询生成儿童图像。

Comments Extended version of the paper with the name published in the Proceedings of the 47th IEEE Symposium on Security & Privacy (IEEE S&P 2026). Please cite accordingly

Fast-then-Fine: A Two-Stage Framework with Multi-Granular Representation for Cross-Modal Retrieval in Remote Sensing

快速-精细：一种用于遥感跨模态检索的两阶段框架，具有多粒度表示

Xi Chen, Xu Chen, Xiangyang Jia, Xu Zhang, Shuquan Wei, Wei Wang

机构 * School of Computer Science, Wuhan University（武汉大学计算机学院） ； Beijing Institute for General Artificial Intelligence (BIGAI)（北京通用人工智能研究院） 纠错

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

AI总结 本文提出一种两阶段框架，通过多粒度表示提升遥感跨模态检索效率与精度，采用文本无关召回和文本引导重排序阶段，减少计算资源消耗。

Remindful: Designing Reminder Systems for Caregiver Interpretation in Dementia Care

Remindful：为痴呆症护理中的照护者解释设计提醒系统

Joy Lai, Alex Mihailidis

专题命中 知识编辑与模型理解 ：prompting(abstract)

AI总结 Remindful通过整合照护者视角的提醒功能，支持家庭环境中的痴呆症护理，研究发现提醒系统能增强照护者的 reassurance 和协调，但其效果高度依赖于具体情境。

Humanoid Factors: Design Principles for AI Humanoids in Human Worlds

人形因素：人工智能人形在人类世界中的设计原则

Xinyuan Liu, Eren Sadikoglu, Ransalu Senanayake, Lixiao Huang

机构 * School of Computing and Augmented Intelligence, Arizona State University, AZ, USA（计算与增强智能学院，亚利桑那州立大学，亚利桑那州，美国） ； School of Manufacturing Systems and Networks, Arizona State University, AZ, USA（制造系统与网络学院，亚利桑那州立大学，亚利桑那州，美国） ； Human Systems Engineering, Arizona State University, AZ, USA（人机系统工程，亚利桑那州立大学，亚利桑那州，美国） 纠错

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

AI总结 本文提出人形因素框架，旨在指导人工智能人形与人类共存与协作的设计，强调物理、认知、社会和伦理四个支柱，以解决人形与人类交互中的新挑战。

AutonomyLens: A Self-Evolving Simulation-Based Testing Loop for Autonomous Systems

AutonomyLens：自主系统基于模拟的测试循环

Ankit Agrawal, Jithin Garapati, Bohan Zhang

专题命中 知识编辑与模型理解 ：LLM(abstract)

AI总结 AutonomyLens通过整合场景设计、模拟执行和 telemetry 分析，提供统一的验证流程，提升自主系统验证的可追溯性、可重复性和可扩展性。

Comments To appear in the 34th ACM Joint European Software Engineering Conference and Symposium on the Foundations of Software Engineering (FSE Companion '26), July 05-09, 2026, Montreal, QC, Canada

Improving Layout Representation Learning Across Inconsistently Annotated Datasets via Agentic Harmonization

通过代理和谐化提升跨不一致标注数据集的布局表示学习

Renyu Li, Vladimir Kirilenko, Yao You, Crag Wolfe

机构 * Unstructured Technologies 纠错

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

AI总结 本文提出利用视觉-语言模型在异质数据源中协调类别语义和边界框粒度，提升文档布局检测的准确性与一致性。

Comments 12 pages, 6 figures, 5 tables

DIAURec: Dual-Intent Space Representation Optimization for Recommendation

DIAURec: 双意图空间表示优化用于推荐

Yu Zhang, Yiwen Zhang, Yi Zhang, Lei Sang

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

AI总结 DIAURec通过统一意图和语言模型优化推荐表示，提升用户与物品在特征空间中的亲和力，实验表明其优于现有方法。