语言大模型 / LLM

Linking Cryptoasset Attribution Tags to Knowledge Graph Entities: An LLM-based Approach

Régnier Avice, Bernhard Haslhofer, Zhidong Li, Jianlong Zhou

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

Comments Accepted at Financial Cryptography and Data Security 2025 Conference (FC2025)

TruthFlow: Truthful LLM Generation via Representation Flow Correction

Hanyu Wang, Bochuan Cao, Yuanpu Cao, Jinghui Chen

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

Graph-based Uncertainty Metrics for Long-form Language Model Outputs

Mingjian Jiang, Yangjun Ruan, Prasanna Sattigeri, Salim Roukos, Tatsunori Hashimoto

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

Comments Accepted as a Spotlight paper at NeurIPS 2024

Uncertainty-Informed Screening for Safer Solvents Used in the Synthesis of Perovskite via Language Models

Arpan Mukherjee, Deepesh Giri, Krishna Rajan

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

Kov: Transferable and Naturalistic Black-Box LLM Attacks using Markov Decision Processes and Tree Search

Robert J. Moss

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

Mitigating LLM Hallucinations via Conformal Abstention

Yasin Abbasi Yadkori, Ilja Kuzborskij, David Stutz, András György, Adam Fisch, Arnaud Doucet, Iuliya Beloshapka, Wei-Hung Weng, Yao-Yuan Yang, Csaba Szepesvári, Ali Taylan Cemgil, Nenad Tomasev

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

Attention Satisfies: A Constraint-Satisfaction Lens on Factual Errors of Language Models

Mert Yuksekgonul, Varun Chandrasekaran, Erik Jones, Suriya Gunasekar, Ranjita Naik, Hamid Palangi, Ece Kamar, Besmira Nushi

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

Comments Published at ICLR 2024

Towards LLM-guided Causal Explainability for Black-box Text Classifiers

Amrita Bhattacharjee, Raha Moraffah, Joshua Garland, Huan Liu

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

Comments Camera-ready for AAAI ReLM 2024

Explaining black box text modules in natural language with language models

Chandan Singh, Aliyah R. Hsu, Richard Antonello, Shailee Jain, Alexander G. Huth, Bin Yu, Jianfeng Gao

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

Hallucination as output-boundary misclassification: a composite abstention architecture for language models

幻觉作为输出边界误分类：一种用于语言模型的复合回避架构

Angelina Hintsanen

机构 * NEXUS Laboratory（NEXUS实验室） 纠错

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

AI总结 本文提出一种复合架构，结合指令拒绝与结构回避门，通过计算支持不足分数来减少语言模型的幻觉问题，实验表明两者互补可提升准确性与减少幻觉。

Comments Theoretical manuscript extending an earlier proof-of-concept workshop paper accepted to the ICLR 2026 Workshop on LLM Reasoning; 13 pages, 3 tables

Human vs. Machine: Behavioral Differences Between Expert Humans and Language Models in Wargame Simulations

Max Lamparth, Anthony Corso, Jacob Ganz, Oriana Skylar Mastro, Jacquelyn Schneider, Harold Trinkunas

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

Comments Updated with new human participant results and added new LLM to results; fixed error in Table 1; all claims unaffected

Ask-EDA: A Design Assistant Empowered by LLM, Hybrid RAG and Abbreviation De-hallucination

Luyao Shi, Michael Kazda, Bradley Sears, Nick Shropshire, Ruchir Puri

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

Comments Accepted paper at The First IEEE International Workshop on LLM-Aided Design, 2024 (LAD 24)

SAEVerbalizer: Generating Explanations for Sparse Autoencoder Features via Representation Verbalization

SAEVerbalizer：通过表示 verbalization 为稀疏自编码器特征生成解释

Weihan Meng, Hongzhu Guo, Yi Jing, Dewen Liu, Zijun Yao, Xiaozhi Wang, Lei Hou, Juanzi Li

机构 * Tsinghua University（清华大学） ； Peking University（北京大学） ； Fudan University（复旦大学） 纠错

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

AI总结 该研究提出 SAEVerbalizer 框架，通过微调 LLM 下游层生成 SAE 特征的自然语言解释，解决了传统解释方法的表面性与低效率问题，其 verbalization 能力可泛化、迁移并扩展到不同 LLM 的 SAE 特征。

Model-Driven Requirements Configuration with Three-Valued Uncertainty Scoring

基于三值不确定性评分的模型驱动需求配置

Ahmed Ibrahim

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

AI总结 该研究提出神经符号多智能体架构结合三值评分框架，消除LLM生成需求的结构不一致性，在37个项目愿景中实现94.6%的结构一致性消除，为LLM在需求工程中的安全部署提供支持。

What are They Thinking? Delineation, Probing, and Tracking of Concepts in LLMs

他们在想什么？LLM中概念的界定、探测与追踪

Mohamed Abdelwahab, Michelle Yu Collins, Sihan Chen, Yi Cheng Zhao, Zafarullah Mahmood, Jiading Zhu, Soliman Ali, Jonathan Rose

机构 * The Edward S. Rogers Sr. Department of Electrical and Computer Engineering（埃德华·S·罗杰斯 Sr. 部门电子与计算机工程系） 纠错

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

AI总结 本文提出通过线性探针低成本地检测LLM嵌入中的概念，并展示了概念界定、探针训练与跨上下文追踪的方法，为大规模模型监控奠定基础。

Comments Accepted to the 6th Workshop on Trustworthy Natural Language Processing (TrustNLP 2026)

Journal ref Proceedings of the 6th Workshop on Trustworthy NLP (TrustNLP 2026)

CORTEX: Token-Level Hallucination Detection in RAG via Comparative Internal Representations

CORTEX：通过比较内部表示在检索增强生成中进行令牌级幻觉检测

Kazuaki Furumai, Shuichiro Haruta, Kazunori Matsumoto, Daisuke Kamisaka

机构 * KDDI Research, Inc.（KDDI研究所） 纠错

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

AI总结 提出CORTEX方法，通过比较有无检索文档时LLM的内部表示，实现RAG中令牌级幻觉检测，并利用前序令牌传播和连续性平滑提升性能。

The Topology of Ill-Posed Questions: Persistent Homology for Detection and Steering in LLMs

病态问题的拓扑：用于大语言模型中检测与引导的持续同调

Guangyu Jiang, Sizhe Tang, Mahdi Imani, Tian Lan

机构 * The George Washington University（乔治华盛顿大学） ； Northeastern University（东北大学） 纠错

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

AI总结 利用持续同调分析LLM内部状态的拓扑结构，统一表示多种病态问题，并实现分类与激活引导，提升响应质量。

Trusted Uncertainty in Large Language Models: A Unified Framework for Confidence Calibration and Risk-Controlled Refusal

大型语言模型中的可信不确定性：置信度校准与风险控制拒绝的统一框架

Markus Oehri, Giulia Conti, Kaviraj Pather, Alexandre Rossi, Laia Serra, Adrian Parody, Rogvi Johannesen, Aviaja Petersen, Arben Krasniqi

机构 * University of Liechtenstein（列支敦士登大学） ； University of the Republic of San Marino（圣马尔科共和国大学） ； University of Mauritius（毛里求斯大学） ； International University of Monaco（摩纳哥国际大学） ； University of Andorra（安道尔大学） ； University of Gibraltar（直布罗陀大学） ； University of the Faroe Islands（法罗群岛大学） ； Ilisimatusarfik (University of Greenland)（格陵兰岛研究所（格陵兰大学）） ； University of Prizren（普里兹伦大学） 纠错

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

AI总结 提出UniCR框架，融合多种不确定性证据为校准的正确概率，并通过原则性拒绝满足用户指定的错误预算，无需微调基础模型，在短问答、代码生成和检索增强长问答中提升校准指标并降低风险-覆盖曲线下面积。

Comments arXiv admin note: This paper has been withdrawn by arXiv due to unverifiable authorship and affiliation

Moral Sensitivity in LLMs: A Tiered Evaluation of Contextual Bias via Behavioral Profiling and Mechanistic Interpretability

大语言模型中的道德敏感性：通过行为剖析和机制可解释性对上下文偏见进行分层评估

Yash Aggarwal, Atmika Gorti, Vinija Jain, Aman Chadha, Krishnaprasad Thirunarayan, Manas Gaur

机构 * University of Maryland, College Park（马里兰大学学院公园分校） ； Purdue University（普渡大学） ； Meta ； Apple（苹果公司） ； Wright State University（怀特州立大学） ； University of Maryland, Baltimore County（马里兰大学巴尔的摩县分校） 纠错

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

AI总结 提出道德敏感性指数（MSI）量化大语言模型在七级压力测试中的偏见概率，并通过行为剖析和机制验证揭示模型偏见随情境变化的U型曲线，发现推理蒸馏会重新激活浅层统计关联。

InA-Probe: Instruction-Aware Active Probing for Time Series Forecasting with LLMs

InA-Probe：面向LLM时间序列预测的指令感知主动探测

Peiliang Gong, Emadeldeen Eldele, Chenyu Liu, Ziyu Jia, Yi Ding, Xinliang Zhou, Lianchao Gu, Qi Zhu, Yang Liu, Daoqiang Zhang, Xiaoli Li

机构 * Nanyang Technological University（南洋理工大学） ； Khalifa University（哈利法大学） ； Nanjing University of Aeronautics and Astronautics（南京航空航天大学） ； Singapore University of Technology and Design（新加坡科技设计大学） 纠错

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

AI总结 提出指令感知主动探测（InA-Probe），通过多级指令注入和自适应查询生成，结合双阶段注意力机制，在7个基准上超越现有方法，跨域误差降低37%。

Ask or Assume? Uncertainty-Aware Clarification-Seeking in Coding Agents

提问还是假设？编码代理中的不确定性意识澄清寻求

Nicholas Edwards, Sebastian Schuster

机构 * Faculty of Computer Science, University of Vienna（维也纳大学计算机科学系） ； UniVie Doctoral School Computer Science, University of Vienna（维也纳大学计算机科学博士学院） 纠错

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

AI总结 本研究评估了LLM代理在未指定任务中的澄清能力，提出了一种不确定性意识的多代理框架，提高了任务解决率，并展示了多代理系统在复杂任务中主动寻求信息的行为。

Comments 18 pages, 7 figures; added experiments evaluating open-weight models (Kimi K2.6), expanded related work, and included dataset validation details

KG-Guard: Graph-Based Hallucination Detection for Knowledge Base Question Answering

KG-Guard: 基于图的知识库问答幻觉检测

Albert Sawczyn, Piotr Bielak, Tomasz Kajdanowicz

机构 * Department of Artificial Intelligence（人工智能系） ； Wroclaw University of Science and Technology（波兹南科技大学） 纠错

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

AI总结 针对知识库问答中LLM的幻觉问题，提出一种轻量级图框架，将问答实例构建为增强图，通过图编码器和MLP分类器检测幻觉答案节点，在三个基准上取得最高F1并显著提升下游KBQA性能。

Comments preprint

The Anatomy of Conversational Scams: A Topic-Based Red Teaming Analysis of Multi-Turn Interactions in LLMs

对话式诈骗的剖析：基于主题的LLM多轮交互红队分析

Xiangzhe Yuan, Zhenhao Zhang, Haoming Tang, Siying Hu

机构 * Department of Computer Science, University of Iowa（爱荷华大学计算机科学系） ； Department of Computer Science, City University of Hong Kong（香港城市大学计算机科学系） 纠错

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

AI总结 通过LLM间模拟框架研究多轮社交工程对话中的对抗动态，分析攻击与防御策略，发现跨模型和跨语言的结果差异及策略转换的结构性变化。

Proactive for Uncertainty: Cause-Aware Error Diagnosis and Interactive Clarification for Spoken Dialogue Systems

主动应对不确定性：面向口语对话系统的因果感知错误诊断与交互式澄清

Yizhou Peng, Ziyang Ma, Changsong Liu, Yi-Wen Chao, Xie Chen, Eng Siong Chng

机构 * Nanyang Technological University, Singapore（南洋理工大学，新加坡） ； Shanghai Jiao Tong University, China（上海交通大学，中国） 纠错

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

AI总结 本文提出一种因果感知的错误恢复范式，通过细粒度检测器解耦ASR中的感知、理解和删除错误，使LLM能够执行多轮针对性澄清策略，从而显著降低词错误率并提升下游任务性能。

Scalable Knowledge Editing for Mixture-of-Experts LLMs via Tensor-Structured Updates

基于张量结构更新的混合专家LLM可扩展知识编辑

Roman Maksimov, Vladimir Aletov, Dmitry Bylinkin, Daniil Medyakov, Vladimir Solodkin, Aleksandr Beznosikov

机构 * OpenAI ； DeepSeek-AI ； Qwen Team（Qwen团队） ； Shazeer et al.（Shazeer等人） ； Molodtsov et al.（Molodtsov等人） 纠错

专题命中 知识编辑与模型理解 ：LLM(title_cn,summary_cn)；分类 cs.LG

AI总结 本文提出一种针对混合专家架构LLM的知识编辑方法，通过张量结构和Woodbury矩阵恒等式实现高效参数更新，提升编辑效率6倍，扩展了知识编辑的应用范围。

Comments 17 pages, 3 architectures, 1 figure, 6 tables

MindMelody: A Closed-Loop EEG-Driven System for Personalized Music Intervention

MindMelody：一种基于EEG的闭环个性化音乐干预系统

Yimeng Zhang, Yueru Sun, Haoyu Gu, Zhanpeng Jin

机构 * South China University of Technology（南方科技大学） 纠错

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

AI总结 本文提出MindMelody系统，通过EEG信号实时生成个性化音乐，结合Transformer-GNN和RAG-LLM实现情绪感知与音乐生成的闭环控制，提升情感适应性与用户参与度。

Neuro-Symbolic Agents for Hallucination-Free Requirements Reuse

神经符号代理用于无幻觉要求重用

Ahmed Ibrahim

机构 * Western University（西部大学） 纠错

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

AI总结 本文提出神经符号多代理系统，通过模型驱动 elicitation 过程实现无幻觉的要求重用，结合 LLM 和符号验证器确保结构有效性，实验显示 100% 覆盖率和 0.2% 违规率。

EvolveSignal: A Large Language Model Powered Coding Agent for Discovering Traffic Signal Control Strategies

EvolveSignal：一种基于大语言模型的编程代理，用于发现交通信号控制策略

Leizhen Wang, Peibo Duan, Hao Wang, Yue Wang, Jian Xu, Nan Zheng, Zhenliang Ma

机构 * Department of Data Science and Artificial Intelligence, Monash University（数据科学与人工智能系，墨尔本大学） ； School of Transportation, Southeast University（交通学院，东南大学） ； Institute of Automation, Chinese Academy of Sciences（自动化研究所，中国科学院） ； Department of Civil and Environmental Engineering, Monash University（土木与环境工程系，墨尔本大学） ； Department of Civil and Architectural Engineering, KTH Royal Institute of Technology（土木与建筑工程系，皇家理工学院） 纠错

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

AI总结 本文提出EvolveSignal，利用大语言模型自动发现可解释的启发式策略，通过程序合成方法优化交通信号控制，实验表明其在减少延误和停车次数方面优于传统方法。

From Word Vectors to Multimodal Embeddings: Techniques, Applications, and Future Directions For Large Language Models

从词向量到多模态嵌入：大型语言模型的技术、应用与未来方向

Charles Zhang, Benji Peng, Xintian Sun, Qian Niu, Junyu Liu, Keyu Chen, Ming Li, Pohsun Feng, Ziqian Bi, Ming Liu, Yichao Zhang, Xinyuan Song, Cheng Fei, Caitlyn Heqi Yin, Lawrence KQ Yan, Hongyang He, Tianyang Wang

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Simon Fraser University（西蒙弗雷泽大学） ； Kyoto University（京都大学） ； National Taiwan Normal University（台湾师范大学） ； Purdue University（普渡大学） ； The University of Texas at Dallas（德克萨斯大学达拉斯分校） ； Emory University（埃默里大学） ； Cornell University（康奈尔大学） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； The Hong Kong University of Science（香港科学大学） ； University of Liverpool（利物浦大学） ； University of Warwick（沃里克大学） 纠错

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

AI总结 本文综述了从词向量到多模态嵌入的发展，探讨了大型语言模型的技术、应用及未来方向。

Comments 21 pages

The Case for Repeatable, Open, and Expert-Grounded Hallucination Benchmarks in Large Language Models

Justin D. Norman, Michael U. Rivera, D. Alex Hughes

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

Comments 9 pages