语言大模型 / LLM

What AstroPT knows about galaxies, and what that can teach us about LLMs

AstroPT对星系的认知，以及这能为我们提供关于大型语言模型（LLMs）的启示

UniverseTBD, :, Kshitij Duraphe, Aman Kumar, Michael J. Smith, Shashwat Sourav

机构 * IUCAA（印度大学间天文和天体物理中心） ； AstroAI ； Washington University in St. Louis（圣路易斯华盛顿大学） 纠错

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

AI总结 该研究利用基于星系图像训练的类LLM模型AstroPT作为测试平台，探究星系属性的出现顺序，为校准应用于LLMs的机械可解释性方法提供了受控沙盒。

Comments 13 pages, 12 figures, code at https://github.com/Smith42/astroPT, accepted at Sci-FM@COLM 2026

Decoupling Perception from Description: Computation-Grounded Representation Alignment between Multivariate Time Series and Language

感知与描述解耦：多变量时间序列与语言间的计算基础表示对齐

Xinran Feng, Yi Xie, Chao Zhang, Ruikun Li, Wanyun Ling, Ziyue Li, Chenxi Liu

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

AI总结 该研究针对多模态时间序列语言对齐的三难困境，提出CGTime模型，通过计算处理感知、LLM处理描述，在多变量理解任务上优于更大的通用模型。

Comments 46 pages, 9 figures, including supplementary material. Submitted to AAAI 2027. Xinran Feng and Yi Xie contributed equally

LLMs Can Annotate Attribution Graphs

大型语言模型（LLMs）可对归因图进行标注

Ameen Patel, Max Zhang, Nathan Hu

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

AI总结 该研究提出一种LLM自动化流程，可将特征分组为超级节点标注归因图，其效果与人类标注相当，在两跳首都任务中准确率达97%，还可用于开放式探索，推动自动化电路追踪研究。

Comments Poster at ICML Mechanistic Interpretability Workshop 2026

ELISA: An Interpretable Hybrid Generative AI Agent for Expression-Grounded Discovery in Single-Cell Genomics

ELISA：一种可解释的混合生成式AI代理，用于单细胞组学中的表达基础发现

Omar Coser

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

AI总结 ELISA结合表达嵌入、语义检索和LLM解释，提供交互式单细胞发现，优于CellWhisperer，尤其在基因签名查询中表现突出。

Probing LLMs for Syntactic Structure Beyond Universal Dependencies: A Minimalist Phase Account in English

探究LLM中的最简阶段结构：普遍依赖关系无法表示的内容

Yuanhao Chen, Peter Chin

机构 * Dartmouth College（达特茅斯学院） 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 通过设计UD距离不变的条件，使用结构探针评估LLM在wh-移位刺激上的表现，发现阶段计数梯度和阶段内凝聚性效应，表明分布预训练能诱导出超越UD的形式句法抽象表征。

A Geometric Perspective on Composable Emotion Steering in Text-to-Speech Models

文本到语音模型中可组合情感操控的几何视角

Siyi Wang, James Bailey, Ting Dang

机构 * The University of Melbourne, Australia（墨尔本大学） 纠错

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

AI总结 通过线性探测和局部本征维度分析语音语言模型与条件流匹配模块的情感表示几何特性，发现SLM具有低维情感子空间和强解耦能力，而CFM因说话人-情感纠缠导致跨说话人泛化差，联合操控增强情感强度但降低比例控制和语音质量。

Bridging Mechanistic Interpretability and Prompt Engineering with Gradient Ascent for Interpretable Persona Control

通过梯度上升实现可解释人格控制与提示工程的桥梁

Harshvardhan Saini, Yiming Tang, Dianbo Liu

机构 * Department of Computer Science（计算机科学系） ； Indian Institute of Technology (ISM), Dhanbad（印度理工学院（ISM），丹巴德） ； National University of Singapore（新加坡国立大学） ； CIFAR Fellow（CIFAR研究员） 纠错

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

AI总结 本文提出RESGA和SAEGA方法，利用梯度上升优化随机初始化提示，以实现与识别的人格方向更一致的表示，有效控制LLM中的人格行为。

Training-free Truthfulness Detection via Sparse MLP Value Vectors

基于稀疏MLP值向量的免训练真实性检测

Runheng Liu, Heyan Huang, Xingchen Xiao, Yanghao Zhou, Zhijing Wu

机构 * Beijing Institute of Technology（北京理工大学） 纠错

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

AI总结 提出TruthV方法，利用MLP值向量中稀疏子集的稳定方向性信号，无需训练即可检测LLM生成内容的真实性，在多个基准上超越现有免训练方法。

Comments KDD 2026 Oral

ErrorLLM: Modeling SQL Errors for Text-to-SQL Refinement

ErrorLLM: 为文本到SQL精炼建模SQL错误

Zijin Hong, Hao Chen, Zheng Yuan, Qinggang Zhang, Luyao Zhuang, Qing Liao, Feiran Huang, Yangqiu Song, Xiao Huang

机构 * The Hong Kong Polytechnic University（香港理工大学） ； City University of Macau（澳门城市大学） ； Jilin University（吉林大学） ； Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） ； Beihang University（北航大学） 纠错

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

AI总结 提出ErrorLLM框架，通过专用错误令牌和结构特征显式建模SQL错误，结合静态检测与错误引导精炼，显著提升文本到SQL生成质量。

Comments Accepted to SIGKDD2026

P-JEPA: Procedural Video Representation Learning via Joint Embedding Predictive Architecture

P-JEPA: 通过联合嵌入预测架构进行程序性视频表示学习

Felix Tristram, Stefano Gasperini, Benjamin Killeen, Marcel Walch, Christian Benz, Nassir Navab, Ghazal Ghazaei

机构 * Technical University of Munich（慕尼黑工业大学） ； Munich Center for Machine Learning（慕尼黑机器学习中心） ； Carl Zeiss AG（卡尔蔡司股份公司） 纠错

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

AI总结 提出P-JEPA，一种与骨干网络无关的方法，通过将长视频映射到密集帧对齐动作空间并预测池化掩码潜在向量，实现对超过30分钟程序性视频的长时理解，在EgoExo4D等数据集上达到细粒度动作分类SOTA，参数比基于LLM的方法少一个数量级。

Factual Retrieval in LLMs Is a Redundant, Distributed and Non-Contiguous Process

大型语言模型中的事实检索是一个冗余、分布且非连续的过程

Hail Hochman, Natalie Shapira, Yoav Goldberg

机构 * Bar-Ilan University（巴伊兰大学） ； 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_cn)；large language model(abstract)；language model(abstract)；分类 cs.CL

AI总结 本文通过属性计算路径分析，发现LLM中事实检索路径非连续、存在多条功能等价路径，表明知识计算高度冗余和分布。

Comments Accepted to ACL 2026 Main Conference

Caliper: Probing Lexical Anchors versus Causal Structure in LLMs

Caliper: 探究LLM中的词汇锚点与因果结构

Zhenyu Yu, Shuigeng Zhou

机构 * Fudan University（复旦大学） 纠错

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

AI总结 通过词汇匿名化扰动，揭示大语言模型在因果推理基准上的表现主要依赖词汇模式匹配而非结构因果推理。

PEACE: A Planner-Executor Agent with Constraint Enforcement for UAVs

PEACE: 一种用于无人机的带约束执行的规划-执行智能体

Erdem Uysal, Timo Kehrer, Sebastiano Panichella

机构 * Institute of Computer Science, University of Bern（伯尔尼大学计算机科学研究所） ； AI4I - The Italian Institute of Artificial Intelligence（意大利人工智能研究所） 纠错

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

AI总结 提出一种基于大语言模型的规划-执行智能体架构，通过解耦高层任务规划与低层控制，并引入约束执行层和有限重规划，实现无人机可解释、可约束的自主飞行。

Comments Accepted to ICRA 2026 Workshop on Semantics for Reliable Robot Autonomy: From Environment Understanding and Reasoning to Safe Interaction

Vibe-driven model-based engineering

基于氛围驱动的模型工程

Jordi Cabot

机构 * Luxembourg Institute of Science and Technology（卢森堡科学与技术研究院） ； University of Luxembourg（卢森堡大学） 纠错

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

AI总结 本文提出氛围驱动模型工程概念，融合大型语言模型（LLM）的代码生成能力与模型驱动工程（MDE）的严谨性，以加速可靠复杂系统的开发。

Hallucination Behavior in Multimodal LLMs Across Agricultural Image Interpretation and Generation Tasks

多模态大语言模型在农业图像解释与生成任务中的幻觉行为

Partho Ghose, Al Bashir, Prem Raj, Azlan Zahid

机构 * Texas A&M University System（德克萨斯大学系统） 纠错

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

AI总结 本研究系统评估了多模态大语言模型在农业图像解释（图像到文本）和生成（文本到图像）任务中的幻觉行为，发现模型存在生物不一致、上下文不准确和农学不合理等错误模式，并通过少样本提示等方法分析了幻觉的残留影响。

Hallucination as Commitment Failure: Larger LLMs Misfire Despite Knowing the Answer

幻觉作为承诺失败：更大的LLM在知道答案的情况下仍会出错

Jewon Yeom, Jaewon Sok, Heejun Kim, Seonghyeon Park, Jeongjae Park, Taesup Kim

机构 * Graduate School of Data Science（数据科学研究生院） ； Department of Rural Systems Engineering（农村系统工程系） ； Electrical Engineering and Computer Science（电子工程与计算机科学） ； Department of Aerospace Engineering（航空航天工程系） 纠错

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

AI总结 本文研究了大型LLM在知道正确答案的情况下仍出现幻觉的现象，发现模型在生成答案时，正确概念的概率分布方式决定了幻觉的发生，而非是否包含正确概念。

BELIEF: Structured Evidence Modeling and Uncertainty-Aware Fusion for Biomedical Question Answering

BELIEF: 结构化证据建模与不确定性感知融合用于生物医学问答

Chang Zong, Hao Ning, Siliang Tang, Jie Huang, Jian Wan

机构 * School of Computer Science and Technology, Zhejiang University of Science and Technology（浙江理工大学计算机科学与技术学院） ； College of Artificial Intelligence, Zhejiang University（浙江大学人工智能学院） ； Zhejiang Key Laboratory of Biomedical Intelligent Computing Technology, Zhejiang University of Science and Technology（浙江理工大学生物医学智能计算技术重点实验室） 纠错

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

AI总结 本文提出BELIEF框架，通过结构化证据建模和不确定性感知融合，提升生物医学问答任务中检索文献的利用效率，实现对证据可靠性、不确定性以及候选假设的支持强度的显式建模。

Comments 14 pages, 6 figures

When Evidence Conflicts: Uncertainty and Order Effects in Retrieval-Augmented Biomedical Question Answering

当证据冲突时：检索增强式生物医学问答中的不确定性与顺序效应

Yikun Han, Mengfei Lan, Halil Kilicoglu

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

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

AI总结 本文评估了六个开源LLM在不同证据条件下的表现，发现证据冲突导致模型准确性下降，并提出冲突感知的置疑评分以提升鲁棒性。

Comments Accepted by BioNLP 2026

Architecture, Not Scale: Circuit Localization in Large Language Models

架构，而非规模：大语言模型中的电路定位

Sohan Venkatesh

机构 * Manipal Institute of Technology Bengaluru（班加罗尔Manipal理工大学） 纠错

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

AI总结 研究发现，注意力架构比参数量更重要，组查询注意力在同等规模下产生更集中稳定的电路，且在事实记忆中存在相变现象。

Question the Questions: Auditing Representation in Online Deliberative Processes

质疑问题：在线辩论过程中的代表性审计

Soham De, Lodewijk Gelauff, Ashish Goel, Smitha Milli, Ariel Procaccia, Alice Siu

机构 * FAIR at Meta（Meta的FAIR） 纠错

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

AI总结 本文提出基于公正代表概念的审计框架，用于评估辩论过程中问题集的代表性，通过算法和历史数据验证了LLM在支持辩论过程中的潜力与局限。

What Did They Mean? How LLMs Resolve Ambiguous Social Situations across Perspectives and Roles

他们是什么意思？大语言模型如何在不同视角和角色下解析模糊的社会情境

Qiming Yuan, Linyi Han, Nam Ling, Cihan Ruan

机构 * Santa Clara University（圣克拉拉大学） 纠错

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

AI总结 研究探讨LLM在处理模糊社会情境时的响应方式，发现其倾向于通过叙事一致、规范建议等路径闭合模糊性，且叙述视角影响解读路径，凸显LLM在社会AI设计中保持不确定性的挑战。

Context-Fidelity Boosting: Enhancing Faithful Generation through Watermark-Inspired Decoding

上下文保真度提升：通过水印启发式解码增强忠实生成

Weixu Zhang, Fanghua Ye, Qiang Gao, Jian Li, Haolun Wu, Yuxing Tian, Sijing Duan, Nan Du, Xiaolong Li, Xue Liu

机构 * Hunyuan AI Digital Human, Tencent（腾讯文深AI数字人） ； McGill University（麦吉尔大学） ； Mila - Quebec AI Institute（魁北克人工智能研究所） ； Wuhan University（武汉大学） ； University of Montreal（蒙特利尔大学） ； Tsinghua University（清华大学） ； MBZUAI 纠错

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

AI总结 本文提出CFB框架，通过增加源支持标记的生成概率减少大语言模型中的保真度幻觉，采用基于水印技术的logit调整策略，三种增强策略提升生成忠实度，无需重训练即可兼容多种LLM。

Comments Accepted at ACL 2026

How Retrieved Context Shapes Internal Representations in RAG

检索上下文如何塑造RAG中的内部表示

Samuel Yeh, Sharon Li

机构 * Department of Computer Science, University of Wisconsin-Madison（威斯康星大学麦迪逊分校计算机科学系） 纠错

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

AI总结 研究通过潜在表示分析检索文档类型对LLM隐藏状态的影响，揭示上下文相关性和分层处理对内部表示的影响，为RAG系统设计提供见解。

Comments ACL 2026 Findings

Structured Multidimensional Representation Learning for Large Language Models

结构化多维表示学习用于大语言模型

Alaa El Ichi, Khalide Jbilou, Mohamed El Guide, Franck Dufrenois

机构 * Université du Littoral Cote d’Opale（勒阿弗尔海岸大学） ； LMPA（LMPA研究所） ； FGSES, University Mohammed VI Polytechnic（穆莱·伊沙克六世理工学院FGSES研究所） ； LISIC（LISIC研究所） 纠错

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

AI总结 本文提出一种基于谱分解的张量变换器，通过结构化多维表示学习压缩大语言模型参数，同时保持模型性能。

Comments 25 pages, 6 figures. Preprint of a journal submission

Investigating Model Editing for Unlearning in Large Language Models

探究大型语言模型中去学习的模型编辑

Shariqah Hossain, Lalana Kagal

机构 * Massachusetts Institute of Technology（麻省理工学院） 纠错

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

AI总结 本研究探讨了大型语言模型中去学习的模型编辑方法，通过设计新的编辑目标，展示了模型编辑在去学习任务中的优势。

Exploring the Utilities of the Rationales from Large Language Models to Enhance Automated Essay Scoring

Hong Jiao, Hanna Choi, Haowei Hua

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

Comments 12 pages, 3 figures

Exploring the Generalizability of Factual Hallucination Mitigation via Enhancing Precise Knowledge Utilization

Siyuan Zhang, Yichi Zhang, Yinpeng Dong, Hang Su

机构 * Dept. of Comp. Sci. and Tech.（计算机科学与技术系） ； Institute for AI（人工智能研究院） ； Tsinghua-Bosch Joint ML Center（清华大学-博世联合机器学习中心） ； THBI Lab（THBI实验室） ； BNRist Center（BNRist中心） ； Tsinghua University（清华大学） 纠错

专题命中 知识编辑与模型理解 ：LLM(abstract)；large language model(abstract)；language model(abstract)；post-training(abstract)

Comments 33 pages, 17 figures, 21 tables, accepted by EMNLP 2025 as findings paper

Large Language Model-Based Uncertainty-Adjusted Label Extraction for Artificial Intelligence Model Development in Upper Extremity Radiography

Hanna Kreutzer, Anne-Sophie Caselitz, Thomas Dratsch, Daniel Pinto dos Santos, Christiane Kuhl, Daniel Truhn, Sven Nebelung

机构 * Lab for Artificial Intelligence in Medicine, Department of Diagnostic and Interventional Radiology, University Hospital Aachen（人工智能医学实验室，诊断与介入放射科，亚琛大学医院） ； Department of Diagnostic and Interventional Radiology, University Hospital Aachen（诊断与介入放射科，亚琛大学医院） ； Institute for Diagnostic and Interventional Radiology, Faculty of Medicine and University Hospital Cologne, University of Cologne（诊断与介入放射学研究所，医学学院和科隆大学医院，科隆大学） ； Department of Diagnostic and Interventional Radiology, University Medical Center Mainz（诊断与介入放射科，马因茨大学医学中心） 纠错

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

Comments 28 pages, 6 figures

Activation Space Interventions Can Be Transferred Between Large Language Models

Narmeen Oozeer, Dhruv Nathawani, Nirmalendu Prakash, Michael Lan, Abir Harrasse, Amirali Abdullah

机构 * Nvidia ； Singapore University of Technology and Design（新加坡技术与设计大学） 纠错

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

Comments 75 pages. Accepted to ICML 2025

MHSNet:An MoE-based Hierarchical Semantic Representation Network for Accurate Duplicate Resume Detection with Large Language Model

Yu Li, Zulong Chen, Wenjian Xu, Hong Wen, Yipeng Yu, Man Lung Yiu, Yuyu Yin

机构 * Hangzhou Dianzi University（杭州电子科技大学） ； Alibaba Group（阿里巴巴集团） ； Zhejiang University of Science（浙江理工大学） ； Taotian, Alibaba Group（阿里天天，阿里巴巴集团） ； Department of Computing, Hong Kong Polytechnic University（计算系，香港理工大学） 纠错

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