视觉大模型 / VLM

EDIT: Evidence-Diagnosed Intervention Training for Rule-Faithful LLM Grading

EDIT：基于证据诊断的干预训练以实现遵循规则的LLM评分

Zhihao Wu, Linhai Zhang, Taiyi Wang, Runcong Zhao, Peter Andrews, Cesare Aloisi, Yulan He

机构 * King’s College London（伦敦国王学院） ； University of Cambridge（剑桥大学） ； AQA ； The Alan Turing Institute（艾伦·图灵研究所） 纠错

专题命中 视觉定位与Grounding ：grounding(abstract)

AI总结 提出EDIT框架，通过内部模型信号定位推理错误步骤并修正，结合信念引导的奖励塑造，提升LLM评分对评分标准的忠实度。

Bootstrapping Semantic Layer from Execution for Text-to-SQL

从执行中引导语义层用于文本到SQL

Youngwon Lee, Jaejin Kim, Seung-won Hwang

机构 * Seoul National University（首尔国立大学） 纠错

专题命中 视觉定位与Grounding ：grounding(abstract)

AI总结 提出GATE方法，通过执行反馈引导缺失的语义层，将执行结果作为可复用记忆，提升文本到SQL的准确性。

CLFEC: A New Task for Unified Linguistic and Factual Error Correction in paragraph-level Chinese Professional Writing

CLFEC：一种新的任务，用于段落级中文专业写作中的统一语言和事实纠错

Jian Kai, Zidong Zhang, Jiwen Chen, Zhengxiang Wu, Songtao Sun, Fuyang Li, Yang Cao, Qiang Liu

机构 * Huazhong University of Science and Technology（华中科技大学） ； WPS AI, Kingsoft Office（WPS AI，Kingsoft Office） 纠错

专题命中 视觉定位与Grounding ：grounding(abstract)

AI总结 本文提出CLFEC任务，旨在解决段落级中文专业写作中语言和事实错误的联合纠错问题，构建了多领域数据集，并系统研究了基于LLM的纠错方法，揭示了实际挑战并展示了统一纠错的优势。

Event Calculus Meets Hybrid ASP

事件演算遇见混合ASP

Ondřej Vašíček, Joaquín Arias, Jan Fiedor, Gopal Gupta, Bohuslav Křena, Jakub Němec, Javier Romero, Tomáš Vojnar

专题命中 视觉定位与Grounding ：grounding(abstract)

AI总结 针对事件演算在ASP实现中面临的连续变化和值域爆炸问题，提出混合EC扩展，通过功能流和抽象步映射，利用混合ASP系统实现线性约束求解，保证终止性并支持稠密域建模。

Comments Accepted at The 42nd International Conference on Logic Programming, ICLP 2026. Will be published in a special issue of TPLP

Read What You Hear: Reference-Free Hypotheses Evaluation with Acoustic Discrepancy

听你所写：基于声学差异的无参考假设评估

Zhihan Li, Hankun Wang, Yiwei Guo, Bohan Li, Xie Chen, Kai Yu

机构 * X-LANCE Lab, School of Computer Science, Shanghai Jiao Tong University, China（X-LANCE实验室、计算机科学学院、上海交通大学、中国） ； MoE Key Lab of Artificial Intelligence, Jiangsu Key Lab of Language Computing, China（人工智能MOE重点实验室、江苏省语言计算重点实验室、中国） 纠错

专题命中 视觉定位与Grounding ：grounding(abstract)

AI总结 提出READ指标，利用预训练自回归TTS模型计算语音与文本假设的声学差异，无需参考转录即可评估ASR假设，并在噪声条件下实现高达20%的相对错误率降低。

Comments Submitted to Interspeech 2026. 6 pages, 4 figures

Traceable by Design: An LLM Pipeline and Dashboard for EU Regulatory Consultation Analysis

可追溯性设计：用于欧盟监管咨询分析的LLM流程与仪表板

Thales Bertaglia, Haoyang Gui, Catalina Goanta, Gerasimos Spanakis

机构 * Utrecht University（乌特勒支大学） ； Maastricht University（马斯特里赫特大学） 纠错

专题命中 视觉定位与Grounding ：grounding(abstract)

AI总结 提出基于LLM的端到端流程与交互式仪表板，从监管咨询提交中提取结构化主题，确保逐字引用、完全可追溯和透明性，并以欧盟数字公平法案为例验证。

Comments This research has been supported by funding from the ERC Starting Grant HUMANads (ERC-2021-StG No 101041824)

Structures Facilitate Retrieve, Rerank, and Generate

结构促进检索、重排序和生成

Yeqin Zhang, Haomin Fu, Xujie Zhang, Cam-Tu Nguyen

机构 * State Key Laboratory for Novel Software Technology, Nanjing University, China（新型软件技术国家重点实验室，南京大学，中国） ； School of Artificial Intelligence, Nanjing University, China（人工智能学院，南京大学，中国） 纠错

专题命中 视觉定位与Grounding ：grounding(abstract)

AI总结 提出SF-Re2G方法，通过利用文档结构信息改进段落表示、构建结构增强的重排序器并融入子图上下文，以提升文档对话系统的检索、重排序和生成性能。

DMT-CBT: Longitudinal Therapeutic State Modeling for CBT Counseling

DMT-CBT：面向CBT咨询的纵向治疗状态建模

Chang Liu, Shuyi Zhang, Changsheng Ma, Yongfeng Tao, Minqiang Yang, Bin Hu

机构 * School of Information Science and Engineering, Lanzhou University（信息科学与工程学院，兰州大学） 纠错

专题命中 视觉定位与Grounding ：grounding(abstract)

AI总结 提出DMT-CBT框架，通过跨会话结构化治疗状态、多模态行为基础与工具增强干预，解决现有方法将CBT咨询简化为局部回复生成的问题，实现纵向治疗状态动态建模。

Uncovering Competing Poisoning Attacks in Retrieval-Augmented Generation

揭示检索增强生成中的竞争性投毒攻击

Liuji Chen, Xiaofang Yang, Yuanzhuo Lu, Jinghao Zhang, Xin Sun, Qiang Liu, Shu Wu, Jing Dong, Liang Wang

专题命中 视觉定位与Grounding ：grounding(abstract)

AI总结 针对检索增强生成系统，研究多个攻击者同时投毒以争夺同一查询目标的问题，提出竞争有效性指标和PoisonArena框架。

Comments Accepted by KDD 2026. Project page: https://poison-arena.github.io/

Journal ref KDD 2026

HERO'S JOURNEY: Testing Complex Rule Induction with Text Games

英雄之旅：用文本游戏测试复杂规则归纳

Anshun Asher Zheng, Kanishka Misra, David I. Beaver, Junyi Jessy Li

机构 * Department of Linguistics（语言学系） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

专题命中 视觉定位与Grounding ：grounding(abstract)

AI总结 本文提出HERO'S JOURNEY基准，通过目标导向的文本游戏评估大型语言模型在属性与程序归纳任务中的规则推理能力，发现模型虽能进行规则归纳但能力有限且不均衡，程序执行成为瓶颈，而表面语义影响较小。

Comments 24 pages

Less Is More? When Dataset Context Hurts LLM-Generated Dataset Descriptions

少即是多？当数据集上下文损害LLM生成的数据集描述时

Lisa-Yao Gan, Arunav Das, Johanna Walker, Klaus Diepold, Elena Simperl

专题命中 视觉定位与Grounding ：grounding(abstract)

AI总结 通过大规模消融实验，研究不同数据集上下文（标题、模式、代表性数据）对LLM生成数据集描述质量的影响，发现模式单独使用会降低叙事质量，而代表性数据部分改善但未提升整体面向人类的质量。

Comments Accepted to ICDE26 KDExLLM Workshop

Scaling Agentic Capabilities via Grounded Interaction Synthesis

通过基于交互合成扩展智能体能力

Wenhang Shi, Jinhao Dong, Yiren Chen, Zhe Zhao, Shuqing Bian, Wei Lu, Xiaoyong Du

机构 * Renmin University of China（中国人民大学） ； Peking University（北京大学） ； Tencent（腾讯） 纠错

专题命中 视觉定位与Grounding ：grounding(abstract)

AI总结 提出GAIS框架，通过两阶段接地机制（协议锚定环境和结构引导规划）自动生成多样化的环境和复杂任务，显著提升智能体在BFCL、τ²-Bench和ACEBench上的性能。

MetaForge: A Self-Evolving Multimodal Agent that Retrieves, Adapts, and Forges Tools On Demand

MetaForge：一种自我进化的多模态智能体，可按需检索、适应和锻造工具

Shouang Wei, Houcheng Min, Xinpeng Dong, Xin Lin, Sen Cui, Bo Jiang, Zhongxiang Dai, Kun Kuang, Guandong Xu, Fei Wu, Min Zhang

专题命中 视觉定位与Grounding ：grounding(abstract)

AI总结 提出MetaForge框架，通过决策-检索-适应-锻造-回收的闭环机制，使多模态智能体能够按需自我进化工具集，在12个基准测试中超越16个基线方法，提升了准确性、效率和泛化能力。

How Can Machine Learning Accelerate CALPHAD Free Energy Modeling?

机器学习如何加速CALPHAD自由能建模？

Chen Shen, Muhammad Waqas Qureshi, Mark Asta, Izabela Szlufarska, Dane Morgan

专题命中 视觉定位与Grounding ：grounding(abstract)

AI总结 本文提出一种混合策略，通过将机器学习（ML）与Redlich-Kister（RK）框架结合，利用物理信息描述符学习相互作用系数，从而在数据有限的情况下扩展CALPHAD模型对新化学体系的预测能力。

Dynamic Resilient Spatio-Semantic Memory with Hybrid Localization for Mobile Manipulation

面向移动操作的动态弹性时空语义记忆与混合定位

Zhijie Yan, Shufei Li, Ze Zhang, Xin Liu, Yuhang Zheng, Zuoxu Wang

机构 * School of Mechanical Engineering and Automation, Beihang University（北京航空航天大学机械工程及自动化学院） ； Department of Systems Engineering, City University of Hong Kong（香港城市大学系统工程系） ； School of Computing, National University of Singapore（新加坡国立大学计算机学院） 纠错

专题命中 视觉定位与Grounding ：multimodal large language model(abstract)

AI总结 提出DREAM框架，通过在线构建时空语义体素记忆、冗余感知记忆剪枝和混合定位，实现无预建地图的动态室内移动操作，将长时任务成功率提升至55%-70%。

Comments Code, CAD model, and real-robot demonstrations are available at https://bjhyzj.github.io/dream-web

Graph-Augmented Retrieval for Cross-Entity Financial Sentiment Analysis: A Comparative Study

跨实体金融情感分析的图增强检索：一项比较研究

Rajan Bastakoti, Sagar Bhetwal, Nirajan Acharya, Gaurav Kumar Gupta

机构 * University of Colorado Boulder（科罗拉多大学博尔德分校） 纠错

专题命中 视觉定位与Grounding ：grounding(abstract)

AI总结 本文提出一种两跳图增强检索架构（Graph-RAG），通过构建情感加权知识图谱并融合密度检索与图遍历，相比标准向量检索在跨实体金融情感分析中显著提升实体召回率和复杂查询答案相关性。

Fake Plastic Voters: When Political Parties Can Use AI-Simulated Focus Groups

虚假塑料选民：当政党可以使用AI模拟焦点小组时

Claudio Novelli, Javier Argota Sanchez-Vaquerizo, Jennifer Cyr, Giuliano Formisano, Simon McDougall, Giulia Sandri, Luciano Floridi

专题命中 视觉定位与Grounding ：grounding(abstract)

AI总结 本文开发了一个决策矩阵，帮助政党策略师根据研究目的、部署风险和模拟工具的经验基础，判断何时使用AI增强模拟技术（AEST）进行焦点小组研究，并指出在模式1（观察政治意义和身份通过互动产生）中AEST无法替代人类互动，在模式2（测试和完善竞选信息）中需谨慎使用。

Towards Efficient LLMs Annealing with Principled Sample Selection

迈向基于原则性样本选择的高效LLM退火

Yuanjian Xu, Jianing Hao, Wanbo Zhang, Zhong Li, Guang Zhang

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Fudan University（复旦大学） ； Microsoft Research Asia（微软亚洲研究院） 纠错

专题命中 视觉定位与Grounding ：grounding(abstract)

AI总结 本文通过损失景观的谱几何特性，将退火阶段的数据选择建模为有约束优化问题，提出DiReCT框架，利用Hessian谱对梯度施加方向约束，实现高效样本选择，显著提升模型性能。

Generative AI in developing User Experience Research Point of View: A NotebookLM case study

生成式AI在用户体验研究观点开发中的应用：NotebookLM案例研究

Mona Giff, Stephen Giff, Huseyin Dogan

专题命中 视觉定位与Grounding ：grounding(abstract)

AI总结 本文提出并评估了一种利用Google NotebookLM增强用户体验研究观点（UXR PoV）框架的正式方法，通过五个提示词在四个阶段中应用，实验表明NotebookLM能有效协作生成PoV。

Can Aerial VLA Models Cooperate? Evaluating Closed-Loop Air-Ground Coordination with CARLA-Air

空中VLA模型能协作吗？基于CARLA-Air的闭环空地协调评估

Tianle Zeng, Yanci Wen, Xueang Yu, Hong Zhang

机构 * Southern University of Science and Technology（南方科技大学） ； Fudan University（复旦大学） 纠错

专题命中 视觉定位与Grounding ：grounding(abstract)

AI总结 本文通过构建CARLA-Air仿真环境，评估空中视觉-语言-动作模型在空地协作任务中的表现，发现当前模型难以将单智能体能力转化为稳定协作行为，并指出零样本协作需要伙伴状态显式感知、低延迟动作协调和团队目标对齐三个关键组件。

Comments Code at https://github.com/louiszengCN/CarlaAir

Wetting as an emergent property of water: reformulating Young equation on molecular grounds

润湿作为水的涌现性质：在分子基础上重新表述杨氏方程

Nicolas Loubet, Gustavo Appignanesi

专题命中 视觉定位与Grounding ：grounding(abstract)

AI总结 通过定义分子润湿系数ω_m，将宏观接触角与水的氢键缺陷能量成本联系起来，建立统一的分子框架，揭示润湿是水的内在涌现性质。

Journal ref Journal of the American Chemical Society (2026)

A Theory-Guided LLM Pedagogical Agent for STEM+C Scaffolding Without Over-Reliance

理论引导的LLM教学代理：用于STEM+C支架式教学，避免过度依赖

Clayton Cohn, Surya Rayala, Siyuan Guo, Hanchen David Wang, Naveeduddin Mohammed, Umesh Timalsina, Shruti Jain, Ryan Li, Angela Eeds, Menton Deweese, Pamela J. Osborn Popp, Rebekah Stanton, Shakeera Walker, Ashwin T S, Meiyi Ma, Gautam Biswas

专题命中 视觉定位与Grounding ：grounding(abstract)

AI总结 本文提出基于证据-决策-反馈框架的多智能体协作代理Copa，结合社会认知理论与社会建构主义，通过自适应对话支持促进STEM+C学习，实验证明其能增强学生信心和概念表达能力而不导致依赖。

Comments Submitted to Computers & Education. Currently under review

Who, Why, and How: Disentangling the Effects of Moderation Source, Context, and Language on Post-Removal Behavior

谁、为什么以及如何：解析审核来源、背景和语言对帖子移除后行为的影响

Siyi Zhou, Lindsay Young, Marlon Twyman, Emilio Ferrara

专题命中 视觉定位与Grounding ：grounding(abstract)

AI总结 本研究基于HAII-TIME理论，利用Reddit大规模数据集，通过概率行为分类、ANOVA和OLS回归等方法，分析了审核来源、违规背景和语言风格对用户移除后行为的影响，发现机器人审核比人工审核更有效，且违规严重性调节了语言策略的效果。

Who Am I? History-Aware Profiles for Student Simulation in Tutoring Dialogues

我是谁？面向辅导对话中学生模拟的历史感知档案

Zhangqi Duan, Shuyan Huang, Alexander Scarlatos, Jaewook Lee, Simon Woodhead, Andrew Lan

机构 * University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； Eedi 纠错

专题命中 视觉定位与Grounding ：grounding(abstract)

AI总结 提出历史条件的学生模拟任务，通过强化学习训练档案生成器和模拟器，利用学生历史信息准确预测对话轮次，在数学学习平台数据集上显著优于基线。

CriticalKV: Optimizing KV Cache Eviction from an Output Perturbation Perspective

CriticalKV: 从输出扰动角度优化 KV 缓存淘汰

Yuan Feng, Junlin Lv, Haoyu Guo, Yukun Cao, S Kevin Zhou, Xike Xie

机构 * School of Computer Science, University of Science and Technology of China（科学技术大学计算机科学学院） ； School of Biomedical Engineering, USTC（USTC生物医学工程学院） ； Data Darkness Lab, MIRACLE Center, Suzhou Institute for Advanced Research（苏州先进研究院数据黑暗实验室、奇迹中心） ； School of Computer Science and Technology, Xidian University（西安电子科技大学计算机科学与技术学院） 纠错

专题命中 视觉定位与Grounding ：grounding(abstract)

AI总结 本文通过分析注意力输出扰动，提出一种基于扰动约束的 KV 缓存条目选择算法，显著降低压缩损失。

Comments ICML 2026

GraphSteal: Structural Knowledge Stealing from Graph RAG via Traversal Reconstruction

GraphSteal：通过遍历重建从图RAG中窃取结构知识

Jinze Gu, Qinghua Mao, Xi Lin, Jun Wu

机构 * School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学学院） 纠错

专题命中 视觉定位与Grounding ：grounding(abstract)

AI总结 提出一种结构导向的重建框架，通过深度优先启发式搜索和广度优先扩散搜索，从黑盒图RAG系统中高保真恢复隐藏知识图，揭示敏感实体、关系和结构依赖。

DisasterBench: Benchmarking LLM Planning under Typed Tool Interface Constraints

DisasterBench: 在类型化工具接口约束下基准测试LLM规划

Zhitong Chen, Kai Yin, Weifeng Zhang, Zhiyuan Wang, Xiangjue Dong, Chengkai Liu, Zhewei Liu, Yiming Xiao, Ali Mostafavi, James Caverlee

机构 * Texas A&M University（德克萨斯A&M大学） ； University of Toronto（多伦多大学） 纠错

专题命中 视觉定位与Grounding ：grounding(abstract)

AI总结 提出DisasterBench基准，通过类型化工具接口评估LLM在灾害响应中的结构化多智能体规划能力，并引入首次故障点（FPoF）方法进行步骤级故障归因，揭示语义推理与执行约束之间的差距。

ExTax: Explainable Disinformation Detection via Persuasion, Emotion, and Narrative Role Taxonomies

ExTax：基于说服、情感和叙事角色分类学的可解释虚假信息检测

Shang Luo, Yingguang Yang, Zhenchen Sun, Yang Liu, Bin Chong, Jingru Chen, Yancheng Chen, Jiayu Liang, Kefu Xu, Hao Peng, Philip S. Yu

机构 * Peking University（北京大学） ； University of Science and Technology of China（中国科学技术大学） ； North China University of Science and Technology（华北理工大学） ； Tsinghua University（清华大学） ； Nanjing University of Aeronautics and Astronautics（南京航空航天大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； Soochow University（苏州大学） ； Beihang University（北航） ； University of Illinois Chicago（伊利诺伊大学芝加哥分校） 纠错

专题命中 视觉定位与Grounding ：grounding(abstract)

AI总结 提出ExTax框架，统一说服修辞、情感操纵和叙事角色为17维分类空间，通过熵驱动动态标签平滑和多头注意力融合分类与上下文特征，实现可解释的虚假信息检测，在跨域基准上达到0.8456 Macro F1。

Credibility Trilemma in Polymatroidal Service Markets

多拟阵服务市场中的可信度三难困境

Lauri Lovén, Sujit Gujar, Kalle Timperi, Hassan Mehmood, Praveen Kumar Donta, Sasu Tarkoma, Schahram Dustdar

专题命中 视觉定位与Grounding ：grounding(abstract)

AI总结 本文研究多拟阵服务市场中市场运营者的策略行为，证明在非模多拟阵上不存在同时满足收益最优、激励兼容和可信的静态密封投标机制，并引入不可信成本度量该困境的福利损失。

Comments 75 pages, 3 figures. Prepared for submission to the ACM Transactions on Economics and Computation (TEAC)

Towards Just-in-Time Adaptive Feedback: Enhancing Student Learning via Knowledge-Grounded LLM

面向即时自适应反馈：通过知识增强的大语言模型提升学生学习

Younghun Lee, Amir Bralin, Nobel Sanjay Rebello, Dan Goldwasser

机构 * Department of Computer Science（计算机科学系） ； Department of Physics and Astronomy（物理与天文学系） ； College of Education（教育学院） 纠错

专题命中 视觉定位与Grounding ：grounding(abstract)

AI总结 提出一个框架，利用领域专家知识增强大语言模型，在真实教学场景中提供即时自适应反馈，并在大规模大学课程中提升学生成绩超过80%。

Comments 8 pages, Accepted to 21st Workshop on Innovative Use of NLP for Building Educational Applications (BEA 2026)