The Hallucination Signal Is a Mean Shift: Why Simple Probes Suffice（在新窗口打开）
在配对范式下表明幻觉检测信号主要由单一 mean-shift 主导，简单线性探针即可接近最优。
- 刻画隐藏态幻觉信号的几何以单一 mean-shift 为主
- 证明 shrinkage LDA 与 L2 逻辑回归可匹敌复杂探针架构
- 提出 LayerMix 跨层聚合，无需 oracle 层选择
前沿论文
14 大方向 · 三级优先筛选 · 每日更新
最近更新：2026-10-16 13:30
2026-09-01 周二共 52 篇：生成 6 · 代码生成 0 · 智能体 1 · 世界模型与具身 3 · 理解 11 · 音频 10 · 基础模型 21
- 生成
- 文生图 2图编辑 1视频生成 33D 生成 0
- 代码生成
- Visual2Code 03D2Code 0
- 智能体
- GUI Agent 1
- 世界模型与具身
- 世界模型 1具身智能 2
- 理解
- VLM 11OCR 0
- 音频
- 音频 10
- 基础模型
- LLM 21统一多模态 0
这一天为历史补采：作者单位只来自 OpenAlex，入选论文比每日更新少；要点由 AI 根据论文摘要生成，以原文为准。
共 52 篇
Fine-Grained Multi Image Object Hallucination Benchmark（在新窗口打开）
MIOH 在四任务、三多图推理模式与三类对抗压力下系统评测 MLLM 物体幻觉及整合阶段失败。
- 提出 MIOH，覆盖存在、计数、属性、位置四类基础任务
- 设计综合/比较/选择性三种多图推理与可控对抗压力
- 29 模型评测显示幻觉来自跨图整合而非仅感知失败
Faster Than Flash: Exploiting Attention Sparsity for Efficient Long-Context Decoding（在新窗口打开）
FFD 软硬件协同设计，融合内核与 top-delta 块筛选，无训练 plug-and-play 加速长上下文解码。
- 提出 Faster Flash Decoding，用低比特量化内容感知扫描替代外部 metadata 索引
- 引入 top-delta 策略实现分布自适应块稀疏且无全局同步
- 内核级最高约11.6×加速、支持256K 上下文，RULER/LongBench 上保持精度
Imag-Eval: a language-grounded framework for interpretable Text-to-Image instruction following evaluation（在新窗口打开）
Imag-Eval 独立控制实例数与约束组合，细粒度诊断 T2I 组合指令跟随失败点。
- 设计解耦 linguistic 复杂度与组合难度的可控 T2I 评测基准
- 覆盖全局不连贯等标准 taxonomy 外的重要失败模式
- 分析表明组合难度主要由 grounded rules 数量与绑定关系驱动
NoisEasier: Test-Time Noise Optimization for Text-to-Video Generation（在新窗口打开）
不改底模，用可微 reward 联合优化整段随机轨迹噪声，提升组合对齐与 VBench 表现。
- test-time 多目标 reward 引导噪声优化框架 NoisEasier
- 联合优化全轨迹比只优化初始 latent 收敛更快、对齐更好
- VBench/T2V-CompBench 多 backbone 平均超 10%，可作 RL 微调补充
Do VLMs Share Safety Neurons Across Modalities?（在新窗口打开）
对 10 个 VLM 做神经元级因果分析：文本安全可定位且主导拒答，视觉安全高维分散。
- 两阶段迭代消融 pipeline 与 ViSafe-Detect/ViSafe-Eval 模态隔离基准
- 文本安全约 88 神经元可定位，消融是稳定降低拒答的主路径
- 视觉安全需更多子空间方向，解释视觉对齐缺口难以闭合
Stick to What You Know: A Study of Knowledge-Aligned Supervised Fine-Tuning（在新窗口打开）
将 SFT 目标约束在基座参数知识内，统一比较多种 knowledge-aligned SFT 以减轻事实幻觉。
- 将缓解幻觉的 SFT 方法统一为 knowledge-aligned SFT 框架并系统对比
- 提出 Evidence Rewrite 与 Recall Rewrite 两种新知识对齐变体
- 在 WildHalu、Biography 等上降幻觉且 largely 保持通用能力，Recall Rewrite 在 UnknownBench 上改善拒答
Encore: Infinite Audio-Video Generation with Adaptive Signal Routing（在新窗口打开）
分块迭代与参考音视频全局一致，ASR 调制各条件信号，实现长时同步音视频及音画互生成。
- 将长音视频生成分解为跨块上下文传播的局部连续性与参考信号的全局一致性
- 提出 Adaptive Signal Routing，用可学习注意力偏置与 cross-attention 残差尺度自适应调节条件影响
- 扩展 VerseBench 评测，支持推理时以真值模态条件实现无限长度 audio-to-video / video-to-audio
Inter-3D VQA: A Roadside Multimodal Benchmark for 3D Spatiotemporally Grounded Visual Question Answering（在新窗口打开）
提出路口路侧 Inter-3D VQA 基准与 Inter-Geo 基线，评测 MLLM 的三维时空推理。
- 构建同步点云与多视角的大规模路侧 3D 时空 VQA 基准
- 提出融合 LiDAR 对齐表示的 MLLM 基线 Inter-Geo
- 提出统一评估文本一致、数值与语义正确性的 Inter-Metrics
Guardrail-Agnostic Societal Bias Evaluation in Large Vision-Language Models（在新窗口打开）
提出不直接询问人物属性的 LVLM 社会偏见评测范式，在护栏模型上仍可稳定测偏。
- 将评测任务与图中人物解耦，用虚构故事等提示规避拒答
- 在故事生成、术语解释、考试式问答三任务上实例化方法
- 评测20个LVLM并分析开源与闭源模型的偏见差异及成因
TEMPO: Temporally-grounded Multi-task Post-training for Large Audio-Language Models（在新窗口打开）
统一音频/语音/音乐时间戳任务，SFT 为主、GRPO 微调，超越 Audio Flamingo Next 等。
- 原子时间戳 token、时间感知投影与 distance-aware Gaussian loss
- 合成到真实课程学习，119K 训练与 10K 评测 benchmark
- 首次将 GRPO 用于统一音频时间戳，在 verifiable 时序奖励上 refinement
CateKV: On Sequential Consistency for Long-Context LLM Inference Acceleration（在新窗口打开）
发现部分注意力头具有顺序一致性，提出混合 KV 缓存 CateKV，在精度接近全注意力下显著降内存并加速解码。
- 用变异系数算法识别具顺序一致性的注意力头
- 混合 KV 缓存：一致头保留关键 token，自适应头保留多数 KV
- 长上下文基准上内存最高约 2.72× 降低、解码约 2.18× 加速
PAC: Progress-Augmented Advantage Curriculum for Multi-Task Reinforcement Learning of LLMs（在新窗口打开）
结合优势可学性与近期奖励增益，用 Thompson Sampling 分配 GRPO 任务 rollout，提升样本效率与最终表现。
- 提出 PAC，联合优势派生可学性与实际奖励增益做在线课程
- Bayesian Thompson Sampling 控制器在 GRPO 中动态分配各任务 rollout
- 多层级与多域推理设定上优于随机与仅优势基线的效率与最终分数
Stride-k Subsampling: Train-Free Audio Token Reduction for Whisper（在新窗口打开）
对 Whisper 卷积 stem 与编码器做 stride-k 确定性抽 token，可大幅减算力且多数 ASR 上 WER 接近基线。
- 提出无需训练的 stride-k 子采样，在 stem 与编码器两处 k=2 可保留基线 WER
- 双位置 stride-2 将音频 token 减75%、总 GFLOPs 降52–58%，并降低 SpeechLM 端到端延迟
- 用 CKA 解释 stem 声学重叠与编码器注意力重分配带来的表示稳定性
Test-Time Scaling for Video Diffusion Models via Diagnosis-Guided Candidate Recycling（在新窗口打开）
GEARS 在视频 TTS 中回收低分候选并经 SDEdit 修复，同 NFE 下显著提升 VBench 表现。
- 提出 diagnosis-guided candidate recycling 的免训练视频 TTS 框架 GEARS
- Stage-Aware Scheduler 与 Candidate Recycler 协同决定修复与保留
- 1.3B 模型总分可接近 14B 对手，验证调度与流形感知重去噪必要性
ContextBias: Controlled Evaluation of Bias Persistence Under Context Shift in Text-to-Image Models（在新窗口打开）
ContextBench 控制角色与上下文变化，发现无关上下文不抑制职业关联视觉属性且跨角色属性集中度上升。
- 提出 ContextBias 框架与覆盖92角色、1656提示的 ContextBench
- 系统评估上下文无关、相关与无关条件下角色-linked 视觉表征
- 揭示无上下文评测难以发现的刻板印象持久性并公开数据与代码
VisER: Visual Evidence and Reliance for Object Hallucination Detection in LVLMs（在新窗口打开）
训练无关的 VisER 从视觉证据与视觉依赖两侧评估物体提及，提升 LVLM 物体级幻觉检测 AUROC/AUPR。
- 区分物体支持来自图像还是生成前缀的来源混淆问题
- Visual Evidence 与 Visual Reliance 双视角物体级指标
- 多 LVLM 与基准上优于多种内部信号基线
PRO-Step: Step-level Process Reward Optimization for Retrieval-Augmented Generation（在新窗口打开）
训练生成式 PRM 逐步评估逻辑与证据 grounding，用价值树搜索构偏好对并做步骤级 DPO。
- 指出现有过程监督仍对照最终答案，易奖励检索错误却答对的 spurious success
- PRO-STEP 用 PRM 双维评估步骤，PRM 引导价值树搜索构造偏好对并步骤级 DPO
- 单跳与多跳 QA 五基准上平均 EM/F1 最优
SCAFFOLD: Self-Improving Web Agents via Recursive Parametric Skill Abstraction（在新窗口打开）
从成功轨迹诱导可执行技能层级库，MDL 压缩并蒸馏回权重，在 WebArena 等上较最强技能基线显著提升。
- 在多实例抽象约束下从成功轨迹诱导参数化、可执行技能并形成递归调用层级
- 以 MDL 与行为等价检查压缩技能库，避免扁平 prompt 缓存式技能框架的冗余
- 周期性将技能增强轨迹蒸馏进模型权重，五轮自改进单调增益且无库崩溃
Diagnose, Then Refine: A Closed-Loop TTS System with AudioLLM-Guided Correction（在新窗口打开）
LoopTTS 用 AudioLLM 判韵律缺陷并驱动 Refiner 做指令式重合成，改善低质量语音。
- 提出 Filter-Judge-Refiner 闭环 TTS 框架 LoopTTS
- 构建 42K 词级韵律弱监督的 Refiner-DB 训练 Refiner
- 在人评低质量样本上优于开环重生成基线
RegionCache: Semantic-Aware Region Reuse for Efficient Multi-Turn Image Generation（在新窗口打开）
多轮局部编辑时复用未变区域的扩散状态，在 PixArt-alpha 上约1.43–2.55倍加速且画质相当。
- 针对多轮编辑中全图重复计算提出语义感知区域复用框架
- 用语义重叠与 cross-attention 定位可复用区域并自适应调度
- 在 DiT 编辑流水线上实现端到端加速且保持可比图像质量
CAST: Critique-Aware Supervision for Training Reliable Long-Horizon Tool-Calling Agents（在新窗口打开）
从轨迹合成动作级 critique rationales，联合训练 critique 与策略以提升多步工具调用可靠性。
- 将稀疏任务结果转为动作级 critique 监督框架 CAST
- 在部分可观测下合成结构化动作有效性解释
- Retail pass^4 超 GPT-OSS-120B 10%+，Telehealth 域外再升 9%
Ouroboros: Self-Referential Backdoor Attacks on Speech Enhancement via Clean Audio Triggers（在新窗口打开）
利用增强模型理想干净输出作自然触发器，无需外注入即可在推理时激活语音增强后门。
- 针对被动处理的语音增强提出无需主动注入的后门框架
- 干净理想输出作为触发，攻击成功率高且主任务退化小
- 物理世界未篡改干净录音可激活，并对常见防御仍有效
GUIDE: Guiding Internal Evidence with Language Instructions（在新窗口打开）
分组参数高效适配与指令门控调制多模态证据通路，在扰动下更鲁棒且可控制证据依赖。
- GUIDE 框架用指令条件门控调节推理与生成中的证据通路
- 提出 reliance sensitivity、通路调制等 pathway 级评测框架
- 多数据集上在保持任务行为同时实现指令对齐的证据重分配
AgentProv: Auditing Agentic LLM API Providers via Tool-use Policy Probes（在新窗口打开）
基于工具调用分布指纹与 MMD 置换检验，审计商用 Agent API 是否偷换 backbone，降低文本通道误判。
- 提出首个面向 Agentic API 的动作通道身份审计 AgentProv，利用权重内化的 tool-use 行为
- 用 categorical tool-call 分布指纹并通过 MMD permutation test 判定模型身份
- 在630对 checkpoint 上检出全部替换模型，系统提示注入下假阳性率约7%
PhysWave: Physics-Guided Latent Diffusion Models for Controllable Spatial Audio Generation（在新窗口打开）
PhysWave 用可微声学先验与 waypoint-caption 统一文本与轨迹，生成空间一致的 FOA。
- 物理引导 latent diffusion 实现 text-to-FOA 与自然语言/轨迹统一控制
- 引入球谐方向与反平方距离两类可微声学先验
- 构建 300K clip 含轨迹的 FOA 数据集并验证空间一致性
ClearText-Video: A Large-Scale Text-Centric Video Dataset Bridging Video Restoration and Scene-Text Enhancement（在新窗口打开）
发布 CTVid 基准，揭示视频增强未必提升 MLLM 读字与视频 QA 能力。
- 提供含退化/修复配对变体的场景文字丰富 egocentric 视频基准
- 定义 Text-Centric Video Restoration 与 Multi-Quality VideoQA 任务
- 系统评估修复方法与 MLLM，分析质量与文字证据对推理的影响
InteractBench: Benchmarking LLMs on Competitive Programming under Unrevealed Information（在新窗口打开）
构建322道交互式竞技编程基准，揭示强推理模型在交互题上仍存在明显能力缺口。
- 从 Codeforces 等平台整理交互题并配套可离线运行的 interactor
- 评估模型在多轮交互中动态获取信息与维护状态的能力
- 提出细粒度失败分类，区分逻辑错误、协议违规与查询预算超限
Evolutionary Soups: Evolving Mixture-of-Experts for Multi-Objective LLM Alignment（在新窗口打开）
用进化算法训练逐层门控网络，推理时动态合并专家以实现多目标可控生成。
- Evolutionary Soups：MoE 框架实现推理时细粒度生成控制
- 门控网络用超体积贡献进化，更好覆盖非凸 Pareto 前沿
- 三任务上 hypervolume 与效用指标约 20% 提升
Beyond Token-Level Guidance: Inference-Time Alignment of Specialized LLMs via Cross-Family Representation Steering（在新窗口打开）
提出 CREST，在隐藏表示层用引导模型的安全方向 steering，缓解专用模型推理时对齐与安全能力冲突。
- 指出专用模型与通用引导模型能力正交导致 token 级引导失效
- CREST 在表示层 steering，避免 stop token 干扰
- 安全基准上较基线最高提升约 22.2%，并保留领域能力
SPHERE: Automatic Music Upmixing via Audio Language Model Post-Training with Spatial Heuristic Rewards（在新窗口打开）
用 ALM 后训练（拒绝采样 SFT + GRPO）预测多轨空间混音参数，Sphere 奖励引导居中、平衡与空间感。
- 以 ALM 后训练替代任务专用音乐编码器完成自动 upmixing
- 提出含 6 项感知子奖励的 Sphere 确定性奖励套件
- 表明领域知识可编码为可验证奖励并蒸馏进语言模型
MMDS-Bench: Benchmarking Multimodal Large Language Models on Dynamic Stance in Social Media Interactions（在新窗口打开）
提出多模态动态立场诊断基准，显示现有 MLLM 在需关系推理的多模态回帖理解上仍困难。
- 发布含3482条七类动态立场标注的多模态父帖-回复基准及800条诊断子集
- 标注融合、 framing、非字面表达等五类挑战因素以作诊断分析
- 提出 reference-grounded LLM-judge 协议评估推理质量并评测12个 MLLM
SISER: Speaker-Invariant Speech Emotion Recognition with Entropy-Based Adversarial Training（在新窗口打开）
用 wav2vec 2.0 编码与 ECAPA-TDNN 熵对抗训练抑制说话人身份，在 IEMOCAP 上优于基线。
- 将 wav2vec 2.0 与 ECAPA-TDNN 纳入熵基对抗框架以学习说话人不变情感表示
- 指出说话人判别器架构选择对抑制说话人信息至关重要
- 在 IEMOCAP 上 UA 达 60.63%，优于无说话人抑制与浅层判别器方案
Anchoring Speech with Semantics: A Multimodal Adapter Mechanism for Automatic Speech Recognition in Low-Resource Languages（在新窗口打开）
SAMA-ASR 用翻译语义与声学锚 conditioning 解码器，提升台语、客家话等低资源 ASR。
- 提出轻量 SAMA-ASR adapter，融合语义与声学锚
- 评测时可用上游 ST 模型自动生成语义锚
- 在 30 小时级数据集上优于声学与仅语义引导基线
OptiGeo: Efficient Monocular Geometry for Embodied Perception in Optically Challenging Scenes（在新窗口打开）
OptiGeo 用偏置感知训练与少量透明场景渲染数据修正传感器监督偏差，小模型在透明场景深度上优于更大基线。
- 将透明/反射等光学失败定位为基模型训练中的局部失败模式
- 用 clean-geometry 教师与 residual-trimmed 对齐 rehabilitate 有偏真实深度监督
- 30M 参数在透明场景基准上优于 300M 级单目与十亿级多视图方法并验证导航案例
Reactivating Test-Time Scaling for Plane Geometry Problem Solving（在新窗口打开）
MTS 多样化推理迹、PA 结构化读图与 CG-MTE 集成，使几何 test-time scaling 有效且采样降本。
- Multi-Trace Synthesis 将符号程序转为 Python/CoT 等异质推理迹
- Perception-Augmented 训练先解析图表语义再演绎
- CG-MTE 在相近精度下自一致采样成本最高约 8 倍降低
EVAR: Evidence-Validated Hypothesis Admission for Budget-Aware Narrative Reasoning（在新窗口打开）
EVAR 将叙事编译为锁定证据库，假设经验证后才准入推理轨迹，提升性能与证据忠实度并控制成本。
- 构建不可变、带来源链接的原子主张证据库并分配推理预算
- 对候选假设构造验证挑战，支持/隔离/丢弃后再继续推理
- 在 NarraCrime 等基准上改进任务表现与 evidence faithfulness
How do World Models and Policies Compose in LLM Agents? A Joint Spectral and Behavioral Account（在新窗口打开）
对照实验剖析世界模型与策略训练的参数更新几何互补性及顺序训练的行为差异。
- 世界模型更新低秩且与策略共享输入子空间、输出方向近正交
- 顺序训练在移除世界模型主输入方向时更鲁棒、探索更广
- 训练-free 合并与策略 RL 中在线世界模型 loss 可减轻知识遗忘
DERELAB: Probing Defeasible Reasoning and Confirmation Bias in LLMs with a Generative Benchmark（在新窗口打开）
DeReLab 从参数化图结构生成多轮信念更新对话，形式化真值，揭示模型系统性确认偏误。
- 生成式框架覆盖 default 与 inheritance 等非单调推理
- 每轮形式验证 ground truth，支持可控实验设计
- 评估九款模型发现普遍易接受一致证据、抗拒不一致更新
Zero-Shot Respiratory Sound Classification through LLM-Augmented Audio-Text Alignment（在新窗口打开）
用医学 LLM 合成报告作语义锚点，对齐呼吸音编码器与术语，九任务零样本 AUC 均值优于 CLAP 等。
- 在共享潜空间对齐自监督呼吸音编码器与医学术语，支撑零样本推理
- 用 medical LLM 从元数据合成结构化报告缓解配对数据稀缺
- 六数据集九任务上零样本与线性探测表现优于通用大规模音文模型
Improving Parameter Utilization by Sharing Neural Experts Across Layers in Transformers（在新窗口打开）
CS-MoE 在层间共享全局专家池，仅激活约 55% 参数即优于同规模稠密模型并逼近更高算力 MoE。
- 提出 CS-MoE：层独立专家与中心化跨层共享专家池并存，弹性控制 token 级激活与 FLOPs
- 同规模下 perplexity 低于稠密 Transformer，激活专家数增加时性能单调提升
- 在固定 FLOPs 预算下扩展共享池可在算力与容量间形成灵活 Pareto 前沿
ACTD: Anchor-Based Cross-Tokenizer Distillation with Residual Regularization（在新窗口打开）
通过词表与序列对齐及锚点损失缓解跨分词器蒸馏噪声，在多项推理基准上达到 SOTA。
- 提出 ACTD，用锚点损失与残差正则减轻对齐引入的蒸馏噪声
- 在词汇与序列层面桥接异构教师-学生结构
- 扩展多教师设置并在五个推理基准与三种教师上验证有效性
CapFrame: Text-Instructed Viewpoint Grounding in 3D Gaussian Scenes via Geometric Pseudo Labels（在新窗口打开）
提出 TIVG 任务与 CapFrame，将文本转为几何伪标签并优化 6-DoF 相机位姿，使渲染帧对齐语言指令。
- 定义文本指令视点定位（TIVG）任务
- Retrieve-Translate-Refine 流水线结合 MLLM 与可微 3DGS 优化
- 38 场景 135 条指令上优于启发式视点搜索等基线
Reading the News: Adapting Large Language Models to Swedish Journalism Through Continued Pre-Training（在新窗口打开）
在自策展瑞典新闻语料上继续预训练，配合经验回放缓解遗忘，并构建六类编辑任务域内基准。
- 策展百万级新闻文章数据集并构建六任务域内评测基准
- 继续预训练需配合经验回放方在目标域有效，提升生成与事实知识
- 指出通用瑞典基准难以反映域内适配收益，强调 targeted evaluation
Rethinking Language's Role in Efficient VLA for Autonomous Vehicles: Toward Smarter, Trustworthy Driving（在新窗口打开）
提出 Language Residue taxonomy，按推理阶段语言用法梳理车载 VLA 的效率与部署权衡。
- L1–L4 分类：训练监督、潜推理、条件调用、逐帧生成
- 从延迟、参数量、内存、FLOPs、token 五轴对比代表性方法
- 覆盖 nuScenes、NAVSIM、Bench2Drive 等开闭环 benchmark 综述
Fair Like Us? Auditing LLM Alignment in Resource Allocation（在新窗口打开）
提出 LLM 公平推理评测框架，发现模型比人类更严、更自利且难用现有数据微调对齐人类判断。
- 给出评估 LLM 在稀缺不可分资源分配中公平推理的通用方法
- 多模型第一人称公平判断与人类在匹配场景下直接对比的系统研究
- 揭示 LLM 对信息 framing 敏感且当前微调数据集难以对齐人类公平偏好
HiVe: Beyond Static Prompts for Multitask Learning via Hierarchy-based Vertical Mixture-of-Experts（在新窗口打开）
HiVe 构建任务相关提示层级，推理时用 V-MoE 按输入自适应组合提示，优于强 prompt tuning 基线。
- 提出层级 prompt 结构并在训练中利用任务间关系
- 推理阶段用 vertical MoE 按输入选择组合深度
- 在多样任务上 consistently 优于现有 prompt tuning 方法
Perceptually Better, Semantically Worse: Measuring Speech Enhancement Impact on LLM-Based Voice Systems（在新窗口打开）
提出 ODR 度量 SE 是否改变 LLM 意图分类，发现 PESQ 等与下游 LLM 表现相关性弱甚至 SE 加剧分歧。
- 定义 Output Divergence Rate（ODR）衡量 SE 对 LLM 输出的影响
- 在 SLURP 上系统对比多种 SE 与级联 ASR 架构
- 表明传统音频质量指标不足以预测 LLM 流水线质量
Co-Annotator: Expert-Distilled ViT and VLM for Visual and Documentation Guidance in Age-Related Macular Degeneration（在新窗口打开）
蒸馏专家注视与口述，用 gaze 对齐 ViT 与本体约束 VLM 辅助 OCT 阅片与 biomarker 文档，联合部署显著提升效率。
- 注视对齐 ViT 产生 AOI，ontology-bounded VLM 预填 biomarker 摘要
- 住院医师研究中各模态独立安全有效
- 双模态联合部署提高诊断效率并降低注释编辑时间且不损准确率
BiG-SURE - Bipartite Graph for Semantic Uncertainty and Reliability Estimation of LLMs（在新窗口打开）
用低/高温度采样与 NLI 构锚-探针二部图，以谱能量定义黑盒 LLM/VLM 的 SURE 置信度。
- 提出基于跨温度语义一致性的 BiG-SURE 黑盒不确定性估计
- 用锚-探针二部图与归一化平方谱能量度量语义对齐
- 文本/多语言/多模态 QA 上提升 abstention AUROC，无需监督
XQDT: eXplainable and Quantitative Data-Text Alignment Metric with Feedback Signals（在新窗口打开）
微调语言模型做数据-文本对的细粒度对齐诊断，聚合为 P/R/F1 并可作下游修正信号。
- 端到端可解释度量：识别遗漏、多余、错误与正确数据单元
- 局部判断聚合为 precision/recall/F1，优于 LLM-as-Judge 的错误预测
- 验证器输出可用于 data-to-text 与 text-to-data 的对齐改进
Detecting AI Impostors: How Do Middle Schoolers Identify LLM Agents in a Live Collaborative Setting?（在新窗口打开）
通过合作社交推理游戏 DoppelBot 研究初中生识别 LLM 冒充，准确率随暴露提升并转向社会语境线索。
- 设计 DoppelBot 合作社交推理游戏以研究青少年对 AI 冒充的检测与反应
- 发现检测准确率随重复暴露提高，策略由语言线索转向共享社会与语境信号
- 发布匿名化游戏 transcript 与投票行为数据集供后续研究
没有符合条件的论文。