👥 社会计算¶

🔬 ICLR2026 · 17 篇论文解读

📌 同领域跨会议浏览： 📷 CVPR2026 (3) · 💬 ACL2026 (44) · 🧪 ICML2026 (9) · 🤖 AAAI2026 (10) · 🧠 NeurIPS2025 (20) · 📹 ICCV2025 (4)

🔥 高频主题： LLM ×6

Adaptive Debiasing Tsallis Entropy for Test-Time Adaptation: 提出将 Tsallis 熵（SE 的广义形式）引入 VLM 的 Test-Time Adaptation，并进一步发展为自适应去偏 Tsallis 熵（ADTE），为每个类别定制去偏参数 \(q^l\)，在不引入分布特定超参数的情况下比 Shannon 熵选择更可靠的高置信视图，在 ImageNet 及其 5 个变体和 10 个跨域 benchmark 上均超越 SOTA。
BiasFreeBench: a Benchmark for Mitigating Bias in Large Language Model Responses: 本文构建了 BiasFreeBench 基准，首次在统一框架下系统比较 8 种主流去偏方法（4 种 prompting + 4 种 training），聚焦于 LLM 响应层面的偏差评估，并提出了 Bias-Free Score 指标，发现 prompting 方法（尤其是 CoT）整体优于 training 方法，而 DPO 在跨偏差类型泛化上表现突出。
From Five Dimensions to Many: Large Language Models as Precise and Interpretable Psychological Profilers: 只给 LLM 一个人的 20 道大五人格题答案，让它角色扮演去预测这个人在另外 9 个心理量表上的作答，结果 LLM 重建出的"量表间相关结构"与真实人类数据高度对齐（\(R^2>0.88\)），并且通过分析推理链发现 LLM 走的是"先把原始分压缩成自然语言人格摘要、再据此推理"的两阶段抽象过程——它不是语义模式匹配，而是在做真正的心理推理。
GRADIEND: Feature Learning within Neural Networks Exemplified through Biases: 提出GRADIEND——一个基于梯度的编码器-解码器架构，通过单个瓶颈神经元从模型梯度中学习可解释的单语义特征（以性别为例），不仅可以识别哪些权重编码了特定特征，还能通过解码器直接修改模型权重来消除偏见，与INLP结合在所有基线模型上达到SOTA去偏效果。
Human or Machine? A Preliminary Turing Test for Speech-to-Speech Interaction: 对9个SOTA语音对话系统开展首次语音图灵测试（2968次人类判断），发现所有系统均未通过（成功率7%-31%），瓶颈不在语义理解而在副语言特征、情感表达和对话人格，并构建了18维细粒度评估框架和可解释AI评审模型。
INTIMA: A Benchmark for Human-AI Companionship Behavior: INTIMA 把心理学的拟社会互动、依恋、拟人化三套理论，加上对真实 Reddit 用户帖子的质性编码，蒸馏成一个含 31 种行为、368 条情感化 prompt 的基准，再用 LLM 自动给模型回复打上「强化陪伴 / 维持边界 / 中性」三类标签，结果发现 Gemma-3、Phi-4、o4-mini、GPT5-mini、Claude-4 全都明显偏向强化陪伴，而且越是用户脆弱的场景、模型反而越少设边界。
Language and Experience: A Computational Model of Social Learning in Complex Tasks: 作者把"从经验学"（theory-based RL，对可执行的程序化世界模型做贝叶斯推断）和"从别人的话学"（把预训练大模型当成"说话人模型"，用它的似然把一句自然语言建议变成贝叶斯证据）统一进同一个推断框架，在 10 个视频游戏上证明：语言指导能让人和模型都学得更快、更少送命，并支持跨代知识累积与人机互教。
Measuring and Mitigating Rapport Bias of Large Language Models under Multi-Agent Social Interactions: 本文提出 KAIROS 基准，把"历史 rapport（交往默契）× 当前同伴行为 × 模型自信度"三轴精确可控地塞进 quiz 式多智能体协作场景，系统刻画 LLM 在社会压力下的决策偏移，并发现只有带多智能体上下文、用结果奖励的 GRPO 才能在提升准确率的同时保住社会鲁棒性。
Mitigating Mismatch within Reference-based Preference Optimization: 揭示 DPO 的"过早满足"问题——当 reference 策略对 chosen 的概率低于 rejected 时（~45% pairs），DPO 的梯度被 reference 的悲观信号不必要地衰减（即使策略仍然错误即 \(\Delta_\theta < 0\)）；提出 HyPO（一行代码修改：\(\max(0, \Delta_{ref})\) 裁剪 reference margin），在 AlpacaEval 2.0 上相对 DPO 提升 41.2%。
Propaganda AI: An Analysis of Semantic Divergence in Large Language Models: 提出 RAVEN 审计框架，通过结合模型内语义熵和跨模型分歧来检测 LLM 中的概念条件语义分歧——一种类似宣传的行为模式，即高层概念线索（意识形态、公众人物）触发异常一致的立场响应。
SAGE: Spatial-visual Adaptive Graph Exploration for Efficient Visual Place Recognition: 提出 SAGE，一个统一的 VPR 训练框架：引入轻量 Soft Probing 模块增强局部特征判别力，每个 epoch 在线重建融合地理距离与视觉相似度的亲和图，再通过贪心加权团扩展聚焦最难样本，冻结 DINOv2 骨干仅训练 1.96M 参数即在 8 个基准上全面 SOTA。
Scalable Multi-Task Low-Rank Model Adaptation: 系统分析多任务 LoRA 在任务数量增大时崩溃的根因（均匀正则化破坏共享知识 + 组件级 LoRA 放大梯度冲突），提出 mtLoRA：谱感知正则化 + 块级适配 + 细粒度路由，在 15-25 个任务上平均超越 SOTA 2.3%，同时减少 47% 参数和 24% 训练时间。
SocialHarmBench: Revealing LLM Vulnerabilities to Socially Harmful Requests: 提出首个专门针对社会政治危害的LLM安全评估基准 SocialHarmBench，包含585条覆盖7个领域、34个国家的提示，揭示了当前LLM在历史修正主义、宣传操纵等政治敏感场景中的系统性安全漏洞。
Statistical Guarantees in the Search for Less Discriminatory Algorithms: 本文把"企业为满足反歧视法、寻找差别影响更小的替代模型（LDA）"这件事形式化成一个最优停止问题，并给出一套自适应停止算法：在不知道模型性能分布、只能用有限数据评估的现实条件下，对"继续重训能再降多少差别影响"给出一个高置信度上界，使企业可以在收益不再值得成本时停手，并向法院/合规团队出具"搜索已充分"的统计证书。
Steering the Herd: A Framework for LLM-Based Control of Social Learning: 本文把"LLM 作为信息中介"形式化为一个受控序列社会学习模型——规划者只能调节每个个体私有信号的精度（不能造假、不能偏选），而个体在私有信号之外还会观察前人的行动来更新公共信念；作者证明了利他规划者价值函数的凸性、刻画了利他与有偏两类规划者的最优策略（有偏者甚至会主动"模糊"信息），并用 LLM 同时扮演规划者和个体跑仿真，发现 LLM 规划者涌现出的策略与理论最优高度吻合。
The Value of Information in Human-AI Decision-Making: 本文提出一个基于贝叶斯决策理论的框架，用"信息价值"量化人机协同决策中每个信号（AI 预测、人类判断、实例特征）相对于已有决策所能带来的最大期望收益增量，并据此设计出一种突出"人类互补信息"的新解释方法 ILIV-SHAP，在房价预测实验中证明它比普通 SHAP 更能改善人机团队的决策准确率。
Tracing and Reversing Edits in LLMs: 针对知识编辑（Knowledge Editing）的双重使用风险，提出 EditScope 方法从编辑后的权重中推断被编辑的目标实体（准确率高达 99%），以及基于 SVD bottom-rank 近似的无训练编辑逆转方法（逆转率高达 94%），仅依赖编辑后的权重、不需要编辑 prompt 或原始权重信息。