语言大模型 / LLM

Playsemble: Learning Low-Level Programming Through Interactive Games

Playsemble: 通过互动游戏学习低级编程

Elliott Wen, Paul Denny, Andrew Luxton-Reilly, Sean Ma, Bruce Sham, Chenye Ni, Jun Seo, Yu Yang

专题命中 领域大模型 ：large language model(abstract)；language model(abstract)

AI总结 Playsemble通过互动游戏帮助学生学习汇编编程，提升参与度和理解深度。

Domain-Partitioned Hybrid RAG for Legal Reasoning: Toward Modular and Explainable Legal AI for India

领域划分混合RAG用于法律推理：迈向模块化和可解释的印度法律AI

Rakshita Goel, S Pranav Kumar, Anmol Agrawal, Divyan Poddar, Pratik Narang, Dhruv Kumar

机构 * Birla Institute of Technology and Science, Pilani（巴尔·印度技术科学学院，比兰地） 纠错

专题命中 领域大模型 ：LLM(abstract)；分类 cs.CL、cs.AI

AI总结 本研究提出了一种针对印度法律研究的领域划分混合RAG与知识图谱架构，通过模块化设计和结构化关系推理提升法律AI的可解释性和推理能力。

See, Act, Adapt: Active Perception for Unsupervised Cross-Domain Visual Adaptation via Personalized VLM-Guided Agent

看见、行动、适应：通过个性化VLM引导代理的主动感知用于无监督跨域视觉适应

Tianci Tang, Tielong Cai, Hongwei Wang, Gaoang Wang

机构 * Zhejiang University, Hangzhou, China（浙江大学） 纠错

专题命中 领域大模型 ：language model(abstract)；分类 cs.AI

AI总结 Sea$^2$通过智能姿态控制代理实现无监督跨域视觉适应，利用现成感知模型提升视觉任务性能。

InfoBridge: Mutual Information estimation via Bridge Matching

InfoBridge: 通过桥接匹配估计互信息

Sergei Kholkin, Ivan Butakov, Evgeny Burnaev, Nikita Gushchin, Alexander Korotin

机构 * Applied AI Institute（应用人工智能研究所） ； Institute of Numerical Mathematics (RAS)（俄罗斯科学院数值数学研究所） ； Moscow Independent Research Institute of Artificial Intelligence（莫斯科独立人工智能研究所） 纠错

专题命中 领域大模型 ：language model(abstract)；分类 cs.LG

AI总结 InfoBridge通过桥接匹配方法，解决两个随机变量间互信息估计问题，提供无偏估计器并在多个基准测试中展示性能。

Vision-Language Semantic Grounding for Multi-Domain Crop-Weed Segmentation

面向多领域作物杂草分割的视觉-语言语义定位

Nazia Hossain, Xintong Jiang, Yu Tian, Philippe Seguin, O. Grant Clark, Shangpeng Sun

机构 * Department of Bioresource Engineering, McGill University（生物资源工程系，麦吉尔大学） ； Department of Plant Science, McGill University（植物科学系，麦吉尔大学） 纠错

专题命中 领域大模型 ：pretraining(abstract)

AI总结 VL-WS通过视觉-语言对齐实现多领域作物杂草细粒度分割，提升泛化能力和数据效率。

Uncertainty Quantification for Multimodal Large Language Models with Incoherence-adjusted Semantic Volume

多模态大语言模型的不确定性量化：基于不一致性调整的语义体积

Gregory Kang Ruey Lau, Hieu Dao, Nicole Kan Hui Lin, Bryan Kian Hsiang Low

机构 * Department of Computer Science, National University of Singapore（新加坡国立大学计算机科学系） 纠错

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

AI总结 UMPIRE是一种无需训练的多模态大语言模型不确定性量化框架，通过内部特征有效捕捉语义多样性和响应不一致性，提升错误检测和不确定性校准性能。

Comments Earlier versions presented at ICLR 2025 QUESTION workshop and ICML 2025 R2-FM workshop

Look Carefully: Adaptive Visual Reinforcements in Multimodal Large Language Models for Hallucination Mitigation

仔细观察：多模态大语言模型中的自适应视觉增强以缓解幻觉

Xingyu Zhu, Kesen Zhao, Liang Yi, Shuo Wang, Zhicai Wang, Beier Zhu, Hanwang Zhang

机构 * MoE Key Lab of BIPC, University of Science and Technology of China（信息与电子技术联合实验室，中国科学技术大学） ； Nanyang Technological University（南洋理工大学） 纠错

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

AI总结 本研究提出自适应视觉增强框架AIR，通过减少冗余标记和选择性整合补丁来缓解多模态大语言模型中的幻觉问题。

Comments ICLR 2026

Detoxifying LLMs via Representation Erasure-Based Preference Optimization

通过基于表示擦除的偏好优化来净化大语言模型

Nazanin Mohammadi Sepahvand, Eleni Triantafillou, Hugo Larochelle, Doina Precup, Daniel M. Roy, Gintare Karolina Dziugaite

机构 * McGill University（麦吉尔大学） ； Mila ； Google DeepMind（谷歌DeepMind） ； University of Toronto（多伦多大学） ； Vector Institute（向量研究所） 纠错

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

AI总结 本文提出REPO方法，通过基于表示擦除的偏好优化，有效净化大语言模型，提升其对抗鲁棒性。

Semantic Regexes: Auto-Interpreting LLM Features with a Structured Language

语义正则表达式：通过结构化语言自动解释LLM特性

Angie Boggust, Donghao Ren, Yannick Assogba, Dominik Moritz, Arvind Satyanarayan, Fred Hohman

机构 * MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） ； Apple（苹果公司） 纠错

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

AI总结 语义正则表达式通过结构化语言自动解释LLM特性，提供精确且简洁的特征描述，提升模型可解释性分析的准确性和一致性。

Comments ICLR 2026

Leveraging Multimodal LLM Descriptions of Activity for Explainable Semi-Supervised Video Anomaly Detection

利用多模态大语言模型对活动的描述进行可解释的半监督视频异常检测

Furkan Mumcu, Michael J. Jones, Anoop Cherian, Yasin Yilmaz

机构 * Department of Electrical Engineering University of South Florida（电气工程系 佛罗里达州立大学） ； Mitsubishi Electric Research Laboratories (MERL)（三菱电机研究实验室（MERL）） 纠错

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

AI总结 本文提出利用多模态大语言模型描述活动，以实现可解释的半监督视频异常检测，有效检测复杂交互异常并提升模型可解释性。

GLUScope: A Tool for Analyzing GLU Neurons in Transformer Language Models

GLUScope：一种用于分析Transformer语言模型中GLU神经元的工具

Sebastian Gerstner, Hinrich Schütze

机构 * LMU Munich and Munich Center for Machine Learning (MCML)（慕尼黑大学和慕尼黑机器学习中心） 纠错

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

AI总结 GLUScope是一种用于分析Transformer语言模型中GLU神经元符号组合的开源工具，通过展示不同符号组合的文本示例和出现频率，帮助研究人员获得新的可解释性洞察。

Comments 6 pages for main body, 9 pages in total. 4 figures

Understanding In-Context Learning Beyond Transformers: An Investigation of State Space and Hybrid Architectures

超越Transformer的理解：对状态空间和混合架构的调查

Shenran Wang, Timothy Tin-Long Tse, Jian Zhu

机构 * The University of British Columbia（不列颠哥伦比亚大学） 纠错

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

AI总结 本文通过行为探测和干预方法，探讨了不同架构在ICL任务中的表现差异，发现FVs主要位于自注意力和Mamba层，并揭示了Mamba2的ICL机制与FVs的不同。

Uncertainty-aware Language Guidance for Concept Bottleneck Models

具有不确定性的语言指导的概念瓶颈模型

Yangyi Li, Mengdi Huai

机构 * Iowa State University（爱荷华州立大学） 纠错

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

AI总结 本文提出了一种具有不确定性的概念瓶颈模型方法，通过量化LLM标注概念的不确定性并将其纳入训练过程，以提高模型的可靠性和准确性。

VCWorld: A Biological World Model for Virtual Cell Simulation

VCWorld：一种用于虚拟细胞模拟的生物世界模型

Zhijian Wei, Runze Ma, Zichen Wang, Zhongmin Li, Shuotong Song, Shuangjia Zheng

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

AI总结 VCWorld通过整合生物学知识与大语言模型的推理能力，构建了可解释的虚拟细胞模拟模型，实现了对细胞扰动的高效预测和机理阐释。

Comments Accepted at ICLR 2026

Tracing and Reversing Edits in LLMs

追踪和逆转大语言模型中的编辑

Paul Youssef, Zhixue Zhao, Christin Seifert, Jörg Schlötterer

机构 * Marburg University（马堡大学） ； University of Sheffield（谢菲尔德大学） 纠错

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

AI总结 本研究提出通过分析修改后的权重来追踪和逆转大语言模型中的恶意编辑，实现高准确率的检测与恢复，以增强模型安全性。

Comments Accepted at ICLR 2026

Steering and Rectifying Latent Representation Manifolds in Frozen Multi-modal LLMs for Video Anomaly Detection

在冻结的多模态大语言模型中引导和校正潜在表示流形以进行视频异常检测

Zhaolin Cai, Fan Li, Huiyu Duan, Lijun He, Guangtao Zhai

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

AI总结 SteerVAD通过引导和校正冻结多模态大语言模型的潜在表示流形，提升视频异常检测的性能，仅需1%训练数据即达最优效果。

Comments Accepted by ICLR 2026

Training Generalizable Collaborative Agents via Strategic Risk Aversion

通过战略风险规避训练通用的协作智能体

Chengrui Qu, Yizhou Zhang, Nicolas Lanzetti, Eric Mazumdar

机构 * Caltech Department of Computing and Mathematical Sciences, California Institute of Technology, Pasadena, CA, USA（加州理工学院计算机与数学科学系） ； Caltech（加州理工学院） 纠错

专题命中 知识编辑与模型理解 ：LLM(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出了一种基于战略风险规避的多智能体强化学习算法，通过增强协作鲁棒性，实现与未见过的合作伙伴的可靠协作。

Structured Prompt Optimization for Few-Shot Text Classification via Semantic Alignment in Latent Space

通过潜在空间语义对齐的结构化提示优化实现少样本文本分类

Jiasen Zheng, Zijun Zhou, Huajun Zhang, Junjiang Lin, Jingyun Jia, Qi Wang

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

AI总结 本文提出通过潜在空间语义对齐的结构化提示优化方法，解决少样本文本分类中的语义冲突和标签模糊问题，提升分类性能和跨任务适用性。

An Empirical Study of Collective Behaviors and Social Dynamics in Large Language Model Agents

对大型语言模型代理中集体行为和社会动态的实证研究

Farnoosh Hashemi, Michael W. Macy

机构 * Cornell University（康奈尔大学） 纠错

专题命中 其他LLM ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)；分类 cs.AI

AI总结 本研究通过分析LLM代理的社会互动，发现其存在偏见和排斥行为，并提出CoST方法以防止有害内容的产生。

Comments Accepted at EACL 2026

LLM-Powered Silent Bug Fuzzing in Deep Learning Libraries via Versatile and Controlled Bug Transfer

基于大语言模型的深度学习库中无声bug模糊测试技术：通过多功能且可控的bug转移

Kunpeng Zhang, Dongwei Xiao, Daoyuan Wu, Shuai Wang, Jiali Zhao, Yuanyi Lin, Tongtong Xu, Shaohua Wang

专题命中 其他LLM ：LLM(title,abstract)；large language model(abstract)；language model(abstract)

AI总结 利用大语言模型实现深度学习库中无声bug的模糊测试，通过多功能且可控的bug转移技术发现79个新bug。

Journal ref ACM Program. Lang. 10, OOPSLA1, Article 150 (April 2026), 36 pages

Learning dynamics from online-offline systems of LLM agents

从LLM代理的在线-离线系统学习动态

Moyi Tian, George Mohler, P. Jeffrey Brantingham, Nancy Rodríguez

专题命中 其他LLM ：LLM(title,abstract)；large language model(abstract)；language model(abstract)

AI总结 本文研究了LLM代理在在线-离线系统中信息传播的动态，通过两种数学模型分析不同事件类型和性格对传播的影响，并发现SI模型能有效描述系统动态。

Comments 16 pages, 16 figures, 2 tables

Forecasting Future Language: Context Design for Mention Markets

预测未来语言：提及市场中的上下文设计

Sumin Kim, Jihoon Kwon, Yoon Kim, Nicole Kagan, Raffi Khatchadourian, Wonbin Ahn, Alejandro Lopez-Lira, Jaewon Lee, Yoontae Hwang, Oscar Levy, Yongjae Lee, Chanyeol Choi

机构 * LinqAlpha ； Massachusetts Institute of Technology（麻省理工学院） ； Kalshi ； IBM ； LG AI Research（LG AI研究） ； University of Florida（佛罗里达大学） ； Seoul National University（首尔国立大学） ； Pusan National University（釜山国立大学） ； University of California, Berkeley（加州大学伯克利分校） ； UNIST（全南国立大学） 纠错

专题命中 其他LLM ：LLM(abstract)；large language model(abstract)；language model(abstract)；prompting(abstract)

AI总结 本文研究了提及市场中上下文设计对预测准确性的影响，提出市场条件提示（MCP）方法，通过结合市场概率和文本证据提升预测鲁棒性。

Comments 10 pages

LLM as a Risk Manager: LLM Semantic Filtering for Lead-Lag Trading in Prediction Markets

LLM作为风险管理者：用于预测市场领先滞后交易的LLM语义过滤

Sumin Kim, Minjae Kim, Jihoon Kwon, Yoon Kim, Nicole Kagan, Joo Won Lee, Oscar Levy, Alejandro Lopez-Lira, Yongjae Lee, Chanyeol Choi

专题命中 其他LLM ：LLM(title,abstract)

AI总结 本文提出利用LLM进行语义过滤，以提升预测市场中领先滞后交易的稳定性与收益，通过因果筛选器优化交易策略，减少亏损风险。

Comments 11 pages

CUDA Agent: Large-Scale Agentic RL for High-Performance CUDA Kernel Generation

CUDA Agent: 大规模代理强化学习用于高性能CUDA内核生成

Weinan Dai, Hanlin Wu, Qiying Yu, Huan-ang Gao, Jiahao Li, Chengquan Jiang, Weiqiang Lou, Yufan Song, Hongli Yu, Jiaze Chen, Wei-Ying Ma, Ya-Qin Zhang, Jingjing Liu, Mingxuan Wang, Xin Liu, Hao Zhou

机构 * Institute for AI Industry Research (AIR), Tsinghua University（人工智能产业研究院（AIR）、清华大学） ； SIA-Lab of Tsinghua AIR（清华大学AIR SIA实验室） 纠错

专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.AI、cs.LG

AI总结 CUDA Agent通过大规模代理强化学习系统，实现高性能CUDA内核生成，优于现有编译器和大型语言模型。

France or Spain or Germany or France: A Neural Account of Non-Redundant Redundant Disjunctions

法国或西班牙或德国或法国：对非冗余冗余析取的神经账户

Sasha Boguraev, Qing Yao, Kyle Mahowald

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

专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.CL

AI总结 本文通过神经机制解释了非冗余冗余析取现象，揭示了上下文敏感语义解释的机制，并补充了现有符号分析。

Comments 7 pages, 6 figures

Mixed-Initiative Dialog for Human-Robot Collaborative Manipulation

混合发起对话用于人机协作操作

Albert Yu, Chengshu Li, Luca Macesanu, Arnav Balaji, Ruchira Ray, Raymond Mooney, Roberto Martín-Martín

机构 * UT Austin（得克萨斯大学） ； OpenAI ； NYU（纽约大学） ； University of Edinburgh（爱丁堡大学） 纠错

专题命中 其他LLM ：LLM(abstract)；分类 cs.CL、cs.LG

AI总结 MICoBot通过混合发起对话范式提升人机协作任务的成功率和用户体验。

Comments Project website at https://robin-lab.cs.utexas.edu/MicoBot/

Keyword search is all you need: Achieving RAG-Level Performance without vector databases using agentic tool use

关键词搜索足矣：无需向量数据库即可实现RAG级别的性能

Shreyas Subramanian, Adewale Akinfaderin, Yanyan Zhang, Ishan Singh, Mani Khanuja, Sandeep Singh, Maira Ladeira Tanke

专题命中 其他LLM ：LLM(abstract)；分类 cs.AI

AI总结 本文提出无需向量数据库，通过代理工具使用实现接近RAG的性能，展示了关键词搜索在问答任务中的有效性。

Designing AI Tutors for Interest-Based Learning: Insights from Human Instructors

为基于兴趣的学习设计AI导师：来自人类导师的见解

Abhishek Kulkarni, Sharon Lynn Chu

专题命中 其他LLM ：LLM(abstract)

AI总结 本文通过分析人类导师的教学实践，揭示了基于兴趣的学习中兴趣整合的策略，并为大规模部署LLM驱动的AI导师提供了设计建议。

Open-Vocabulary Semantic Segmentation in Remote Sensing via Hierarchical Attention Masking and Model Composition

通过层次化注意力掩码和模型组合实现遥感开放词汇语义分割

Mohammadreza Heidarianbaei, Mareike Dorozynski, Hubert Kanyamahanga, Max Mehltretter, Franz Rottensteiner

机构 * Institute of Photogrammetry and GeoInformation（摄影测量与地理信息研究所） 纠错

专题命中 其他LLM ：language model(abstract)

AI总结 ReSeg-CLIP通过层次化注意力掩码和模型组合方法，实现无需训练的遥感开放词汇语义分割，取得最优性能。

Comments Published in the proceedings of the British Machine Vision Conference Workshops 2025

Shape vs. Context: Examining Human--AI Gaps in Ambiguous Japanese Character Recognition

形状与上下文：考察人类与AI之间的模糊日文字符识别差距

Daichi Haraguchi

机构 * CyberAgent 纠错

专题命中 其他LLM ：language model(abstract)

AI总结 本研究通过比较人类与VLMs在模糊日文字符识别中的决策模式，揭示了形状上下文对人类与AI对齐的影响。

Comments Accepted to CHI 2026 Poster track