语言大模型 / LLM

Improved Iterative Refinement for Chart-to-Code Generation via Structured Instruction

改进的图表到代码生成的迭代细化方法：基于结构化指令

Chengzhi Xu, Yuyang Wang, Lai Wei, Lichao Sun, Weiran Huang

机构 * School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学学院） ； Shanghai Innovation Institute（上海创新研究院） ； Lehigh University（莱特大学） ； MIFA Lab（MIFA实验室） 纠错

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

AI总结 本文提出基于结构化指令的ChartIR方法，通过区分视觉理解和代码翻译任务，提升图表到代码生成的性能，实验显示在Qwen2-VL和GPT-4o上表现优异。

Code-switching Speech Recognition Under the Lens: Model- and Data-Centric Perspectives

代码切换语音识别的多视角审视：模型与数据为中心的视角

Hexin Liu, Haoyang Zhang, Qiquan Zhang, Xiangyu Zhang, Dongyuan Shi, Eng Siong Chng, Haizhou Li

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

AI总结 本文从模型和数据两个角度分析代码切换语音识别的挑战，提出简化等价约束理论（SECT）提升ASR性能和语言质量，通过数据增强和提示策略改进代码切换文本生成。

Comments 14 pages, 4 figures, 10 tables, accepted to IEEE TASLP. Copyright has been transferred to IEEE

VibeContract: The Missing Quality Assurance Piece in Vibe Coding

VibeContract： vibe编码中缺失的质量保证环节

Song Wang

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

AI总结 本文提出VibeContract框架，通过将高层次自然语言意图分解为任务序列并生成任务级合同，以提升LLM生成代码的正确性、鲁棒性和可维护性。

An Interpretable Machine Learning Framework for Non-Small Cell Lung Cancer Drug Response Analysis

一种可解释的机器学习框架用于非小细胞肺癌药物反应分析

Ann Rachel, Pranav M Pawar, Mithun Mukharjee, Raja M, Tojo Mathew

机构 * Department of Computer Science（计算机科学系） ； Birla Institute of Technology and Science Pilani（比拉理工学院和科学学院） 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 本文提出基于多组学数据的可解释机器学习框架，利用XGBoost预测肺癌药物反应，并通过SHAP和DeepSeek解释关键基因和通路的作用。

Comments 26 pages, 8 figures

QV May Be Enough: Toward the Essence of Attention in LLMs

QV可能足够：探索Transformer架构中注意力的本质

Zhang Edward

机构 * Aliyun（阿里云） 纠错

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

AI总结 本文从词性标注和句法分析出发，探讨Transformer中QKV机制的本质，提出QV范式并验证其有效性，通过实验验证QV-Ka优化方案，为大语言模型发展奠定理论基础。

Why We Need to Destroy the Illusion of Speaking to A Human: Critical Reflections On Ethics at the Front-End for LLMs

为什么我们需要摧毁与人类交谈的幻觉：关于LLMs前端伦理的批判性反思

Sarah Diefenbach, Daniel Ullrich

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

AI总结 本文探讨了基于LLM的聊天机器人与人类对话的相似性及其伦理挑战，提出改进AI前端设计的伦理原则。

Comments CHI 2026 Conference on Human-Computer Interaction

PanguMotion: Continuous Driving Motion Forecasting with Pangu Transformers

PanguMotion: 基于Pangu Transformer的连续驾驶运动预测

Quanhao Ren, Yicheng Li, Nan Song

机构 * School of Data Science, Fudan University（复旦大学数据科学学院） 纠错

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

AI总结 本文提出PanguMotion框架，利用Pangu-1B的Transformer模块提升连续驾驶场景的运动预测能力，通过Argoverse 2数据集的RealMotion策略生成连续序列以提升预测准确性。

Algorithmic Trust and Compliance: Benchmarking Brand Notability for UK iGaming Entities in Generative Search Engines

算法信任与合规：在生成搜索引擎中评估英国在线博彩实体的品牌知名度

Julen Oruesagasti

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

AI总结 本文探讨生成搜索引擎中品牌知名度的评估方法，分析合规信号如何影响大语言模型的权威性，提出新的优化框架。

Comments Technical Report. Produced by Interamplify Research Division (UK)

SineProject: Machine Unlearning for Stable Vision Language Alignment

SineProject：用于稳定视觉语言对齐的机器反遗忘

Arpit Garg, Hemanth Saratchandran, Simon Lucey

机构 * Australian Institute for Machine Learning（澳大利亚机器学习研究所） 纠错

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

AI总结 SineProject通过在冻结的投影器中加入正弦调制的可训练参数，提升Jacobian的谱条件数，稳定反遗忘过程中的视觉语言对齐，减少无害查询拒绝并实现目标信息遗忘。

Comments Accepted at CVPR 2026

The Agentic Researcher: A Practical Guide to AI-Assisted Research in Mathematics and Machine Learning

代理研究员：人工智能辅助数学和机器学习研究的实用指南

Max Zimmer, Nico Pelleriti, Christophe Roux, Sebastian Pokutta

机构 * Department for AI in Society, Science, and Technology（人工智能与社会、科学和技术部门） ； Zuse Institute Berlin（柏林Zuse研究所） ； Institute of Mathematics（数学研究所） ； Technische Universität Berlin（柏林技术大学） 纠错

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

AI总结 本文提出了一种开源框架，通过方法学规则将CLI编码代理转化为自主研究助手，并通过深度学习和数学案例研究，指导研究人员如何有效利用AI工具进行研究。

Diverging Transformer Predictions for Human Sentence Processing: A Comprehensive Analysis of Agreement Attraction Effects

Transformer预测在人类句子处理中的分歧：对一致吸引效应的全面分析

Titus von der Malsburg, Sebastian Padó

机构 * University of Stuttgart（斯图加特大学） 纠错

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

AI总结 本文通过对比不同大小和架构的Transformer模型，评估其在英语一致吸引配置中的表现，发现模型在处理宾语提取相对从句时表现不佳，无法复制人类的不对称干扰模式。

More Rounds, More Noise: Why Multi-Turn Review Fails to Improve Cross-Context Verification

更多轮次，更多噪声：为什么多轮次审查未能提升跨上下文验证

Song Tae-Eun

机构 * Daejeon Jungang Cheonggua Co., Ltd.（大田金江青瓜公司） 纠错

专题命中 其他LLM ：LLM(abstract)；分类 cs.CL

AI总结 本文研究了多轮次审查对跨上下文验证的影响，发现单次审查性能优于多轮次方法，多轮次导致召回率提升但假阳性增加，精度下降，归因于假阳性压力和审查目标漂移。

Comments 10 pages, 2 figures

General Mechanism of Evolution Shared by Proteins and Words

蛋白质和词语共享的进化通用机制

Li-Min Wang, Hsing-Yi Lai, Sun-Ting Tsai, Chen Siang Ng, Kevin Sheng-Kai Ma, Shan-Jyun Wu, Meng-Xue Tsai, Yi-Ching Su, Daw-Wei Wang, Tzay-Ming Hong

机构 * 1 Department of Physics, National Tsing Hua University, Hsinchu 30013, Taiwan, Republic of China 2 Department of Physics ； Institute for Physical Science ； Technology, University of Maryland, College Park, MD 20742, U.S.A. 3 Institute of Molecular ； Cellular Biology \& Department of Life Science, National Tsing Hua University, Hsinchu 30013, Taiwan, Republic of China 4 Center for Global Health, Perelman School of Medicine, University of Pennsylvania, Philadelphia, Pennsylvania, U.S.A. 5 Department of Linguistics, National Tsing Hua University, Hsinchu 30013, Taiwan, Republic of China 纠错

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

AI总结 本文通过建立新的统计关系，揭示蛋白质和词语共同的进化机制，提出基于最小努力原理的熵公式量化自然选择，并探讨环境变化对新蛋白质和词语产生的影响。

Make it SING: Analyzing Semantic Invariants in Classifiers

使分类器具备语义不变性：分析分类器中的语义不变性

Harel Yadid, Meir Yossef Levi, Roy Betser, Guy Gilboa

机构 * Viterbi Faculty of Electrical and Computer Engineering（电气与计算机工程学院） 纠错

专题命中 其他LLM ：language model(abstract)

AI总结 本文提出SING方法，通过构建等价图像并赋予语义解释，揭示分类器中语义不变性，分析不同模型在保持语义方面的差异。

Comments Accepted to the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2026

Synergizing Understanding and Generation with Interleaved Analyzing-Drafting Thinking

融合理解与生成的交错分析-草稿思维

Shengqiong Wu, Bobo Li, Xinkai Wang, Xiangtai Li, Lei Cui, Furu Wei, Shuicheng Yan, Hao Fei, Tat-seng Chua

机构 * National University of Singapore（国立新加坡大学） ； University of Oxford（牛津大学） ； Nanyang Technological University（南洋理工大学） ； Microsoft Research（微软研究院） 纠错

专题命中 其他LLM ：language model(abstract)

AI总结 本文提出AD-Loop机制，通过交错分析与草稿操作提升视觉语言模型的理解与生成能力，实验表明其在多个基准测试中表现优异，具备良好的迁移性。

Comments 28 pages, 17 figures, 6 tables, ICLR conference