语言大模型 / LLM

SOMP: Scalable Gradient Inversion for Large Language Models via Subspace-Guided Orthogonal Matching Pursuit

SOMP：通过子空间引导的正交匹配追踪实现大规模语言模型的可扩展梯度反向

Yibo Li, Qiongxiu Li

机构 * Politecnico di Milano（米兰理工学院） ； Aalborg University（奥胡斯大学） 纠错

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

AI总结 本文提出SOMP框架，通过子空间引导的正交匹配追踪解决大规模语言模型在大批次和长序列下的梯度反向问题，实现更高的重建保真度和计算效率。

Comments 18 pages, 4 figures, 13 tables

Arabic Morphosyntactic Tagging and Dependency Parsing with Large Language Models

阿拉伯词法句法标注与依赖解析中的大语言模型

Mohamed Adel, Bashar Alhafni, Nizar Habash

机构 * Computational Approaches to Modeling Language Lab（语言建模方法计算实验室） ； New York University Abu Dhabi（纽约大学阿布扎克分校） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） 纠错

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

AI总结 本文评估了大语言模型在阿拉伯语词法句法标注和依赖解析任务中的表现，发现提示设计和示例选择对性能影响显著，专有模型在特征层面标注接近监督基线，且在依赖解析中具有竞争力。

Political Alignment in Large Language Models: A Multidimensional Audit of Psychometric Identity and Behavioral Bias

大语言模型中的政治倾向：心理测量身份与行为偏见的多维审计

Adib Sakhawat, Tahsin Islam, Takia Farhin, Syed Rifat Raiyan, Hasan Mahmud, Md Kamrul Hasan

机构 * Systems and Software Lab (SSL) Department of Computer Science and Engineering（系统与软件实验室（SSL）计算机科学与工程系） 纠错

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

AI总结 研究通过多维心理测量工具审计26个大语言模型，发现模型在政治倾向上聚类于自由主义左 quadrant，且模型身份解释了大部分变异性，但心理测量意识形态未显著预测分类误差。

Comments Under review, 25 pages, 6 figures, 23 tables

Large Language Models for Combinatorial Optimization: A Systematic Review

大语言模型用于组合优化：系统综述

Francesca Da Ros, Michael Soprano, Luca Di Gaspero, Kevin Roitero

机构 * University of Udine（乌迪大学） 纠错

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

AI总结 本文系统回顾了大语言模型在组合优化中的应用，分析了103项研究，涵盖任务类型、模型架构、数据集及应用领域，并探讨了未来发展方向。

BadLLM-TG: A Backdoor Defender powered by LLM Trigger Generator

BadLLM-TG：一种由LLM触发生成器驱动的后门防御系统

Ruyi Zhang, Heng Gao, Songlei Jian, Yusong Tan, Haifang Zhou

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

AI总结 本文提出BadLLM-TG，利用大语言模型的知识，通过提示驱动强化学习生成触发器，用于缓解后门攻击，实验表明其在减少攻击成功率方面表现优异。

Comments 5pages, 2 figures

Small Talk, Big Impact? LLM-based Conversational Agents to Mitigate Passive Fatigue in Conditional Automated Driving

小声谈，大影响？基于LLM的对话代理用于缓解条件自动化驾驶中的被动疲劳

Lewis Cockram, Yueteng Yu, Jorge Pardo, Xiaomeng Li, Andry Rakotonirainy, Jonny Kuo, Sebastien Demmel, Mike Lenné, Ronald Schroeter

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

AI总结 本文研究了基于LLM的对话代理在条件自动化驾驶中缓解被动疲劳的效果，通过实验证明该代理能提升驾驶员警觉性，并揭示了用户对代理的偏好特征。

Comments Preview version of CHI '26 Conference on Human Factors in Computing Systems

Evo-Retriever: LLM-Guided Curriculum Evolution with Viewpoint-Pathway Collaboration for Multimodal Document Retrieval

Evo-Retriever：基于观点-路径协作的LLM引导课程进化多模态文档检索框架

Weiqing Li, Jinyue Guo, Yaqi Wang, Haiyang Xiao, Yuewei Zhang, Guohua Liu, Hao Henry Wang

机构 * Alibaba Cloud Computing（阿里巴巴云计算） 纠错

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

AI总结 本文提出Evo-Retriever框架，通过LLM引导的课程进化和观点-路径协作提升多模态文档检索性能，实现在ViDoRe V2和MMEB数据集上达到SOTA水平。

Comments Accepted by CVPR2026

From Vulnerabilities to Remediation: A Systematic Literature Review of LLMs in Code Security

从漏洞到修复：对LLMs在代码安全中应用的系统文献综述

Enna Basic, Alberto Giaretta

机构 * Department of Computer Science, Örebro University（奥雷布罗大学计算机科学系） 纠错

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

AI总结 本文系统综述了LLMs在代码安全中的应用，探讨其引入漏洞类型、漏洞检测与修复能力及提示策略影响，以及数据中毒攻击对其性能的影响。

UMO: Unified In-Context Learning Unlocks Motion Foundation Model Priors

UMO：统一上下文学习解锁运动基础模型先验

Xiaoyan Cong, Zekun Li, Zhiyang Dou, Hongyu Li, Omid Taheri, Chuan Guo, Abhay Mittal, Sizhe An, Taku Komura, Wojciech Matusik, Michael J. Black, Srinath Sridhar

机构 * Brown University（布朗大学） ； Massachusetts Institute of Technology（麻省理工学院） ； Meta Reality Lab（Meta现实实验室） ； Max-Planck Institute for Intelligent Systems（智能系统马克斯·普朗克研究所） ； University of Hong Kong（香港大学） 纠错

专题命中 其他LLM ：foundation model(title,abstract)

AI总结 UMO通过统一框架解锁运动基础模型先验，支持多种跨模态和上下文生成任务，提升文本到运动合成性能。

Comments Project Page: https://oliver-cong02.github.io/UMO.github.io/

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