语言大模型 / LLM

Auditing Pay-Per-Token in Large Language Models

对大语言模型中按token计费的审计

Ander Artola Velasco, Stratis Tsirtsis, Manuel Gomez-Rodriguez

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

AI总结 本文提出基于鞅理论的审计框架，用于检测大语言模型中的token误报问题，通过第三方审计者逐步查询服务提供商，确保能准确识别误报而避免误判。

Comments AISTATS 2026

The Art of Midwifery in LLMs: Optimizing Role Personas for Large Language Models as Moral Assistants

LLM中的产科艺术：为大型语言模型作为道德助手优化角色人格

Yangyi Wu, Tianqi Wang, Xilin Liu

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

AI总结 本文提出将AI作为道德助手，通过'产科艺术'促进用户道德成长，而非替代人类判断。通过六个道德场景对话，发现不同人格类型在不同情境下表现各异，引入'建设性分歧'概念。

A Training-free Method for LLM Text Attribution

无需训练的LLM文本归因方法

Tara Radvand, Mojtaba Abdolmaleki, Mohamed Mostagir, Ambuj Tewari

机构 * Ross School of Business, University of Michigan, United States（密歇根大学罗斯商学院） ； Department of Statistics, University of Michigan, United States（密歇根大学统计学系） 纠错

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

AI总结 本文提出无需训练的LLM文本归因方法，通过零样本统计测试区分不同LLM生成文本，并证明测试误差随文本长度指数下降，同时验证理论结果和对抗性后编辑的鲁棒性。

Conformal Constrained Policy Optimization for Cost-Effective LLM Agents

符合约束的策略优化用于成本有效的LLM代理

Wenwen Si, Sooyong Jang, Insup Lee, Osbert Bastani

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

AI总结 本文提出Conformal Constrained Policy Optimization方法，通过结合约束策略优化、离策略强化学习和在线符合预测技术，在保证可靠性的同时实现30%的成本降低。

Do LLM-Driven Agents Exhibit Engagement Mechanisms? Controlled Tests of Information Load, Descriptive Norms, and Popularity Cues

基于大语言模型的智能体是否表现出参与机制？信息负荷、描述性规范和流行度线索的受控测试

Tai-Quan Peng, Yuan Tian, Songsong Liang, Dazhen Deng, Yingcai Wu

机构 * Department of Communication, Michigan State University（密歇根州立大学通讯系） ； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； School of Software Technology, Zhejiang University（浙江大学软件技术学院） 纠错

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

AI总结 本文通过社交媒体信息负荷和描述性规范的受控实验，探讨基于大语言模型的智能体参与机制，发现参与度受信息负荷和规范影响，流行度线索的敏感性因情境而异，强调方法论对模拟通信研究的影响。

LLM-based Automated Architecture View Generation: Where Are We Now?

基于LLM的自动架构视图生成：我们目前处于什么位置？

Miryala Sathvika, Rudra Dhar, Karthik Vaidhyanathan

机构 * Software Engineering Research Centre（软件工程研究中心） ； IIIT Hyderabad, India（海得拉巴印度理工学院） 纠错

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

AI总结 研究评估了LLM和代理方法在从源代码生成架构视图的能力，发现提示策略略有提升，定制代理在清晰度和细节水平上表现最佳，但仍存在粒度不匹配问题。

Seamless Deception: Larger Language Models Are Better Knowledge Concealers

无缝欺骗：大语言模型更擅长知识隐藏

Dhananjay Ashok, Ruth-Ann Armstrong, Jonathan May

机构 * Information Sciences Institute, University of Southern California（南加州大学信息科学研究所） 纠错

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

AI总结 研究探讨大语言模型在被审查时主动隐藏知识的能力，发现基于梯度的方法比提示方法更易检测，但模型规模增大时检测效果下降，揭示了黑盒审计的局限性。

A chemical language model for reticular materials design

一种用于网状材料设计的化学语言模型

Dhruv Menon, Vivek Singh, Xu Chen, Mohammad Reza Alizadeh Kiapi, Ivan Zyuzin, Hamish W. Macleod, Nakul Rampal, William Shepard, Omar M. Yaghi, David Fairen-Jimenez

机构 * Department of Chemical Engineering & Biotechnology, University of Cambridge（化学工程与生物技术系，剑桥大学） ； Department of Chemistry, University of California – Berkeley（化学系，加州大学伯克利分校） ； Bakar Institute of Digital Materials for the Planet, Berkeley, CA（为地球的数字材料研究所，伯克利，CA） ； KACST–UC Berkeley Center of Excellence for Nanomaterials for Clean Energy Applications, King Abdulaziz City for Science and Technology（清洁能源应用纳米材料卓越中心，国王阿卜杜勒-阿齐兹城市科学与技术中心） ； Synchrotron SOLEIL-UR1, L’Orme des Merisiers, Départementale 128, 91190 Saint-Aubin（SOLEIL-UR1同步辐射光源，L’Orme des Merisiers，Départementale 128，91190 Saint-Aubin） 纠错

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

AI总结 本文提出Nexerra-R1模型，通过生成有机连接体实现逆向设计，结合分布引导目标和化学验证，生成可合成的网状材料候选物。

Comments 45 pages, 26 figures, Supplementary Information included; code available at: https://github.com/fairen-group/nexerra-r1

kRAIG: A Natural Language-Driven Agent for Automated DataOps Pipeline Generation

kRAIG：一种基于自然语言的自动化数据Ops流水线生成代理

Rohan Siva, Kai Cheung, Lichi Li, Ganesh Sundaram

机构 * Cisco（思科公司） 纠错

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

AI总结 kRAIG通过ReQuesAct框架明确用户意图，利用检索增强的工具合成过程生成KFP流水线，提升数据提取和加载的成功率及转换准确性。

Comments 9 pages, 7 figures

AC4A: Access Control for Agents

AC4A：代理访问控制

Reshabh K Sharma, Dan Grossman

机构 * University of Washington（华盛顿大学） 纠错

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

AI总结 本文提出AC4A框架，解决代理系统粗粒度访问控制问题，允许用户限制代理访问的API和网页内容，提供灵活的权限定义和执行方式。

Climate Prompting: Generating the Madden-Julian Oscillation using Video Diffusion and Low-Dimensional Conditioning

气候提示：利用视频扩散和低维条件生成 Madden-Julian 振荡

Sulian Thual, Feiyang Cai, Jingjing Wang, Feng Luo

机构 * School of Computing（计算学院） 纠错

专题命中 其他LLM ：prompting(title)

AI总结 本文提出利用视频扩散模型生成MJO序列，通过低维指标条件化生成MJO，并通过理想化条件分析其物理驱动机制，为热带大气预测提供新框架。

Compensating Visual Insufficiency with Stratified Language Guidance for Long-Tail Class Incremental Learning

通过分层语言指导补偿视觉不足以实现长尾类增量学习

Xi Wang, Xu Yang, Donghao Sun, Cheng Deng

机构 * School of Electronic Engineering, Xidian University（西安电子科技大学电子工程学院） 纠错

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

AI总结 本文提出分层语言指导方法，通过构建语义层次结构缓解长尾类增量学习中的样本稀缺和灾难性遗忘问题，实验表明方法在多个基准上取得最优性能。

Code-MIE: A Code-style Model for Multimodal Information Extraction with Scene Graph and Entity Attribute Knowledge Enhancement

Code-MIE: 一种基于代码风格的多模态信息提取模型，结合场景图和实体属性知识增强

Jiang Liu, Ge Qiu, Hao Fei, Dongdong Xie, Jinbo Li, Fei Li, Chong Teng, Donghong Ji

机构 * Key Laboratory of Aerospace Information Security and Trusted Computing, Ministry of Education, School of Cyber Science and Engineering, Wuhan University（航天信息安全部与可信计算重点实验室，教育部，武汉大学计算机科学与工程学院） ； University of Oxford（牛津大学） ； Wuhan Second Ship Design and Research Institute（武汉第二船舶设计研究所） ； China United Network Communications Co., Ltd. Research Institute（中国联合网络通信有限公司研究院） 纠错

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

AI总结 本文提出Code-MIE框架，通过统一代码理解和生成解决多模态信息提取问题，引入实体属性、场景图和文本参数，提升结构化信息提取性能。

Sycophancy Is Not One Thing: Causal Separation of Sycophantic Behaviors in LLMs

阿谀并非一物：在大型语言模型中因果分离阿谀行为

Daniel Vennemeyer, Phan Anh Duong, Tiffany Zhan, Tianyu Jiang

机构 * Department of Computer Science, University of Cincinnati（卡内基梅隆大学计算机科学系） ； School of Computer Science, Carnegie Mellon University（卡内基梅隆大学计算机科学学院） 纠错

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

AI总结 研究通过分解阿谀行为为阿谀同意与阿谀赞美，揭示其在潜在空间中的独立表示结构，表明不同阿谀行为可通过独立方式调控。

Diversidade linguística e inclusão digital: desafios para uma ia brasileira

语言多样性与数字包容：为巴西人工智能面临的挑战

Raquel Meister Ko Freitag

机构 * Departamento de Letras Vernáculas（本土语言系） ； Universidade Federal de Sergipe - UFS（塞尔希培联邦大学 - UFS） 纠错

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

AI总结 本文探讨语言多样性在生成AI发展中的威胁，分析技术应用中多样性选择偏差的影响及标准化语言的恶性循环。

Comments in Portuguese language. paper aceepted to LAAI-Ethics 2024

Group3D: MLLM-Driven Semantic Grouping for Open-Vocabulary 3D Object Detection

Group3D: 基于多模态大语言模型的开放词汇3D目标检测语义分组

Youbin Kim, Jinho Park, Hogun Park, Eunbyung Park

机构 * Department of Artificial Intelligence, Sungkyunkwan University（成均馆大学人工智能系） ； Department of Artificial Intelligence, Yonsei University（延世大学人工智能系） 纠错

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

AI总结 Group3D通过将语义约束整合到实例构建过程中，解决多视角开放词汇3D目标检测中的几何过合并问题，实现语义与几何一致性融合的检测框架。

Comments 24 pages, 7 figures, Project page: https://ubin108.github.io/Group3D/

Engineering Pitfalls in AI Coding Tools: An Empirical Study of Bugs in Claude Code, Codex, and Gemini CLI

人工智能编码工具中的工程陷阱：对Claude代码、Codex和Gemini CLI中bug的实证研究

Ruixin Zhang, Wuyang Dai, Hung Viet Pham, Gias Uddin, Jinqiu Yang, Song Wang

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

AI总结 本文通过分析超过3800个公开报告的bug，揭示了构建AI编码工具中的常见故障模式和工程挑战，发现功能相关bug占比超67%，主要症状包括API错误、终端问题和命令失败。

Expecting Too Much, Getting Too Little: Exploring the Challenges and Design Opportunities of Asynchronous AI Interviewers

期望过高，收获过低：探索异步AI面试官的挑战与设计机会

Md Nazmus Sakib, Naga Manogna Rayasam, Sanorita Dey

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

AI总结 研究探讨了异步AI面试系统对用户自主性的影响，通过分析和访谈揭示了期望不匹配问题，并设计了支持用户自主性的界面。

Comments This paper has been accepted at CSCW 2026 and will appear in the Proceedings of the ACM on Human-Computer Interaction

Generalization Limits of In-Context Operator Networks for Higher-Order Partial Differential Equations

上下文运算网络在高阶偏微分方程中的泛化极限

Jamie Mahowald, Tan Bui-Thanh

机构 * Department of Mathematics, University of Texas at Austin（德克萨斯大学奥斯汀分校数学系） 纠错

专题命中 其他LLM ：foundation model(abstract)；分类 cs.LG

AI总结 研究上下文运算网络在处理高阶偏微分方程时的泛化能力，扩展了基础模型处理微分方程的类型和范围，证明模型在复杂输入下仍能保持解的动力学和整体行为的定性准确性。

Comments 16 pages, 9 figures

Neural collapse in the orthoplex regime

在正八面体 regime 中的神经坍缩

James Alcala, Rayna Andreeva, Vladimir A. Kobzar, Dustin G. Mixon, Sanghoon Na, Shashank Sule, Yangxinyu Xie

机构 * Department of Mathematics, University of Southern California（南加州大学数学系） ； School of Informatics, University of Edinburgh（爱丁堡大学信息学院） ； Department of Mathematics, The Ohio State University（俄亥俄州立大学数学系） ； Translational Data Analytics Institute, The Ohio State University（俄亥俄州立大学转化数据分析研究所） ； Department of Mathematics, University of Maryland（马里兰大学数学系） ； Department of Statistics and Data Science, University of Pennsylvania（宾夕法尼亚大学统计与数据科学系） 纠错

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

AI总结 研究在正八面体 regime 中神经网络特征向量的几何特性，利用Radon定理和凸性分析不同场景下的坍缩现象。

On the Fragility of AI Agent Collusion

AI代理合谋的脆弱性

Jussi Keppo, Yuze Li, Gerry Tsoukalas, Nuo Yuan

机构 * National University of Singapore（新加坡国立大学） ； Boston University（波士顿大学） 纠错

专题命中 其他LLM ：LLM(abstract)；分类 cs.AI

AI总结 本文研究了AI代理合谋的脆弱性，发现异质性会减少合谋均衡。实验显示，耐心异质性和数据访问异质性削弱合谋，而模型大小差异反而稳定合谋，讨论了反垄断政策。

Comments 48 pages, 7 figures, 8 tables (including appendix)

An Intent of Collaboration: On Agencies between Designers and Emerging (Intelligent) Technologies

协作的意图：设计者与新兴（智能）技术之间的机构

Pei-Ying Lin, Julie Heij, Iris Borst, Britt Joosten, Kristina Andersen, Wijnand IJsselsteijn

机构 * Eindhoven University of Technology（埃因霍温理工大学） 纠错

专题命中 其他LLM ：LLM(abstract)；分类 cs.AI

AI总结 研究探讨设计者与智能技术协作中的权力动态，提出通过反思创作过程、理解技术特性及调整人机关系来恢复创作自主性。

Comments Accepted by IASDR Conference 2025, Taipei, Taiwan 16 pages excluding references, 8 figures

Journal ref Proceedings of IASDR 2025: Design Next

Programming Manufacturing Robots with Imperfect AI: LLMs as Tuning Experts for FDM Print Configuration Selection

用不完美的AI编程制造机器人：LLMs作为FDM打印配置选择的调优专家

Ekta U. Samani, Christopher G. Atkeson

机构 * Robotics Institute at Carnegie Mellon University（卡内基梅隆大学机器人学院） 纠错

专题命中 其他LLM ：LLM(abstract)

AI总结 本文提出一种模块化闭环方法，将LLM作为调优专家嵌入贝叶斯优化循环中，通过结构化诊断提出自然语言调整，提升FDM打印配置选择的准确性，实验表明LLM在证据驱动的优化循环中比通用AI模型更有效。

HookLens: Visual Analytics for Understanding React Hooks Structures

HookLens：用于理解 React 钩子结构的可视化分析

Suyeon Hwang, Minkyu Kweon, Jeongmin Rhee, Soohyun Lee, Seokhyeon Park, Seokweon Jung, Hyeon Jeon, Jinwook Seo

专题命中 其他LLM ：LLM(abstract)

AI总结 HookLens 通过交互式可视化分析帮助开发者理解 React 钩子之间的依赖关系，识别反模式，提升代码可维护性。

Comments IEEE PacificVis 2026, conference track

UniLiPs: Unified LiDAR Pseudo-Labeling with Geometry-Grounded Dynamic Scene Decomposition

UniLiPs: 基于几何引导的动态场景分解的统一激光雷达伪标签方法

Filippo Ghilotti, Samuel Brucker, Nahku Saidy, Matteo Matteucci, Mario Bijelic, Felix Heide

机构 * TORC Robotics（TORC机器人公司） ； Politecnico of Milan（米兰理工学院） ； Princeton University（普林斯顿大学） 纠错

专题命中 其他LLM ：foundation model(abstract)

AI总结 本文提出UniLiPs方法，通过利用激光雷达扫描的时空几何一致性，将文本和2D视觉模型的线索直接融合到3D中，生成3D语义标签、包围盒和密集点云，验证了其在三个数据集上的鲁棒性。

Journal ref Proceedings of the International Conference on 3D Vision (3DV), 2026

Holographic correlators from multi-mode AdS$_5$ bubbling geometries

从多模AdS$_5$气泡几何构造共轭子系统

David Turton, Alexander Tyukov

专题命中 其他LLM ：LLM(abstract)

AI总结 本文通过构造新的闭式扰动LLM解，研究了超引力四点相关函数，揭示了背景解与四维$\mathcal{N}=4$超Yang-Mills理论中重或轻态的对应关系，并验证了单粒子chiral初级算符的相关函数表达式。

Comments 33 pages, v2: minor improvements

LAOF: Robust Latent Action Learning with Optical Flow Constraints

LAOF：基于光流约束的鲁棒潜在动作学习

Xizhou Bu, Jiexi Lyu, Fulei Sun, Ruichen Yang, Zhiqiang Ma, Wei Li

机构 * Fudan University（复旦大学） ； Northwestern Polytechnical University（西北工业大学） 纠错

专题命中 其他LLM ：foundation model(abstract)

AI总结 本文提出LAOF方法，通过利用光流作为动作驱动信号，学习鲁棒的潜在动作表示，以应对动作无关的干扰。实验表明，LAOF在下游模仿学习和强化学习任务中表现优异，尤其在标注稀缺条件下效果显著。

Comments CVPR 2026; Project page: https://github.com/XizoB/LAOF

Desirable Unfamiliarity: Insights from Eye Movements on Engagement and Readability of Dictation Interfaces

可取的陌生感：基于眼动的语音记录界面参与度与可读性洞察

Zhaohui Liang, Yonglin Chen, Naser Al Madi, Can Liu

专题命中 其他LLM ：LLM(abstract)

AI总结 研究通过眼动实验比较五种语音记录界面，发现摘要界面虽引入陌生词汇但更易读且受用户欢迎，表明用户能容忍LLM辅助下的语音修改。

AnchorNote: Exploring Speech-Driven Spatial Externalization for Co-Located Collaboration in Augmented Reality

AnchorNote：探索语音驱动的空间外部化以实现增强现实中的协同合作

Diya Hundiwala, Andrés Monroy-Hernández

专题命中 其他LLM ：LLM(abstract)

AI总结 AnchorNote通过语音转录和LLM摘要将语音想法转化为空间锚定便签，减少写作负担但改变协作方式，探索AR中语音驱动的空间外部化对协作认知的影响。

Comments 12 pages, 3 figures