语言大模型 / LLM

UFVideo: Towards Unified Fine-Grained Video Cooperative Understanding with Large Language Models

UFVideo：迈向统一的细粒度视频协作理解的大型语言模型

Hewen Pan, Cong Wei, Dashuang Liang, Zepeng Huang, Pengfei Gao, Ziqi Zhou, Lulu Xue, Pengfei Yan, Xiaoming Wei, Minghui Li, Shengshan Hu

机构 * Huazhong University of Science and Technology（华中科技大学） ； Meituan（美团） 纠错

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

AI总结 UFVideo通过统一多粒度协作理解能力，实现视频理解的全面覆盖，展示了其在多粒度视频任务中的灵活性和优势。

Comments CVPR 2026 Camera Ready, Github Code: https://github.com/Heven-Pan/UFVideo

T-MAP: Red-Teaming LLM Agents with Trajectory-aware Evolutionary Search

T-MAP: 通过轨迹感知的进化搜索实现红队攻击LLM代理

Hyomin Lee, Sangwoo Park, Yumin Choi, Sohyun An, Seanie Lee, Sung Ju Hwang

机构 * KAIST（韩国科学技术院） ； University of California, Los Angeles（加州大学洛杉矶分校） 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

AI总结 本文提出T-MAP方法，通过轨迹感知的进化搜索发现对抗性提示，有效突破安全防护并实现有害目标，实验显示其在攻击实现率上优于基线方法，适用于多步骤工具执行的LLM代理安全测试。

TreeTeaming: Autonomous Red-Teaming of Vision-Language Models via Hierarchical Strategy Exploration

TreeTeaming：通过分层策略探索实现视觉语言模型的自主红队测试

Chunxiao Li, Lijun Li, Jing Shao

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） 纠错

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

AI总结 TreeTeaming通过动态演化策略探索方法，实现对视觉语言模型的自主红队测试，显著提升攻击成功率和策略多样性，同时降低攻击毒性。

Comments CVPR2026

AI-Generated Code Is Not Reproducible (Yet): An Empirical Study of Dependency Gaps in LLM-Based Coding Agents

AI生成的代码不可重复（尚且）：对基于LLM的编码代理依赖差距的实证研究

Bhanu Prakash Vangala, Ali Adibifar, Ashish Gehani, Tanu Malik

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

AI总结 本文实证研究了基于LLM的编码代理生成代码的可重复性，发现仅68.3%的项目能在干净环境中成功执行，且不同语言存在显著差异，同时发现依赖项存在显著隐藏依赖。

Evidence of political bias in search engines and language models before major elections

选举前大型搜索引擎和语言模型中政治偏见的证据

Íris Damião, Paulo Almeida, João Franco, Nuno Santos, Pedro C. Magalhães, Joana Gonçalves-Sá

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

AI总结 研究通过审计四个搜索引擎和两个语言模型，发现其在选举前对政治实体和议题存在偏见，尤其在欧洲偏向右翼，在美国偏向共和党议题，语言模型则相对平衡但仍有右翼偏见。

Comments 20 pages, 4 figures; Supplementary Information : Page 22 - 74

Who Spoke What When? Evaluating Spoken Language Models for Conversational ASR with Semantic and Overlap-Aware Metrics

谁说了什么？通过语义和重叠感知指标评估对话语音模型的对话ASR

Naohiro Tawara, Samuele Cornell, Alexander Polok, Marc Delcroix, Lukáš Burget, Shinji Watanabe

机构 * NTT, Inc.（日本NTT公司） ； CMU（卡内基梅隆大学） ； BUT（捷克但尼奇技术大学） 纠错

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

AI总结 本文通过语义和重叠感知指标评估对话ASR模型，发现基于LLM的系统在双人对话中表现良好，但随着说话人数和重叠增加而下降，而模块化流水线方法更稳健。

Comments Submitted to INTERSPEECH 2026

Principled Context Engineering for RAG: Statistical Guarantees via Conformal Prediction

基于RAG的原理化上下文工程：通过符合预测实现统计保证

Debashish Chakraborty, Eugene Yang, Daniel Khashabi, Dawn Lawrie, Kevin Duh

机构 * HLTCOE, Johns Hopkins University（HLTCOE，约翰霍普金斯大学） 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 本文提出通过符合预测框架实现RAG的上下文工程，通过统计可控的过滤方法减少冗余上下文，提升事实准确性。

Comments Accepted at ECIR 2026

Span Modeling for Idiomaticity and Figurative Language Detection with Span Contrastive Loss

基于跨度对比损失的隐喻性和修辞语言检测模型

Blake Matheny, Phuong Minh Nguyen, Minh Le Nguyen

机构 * Japan Advanced Institute of Science and Technology（日本科学技术先进研究院） 纠错

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

AI总结 本文提出结合槽损失和跨度对比损失的BERT和RoBERTa模型，提升隐喻性检测性能，在现有数据集上取得最佳序列准确率。通过消融研究验证了SCL的有效性及泛化能力，并提出几何均值F1和序列准确率的综合评估方法。

Generalizable Heuristic Generation Through LLMs with Meta-Optimization

通过元优化实现通用启发式生成

Yiding Shi, Jianan Zhou, Wen Song, Jieyi Bi, Yaoxin Wu, Zhiguang Cao, Jie Zhang

机构 * Nanyang Technological University（南洋理工大学） ； Shandong University（山东大学） ； Singapore Management University（新加坡国立大学） ； Eindhoven University of Technology（埃因霍温理工大学） 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MoH框架，利用LLM进行元学习，自主构建多样化的启发式优化器，提升跨任务的泛化能力。

Comments Accepted at ICLR 2026

VLGOR: Visual-Language Knowledge Guided Offline Reinforcement Learning for Generalizable Agents

VLGOR：基于视觉-语言知识的离线强化学习用于通用智能体

Pengsen Liu, Maosen Zeng, Nan Tang, Kaiyuan Li, Jing-Cheng Pang, Yunan Liu, Yang Yu

机构 * National Key Laboratory for Novel Software Technology, Nanjing University, China \& School of Artificial Intelligence, Nanjing University, China ； Computational Intelligence Center (CIC), School of Computer ； Artificial Intelligence, Shandong Jianzhu University, Jinan, 250101, China 纠错

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

AI总结 本文提出VLGOR框架，结合视觉和语言知识生成虚拟轨迹，提升智能体在未见任务中的泛化能力，实验显示其性能比基线方法高24%以上。

PaperBanana: Automating Academic Illustration for AI Scientists

PaperBanana：为AI科学家自动化学术插图

Dawei Zhu, Rui Meng, Yale Song, Xiyu Wei, Sujian Li, Tomas Pfister, Jinsung Yoon

机构 * Peking University（北京大学） ； Google Cloud AI Research（谷歌云AI研究） 纠错

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

AI总结 PaperBanana通过整合先进视觉语言模型和图像生成模型，自动化生成出版级学术插图，提升了科研流程中插图制作的效率与质量。

Comments Add Citations

Gaze-Regularized VLMs for Ego-Centric Behavior Understanding

基于目光调节的视觉语言模型用于以自身为中心的行为理解

Anupam Pani, Yanchao Yang

机构 * HKU Musketeers Foundation Institute of Data Science, The University of Hong Kong（香港大学穆凯特基金会数据科学研究所，香港大学） 纠错

专题命中 其他LLM ：language model(abstract)

AI总结 本文提出一种基于目光调节的视觉语言模型框架，通过整合目光信息提升以自身为中心的行为理解能力，实验结果显示在语义得分上提升了近13%。

Static Scene Reconstruction from Dynamic Egocentric Videos

从动态第一人称视频中进行静态场景重建

Qifei Cui, Patrick Chen

机构 * Department of Computer and Information Science（计算机与信息科学系） 纠错

专题命中 其他LLM ：foundation model(abstract)

AI总结 本文提出了一种适应长时动态第一人称视频的鲁棒静态重建方法，通过抑制动态前景和分块重建策略提升全局一致性，有效减少轨迹漂移，实验表明在HD-EPIC和室内无人机数据集上显著提高了绝对轨迹误差和静态几何的视觉质量。

Reinterpreting the puzzling properties of z>6 galaxies within a variable IMF framework

在变量初始质量函数框架内重新解释z>6星系的神秘性质

Fabio Fontanot, Gabriella De Lucia, Lizhi Xie, Stefano Zibetti, Francesco La Barbera, Sebastiano Cantarella, Michaela Hirschmann, Stephane Charlot, Gustavo Bruzual

专题命中 其他LLM ：prompting(abstract)

AI总结 本文通过变量IMF框架解释z>6星系的异常性质，展示该模型能再现其紫外光度函数和恒星质量函数的演化，强调变量IMF对恒星质量估计误差预算的重要性。

Comments 10 Pages, 7 Figures, 1 Appendix, Submitted to A&A