语言大模型 / LLM

Understanding the Use of a Large Language Model-Powered Guide to Make Virtual Reality Accessible for Blind and Low Vision People

理解大型语言模型驱动的指南在使虚拟现实对视障和低视力用户可访问性中的应用

Jazmin Collins, Sharon Y Lin, Tianqi Liu, Andrea Stevenson Won, Shiri Azenkot

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 研究探讨了利用大型语言模型驱动的指南提升视障和低视力用户虚拟现实可访问性的问题，通过实验发现用户在不同情境下对指南的不同反应，提出未来设计建议。

Comments 16 pages, 5 figures, 3 tables, Proceedings of the 2026 CHI Conference on Human Factors in Computing Systems (CHI '26), April 13-17, 2026, Barcelona, Spain. ACM

Large Language Models in Game Development: Implications for Gameplay, Playability, and Player Experience

大型语言模型在游戏开发中的应用：对游戏玩法、可玩性和玩家体验的影响

Keeryn Johnson, Muhammad Ahmed, Charlie Lang, Sahib Thethi, Wilson Zheng, Ronnie de Souza Santos

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

AI总结 本文探讨了大型语言模型在游戏开发中对游戏玩法、可玩性和玩家体验的影响，通过两个游戏项目的协作自民族志研究，分析了LLM作为架构组件的整合效果，发现其增强了可变性和个性化，但也带来了正确性、难度校准和结构连贯性等挑战。

Integrating Multimodal Large Language Model Knowledge into Amodal Completion

将多模态大语言模型知识整合到无模态补全中

Heecheol Yun, Eunho Yang

机构 * KAIST（韩国科学技术院） ； AITRICS 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 本文提出AmodalCG框架，利用多模态大语言模型知识指导无模态补全，通过评估遮挡程度选择性调用MLLM指导，结合视觉生成模型迭代优化补全结果，实验表明优于现有方法。

Neuron-Level Analysis of Cultural Understanding in Large Language Models

大语言模型中文化理解的神经层面分析

Taisei Yamamoto, Ryoma Kumon, Danushka Bollegala, Hitomi Yanaka

机构 * The University of Tokyo（东京大学） ； Riken（理化学研究所） ； University of Liverpool（利物浦大学） ； Amazon（亚马逊） ； Tohoku University（东北大学） 纠错

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

AI总结 研究通过神经层面分析揭示大语言模型中文化理解的机制，发现文化通用与特定神经元对文化理解有重要影响，且训练数据影响其文化理解能力。

Comments Accepted to ICLR 2026

Cultural Biases of Large Language Models and Humans in Historical Interpretation

大型语言模型和人类在历史解读中的文化偏见

Fabio Celli, Georgios Spathulas

机构 * Research & Development Department of Information Security and Communication Technology（信息安全和通信技术研发部） ； Maggioli SpA（Maggioli股份公司） ； Norwegian University of Science and Technology - NTNU（挪威科技大学） 纠错

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

AI总结 本文比较了人类和大型语言模型在历史注释中的表现，发现两者均存在文化偏见，但语言模型在短文本历史事实解读上达成更高共识，而人类因个人偏见常有分歧。

CBF-LLM: Safe Control for LLM Alignment

CBF-LLM：安全控制用于大语言模型对齐

Yuya Miyaoka, Masaki Inoue

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 本文提出基于控制的对齐框架，利用控制屏障函数确保用户期望的文本生成，通过安全过滤器减少对齐任务的干预次数。

Journal ref IEEE Transactions on Control Systems Technology 2026

Reducing Hallucinations in LLM-Generated Code via Semantic Triangulation

通过语义三角化减少LLM生成代码中的幻觉

Yihan Dai, Sijie Liang, Haotian Xu, Peichu Xie, Sergey Mechtaev

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

AI总结 本文提出语义三角化框架，通过将问题转换为需要不同算法的变体，提高代码正确性。实验显示，该方法在多个基准测试中提升了代码选择的正确率和F1分数。

AutoSiMP: Autonomous Topology Optimization from Natural Language via LLM-Driven Problem Configuration and Adaptive Solver Control

AutoSiMP：通过LLM驱动的问题配置和自适应求解器控制实现自然语言驱动的自主拓扑优化

Shaoliang Yang, Jun Wang, Yunsheng Wang

机构 * Santa Clara University（圣克拉拉大学） 纠错

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

AI总结 本文提出AutoSiMP，一种将自然语言结构问题描述转化为有效二进制拓扑的自主流程。流程包含五个模块，包括基于LLM的配置器、边界条件生成器、SIMP求解器、结构评估器和闭环重试机制，展示了在自然语言描述到验证结构拓扑的完整闭环。

Comments 30 pages, 9 figures

From Tool to Teammate: LLM Coding Agents as Collaborative Partners for Behavioral Labeling in Educational Dialogue Analysis

从工具到队友：LLM编码代理作为教育对话分析中行为标注的协作伙伴

Eason Chen, Isabel Wang, Nina Yuan, Sophia Judicke, Kayla Beigh, Xinyi Tang

专题命中 其他LLM ：LLM(title,abstract)

AI总结 本文提出利用LLM编码代理自动优化标注提示，提升教育对话行为分析的准确性，通过四折交叉验证证明其有效性，揭示了标注中的潜在模式。

Comments 10 pages, 6 figures, 4 tables. Submitted to EDM 2026

AIM-SLAM: Dense Monocular SLAM via Adaptive and Informative Multi-View Keyframe Prioritization with Foundation Model

AIM-SLAM：基于自适应和信息丰富的多视图关键帧优先级的密集单目SLAM

Jinwoo Jeon, Dong-Uk Seo, Eungchang Mason Lee, Hyun Myung

机构 * KAIST (Korea Advanced Institute of Science and Technology)（韩国科学技术院（KAIST）） ； KAIST InnoCORE LLM, KAIST（韩国科学技术院 InnoCORE LLM） 纠错

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

AI总结 AIM-SLAM通过自适应多视图关键帧优先级提升单目SLAM的密集重建性能，结合视觉几何基础模型实现更准确的位姿估计和一致的多视图对齐。

Comments 8 pages

From Heard to Lived Opinions: Simulating Opinion Dynamics with Grounded LLM Agents in Economic Environments

从听到的意见到 lived 的意见：利用 grounded LLM 代理在经济环境中模拟意见动态

Ryuji Hashimoto, Masahiro Kaneko, Ryosuke Takata, Takehiro Takayanagi, Kiyoshi Izumi

专题命中 其他LLM ：LLM(title,abstract)

AI总结 本文提出一种基于经济环境的LLM代理框架，通过模拟个体经济经历影响意见动态，揭示个体与群体意见变化的机制及经济因素对极化的影响。

COvolve: Adversarial Co-Evolution of Large-Language-Model-Generated Policies and Environments via Two-Player Zero-Sum Game

COvolve：通过双人零和游戏实现大语言模型生成的策略与环境对抗共演

Alkis Sygkounas, Rishi Hazra, Andreas Persson, Pedro Zuidberg Dos Martires, Amy Loutfi

机构 * Machine Perception and Interaction Lab, Örebro University（厄勒布鲁大学机器感知与交互实验室） 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 COvolve通过双人零和游戏实现环境与策略的对抗共演，利用大语言模型生成可执行代码，使环境和策略共同进化，提升持续学习和泛化能力。

Comments Accepted at GECCO 2026

Safeguarding LLMs Against Misuse and AI-Driven Malware Using Steganographic Canaries

通过隐写术可以ary文件保护LLM免受滥用及AI驱动的恶意软件

Md Raz, Venkata Sai Charan Putrevu, Meet Udeshi, Prashanth Krishnamurthy, Farshad Khorrami, Ramesh Karri

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

AI总结 本文提出基于隐写术canary文件的框架，用于检测未经授权的LLM处理，通过两种模式实现符号和语言隐写术的结合，有效识别敏感文档。

Benchmarking NLP-supported Language Sample Analysis for Swiss Children's Speech

对瑞士儿童口语样本的自然语言处理支持的语言样本分析进行基准测试

Anja Ryser, Yingqiang Gao, Sarah Ebling

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

AI总结 本文通过自然语言处理方法分析儿童口语样本，旨在提高语言障碍诊断效率，采用本地部署的NLP方法进行半自动语言样本分析。

Comments updated preprint

Information-theoretic Distinctions Between Deception and Confusion

信息论视角下欺骗与混淆的区别

Robin Young

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

AI总结 本文从信息论角度区分两种AI安全失效模式：欺骗对齐与目标漂移，揭示二者在人类-AI系统不同接口的信息分歧，提出形式化模型和思想实验，为大型语言模型对齐挑战提供新视角。

Comments Proceedings of the 14th IJCNLP and the 4th AACL (2025)

The Northeast Materials Database for Magnetic Materials

东北磁性材料数据库

Suman Itani, Yibo Zhang, Jiadong Zang

机构 * University of New Hampshire（新罕布什尔大学） 纠错

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

AI总结 本研究利用大语言模型构建了包含67573种磁性材料的东北磁性材料数据库，通过机器学习模型实现材料分类和相变温度预测，提高了磁性材料发现效率。

Journal ref Nat. Commun. 16, 9415 (2025)

Aligning LLMs with Graph Neural Solvers for Combinatorial Optimization

对齐大语言模型与图神经求解器以解决组合优化问题

Shaodi Feng, Zhuoyi Lin, Yaoxin Wu, Haiyan Yin, Yan Jin, Senthilnath Jayavelu, Xun Xu

机构 * National Yang Ming Chiao Tung University（国立阳明交通大学） ； Eindhoven University of Technology（埃因霍温理工大学） ； Centre for Frontier AI Research, A*STAR（前沿人工智能研究中心，新加坡科技研究局） ； Huazhong University of Science and Technology（华中科技大学） ； National University of Singapore（新加坡国立大学） 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AlignOPT方法，通过结合大语言模型与图神经求解器，提升组合优化问题的求解能力，实现语义与结构表示的对齐，实验显示其在多种优化问题中表现优异。

Comments 18 pages, 3 figures

Feedback by Design: Understanding and Overcoming User Feedback Barriers in Conversational Agents

反馈由设计：理解并克服对话代理中用户反馈的障碍

Nikhil Sharma, Zheng Zhang, Daniel Lee, Namita Krishnan, Guang-Jie Ren, Ziang Xiao, Yunyao Li

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

AI总结 研究探讨了用户反馈障碍，通过Grice准则识别出四个障碍，并提出设计原则以提升反馈质量。

Comments Proceedings of the 2026 CHI Conference on Human Factors in Computing Systems, 23 pages, 3 figures

Fake Date Tests: Can We Trust In-sample Accuracy of LLMs in Macroeconomic Forecasting?

虚假日期测试：我们能否信任LLM在宏观经济预测中的样本内准确性？

Alexander Eliseev, Sergei Seleznev

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

AI总结 本文通过设计虚假日期测试，检验LLM在宏观经济预测中的样本内准确性是否能推广到样本外表现，发现现代LLM存在样本内预测的先行偏见。

Unsafe by Reciprocity: How Generation-Understanding Coupling Undermines Safety in Unified Multimodal Models

因互惠而不安全：生成-理解耦合如何在统一多模态模型中损害安全性

Kaishen Wang, Heng Huang

机构 * University of Maryland, College Park（马里兰大学帕克分校） 纠错

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

AI总结 研究探讨了统一多模态模型中生成与理解之间的互惠关系可能成为安全漏洞的根源，提出RICE攻击方法，揭示了跨功能互惠对安全性的负面影响。

Comments 7 figures, 3 tables

EpochX: Building the Infrastructure for an Emergent Agent Civilization

EpochX：构建一个涌现代理文明的基础设施

Huacan Wang, Chaofa Yuan, Xialie Zhuang, Tu Hu, Shuo Zhang, Jun Han, Shi Wei, Daiqiang Li, Jingping Liu, Kunyi Wang, Zihan Yin, Zhenheng Tang, Andy Wang, Henry Peng Zou, Philip S. Yu, Sen Hu, Qizhen Lan, Ronghao Chen

机构 * QuantaAlpha 纠错

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

AI总结 EpochX通过引入信用原生市场基础设施，重构代理AI为组织设计问题，实现可验证工作留下的持久可重用资产，支持可持续的人机协作。

SafetyDrift: Predicting When AI Agents Cross the Line Before They Actually Do

SafetyDrift: 在实际发生之前预测AI代理跨过界限的时间

Aditya Dhodapkar, Farhaan Pishori

机构 * Rensselaer Polytechnic Institute（伦斯勒理工学院） ； Santa Clara University（圣克拉拉大学） 纠错

专题命中 其他LLM ：LLM(abstract)；分类 cs.AI

AI总结 本文提出SafetyDrift模型，通过吸收马尔可夫链分析预测AI代理在有限时间内的安全违规概率，发现不同任务中违规风险差异显著，且轻量监控器在低计算成本下有效检测违规。

Comments 9 pages, 7 figures, sent to COLM conference

Multimodal Graph Network Modeling for Human-Object Interaction Detection with PDE Graph Diffusion

基于PDE图扩散的多模态图网络建模用于人-物交互检测

Wenxuan Ji, Haichao Shi, Xiao-Yu Zhang

机构 * Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） 纠错

专题命中 其他LLM ：language model(abstract)

AI总结 本文提出基于PDE图扩散的多模态图网络模型，通过四阶段图结构建模人-物交互任务，利用白盒PDE扩散方程实现信息传播，并引入变分信息挤压机制优化CLIP提取的多模态特征，实验表明在HICO-DET和V-COCO基准上取得最佳性能。

Agentic Diagrammatica: Towards Autonomous Symbolic Computation in High Energy Physics

代理图示学：迈向高能物理中自主符号计算

Tony Menzo, Alexander Roman, George T. Fleming, Sergei Gleyzer, Konstantin T. Matchev, Stephen Mrenna

专题命中 其他LLM ：LLM(abstract)

AI总结 本文提出Diagrammatica，通过HEPTAPOD框架扩展实现LLM代理的多步骤理论计算。通过工具约束计算和知识接地方法，实现符号计算的精确性与可验证性，验证了在高能物理中的应用效果。

Comments 54 pages, 6 figures

E-RayZer: Self-supervised 3D Reconstruction as Spatial Visual Pre-training

E-RayZer：基于空间视觉预训练的自监督3D重建

Qitao Zhao, Hao Tan, Qianqian Wang, Sai Bi, Kai Zhang, Kalyan Sunkavalli, Shubham Tulsiani, Hanwen Jiang

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Adobe Research（Adobe研究院） ； Harvard University（哈佛大学） 纠错

专题命中 其他LLM ：foundation model(abstract)

AI总结 本文提出E-RayZer，一种通过未标注图像直接学习几何基础表示的自监督3D视觉模型，通过显式几何实现3D重建，优于现有方法。

Comments CVPR 2026 Camera-ready. Project website: https://qitaozhao.github.io/E-RayZer

Investigating the origin of topological-Hall-like resistivity in Zn-doped Mn2Sb ferrimagnet

研究Zn掺杂Mn2Sb铁磁体中拓扑-霍尔类似电阻率的起源

BoCheng Yu, JiaLiang Jiang, Jing Meng, XiaoYan Zhu, Jie Ma, HaiFeng Du, QingFeng Zhan, Jin Tang, Yang Xu, Tian Shang

专题命中 其他LLM ：prompting(abstract)

AI总结 研究Zn掺杂Mn2Sb铁磁体的磁性和输运性质，发现霍尔电阻异常与磁性和反磁性转变无明显关联，排除了拓扑霍尔效应的非平凡起源，指出其源于样品非均匀性导致的多重异常霍尔通道效应。

Comments 15 figures, 49 pages; accepted by Rare Metals

Journal ref Rare Metals 45, e70165 (2026)

Elucidating the Design Space of Flow Matching for Cellular Microscopy

阐明细胞显微镜中流匹配生成模型的设计空间

Charles Jones, Emmanuel Noutahi, Jason Hartford, Cian Eastwood

机构 * Imperial College London（帝国理工学院） ； Valence Labs ； University of Manchester（曼彻斯特大学） 纠错

专题命中 其他LLM ：foundation model(abstract)

AI总结 本文系统分析了细胞显微镜中流匹配模型的设计空间，发现许多流行技术不必要的，并提出简单稳定的训练方法，实现模型规模扩大和性能提升。