语言大模型 / LLM

Genesis: Evolving Attack Strategies for LLM Web Agent Red-Teaming

Genesis：为LLM网络代理红队测试演变攻击策略

Zheng Zhang, Jiarui He, Yuchen Cai, Deheng Ye, Peilin Zhao, Ruili Feng, Hao Wang

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Shanghai Jiao Tong University（上海交通大学） ； Tencent（腾讯） ； Nvidia（英伟达） 纠错

专题命中 知识编辑与模型理解 ：LLM(title,abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 本文提出Genesis框架，通过遗传算法与混合策略表示生成对抗注入，动态发现有效策略并持续优化，提升网络代理攻击效果。

Comments Accepted by ICME 2026

A Map of Exploring Human Interaction patterns with LLM: Insights into Collaboration and Creativity

探索人类交互模式的地图：协作与创造力的洞察

Jiayang Li, Jiale Li

专题命中 知识编辑与模型理解 ：LLM(title,abstract)；large language model(abstract)；language model(abstract)

AI总结 本文通过系统分析110篇人类与LLM交互研究，提出一种新的映射方法，揭示协作与创造力领域的研究现状与挑战。

Do Language Models Know When They'll Refuse? Probing Introspective Awareness of Safety Boundaries

语言模型是否知道何时会拒绝？探测安全边界内的自我意识

Tanay Gondil

机构 * Purdue University（普渡大学） 纠错

专题命中 知识编辑与模型理解 ：language model(title,abstract)；large language model(abstract)；分类 cs.CL

AI总结 研究探讨语言模型能否准确预测自身拒绝行为，通过系统分析发现模型在安全边界处敏感度下降，且通过置信度评分可提升安全部署的准确性。

Comments 11 pages, 5 figures

From Early Encoding to Late Suppression: Interpreting LLMs on Character Counting Tasks

从早期编码到晚期抑制：解释LLM在字符计数任务上的表现

Ayan Datta, Mounika Marreddy, Alexander Mehler, Zhixue Zhao, Radhika Mamidi

机构 * IIIT Hyderabad（印度国际信息技术学院海德拉巴分校） ； Goethe University, Frankfurt am Main, Germany（德国法兰克福歌德大学） ； University of Sheffield, UK（英国谢菲尔德大学） 纠错

专题命中 知识编辑与模型理解 ：LLM(abstract)；large language model(abstract)；language model(abstract)；instruction tuning(abstract)

AI总结 研究通过字符计数任务揭示LLM内部计算中的结构干扰问题，发现模型在早期层正确编码信息，但后期层通过负电路抑制了正确输出，导致符号推理失败。

First Logit Boosting: Visual Grounding Method to Mitigate Object Hallucination in Large Vision-Language Models

首个Logit提升：一种缓解大视觉-语言模型中物体幻觉的视觉 grounding 方法

Jiwoo Ha, Jongwoo Baek, Jinhyun So

机构 * DGIST EECS（大邱庆北科学技术院电子工程与计算机科学系） 纠错

专题命中 知识编辑与模型理解 ：language model(title,abstract)；分类 cs.CL、cs.AI

AI总结 本文提出FLB方法，通过存储首个生成token的logit并加到后续预测中，缓解大视觉-语言模型中的长期衰减问题，有效减少物体幻觉并保持视觉信息。

Comments 19 pages, 13 figures

Fast and Accurate Probing of In-Training LLMs' Downstream Performances

快速且准确地探测训练中的LLM下游性能

Zhichen Liu, Tianle Lun, Zhibin Wen, Hao An, Yulin Ou, Jianhui Xu, Hao Zhang, Wenyi Fang, Yang Zheng, Yang Xu

机构 * Southern University of Science and Technology（南方科技大学） ； Huawei（华为） 纠错

专题命中 知识编辑与模型理解 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出一种高效准确的训练中LLM下游性能评估方法，通过轻量级探针预测模型在下游任务上的表现，减少计算延迟并提升评估效率。

How Emotion Shapes the Behavior of LLMs and Agents: A Mechanistic Study

情绪如何塑造大语言模型和代理的行为：一种机制性研究

Moran Sun, Tianlin Li, Yuwei Zheng, Zhenhong Zhou, Aishan Liu, Xianglong Liu, Yang Liu

机构 * School of Computer Science and Engineering, Beihang University（北京航空航天大学计算机科学与工程学院） ； College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院） 纠错

专题命中 知识编辑与模型理解 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI

AI总结 本文提出E-STEER框架，通过在隐藏状态中嵌入情绪作为可控变量，研究情绪对推理、生成、安全性和多步代理行为的影响，揭示情绪与行为之间的非单调关系。

Comments 15 pages, 11 figures

Missing No More: Dictionary-Guided Cross-Modal Image Fusion under Missing Infrared

不再缺失：字典引导的跨模态图像融合在红外缺失情况下的应用

Yafei Zhang, Meng Ma, Huafeng Li, Yu Liu

机构 * Faculty of Information Engineering and Automation, Kunming University of Science and Technology（昆明理工大学信息工程与自动化学院） ； Department of Biomedical Engineering, Hefei University of Technology（合肥工业大学生物医学工程系） 纠错

专题命中 知识编辑与模型理解 ：large language model(abstract)；language model(abstract)

AI总结 本文提出了一种基于共享卷积字典的字典引导框架，解决红外缺失时的跨模态图像融合问题，通过联合字典学习、视觉引导红外推断和自适应融合方法提升感知质量和下游检测性能。

Comments This paper has been accepted by CVPR 2026

Epistemic Filtering and Collective Hallucination: A Jury Theorem for Confidence-Calibrated Agents

知识过滤与集体幻觉：一个适用于置信度校准代理的陪审团定理

Jonas Karge

机构 * Technische Universität Dresden（德累斯顿工业大学） 纠错

专题命中 知识编辑与模型理解 ：LLM(abstract)；分类 cs.AI

AI总结 研究异质代理在时间中学习自我可靠性估计并选择性 abstain 的集体准确性，提出基于置信度校准的框架，推导非渐近下界并证明其在置信度门控设置下的泛化能力，通过蒙特卡洛模拟验证，探讨其在AI安全中的应用。

Quantifying Gender Bias in Large Language Models: When ChatGPT Becomes a Hiring Manager

量化大型语言模型中的性别偏见：当ChatGPT成为招聘经理时

Nina Gerszberg, Janka Hamori, Andrew Lo

机构 * Massachusetts Institute of Technology（麻省理工学院） 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 研究量化了LLM在招聘决策中的性别偏见，发现女性候选人更易被录用但薪酬建议较低，探讨了提示工程作为偏见缓解技术。

Phase transition on a context-sensitive random language model with short range interactions

具有短程相互作用的上下文敏感随机语言模型的相变

Yuma Toji, Jun Takahashi, Vwani Roychowdhury, Hideyuki Miyahara

机构 * Graduate School of Information Science and Technology, Hokkaido University（北海道大学信息科学与技术研究生院） ； Institute for Solid State Physics, The University of Tokyo（东京大学固体物理研究所） 纠错

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

AI总结 研究构建了具有短程相互作用的随机语言模型，发现即使仅参考固定长度上下文也能出现相变，表明语言模型的相变源于语言内在性质而非长程相互作用。

Cross-modal Proxy Evolving for OOD Detection with Vision-Language Models

跨模态代理演化用于领域外检测与视觉-语言模型

Hao Tang, Yu Liu, Shuanglin Yan, Fei Shen, Shengfeng He, Jing Qin

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

AI总结 本文提出CoEvo框架，通过双向样本条件适应文本和视觉代理，动态挖掘上下文文本负样本并迭代优化视觉代理，提升跨模态对齐和领域外检测鲁棒性。

Comments Accepted by AAAI 2026

Learning to Shuffle: Block Reshuffling and Reversal Schemes for Stochastic Optimization

学习洗牌：用于随机优化的块重排和反转方案

Lam M. Nguyen, Dzung T. Phan, Jayant Kalagnanam

机构 * IBM Research, Thomas J. Watson Research Center（IBM研究院，托马斯·J·沃森研究中心） 纠错

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

AI总结 本文提出块重排和配对反转结构，通过分析证明其在统一洗牌框架下减少前缀梯度方差常数，并降低顺序敏感性，实验验证了其在凸和非凸基准上的优势。

Towards Online Multi-Modal Social Interaction Understanding

面向在线多模态社交交互理解

Xinpeng Li, Shijian Deng, Bolin Lai, Weiguo Pian, James M. Rehg, Yapeng Tian

机构 * University of Texas at Dallas（德克萨斯大学达拉斯分校） ； Georgia Institute of Technology（佐治亚理工学院） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

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

AI总结 本文提出在线多模态社交交互理解问题，通过历史信息实现多模态社交交互理解，采用多模态大语言模型框架，引入多对话者预测和社交感知视觉提示，实现三个任务的最优性能。

Comments Accepted to Transactions on Machine Learning Research (TMLR). Project page: https://sampson-lee.github.io/online-mmsi-project-page

When Safe Models Merge into Danger: Exploiting Latent Vulnerabilities in LLM Fusion

当安全模型融合进入危险：在LLM融合中利用潜在漏洞

Jiaqing Li, Zhibo Zhang, Shide Zhou, Yuxi Li, Tianlong Yu, Kailong Wang

专题命中 其他LLM ：LLM(title)

AI总结 研究揭示模型融合引入的新攻击面，提出TrojanMerge框架通过约束优化问题攻击安全对齐，实验显示融合模型产生高危害响应，源模型保持安全。

Bypassing Prompt Injection Detectors through Evasive Injections

通过规避性注入绕过提示注入检测器

Md Jahedur Rahman, Ihsen Alouani

机构 * Centre for Secure Information Technologies（安全信息技术中心） ； Queen's University Belfast（贝尔法斯特女王大学） 纠错

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

AI总结 本文提出了一种多探针规避攻击，通过优化后缀同时欺骗所有层间漂移检测器，实验显示其在Phi-3和Llama-3上成功绕过检测器的高成功率，提出基于对抗后缀增强的防御方法。

Comments This paper is to appear at ICNNN 2026

Advancing Complex Video Object Segmentation via Tracking-Enhanced Prompt: The 1st Winner for 5th PVUW MOSE Challenge

通过跟踪增强提示推进复杂视频对象分割：第五届PVUW MOSE挑战赛第一名

Jinrong Zhang, Canyang Wu, Xusheng He, Weili Guan, Jianlong Wu, Liqiang Nie

机构 * Harbin Institute of Technology, Shenzhen, China（哈尔滨工业大学（深圳）） ； Shenzhen Loop Area Institute, China（深圳市环区研究所） 纠错

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

AI总结 本文提出TEP方法，通过跟踪增强提示解决SAM3在处理小目标和语义主导对象时的不足，取得PVUW挑战赛优异成绩。

Comments 1st Place Solution for the 5th PVUW MOSE Challenge (CVPR 2026 Workshop)

Mousse: Rectifying the Geometry of Muon with Curvature-Aware Preconditioning

Mousse：通过曲率感知预条件化校正μon的几何

Yechen Zhang, Shuhao Xing, Junhao Huang, Kai Lv, Yunhua Zhou, Xipeng Qiu, Qipeng Guo, Kai Chen

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Fudan University（复旦大学） 纠错

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

AI总结 本文提出Mousse优化器，通过曲率感知预条件化改进谱方法的结构稳定性，实验证明其在大规模语言模型训练中显著提升效率。

Comments 17 pages, 10 figures

FIRE: Frobenius-Isometry Reinitialization for Balancing the Stability-Plasticity Tradeoff

FIRE：弗罗贝尼乌斯-等距重初始化以平衡稳定性-可塑性权衡

Isaac Han, Sangyeon Park, Seungwon Oh, Donghu Kim, Hojoon Lee, Kyung-Joong Kim

机构 * Gwangju Institute of Science and Technology (GIST)（光州科学技术院） ； Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院） ； Holiday Robotics 纠错

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

AI总结 FIRE通过量化稳定性与可塑性，平衡神经网络在非平稳数据训练中的稳定性与可塑性权衡，优于传统重初始化方法。

Comments ICLR'26 (oral)

Inverse Design of Optical Multilayer Thin Films using Robust Masked Diffusion Models

利用鲁棒掩码扩散模型逆向设计光学多层薄膜

Jonas Schaible, Asena Karolin Özdemir, Charlotte Debus, Sven Burger, Achim Streit, Christiane Becker, Klaus Jäger, Markus Götz

机构 * Zuse Institute Berlin（柏林祖泽研究所） ； Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； JCMwave GmbH（JCMwave有限公司） ； Helmholtz AI（亥姆霍兹人工智能） 纠错

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

AI总结 本文提出OptoLlama模型，通过光学光谱数据逆向设计多层薄膜结构，显著降低光谱误差，恢复物理有意义的堆叠特征。

Comments 24 pages, 14 Figures

TF-SSD: A Strong Pipeline via Synergic Mask Filter for Training-free Co-salient Object Detection

TF-SSD: 通过协同掩码过滤实现的强管道用于无训练共显著物体检测

Zhijin He, Shuo Jin, Siyue Yu, Shuwei Wu, Bingfeng Zhang, Li Yu, Jimin Xiao

机构 * XJTLU（西交利物浦大学） ； University of Liverpool（利物浦大学） ； China University of Petroleum (East China)（中国石油大学（华东）） ； Nanjing University of Information Science and Technology（南京信息工程大学） 纠错

专题命中 其他LLM ：foundation model(abstract)

AI总结 本文提出TF-SSD，通过SAM和DINO的协同作用，利用视觉基础模型进行无训练共显著物体检测，通过掩码过滤提升检测性能，实验显示优于现有方法。

Comments Accepted by CVPR26