语言大模型 / LLM

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