语言大模型 / LLM

Omni123: Exploring 3D Native Foundation Models with Limited 3D Data by Unifying Text to 2D and 3D Generation

Omni123：通过统一文本到2D和3D生成探索有限3D数据的3D原生基础模型

Chongjie Ye, Cheng Cao, Chuanyu Pan, Yiming Hao, Yihao Zhi, Yuanming Hu, Xiaoguang Han

机构 * FNii-Shenzhen（FNii-深圳） ； SSE, CUHK(SZ)（香港中文大学（深圳）理工学院） ； Meshy AI 纠错

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

AI总结 Omni123通过统一文本到2D和3D生成，利用文本-图像-3D的跨模态一致性作为隐式约束，提升3D生成的几何一致性与语义对齐。

TRACE-Bot: Detecting Emerging LLM-Driven Social Bots via Implicit Semantic Representations and AIGC-Enhanced Behavioral Patterns

TRACE-Bot：通过隐式语义表示和AIGC增强的行为模式检测新兴的LLM驱动社交机器人

Zhongbo Wang, Zhiyu Lin, Zhu Wang, Haizhou Wang

机构 * Sichuan University（四川大学） ； Peking University（北京大学） 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 本文提出TRACE-Bot框架，通过联合建模隐式语义表示和AIGC增强的行为模式，有效检测新兴LLM驱动社交机器人，实验表明其在两个公开数据集上达到98.46%和97.50%的准确率。

Semantic Evolution over Populations for LLM-Guided Automated Program Repair

基于种群的语义进化用于LLM引导的自动程序修复

Cuong Chi Le, Minh Le-Anh, Cuong Duc Van, Tien N. Nguyen

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

AI总结 本文提出EvolRepair框架，通过语义进化算法提升LLM引导的自动程序修复效果，解决修复假设多样性、语义相关修复家族识别等挑战。

Long-Tailed Distribution-Aware Router For Mixture-of-Experts in Large Vision-Language Model

长尾分布感知的混合专家路由器：用于大规模视觉-语言模型的混合专家架构

Chaoxiang Cai, Longrong Yang, Minghe Weng, Xuewei Li, Zequn Qin, Xi Li

机构 * School of Software Technology, Zhejiang University（浙江大学软件学院） ； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； School of Electronic and Information, Shanghai Dianji University（上海电机学院电子信息学院） 纠错

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

AI总结 本文提出LTDR路由器，针对视觉-语言混合专家架构中的长尾分布问题，通过模态特定的分布感知路由和动态专家激活策略，提升模型性能。

ReFormeR: Learning and Applying Explicit Query Reformulation Patterns

ReFormeR：学习和应用显式查询改写模式

Amin Bigdeli, Mert Incesu, Negar Arabzadeh, Charles L. A. Clarke, Ebrahim Bagheri

机构 * University of Waterloo（滑铁卢大学） ； University of Toronto（多伦多大学） ； University of California, Berkeley（加州大学伯克利分校） 纠错

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

AI总结 ReFormeR通过提取并整合查询改写模式，引导LLM进行受控的改写操作，提升检索效果。

One Pic is All it Takes: Poisoning Visual Document Retrieval Augmented Generation with a Single Image

一张图片足矣：通过单张图片对视觉文档检索增强生成进行污染攻击

Ezzeldin Shereen, Dan Ristea, Shae McFadden, Burak Hasircioglu, Vasilios Mavroudis, Chris Hicks

机构 * The Alan Turing Institute（艾伦·图灵研究所） ； University College London（伦敦大学学院） 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 本文研究了视觉文档检索增强生成（VD-RAG）对污染攻击的脆弱性，通过单张恶意图片实现针对性和通用性攻击，展示了VD-RAG在目标和通用设置下的漏洞，但在黑盒攻击下表现出一定的鲁棒性。

Comments Published in Transactions on Machine Learning Research (03/2026)

Journal ref Transactions on Machine Learning Research (TMLR), 2026

Asymptotically Optimal Sequential Testing with Heterogeneous LLMs

异质大语言模型的渐近最优顺序检验

Guokai Li, Alys Liang, Mo Liu, Murray Lei, Stefanus Jasin, Fenghua Yang, Preet Baxi

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

AI总结 本文研究了使用异质大语言模型进行贝叶斯二元顺序假设检验问题，通过分析信息率和成本，证明在误差容忍度趋近于零时，最优策略等价于使用最多两个模型，并构造了基于信念的混合策略以逼近下限。

Do Agents Repair When Challenged -- or Just Reply? Challenge, Repair, and Public Correction in a Deployed Agent Forum

智能体在受挑战时会修复还是仅回应？挑战、修复与公共纠正在一个部署的智能体论坛中的探讨

Luyang Zhang, Yi-Yun Chu, Jialu Wang, Beibei Li, Ramayya Krishnan

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

AI总结 研究比较了部署的智能体论坛Moltbook与Reddit社区，发现Moltbook讨论线程较少，挑战回应率低，修复机制缺失，表明社区维持互动过程对规范教学和修订的重要性。

Beyond Preset Identities: How Agents Form Stances and Boundaries in Generative Societies

超越预设身份：生成社会中代理如何形成立场和边界

Hanzhong Zhang, Siyang Song, Jindong Wang

机构 * University of Exeter（埃克塞特大学） ； William & Mary（威廉与玛丽学院） 纠错

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

AI总结 本文通过混合方法框架研究生成社会中代理的立场形成与边界构建，提出三个新指标揭示代理在复杂干预中的动态变化及信任与行为关系。

Comments 22 pages, 3 figures. arXiv admin note: substantial text overlap with arXiv:2508.17366

Impact of Multimodal and Conversational AI on Learning Outcomes and Experience

多模态和对话式AI对学习成果和体验的影响

Karan Taneja, Anjali Singh, Ashok K. Goel

机构 * Georgia Institute of Technology（佐治亚理工学院） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

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

AI总结 本研究比较了三种生物学学习方法，发现多模态对话式AI在学习成果和体验上表现最佳，但文本仅对话式AI虽易用但效果最差，揭示了认知负荷理论下的学习效果与感知之间的差异。

Comments 16 pages, 3 figures, Accepted to AIED 2026 (Seoul, South Korea)

Conversational Successes and Breakdowns in Everyday Smart Glasses Use

日常智能眼镜中的对话成功与失败

Xiuqi Tommy Zhu, Xiaoan Liu, Casper Harteveld, Smit Desai, Eileen McGivney

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

AI总结 研究通过一个月的协作自民族志方法，分析了非显示智能眼镜在日常场景中的对话表现，揭示其独特优势与改进方向。

IGLOSS: Image Generation for Lidar Open-vocabulary Semantic Segmentation

IGLOSS：面向激光雷达开放词汇语义分割的图像生成

Nermin Samet, Gilles Puy, Renaud Marlet

机构 * LIGM, Ecole des Ponts, Univ Gustave Eiffel, CNRS（LIGM, 巴黎高科桥梁学院, 古斯塔夫·埃菲尔大学, 法国国家科学研究中心） 纠错

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

AI总结 本文提出一种新的方法，用于3D汽车激光雷达数据的零样本开放词汇语义分割。通过文本生成图像创建原型，利用2D视觉基础模型提取3D网络特征，实现点云标注，方法在nuScenes和SemanticKITTI上达到最新水平。

The Geometric Anatomy of Capability Acquisition in Transformers

Transformer中能力获取的几何解剖

Jayadev Billa

机构 * San Jose, CA, USA（美国加利福尼亚州圣何塞） ； Yahoo（雅虎） ； Nuance（纽昂斯） ； BBN（BBN科技） 纠错

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

AI总结 研究揭示了Transformer模型在训练过程中能力获取的几何变化与行为变化的关系，发现任务难度和模型规模影响几何变化与行为表现的先后顺序，且仅在困难任务中存在明显的先决阶段。

Comments 19 pages (13 pages main, 6 pages appendix), 13 tables, 8 figures. v4: significant rewrite with additional experiments

The Convergence Frontier: Integrating Machine Learning and High Performance Quantum Computing for Next-Generation Drug Discovery

收敛前沿：整合机器学习和高性能量子计算用于下一代药物发现

Narjes Ansari, César Feniou, Nicolaï Gouraud, Daniele Loco, Siwar Badreddine, Baptiste Claudon, Félix Aviat, Marharyta Blazhynska, Kevin Gasperich, Guillaume Michel, Diata Traore, Corentin Villot, Thomas Plé, Olivier Adjoua, Louis Lagardère, Jean-Philip Piquemal

机构 * Qubit Pharmaceuticals, Advanced Research Department（Qubit Pharmaceuticals 先进研究部） ； Qubit Pharmaceuticals Inc, Advanced Research Department（Qubit Pharmaceuticals Inc 先进研究部） ； Sorbonne Université, Laboratoire de Chimie Théorique, UMR 7616 CNRS（索邦大学理论化学实验室，CNRS UMR 7616） 纠错

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

AI总结 本文探讨了高性能计算、机器学习和量子计算的融合如何突破药物发现中的瓶颈，通过量子准确模拟和混合量子-图形处理器架构实现真正的化学精度。

CXR-LT 2026 Challenge: Projection-Aware Multi-Label and Zero-Shot Chest X-Ray Classification

CXR-LT 2026挑战：面向投影的多标签和零样本胸片分类

Juno Cho, Dohui Kim, Mingeon Kim, Hyunseo Jang, Chang Sun Lee, Jong Chul Ye

机构 * KAIST（韩国科学技术院） ； GIST（光州科学技术院） ； Korea University（高丽大学） ； KAIST Graduate School of AI (GSAI)（韩国科学技术院人工智能研究生院） 纠错

专题命中 其他LLM ：LLM(abstract)

AI总结 该挑战针对已知胸片病变的多标签分类和未知病变的零样本分类，通过整合投影特定模型的分类网络，提出双分支架构结合对比学习和LLM生成提示，提升零样本泛化能力。

Comments 5 pages, 3 figures. Accepted to the IEEE ISBI 2026 CXR-LT Challenge

Mitigating Implicit Inconsistencies in Patch Porting

缓解补丁移植中的隐含不一致

Shengyi Pan, Zhongxin Liu, Jiayuan Zhou, Xing Hu, Xin Xia, Shanping Li

专题命中 其他LLM ：LLM(abstract)

AI总结 本文提出MIP方法，通过LLM、编译器和代码分析工具协作，解决补丁移植中的隐含不一致问题，实验显示其在跨仓库和分支场景中效果显著。

Non-Rigid 3D Shape Correspondences: From Foundations to Open Challenges and Opportunities

非刚性3D形状对应：从基础到开放挑战与机遇

Aleksei Zhuravlev, Lennart Bastian, Dongliang Cao, Nafie El Amrani, Paul Roetzer, Viktoria Ehm, Riccardo Marin, Hiroki Nishizawa, Shigeo Morishima, Christian Theobalt, Nassir Navab, Daniel Cremers, Florian Bernard, Zorah Lähner, Vladislav Golyanik

机构 * MPI for Informatics（马克斯·普朗克信息学研究所） ； University of Bonn（波恩大学） ； Lamarr Institute（拉马尔研究所） ； Waseda University（早稻田大学） ； Waseda Research Institute for Science and Engineering（早稻田大学理工学研究所） ； Imperial College London（帝国理工学院） ； Technical University of Munich（慕尼黑工业大学） ； Munich Center for Machine Learning（慕尼黑机器学习中心） 纠错

专题命中 其他LLM ：foundation model(abstract)

AI总结 本文探讨了非刚性3D形状对应问题，分析了三种主要方法：谱方法、组合方法和基于变形的方法，并讨论了各自优缺点及最新发展，最后总结了该领域的挑战与机遇。

Comments 35 pages and 15 figures; Eurographics 2026 STAR; Project page: https://nonrigid-shape-correspondences.github.io