语言大模型 / LLM

FinPercep-RM: A Fine-grained Reward Model and Co-evolutionary Curriculum for RL-based Real-world Super-Resolution

FinPercep-RM：一种细粒度奖励模型和协同进化课程用于基于强化学习的现实世界超分辨率

Yidi Liu, Zihao Fan, Jie Huang, Jie Xiao, Dong Li, Wenlong Zhang, Lei Bai, Xueyang Fu, Zheng-Jun Zha

机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai AI Laboratory（上海人工智能实验室） 纠错

专题命中 后训练与偏好优化 ：RLHF(abstract)

AI总结 本文提出FinPercep-RM细粒度奖励模型和协同进化课程学习机制，通过生成感知退化图提升超分辨率模型的感知质量，解决传统IQA模型对局部细粒度失真不敏感的问题。

Comments Accepted by CVPR2026

SafeCtrl: Region-Aware Safety Control for Text-to-Image Diffusion via Detect-Then-Suppress

SafeCtrl: 通过检测-然后抑制方法实现区域感知的安全控制

Lingyun Zhang, Yu Xie, Zhongli Fang, Yu Liu, Ping Chen

机构 * School of Computer Science and Technology, Fudan University（复旦大学计算机科学技术学院） ； Institute of Big Data, Fudan University（复旦大学大数据研究院） ； Nanjing University of Information Science and Technology（南京信息工程大学） 纠错

专题命中 后训练与偏好优化 ：preference optimization(abstract)

AI总结 SafeCtrl通过检测-然后抑制方法实现区域感知的安全控制，精准定位风险区域并局部抑制有害内容，提升安全性与生成质量。

Comments 6 pages, 5 figures, accepted to 2026 IEEE International Conference on Multimedia and Expo (ICME)

Readable Minds: Emergent Theory-of-Mind-Like Behavior in LLM Poker Agents

可读心智：LLM扑克代理中涌现的理论心智行为

Hsieh-Ting Lin, Tsung-Yu Hou

机构 * Department of Oncology, Koo Foundation Sun Yat-Sen Cancer Center（辜公亮基金会和信治癌中心医院肿瘤科） ； Department of Digital Content and Technologies, National Chengchi University（国立政治大学数位内容与科技学系） 纠错

专题命中 长上下文与记忆 ：LLM(title,abstract)；large language model(abstract)；language model(abstract)；prompting(abstract)

AI总结 本文研究LLM在动态互动中发展理论心智行为的能力，发现持久记忆是必要且充分条件，使代理达到高级对手建模水平，且领域知识增强应用效果。

Comments 7 pages (PNAS format), 4 figures, 2 tables, 49 references. Submitted to PNAS

Robust Adaptation of Foundation Models with Black-Box Visual Prompting

基于黑盒视觉提示的模型鲁棒适应

Changdae Oh, Gyeongdeok Seo, Geunyoung Jung, Zhi-Qi Cheng, Hosik Choi, Jiyoung Jung, Kyungwoo Song

机构 * University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； University of Seoul（首尔市立大学） ； Yonsei University（延世大学） ； University of Washington（华盛顿大学） 纠错

专题命中 长上下文与记忆 ：prompting(title,abstract)；foundation model(title)；分类 cs.LG

AI总结 本文提出BlackVIP方法，通过协调器和SPSA-GC组件实现无需模型参数的PTM适应，通过实验展示其在不同领域和任务中的鲁棒性，同时提供理论分析支持视觉提示方法的鲁棒性。

Comments Accepted to IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI) 2026

Search-Based Multi-Trajectory Refinement for Safe C-to-Rust Translation with Large Language Models

基于搜索的多轨迹优化用于大型语言模型驱动的安全C到Rust转换

HoHyun Sim, Hyeonjoong Cho, Yeonghyeon Go, Sadegh AlMahdi Kazemi Zarkouei, Zhoulai Fu, Ali Shokri, Binoy Ravindran

专题命中 长上下文与记忆 ：large language model(title)；language model(title)；LLM(abstract)

AI总结 本文提出LAC2R方法，利用MCTS系统探索多轨迹优化，提升C到Rust转换的安全性和准确性，实验表明其在大规模和小规模基准测试中均表现优异。

Scaling Teams or Scaling Time? Memory Enabled Lifelong Learning in LLM Multi-Agent Systems

团队规模还是时间规模？基于内存的持续学习在大语言模型多智能体系统中的应用

Shanglin Wu, Yuyang Luo, Yueqing Liang, Kaiwen Shi, Yanfang Ye, Ali Payani, Kai Shu

机构 * Emory University（埃默里大学） ； Illinois Institute of Technology（伊利诺伊理工学院） ； University of Notre Dame（圣母大学） ； Cisco Research（思科研究院） 纠错

专题命中 长上下文与记忆 ：LLM(title,abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 本文研究了大语言模型多智能体系统在团队规模和持续学习能力上的协同优化，提出LLMA-Mem框架，通过灵活内存拓扑提升长期性能并降低成本。

CAWN: Continuous Acoustic Wave Networks for Autoregressive Language Modeling

CAWN：连续声波网络用于自回归语言建模

Dejan Čugalj, Aleksandar Jevremovic

机构 * Singidunum University（辛吉杜努姆大学） 纠错

专题命中 长上下文与记忆 ：language model(title,abstract)；large language model(abstract)；分类 cs.CL

AI总结 CAWN提出一种连续序列混合架构，通过相位累积机制实现序列混合，结合选择性相位共振机制和深度谐波卷积，提升超长上下文处理能力，实验证明其在词汇获取和上下文去噪方面的优越性。

Comments 13 pages, 3 figures

The PIMMUR Principles: Ensuring Validity in Collective Behavior of LLM Societies

PIMMUR 原则：确保 LLM 社会集体行为的有效性

Jiaxu Zhou, Jen-tse Huang, Xuhui Zhou, Man Ho Lam, Xintao Wang, Hao Zhu, Wenxuan Wang, Maarten Sap

机构 * Chinese University of Hong Kong（香港中文大学） ； Johns Hopkins University（约翰斯·霍普金斯大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Fudan University（复旦大学） ； Stanford University（斯坦福大学） ； Renmin University of China（中国人民大学） 纠错

专题命中 长上下文与记忆 ：LLM(title)；large language model(abstract)；language model(abstract)；分类 cs.CL

AI总结 本文通过审计39项研究，识别出六个普遍缺陷，指出89.7%的研究违反至少一个原则，导致模拟有效性受损。通过复现实验发现，当遵循PIMMUR原则时，报告的集体现象往往消失或反转，表明许多'涌现'行为可能是方法学伪影而非真实社会动态。

Comments 13 pages, 9 figures, 3 tables; add more papers in our systematic audit (39 in total)

High-Stakes Personalization: Rethinking LLM Customization for Individual Investor Decision-Making

高风险个性化：重新思考面向个人投资者决策的LLM定制

Yash Ganpat Sawant

专题命中 长上下文与记忆 ：LLM(title,abstract)；分类 cs.CL、cs.LG

AI总结 本文探讨了在高风险、长期决策领域中，LLM个性化面临的核心挑战，包括行为记忆复杂性、主题一致性、风格信号张力及无地面真相的对齐问题，并提出相应的架构改进方向。

Comments 4 pages + 1 page references. Submitted to CustomNLP4U Workshop @ ACL 2026

Rethinking Token Prediction: Tree-Structured Diffusion Language Model

重新思考标记预测：树结构扩散语言模型

Zihao Wu, Haoming Yang, Juncheng Dong, Vahid Tarokh

专题命中 长上下文与记忆 ：language model(title,abstract)；分类 cs.CL、cs.LG

AI总结 本文提出树结构扩散语言模型，通过利用标记间的内在结构，减少参数和内存使用，实现在有限资源下提升性能。

Springdrift: An Auditable Persistent Runtime for LLM Agents with Case-Based Memory, Normative Safety, and Ambient Self-Perception

Springdrift：一种可审计的持久运行时用于LLM代理，具备基于案例的记忆、规范安全性和环境自我感知

Seamus Brady

专题命中 长上下文与记忆 ：LLM(title,abstract)；分类 cs.AI

AI总结 Springdrift通过可审计的执行子系统、基于案例的记忆层和规范安全机制，实现了LLM代理在跨会话任务连续性和环境自我感知方面的突破，展示了无显式指令下的自主诊断能力。

Cognibit: From Digital Exhaustion to Real-World Connection Through Gamified Territory Control and LLM-Powered Twin Networking

Cognibit：通过游戏化领土控制和LLM赋能的双网络实现从数字疲劳到现实世界连接

Wanghao Ye, Sihan Chen, Yiting Wang, Shwai He, Bowei Tian, Guoheng Sun, Ziyi Wang, Ziyao Wang, Yexiao He, Zheyu Shen, Meng Liu, Yuning Zhang, Meng Feng, Yifei Dong, Yanhong Qian, Yang Wang, Siyuan Peng, Yilong Dai, Zhenle Duan, Joshua Liu, Lang Xiong, Hanzhang Qin, Ang Li

专题命中 长上下文与记忆 ：LLM(title,abstract)

AI总结 本文提出一个基于LLM的社会发现平台，通过数字孪生自主评估人际相容性。平台整合了数字孪生、游戏化领土征服机制和AI伴侣三大支柱，基于CogniPair架构，在哥伦比亚速配数据集上验证，扩展了之前的模拟匹配至完整部署的社会发现环境。

Comments 9 pages main body, 155 pages total with appendices

MemMachine: A Ground-Truth-Preserving Memory System for Personalized AI Agents

MemMachine：一种保持事实真实性的记忆系统用于个性化AI代理

Shu Wang, Edwin Yu, Oscar Love, Tom Zhang, Tom Wong, Steve Scargall, Charles Fan

机构 * MemVerge, Inc.（MemVerge公司） 纠错

专题命中 长上下文与记忆 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 MemMachine是一种开源记忆系统，通过整合短期、长期事件和用户档案记忆，实现事实真实性保护，提升多会话交互的准确性和效率。

Comments 18 pages, 16 tables, 3 figures

Collective AI can amplify tiny perturbations into divergent decisions

集体AI可以放大微小扰动成为分歧决策

Hajime Shimao, Warut Khern-am-nuai, Sung Joo Kim

机构 * The Pennsylvania State University（宾夕法尼亚州立大学） ； McGill University（麦吉尔大学） ； American University（美利坚大学） 纠错

专题命中 长上下文与记忆 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 研究发现集体AI在迭代多模型讨论中可能放大微小扰动导致决策分歧，且委员会架构影响稳定性，揭示集体AI的稳定性问题。

Comments Main text: 9 pages, 4 figures;

Structure Matters: Evaluating Multi-Agents Orchestration in Generative Therapeutic Chatbots

结构至关重要：评估生成治疗聊天机器人中多代理协调

Sina Elahimanesh, Mohammadali Mohammadkhani, Sara Zahedi Movahed, Mohammad Mahdi Abootorabi, Shayan Salehi, Abbas Edalat

专题命中 长上下文与记忆 ：LLM(abstract)；large language model(abstract)；language model(abstract)

AI总结 研究探讨了基于LLM的多代理系统在生成治疗聊天机器人中的表现，发现其在对话自然度和人类感方面优于单一代理和无指导LLM，证明架构协调对治疗AI的重要性。

Auxiliary-predicted Compress Memory Model(ApCM Model): A Neural Memory Storage Model Based on Invertible Compression and Learnable Prediction

辅助预测压缩记忆模型（ApCM模型）：一种基于可逆压缩和可学习预测的神经记忆存储模型

Weinuo Ou

专题命中 长上下文与记忆 ：large language model(abstract)；language model(abstract)；分类 cs.LG

AI总结 本文提出ApCM模型，通过可逆压缩和可学习预测解决大语言模型运行时内存机制不足的问题，提升动态个性化交互能力。

Comments 9 pages, 7 figures

ENCRUST: Encapsulated Substitution and Agentic Refinement on a Live Scaffold for Safe C-to-Rust Translation

ENCRUST：在活体支架上进行封装替换和代理细化以实现安全的C到Rust翻译

Hohyun Sim, Hyeonjoong Cho, Ali Shokri, Zhoulai Fu, Binoy Ravindran

机构 * Korea University（高丽大学） ； University of Houston（休斯顿大学） ； State University of New York Korea（纽约州立大学韩国分校） 纠错

专题命中 长上下文与记忆 ：LLM(abstract)；分类 cs.AI

AI总结 ENCRUST通过封装替换和代理细化方法，解决C到Rust翻译中的类型不匹配和不安全构造问题，通过ABI保持封装模式和整体代码库验证，实现安全且可编译的转换。

Symbolic-Vector Attention Fusion for Collective Intelligence

符号-向量注意力融合用于集体智能

Hongwei Xu

专题命中 长上下文与记忆 ：LLM(abstract)；分类 cs.AI

AI总结 本文提出SVAF机制，通过分解多智能体信号并评估语义字段，实现知识融合与选择性过滤，提升集体智能性能。

Comments 26 pages, 14 tables, 0 figures

Hypothesis Graph Refinement: Hypothesis-Driven Exploration with Cascade Error Correction for Embodied Navigation

假设图细化：基于假设的探索与级联错误校正的具身导航

Peixin Chen, Guoxi Zhang, Jianwei Ma, Qing Li

机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Beijing Institute for General Artificial Intelligence（北京通用人工智能研究院） ； Peking University（北京大学） 纠错

专题命中 长上下文与记忆 ：language model(abstract)

AI总结 本文提出HGR框架，通过假设节点的可修改性实现具身导航中的定向探索，并通过级联校正系统性地纠正错误。实验显示HGR在GOAT-Bench和QA基准上均取得显著提升。

Compass vs Railway Tracks: Unpacking User Mental Models for Communicating Long-Horizon Work to Humans vs. AI

指南针与铁轨：解析用户心理模型以向人类和AI传达长期任务

Savvas Petridis, Michael Xieyang Liu, Alexander J. Fiannaca, Carrie J. Cai, Michael Terry

专题命中 长上下文与记忆 ：prompting(abstract)

AI总结 研究探讨用户如何向人类和AI传达长期任务，发现人类协作如指南针，AI则需铁轨般的明确指令，提出设计未来AI系统的方法。

Reliability of Large Language Models for Design Synthesis: An Empirical Study of Variance, Prompt Sensitivity, and Method Scaffolding

大语言模型在设计综合中的可靠性：方差、提示敏感性和方法框架的实证研究

Rabia Iftikhar, Andreas Rausch

专题命中 推理与问题求解 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)；prompting(abstract)

AI总结 本研究探讨大语言模型在设计综合中的可靠性，通过方差、提示敏感性和方法框架的实证分析，评估三种LLM在不同提示策略下的表现，发现偏好对齐虽提升设计意图符合度，但无法消除非确定性，模型行为影响设计可靠性。

Journal ref International Conference on Software Architecture 2026

Large Language Models for Combinatorial Optimization of Design Structure Matrix

大型语言模型用于设计结构矩阵的组合优化

Shuo Jiang, Min Xie, Jianxi Luo

机构 * City University of Hong Kong（香港城市大学） 纠错

专题命中 推理与问题求解 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)；分类 cs.AI

AI总结 本文提出基于大型语言模型的框架，用于优化设计结构矩阵的序列，通过结合网络拓扑和领域知识提升收敛速度和解的质量。

Optimizing LLM Prompt Engineering with DSPy Based Declarative Learning

基于DSPy的声明式学习优化大语言模型提示工程

Shiek Ruksana, Sailesh Kiran Kurra, Thipparthi Sanjay Baradwaj

机构 * Vasavi College of Engineering（瓦萨维工程学院） ； Amazon（亚马逊） ； Texas（德克萨斯州） 纠错

专题命中 推理与问题求解 ：LLM(title,abstract)；large language model(abstract)；language model(abstract)；分类 cs.LG

AI总结 本文提出基于DSPy的声明式学习方法，通过符号规划、无梯度优化和自动模块重写提升提示优化的可靠性、效率和泛化能力，实验显示事实准确率提升30-45%，幻觉率降低25%。

Comments Best paper Award ,IEEE International Conference on Emerging Smart Computing and Informatics (ESCI) Pune, India. Mar 11-13, 2026

Making Bias Non-Predictive: Training Robust LLM Reasoning via Reinforcement Learning

消除偏见的可预测性：通过强化学习训练鲁棒的大语言模型推理

Qian Wang, Xuandong Zhao, Zirui Zhang, Zhanzhi Lou, Nuo Chen, Dawn Song, Bingsheng He

专题命中 推理与问题求解 ：LLM(title)；large language model(abstract)；language model(abstract)；prompting(abstract)

AI总结 本文提出Epistemic Independence Training (EIT)框架，通过使偏见提示非预测性来提升大语言模型的推理鲁棒性，实验表明其在对抗性偏见下表现更优，并能泛化至多种偏见类型。

Gaussian mixture models as a proxy for interacting language models

高斯混合模型作为交互语言模型的代理

Edward L. Wang, Mohammad Sharifi Kiasari, Tianyu Wang, Hayden Helm, Avanti Athreya, Carey Priebe, Vince Lyzinski

机构 * Helivan Research 纠错

专题命中 推理与问题求解 ：language model(title,abstract)；large language model(abstract)；分类 cs.CL、cs.LG

AI总结 本文提出交互高斯混合模型作为交互语言模型的代理，通过构建具有类RAG更新机制的模型，展示其在低计算成本下模拟交互语言模型的反馈过程，并提供理论分析。

Profile-Then-Reason: Bounded Semantic Complexity for Tool-Augmented Language Agents

Profile-Then-Reason: 用于工具增强语言代理的有界语义复杂度

Paulo Akira F. Enabe

机构 * Escola Politénica University of São Paulo（圣保罗大学理工学院） 纠错

专题命中 推理与问题求解 ：language agent(title)；large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 本文提出Profile-Then-Reason框架，通过预设工作流和验证机制减少语言模型调用次数，提升工具增强推理效率。

IV Co-Scientist: Multi-Agent LLM Framework for Causal Instrumental Variable Discovery

IV共科学家：多智能体LLM框架用于因果工具变量发现

Ivaxi Sheth, Zhijing Jin, Bryan Wilder, Dominik Janzing, Mario Fritz

机构 * CISPA Helmholtz Center for Information Security（CISPA亥姆霍兹信息安全中心） ； Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所） ； Jinesis AI Lab（Jinesis AI实验室） ； University of Toronto（多伦多大学） ； Vector Institute（向量研究所） ； EuroSafeAI ； Carnegie Mellon University（卡内基梅隆大学） ； Amazon（亚马逊） 纠错

专题命中 推理与问题求解 ：LLM(title)；large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 本文探讨LLM在发现因果工具变量中的作用，提出IV共科学家多智能体系统，通过测试和评估LLM恢复已知工具及避免无效工具的能力，展示LLM在大规模观测数据中发现有效工具的潜力。

Comments Paper accepted at CleaR 2026

Metaphors We Compute By: A Computational Audit of Cultural Translation vs. Thinking in LLMs

我们通过什么来计算隐喻：对文化翻译与LLM中思维的计算审计

Yuan Chang, Jiaming Qu, Zhu Li

专题命中 推理与问题求解 ：LLM(abstract)；large language model(abstract)；language model(abstract)；prompting(abstract)

AI总结 本文通过创造性写作任务研究LLM的文化包容性，发现模型在特定文化情境下存在刻板隐喻使用和西方默认倾向，表明单纯提示文化身份无法保证文化思维。

ACT: Agentic Classification Tree

ACT：代理分类树

Vincent Grari, Tim Arni, Thibault Laugel, Sylvain Lamprier, James Zou, Marcin Detyniecki

机构 * AXA AI Research（AXA人工智能研究） ； Stanford University（斯坦福大学） ； EPFL, Lausanne, Switzerland（瑞士洛桑联邦理工学院） ； Polish Academy of Sciences, IBS PAN, Warsaw, Poland（波兰科学院计算机科学研究所） 纠错

专题命中 推理与问题求解 ：LLM(abstract)；large language model(abstract)；language model(abstract)；prompting(abstract)

AI总结 ACT通过将决策树扩展到非结构化输入，利用自然语言问题和LLM反馈提升透明度和可解释性，实验证明其在文本基准上优于基于提示的方法。

Comments 25 pages, 8 figures

When the Chain Breaks: Interactive Diagnosis of LLM Chain-of-Thought Reasoning Errors

当链条断裂时：LLM推理错误的交互诊断

Shiwei Chen, Niruthikka Sritharan, Xiaolin Wen, Chenxi Zhang, Xingbo Wang, Yong Wang

专题命中 推理与问题求解 ：LLM(title)；large language model(abstract)；language model(abstract)

AI总结 本文提出ReasonDiag系统，通过结合外部事实核查与符号逻辑验证，帮助用户高效识别和诊断LLM推理链条中的错误步骤及根本原因。

Comments Accepted to EuroVis 2026