语言大模型 / LLM

Infusing Theory of Mind into Socially Intelligent LLM Agents

将心智理论融入社交智能的大语言模型代理

EunJeong Hwang, Yuwei Yin, Giuseppe Carenini, Peter West, Vered Shwartz

机构 * University of British Columbia（不列颠哥伦比亚大学） ； Vector Institute for AI（向量人工智能研究所） 纠错

专题命中 评测与基准 ：LLM(title,abstract)；prompting(abstract)；分类 cs.CL

AI总结 本文提出ToMAgent，通过结合心智理论与对话前瞻训练，提升对话效果和目标达成能力，实验表明其在社交交互评估基准中优于基线方法。

Decoding AI Authorship: Can LLMs Truly Mimic Human Style Across Literature and Politics?

解码AI作者身份：LLMs能否真正模仿文学和政治领域的作家风格？

Nasser A Alsadhan

机构 * College of Computer and Information Sciences, King Saud University（沙特国王大学计算机与信息科学学院） 纠错

专题命中 评测与基准 ：LLM(abstract)；large language model(abstract)；language model(abstract)；prompting(abstract)

AI总结 研究探讨了先进大语言模型在模仿文学和政治作家风格方面的能力，发现AI生成文本仍易被检测，主要差异在于随机性与情感密度。

Comments Preprint. Accepted for publication in Digital Scholarship in the Humanities (OUP)

Journal ref Digital Scholarship in the Humanities, 2026

Evaluating Visual Prompts with Eye-Tracking Data for MLLM-Based Human Activity Recognition

基于眼动数据的视觉提示在基于多模态LLM的人类活动识别中的评估

Jae Young Choi, Seon Gyeom Kim, Hyungjun Yoon, Taeckyung Lee, Donggun Lee, Jaeryung Chung, Jihyung Kil, Ryan Rossi, Sung-Ju Lee, Tak Yeon Lee

机构 * KAIST（韩国科学技术院） ； Adobe Research（Adobe研究院） 纠错

专题命中 评测与基准 ：large language model(abstract)；language model(abstract)；foundation model(abstract)；prompting(abstract)

AI总结 本文通过眼动数据可视化方法提升多模态LLM处理高频传感器数据的效率，验证了视觉提示在人类活动识别中的有效性与扩展性。

Comments 6 pages. Conditionally accepted to IEEE PacificVis 2026 (VisNotes track)

Demographic and Linguistic Bias Evaluation in Omnimodal Language Models

多模态语言模型中的人口和语言偏差评估

Alaa Elobaid

机构 * Freie Universität Berlin（柏林自由大学） 纠错

专题命中 评测与基准 ：language model(title,abstract)；分类 cs.CL、cs.AI

AI总结 本文评估了多模态语言模型中的人口和语言偏差，通过不同任务揭示图像和视频理解任务在人口差异上表现更优，而音频理解任务存在显著偏差和预测崩溃。

Comments Accepted at ICPR 2026. Full paper with complete appendix (31 pages total)

LETGAMES: An LLM-Powered Gamified Approach to Cognitive Training for Patients with Cognitive Impairment

LETGAMES: 一种基于大语言模型的认知训练游戏化方法用于认知障碍患者

Jingwei Shi, Shengyu Tao, Xinxiang Yin, Chen Huang, Wenqiang Lei, See-Kiong Ng

机构 * Shanghai University of Finance and Economics（上海财经大学） ； Northwest Polytechnical University（西北工业大学） ； Institute of Data Science, National University of Singapore（新加坡国立大学数据科学研究所） ； College of Computer Science, Sichuan University（四川大学计算机学院） 纠错

专题命中 评测与基准 ：LLM(title,abstract)；分类 cs.CL、cs.AI

AI总结 LETGAMES通过大语言模型生成个性化互动叙事游戏，针对特定认知领域设计挑战，并通过对话策略提供指导，通过心理学基础评估协议验证其有效性，展示了在认知训练工具中的潜力。

Comments 53 pages

CAMO: A Class-Aware Minority-Optimized Ensemble for Robust Language Model Evaluation on Imbalanced Data

CAMO：一种类感知少数优化集成方法，用于在不平衡数据上稳健的语言模型评估

Mohamed Ehab, Ali Hamdi, Khaled Shaban

机构 * October University for Modern Science & Arts（十月现代科学与艺术大学） ； Qatar University（卡塔尔大学） 纠错

专题命中 评测与基准 ：language model(title,abstract)；分类 cs.CL、cs.LG

AI总结 CAMO通过整合投票分布、置信度校准和模型不确定性，提升少数类表现，验证于两个领域特定的不平衡基准，展现优于传统集成方法的严格宏F1分数。

Automated SVA Generation with LLMs

基于大语言模型的自动化SVA生成

Lik Tung Fu, Qihang Wang, Shaokai Ren, Mengli Zhang, Sichao Yang, Jun Liu, Xi Wang

专题命中 评测与基准 ：LLM(abstract)；large language model(abstract)；language model(abstract)；prompting(abstract)

AI总结 本文提出SVA Generator框架，通过AST基础约束注入和自动化监督流程，将自然语言SVA描述转化为可执行的SVA。在不同难度层级上，其语义等价率显著高于通用大语言模型。

Comments Accepted by ISEDA 2026

What Do Vision-Language Models Encode for Personalized Image Aesthetics Assessment?

视觉-语言模型如何编码个性化图像审美评估？

Koki Ryu, Hitomi Yanaka

机构 * The University of Tokyo（东京大学） ； Riken（理化学研究所） ； Tohoku University（东北大学） 纠错

专题命中 评测与基准 ：language model(title,abstract)；分类 cs.CL

AI总结 本文分析了视觉-语言模型内部表示中审美属性的分布，利用这些属性实现轻量级个性化图像审美评估，无需微调模型。

Comments To appear at ACL 2026 findings

Seeing Through Deception: Uncovering Misleading Creator Intent in Multimodal News with Vision-Language Models

穿透欺骗：在多模态新闻中揭示误导性创作者意图

Jiaying Wu, Fanxiao Li, Zihang Fu, Min-Yen Kan, Bryan Hooi

机构 * National University of Singapore（新加坡国立大学） ； Yunnan University（云南大学） 纠错

专题命中 评测与基准 ：language model(title,abstract)；分类 cs.CL

AI总结 本文提出DeceptionDecoded基准数据集，通过意图引导模拟框架生成12000组图像-描述对，旨在揭示多模态虚假信息中的误导性意图，评估14种最新视觉-语言模型，发现其在意图推理上存在不足，提出系统合成数据以提升模型意图理解能力。

Comments ICLR 2026

Spoiler Alert: Narrative Forecasting as a Metric for Tension in LLM Storytelling

剧透预警：作为LLM叙事创作中紧张感度量衡的叙事预测

Peiqi Sui, Yutong Zhu, Tianyi Cheng, Peter West, Richard Jean So, Hoyt Long, Ari Holtzman

机构 * McGill University（麦吉尔大学） ； University of Chicago（芝加哥大学） ； University of British Columbia（不列颠哥伦比亚大学） ； Duke University（杜克大学） 纠错

专题命中 评测与基准 ：LLM(title,abstract)；分类 cs.CL

AI总结 本文提出100-Endings度量衡，通过句级预测故事结局来衡量叙事紧张感，提升LLM故事生成的紧张度并优于现有评估标准。

Comments 29 pages, 10 figures, 9 tables

Assessing Privacy Preservation and Utility in Online Vision-Language Models

评估在线视觉语言模型中的隐私保护与效用

Karmesh Siddharam Chaudhari, Youxiang Zhu, Amy Feng, Xiaohui Liang, Honggang Zhang

机构 * University of Massachusetts Boston（马萨诸塞大学波士顿分校） 纠错

专题命中 评测与基准 ：language model(title,abstract)；分类 cs.AI

AI总结 本文研究了在线视觉语言模型中个人身份信息泄露问题，探讨了图像中上下文关系提取对隐私的影响，并提出保护隐私同时保持效用的方法。

Comments Accepted for publication in IEEE ICC 2026. \c{opyright} IEEE. Personal use of this material is permitted. The final version will appear in IEEE Xplore

Panoptic Pairwise Distortion Graph

全景成对失真图

Muhammad Kamran Janjua, Abdul Wahab, Bahador Rashidi

机构 * Huawei Technologies（华为技术有限公司） 纠错

专题命中 评测与基准 ：large language model(abstract)；language model(abstract)；prompting(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出全景成对失真图任务，通过区域结构化组成图像对，改进现有方法对整体图像分析的局限性，构建PandaSet数据集、PandaBench基准和Panda架构，揭示多模态大语言模型在区域级失真理解上的不足。

Comments Accepted to ICLR 2026

LLMs Should Incorporate Explicit Mechanisms for Human Empathy

LLMs应纳入显式的人类共情机制

Xiaoxing You, Qiang Huang, Jun Yu

机构 * School of Computer Science, Hangzhou Dianzi University（杭州电子科技大学计算机学院） ； School of Intelligence Science and Engineering, Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）智能科学与工程学院） 纠错

专题命中 评测与基准 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI

AI总结 本文探讨了LLM应纳入显式共情机制以保持人类视角，指出现有模型在共情方面存在系统性缺陷，提出通过认知、文化和关系维度分析共情失败，并推动建立共情意识的目标、基准和训练信号。

EduIllustrate: Towards Scalable Automated Generation Of Multimodal Educational Content

EduIllustrate：迈向可扩展的自动多模态教育内容生成

Shuzhen Bi, Mingzi Zhang, Zhuoxuan Li, Xiaolong Wang, Keqian Li, Aimin Zhou

机构 * Shanghai Innovation Institute（上海创新研究院） ； University of Science and Technology of China（中国科学技术大学） ； East China Normal University（华东师范大学） 纠错

专题命中 评测与基准 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI

AI总结 本文提出EduIllustrate基准，用于评估LLM在K-12 STEM问题中生成图文结合解释的能力，通过230道题和8维度评估标准，揭示LLM在视觉一致性与成本效率上的表现差异。

Process-Centric Analysis of Agentic Software Systems

以过程为中心的代理软件系统分析

Shuyang Liu, Yang Chen, Rahul Krishna, Saurabh Sinha, Jatin Ganhotra, Reyhan Jabbarvand

机构 * University of Illinois Urbana–Champaign（伊利诺伊大学厄巴纳-香槟分校） ； IBM Research（IBM研究院） 纠错

专题命中 评测与基准 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI

AI总结 本文提出Graphectory用于分析代理软件系统的时序和语义关系，通过自动分析4000条轨迹发现代理策略随问题难度和LLM变化，揭示代理行为的复杂性与效率问题。

SLALOM: Simulation Lifecycle Analysis via Longitudinal Observation Metrics for Social Simulation

SLALOM：通过纵向观测度量进行社会模拟的仿真生命周期分析

Juhoon Lee, Joseph Seering

机构 * School of Computing, KAIST（韩国科学技术院计算机学院） 纠错

专题命中 评测与基准 ：LLM(abstract,comments)；large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 本文提出SLALOM框架，通过纵向观测度量评估仿真过程的可信度，结合POM方法和DTW技术，提升社会模拟的结构性真实性和政策模拟标准。

Comments CHI 2026 PoliSim@CHI 2026: LLM Agent Simulation for Policy Workshop

Optimizing IoT Intrusion Detection with Tabular Foundation Models for Smart City Forensics

基于表格基础模型的物联网入侵检测优化用于智慧城市取证

Asma Al-Dahmani, Abdulla Bin Safwan, Mohammad Obeidat, Belal Alsinglawi

专题命中 评测与基准 ：foundation model(title,abstract)

AI总结 本文提出基于Transformer的基础模型TabPFNv2.5，在智慧城市取证中实现比随机森林更快的推理速度和更高的检测准确率，通过混合管道提升物联网入侵检测效率。

A Simulation-Based Method for Testing Collaborative Learning Scaffolds Using LLM-Based Multi-Agent Systems

基于模拟的方法用于使用基于LLM的多智能体系统测试协作学习支架

Han Wua, Lishan Zhang, Chunming Lu

专题命中 评测与基准 ：LLM(title,abstract)

AI总结 本文提出基于LLM的多智能体模拟方法，研究协作学习过程及教学支架有效性，通过对比两种策略提升讨论多样性与互动深度，符合ICAP框架。

Comments submitted to journal of computer aisstant learning

Generative Data-engine Foundation Model for Universal Few-shot 2D Vascular Image Segmentation

通用少样本二维血管图像分割的生成数据引擎基础模型

Rongjun Ge, Xin Li, Yuxing Liu, Chengliang Liu, Pinzheng Zhang, Jiong Zhang, Jian Yang, Jean-Louis Dillenseger, Chunfeng Yang, Yuting He, Yang Chen

专题命中 评测与基准 ：foundation model(title,abstract)

AI总结 本文提出UniVG模型，通过生成数据引擎实现通用少样本二维血管图像分割，利用合成数据减少标注成本，提升分割性能。

SMFormer: Empowering Self-supervised Stereo Matching via Foundation Models and Data Augmentation

SMFormer：通过基础模型和数据增强赋能自监督立体匹配

Yun Wang, Zhengjie Yang, Jiahao Zheng, Zhanjie Zhang, Dapeng Oliver Wu, Yulan Guo

机构 * Department of Computer Science, City University of Hong Kong（香港城市大学计算机科学系） ； Hong Kong Generative AI Research and Development Center, The Hong Kong University of Science and Technology（香港科技大学香港生成式人工智能研发中心） ； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； School of Electronics and Communication Engineering, the Shenzhen Campus of Sun Yat-sen University, Sun Yat-sen University（中山大学深圳校区电子与通信工程学院） 纠错

专题命中 评测与基准 ：foundation model(title,abstract)

AI总结 本文提出SMFormer框架，结合基础模型和数据增强提升自监督立体匹配的鲁棒性与准确性，在多个基准测试中达到SOTA水平，甚至超越部分监督方法。

Journal ref IEEE Transactions on Image Processing 2026

From Translation to Superset: Benchmark-Driven Evolution of a Production AI Agent from Rust to Python

从翻译到超集：面向生产AI代理的基准驱动演进：从Rust到Python

Jinhua Wang, Biswa Sengupta

专题命中 评测与基准 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 本文提出一种基于LLM的持续代码翻译方法，将Rust生产代码库迁移至Python，通过基准驱动迭代优化，实现功能扩展与性能提升。

Dynamic Summary Generation for Interpretable Multimodal Depression Detection

动态摘要生成用于可解释的多模态抑郁症检测

Shiyu Teng, Jiaqing Liu, Hao Sun, Yu Li, Shurong Chai, Ruibo Hou, Tomoko Tateyama, Lanfen Lin, Yen-Wei Chen

机构 * College of Information Science and Engineering, Ritsumeikan University（立命馆大学信息科学与工程学院） ； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； Faculty of Engineering, University of the Ryukyus（琉球大学工学部） 纠错

专题命中 评测与基准 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 本文提出一种粗到细的多阶段框架，利用大语言模型实现准确且可解释的多模态抑郁症检测，通过生成临床摘要指导多模态融合模块，提升诊断准确性和可解释性。

QFS-Composer: Query-focused summarization pipeline for less resourced languages

QFS-Composer：面向资源匮乏语言的查询聚焦摘要流程

Vuk Đuranović, Marko Robnik Šikonja

专题命中 评测与基准 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.CL

AI总结 本文提出QFS-Composer框架，通过查询分解、问题生成、问题回答和抽象摘要提升摘要与用户意图的一致性，针对资源匮乏语言进行查询聚焦摘要研究。

Comments 12 pages, 3 tables

Agent Mentor: Framing Agent Knowledge through Semantic Trajectory Analysis

Agent Mentor: 通过语义轨迹分析框架代理知识

Roi Ben-Gigi, Yuval David, Fabiana Fournier, Lior Limonad, Dany Moshkovich, Hadar Mulian, Segev Shlomov

机构 * IBM Software Innovation Lab（IBM软件创新实验室） 纠错

专题命中 评测与基准 ：large language model(abstract)；language model(abstract)；prompting(abstract)；分类 cs.AI

AI总结 本文提出通过语义轨迹分析框架提升代理性能，通过系统提示的监控和逐步调整，系统性地注入纠正指令以改进代理知识，实验显示在规范模糊性主导的场景中效果显著。

Comments 10 pages, 5 figures

VeriSim: A Configurable Framework for Evaluating Medical AI Under Realistic Patient Noise

VeriSim：一种用于在现实患者噪声下评估医疗AI的可配置框架

Sina Mansouri, Mohit Marvania, Vibhavari Ashok Shihorkar, Han Ngoc Tran, Kazhal Shafiei, Mehrdad Fazli, Yikuan Li, Ziwei Zhu

机构 * George Mason University（乔治梅森大学） ； Department of Computer Science, George Mason University（乔治梅森大学计算机科学系） ； Department of Health Administration and Policy, College of Public Health, George Mason University（乔治梅森大学公共卫生学院卫生管理与政策系） ； Department of Science, George Mason University（乔治梅森大学科学系） 纠错

专题命中 评测与基准 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 本文提出VeriSim框架，通过引入可控的临床证据基础噪声，评估医疗AI在现实临床场景中的鲁棒性，发现所有模型在真实患者噪声下显著退化，且小型模型退化更严重。

From Perception to Autonomous Computational Modeling: A Multi-Agent Approach

从感知到自主计算建模：一种多智能体方法

Daniel N. Wilke

机构 * University of the Witwatersrand（威特沃特斯兰德大学） 纠错

专题命中 评测与基准 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.CL

AI总结 本文提出一种无需特定求解器的框架，通过多智能体自主执行工程组件的完整计算流程，包括从感知数据到工程报告的各个步骤，并通过钢制L型支架的有限元分析验证了该方法。

Comments 32 pages, 8 figures, 5 tables

In-situ process monitoring for defect detection in wire-arc additive manufacturing: an agentic AI approach

现场过程监控用于焊接电弧增材制造中的缺陷检测：一种基于代理的AI方法

Pallock Halder, Satyajit Mojumder

机构 * School of Mechanical and Materials Engineering, Washington State University（华盛顿州立大学机械与材料工程学院） 纠错

专题命中 评测与基准 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 本文提出基于代理的AI框架，用于现场过程监控以检测焊接电弧增材制造中的缺陷。通过开发处理和监控代理，结合真实数据和分类工具，实现高准确率的缺陷检测。

Comments 42 pages, 9 figures

ACE-Bench: A Lightweight Benchmark for Evaluating Azure SDK Usage Correctness

ACE-Bench：一个轻量级的评估 Azure SDK 使用正确性的基准测试

Wenxing Zhu, Simeng Qi, Junkui Chen, Yan Xie, Min Huang, Jingkan He, Xiao Wang, Cheng Chen, Sijing Meng, Tianqi Zhang

机构 * Microsoft（微软） 纠错

专题命中 评测与基准 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 ACE-Bench通过将官方文档示例转化为自包含编码任务，提供快速可重复的通过或失败信号，评估基于LLM的编码代理是否正确使用Azure SDK，同时减少评估成本并提高可重复性。

Comments 5 pages, 2 figures

Agent-Dice: Disentangling Knowledge Updates via Geometric Consensus for Agent Continual Learning

Agent-Dice: 通过几何共识解耦知识更新以实现智能体持续学习

Zheng Wu, Xingyu Lou, Xinbei Ma, Yansi Li, Weiwen Liu, Weinan Zhang, Jun Wang, Zhuosheng Zhang

机构 * School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学与工程学院） ； OPPO Research Institute（OPPO研究院） 纠错

专题命中 评测与基准 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.CL

AI总结 本文提出Agent-Dice框架，通过几何共识过滤和曲率重要性加权解耦知识更新，解决智能体持续学习中的稳定性与可塑性矛盾，实验表明其在GUI智能体和工具使用领域表现优异。

Enhancing Fine-Grained Spatial Grounding in 3D CT Report Generation via Discriminative Guidance

通过判别引导增强3D CT报告生成中的细粒度空间定位

Chenyu Wang, Weicheng Dai, Han Liu, Wenchao Li, Kayhan Batmanghelich

机构 * Boston University（波士顿大学） ； Siemens Healthineers（西门子医疗） 纠错

专题命中 评测与基准 ：LLM(abstract)；language model(abstract)；prompting(abstract)

AI总结 本文提出DCP-PD框架，通过提炼自由文本报告中的细粒度线索，指导报告生成并减少对快捷方式的依赖，提升了CT-RATE和Rad-ChestCT的性能。