语言大模型 / LLM

Logo-LLM: Local and Global Modeling with Large Language Models for Time Series Forecasting

Logo-LLM：基于大语言模型的时序预测中的局部和全局建模

Wenjie Ou, Zhishuo Zhao, Cheng Chen, Dongyue Guo, Yi Lin

机构 * College of Computer Science, Sichuan University（四川大学计算机学院） 纠错

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

AI总结 本文提出Logo-LLM框架，通过提取和建模不同层次预训练语言模型的多尺度时间特征，改进时序预测中局部变化和全局依赖的建模能力，实验表明其在多种基准测试中表现优异，具有良好的泛化能力且计算开销低。

Mutation-Guided Unit Test Generation with a Large Language Model

基于大语言模型的突变指导单元测试生成

Guancheng Wang, Qinghua Xu, Lionel Briand, Kui Liu

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

AI总结 本文提出MUTGEN方法，利用突变反馈提升测试覆盖率，优于EvoSuite和传统提示方法，在突变分数上表现更优，并探讨了LLM生成的局限性。

Comments Accepted in IEEE Transactions on Software Engineering

Modeling LLM Unlearning as an Asymmetric Two-Task Learning Problem

将LLM去学习视为一个非对称的双任务学习问题

Zeguan Xiao, Siqing Li, Yong Wang, Xuetao Wei, Jian Yang, Yun Chen, Guanhua Chen

机构 * Shanghai University of Finance and Economics（上海金融学院） ； Alibaba Group（阿里巴巴集团） ； Southern University of Science and Technology（南方科技大学） ； Beihang University（北航） ； MoE Key Laboratory of Interdisciplinary Research of Computation and Economics（计算与经济交叉学科研究教育部重点实验室） 纠错

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

AI总结 本文将LLM去学习视为非对称双任务问题，提出优先保留的梯度合成框架，通过分离任务特定梯度提取与冲突感知组合，改进梯度冲突解决方法，实验证明通过重塑梯度几何而非重新平衡损失，有效缓解去学习-保留的权衡。

Comments ACL 2026

SAKURAONE: An Open Ethernet-Based AI HPC System and Its Observed Workload Dynamics in a Single-Tenant LLM Development Environment

SAKURAONE：一种基于开放以太网的AI HPC系统及其在单租户LLM开发环境中的观测工作负载动态

Fumikazu Konishi, Yuuki Tsubouchi, Hirofumi Tsuruta

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

AI总结 SAKURAONE是一种基于开放以太网的AI HPC系统，通过观测单租户LLM开发环境中的工作负载动态，揭示了GPU集群在统一项目负载下的实际利用情况。

Comments Accepted at MLSys 2026

Exploring and Testing Skill-Based Behavioral Profile Annotation: Human Operability and LLM Feasibility under Schema-Guided Execution

探索基于技能的行为特征标注：在模式引导执行下的人类可操作性和LLM可行性

Yufeng Wu

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

专题命中 其他LLM ：LLM(title,title_cn)；分类 cs.CL

AI总结 本文探讨了基于技能的行为特征标注，通过人类和LLM在模式引导执行下的表现，发现标注任务在技能层面高度异质，LLM在特定技能上表现可靠，但整体可行性有限。

XMark: Reliable Multi-Bit Watermarking for LLM-Generated Texts

XMark：用于LLM生成文本的可靠多比特水印

Jiahao Xu, Rui Hu, Olivera Kotevska, Zikai Zhang

机构 * University of Nevada, Reno（内华达大学林肯分校） ； Oak Ridge National Laboratory（橡树岭国家实验室） 纠错

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

AI总结 XMark通过改进编码器和解码器实现高效多比特水印，提升解码准确性并保持文本质量，在多种下游任务中表现优于现有方法。

Comments Accepted by ACL 2026 as a main conference paper

DiscoTrace: Representing and Comparing Answering Strategies of Humans and LLMs in Information-Seeking Question Answering

DiscoTrace: 人类与LLM在信息寻求问答中的回答策略表示与比较

Neha Srikanth, Jordan Boyd-Graber, Rachel Rudinger

机构 * University of Maryland（马里兰大学） 纠错

专题命中 其他LLM ：LLM(title_cn,summary_cn)；分类 cs.CL

AI总结 DiscoTrace通过分析问答策略揭示社区回答偏好差异，发现LLM在回答时缺乏修辞多样性且倾向于广泛覆盖问题解释。

Hijacking Large Audio-Language Models via Context-Agnostic and Imperceptible Auditory Prompt Injection

通过上下文无关且不可察觉的音频提示注入劫持大型音频-语言模型

Meng Chen, Kun Wang, Li Lu, Jiaheng Zhang, Tianwei Zhang

机构 * The State Key Laboratory of Blockchain and Data Security, Zhejiang University（区块链与数据安全国家重点实验室，浙江大学） ； Hangzhou High-Tech Zone (Binjiang) Institute of Blockchain and Data Security（杭州高新技术区（滨江）区块链与数据安全研究院） ； Nanyang Technological University（南洋理工大学） ； National University of Singapore（新加坡国立大学） 纠错

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

AI总结 本文提出AudioHijack框架，通过生成不可察觉的对抗性音频劫持LALMs，实验显示在6种恶意行为中平均成功率达79%-96%。

Comments Accepted by IEEE S&P 2026

Keep It CALM: Toward Calibration-Free Kilometer-Level SLAM with Visual Geometry Foundation Models via an Assistant Eye

保持冷静：通过视觉几何基础模型实现无校准的千米级SLAM

Tianjun Zhang, Fengyi Zhang, Tianchen Deng, Lin Zhang, Hesheng Wang

机构 * School of Automation and Intelligent Sensing, and Shanghai Key Laboratory of Navigation and Location Based Services, Shanghai Jiao Tong University（自动化与智能感知学院，导航与位置服务上海市重点实验室，上海交通大学） ； School of Electrical Engineering and Computer Science, The University of Queensland（电气工程与计算机科学学院，昆士兰大学） ； School of Computer Science and Technology, Tongji University（计算机科学与技术学院，同济大学） 纠错

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

AI总结 本文提出CAL2M框架，通过引入'助手眼'消除尺度模糊，利用epipolar引导模型修正内参和姿态，结合锚点传播实现全局一致的映射，解决传统方法在千米级SLAM中的精度问题。

Comments 19 pages, 8 figures, submitted to IEEE TPAMI

Building to Understand: Examining Teens' Technical and Socio-Ethical Pieces of Understandings in the Construction of Small Generative Language Models

构建以理解：考察青少年在构建小型生成语言模型中的技术与社会伦理理解

Luis Morales-Navarro, Daniel J. Noh, Lucianne Servat, Carly Netting, Yasmin B. Kafai, Danaé Metaxa

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

AI总结 本文通过参与式设计工作坊，考察青少年在构建小型生成语言模型时的技术与社会伦理理解，揭示其发展过程及理论框架。

Demonstration of Pneuma-Seeker: Agentic System for Reifying and Fulfilling Information Needs on Tabular Data

肺气追寻者：用于表格数据上信息需求具象化与实现的代理系统

Muhammad Imam Luthfi Balaka, Raul Castro Fernandez

机构 * The University of Chicago（芝加哥大学） 纠错

专题命中 其他LLM ：LLM(summary_cn,abstract_cn)；分类 cs.AI

AI总结 本文提出Pneuma-Seeker系统，通过将用户信息需求转化为显式关系规范，支持迭代细化、目标数据发现和溯源执行，利用LLM作为透明交互分析伙伴。

Comments ACM CAIS 2026 (Demo)

Pay Less Attention to Function Words for Free Robustness of Vision-Language Models

减少对功能词的关注以实现视觉语言模型的自由鲁棒性

Qiwei Tian, Chenhao Lin, Zhengyu Zhao, Chao Shen

机构 * School of Cyber Science and Engineering, Xi’an Jiaotong University, Xi’an 710049, China（西安交通大学计算机科学与工程学院，西安 710049，中国） 纠错

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

AI总结 本文提出FDA方法，通过减少功能词的注意力影响，提升视觉语言模型在跨模态对抗攻击下的鲁棒性，实验显示在检索任务中ASR下降18%/13%/53%，性能损失极小。

Comments The paper has been accepted by ICLR26

Fabricator or dynamic translator?

生成器还是动态翻译机？

Lisa Vasileva, Karin Sim

机构 * Language Weaver 纠错

专题命中 其他LLM ：LLM(abstract,abstract_cn)；分类 cs.CL

AI总结 本文探讨了大型语言模型在机器翻译中的表现，分析了生成过载的不同类型，并提出了在商业环境中检测和确定这些过载的策略与结果。

Comments Published here: https://chomps2025.github.io/accepted_papers.html

Bounded Autonomy for Enterprise AI: Typed Action Contracts and Consumer-Side Execution

企业AI的有界自主性：带类型动作合同的消费者端执行

Sarmad Sohail, Ghufran Haider

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

AI总结 本文提出一种有界自主性架构，通过类型动作合同和消费者端执行限制大型语言模型的自主性，确保企业系统安全可靠。

Comments 37 pages, 5 figures, 9 tables

CODESTRUCT: Code Agents over Structured Action Spaces

CODESTRUCT: 结构化动作空间中的代码代理

Myeongsoo Kim, Joe Hsu, Dingmin Wang, Shweta Garg, Varun Kumar, Murali Krishna Ramanathan

机构 * AWS AI Labs（AWS人工智能实验室） 纠错

专题命中 其他LLM ：LLM(abstract,abstract_cn)；分类 cs.AI

AI总结 CODESTRUCT通过将代码库视为结构化动作空间，改进了代码代理的编辑能力，提升准确率并降低资源消耗。

Comments Accepted at ACL 2026 main conference

Seeking Help, Facing Harm: Auditing TikTok's Mental Health Recommendations

寻求帮助，面对伤害：审计TikTok的心理健康推荐

Pooriya Jamie, Amir Ghasemian, Homa Hosseinmardi

专题命中 其他LLM ：LLM(abstract,abstract_cn)

AI总结 研究分析TikTok心理健康内容推荐机制，发现用户互动行为主导曝光结果，帮助导向搜索产生更多支持性内容，但有害内容仍存在。

Comments Accepted at the Proceedings of the International AAAI Conference on Web and Social Media (ICWSM 2026)

G-MIXER: Geodesic Mixup-based Implicit Semantic Expansion and Explicit Semantic Re-ranking for Zero-Shot Composed Image Retrieval

G-MIXER：基于测地混合的隐式语义扩展和显式语义重新排序用于零样本复合图像检索

Jiyoung Lim, Heejae Yang, Jee-Hyong Lee

机构 * Sungkyunkwan University（顺天大学） 纠错

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

AI总结 G-MIXER通过测地混合生成隐式语义特征并重新排序显式语义，提升零样本复合图像检索的多样性和准确性，实现跨多个基准的最优性能。

Comments CVPR 2026 Accepted

IntervenSim: Intervention-Aware Social Network Simulation for Opinion Dynamics

IntervenSim：面向意见动态的干预意识社交网络模拟

Yunyao Zhang, Zuocheng Ying, Xinglang Zhang, Junqing Yu, Peng Fang, Xu Chen, Wei Yang, Zikai Song

专题命中 其他LLM ：LLM(abstract,abstract_cn)

AI总结 IntervenSim通过闭环模拟机制，结合源端干预和群体反应，提升复杂社交事件模拟的准确性与效率，实验显示在MAPE和DTW指标上均优于现有方法。

Attack Selection Reduces Safety in Concentrated AI Control Settings against Trusted Monitoring

攻击选择降低集中AI控制设置中对可信监控的安全性

Joachim Schaeffer, Arjun Khandelwal, Tyler Tracy

机构 * Pivotal Research（Pivotal研究） ； University of Oxford（牛津大学） ； Redwood Research（Redwood研究） 纠错

专题命中 其他LLM ：prompting(abstract)；分类 cs.AI

AI总结 研究攻击选择如何通过映射攻击到质量评分和提交概率影响安全性能，发现FPR对安全影响更大，提示需谨慎评估模型攻击能力以避免安全评分过高。

Large Vision Model-Guided Masked Low-Rank Approximation for Ground-Roll Attenuation

大视觉模型引导的掩码低秩近似用于地面滚动生成消减

Jiacheng Liao, Feng Qian, Ziyin Fan, Yongjian Guo

机构 * School of Information and Communication Engineering, Center for Information Geoscience, University of Electronic Science and Technology of China（信息与通信工程学院，信息科学研究院，电子科学与技术大学） 纠错

专题命中 其他LLM ：prompting(abstract)

AI总结 本文提出基于大视觉模型引导的掩码低秩近似框架，通过多模态提示生成精细掩码，结合全局和局部低秩约束，有效消减地面滚动生成并抑制信号泄漏。