语言大模型 / LLM

Semantic Concurrency Limits in Large Language Models

大语言模型中的语义并发极限

Karl Svozil

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

AI总结 研究探讨了高维嵌入空间中语义方向的并发限制，提出动能容量与知识可访问性区分，揭示维度在语义并发带宽中的作用。

Comments 8 pages, 1 figure, totally rewritten, contribution to the ES Forum on "Quantum Thinking" (Frankfurt, Germany, EU, September 21-26, 2025)

Generative AI Advertising as a Problem of Trustworthy Commercial Intervention

生成式AI广告作为可信商业干预问题

Jingyi Qiu, Qiaozhu Mei

机构 * University of Michigan（密歇根大学） 纠错

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

AI总结 本文探讨生成式AI广告如何通过影响生成过程而非内容放置来改变广告方式，提出基于影响层级的分类体系，并指出当前系统在更深层次商业影响上的可信度问题。

Latent Heuristic Search: Continuous Optimization for Automated Algorithm Design

潜在启发式搜索：为自动化算法设计的连续优化

Cheikh Ahmed, Mahdi Mostajabdaveh, Zirui Zhou

机构 * Huawei Technologies Canada（华为加拿大技术有限公司） 纠错

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

AI总结 本文提出了一种连续启发式发现框架，通过将离散程序映射到连续嵌入空间，并利用可微代理模型进行梯度优化，以提升自动化算法设计的性能。

Comments Accepted at LION 2026, The Learning and Intelligent Optimization Conference

Alignment Drift in Long-Term Human-LLM Interaction: A Mechanism-Oriented Framework

长期人类-大语言模型交互中的对齐漂移：一种机制导向的框架

Xintong Yao

机构 * Xintong Yao（姚新同） 纠错

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

AI总结 本文提出一种机制导向的框架，用于描述长期人类-大语言模型交互中的对齐漂移现象，通过反馈回路和子模式选择解释漂移的发展过程，并将对齐漂移视为递归互动过程而非孤立模型失败。

Comments 16 pages, 1 appendix

Attention Hijacking: Response Manipulation Across Queries in Vision-Language Models

注意力劫持：跨查询的视觉-语言模型响应操控

Zhiqiang Wang, Dongrui Liu, Yan Li, Zonghao Ying, Wei Xue, Wenhan Luo, Yike Guo

机构 * Hong Kong University of Science and Technology（香港理工大学） ； Shanghai Jiao Tong University（上海交通大学） ； Beihang University（北京航空航天大学） 纠错

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

AI总结 本文研究了视觉-语言模型中跨查询响应操控问题，提出了一种新的对抗攻击方法Attention Hijacking，通过引导内部注意力分布保持图像主导模式，提高攻击在不同查询下的有效性。

Scale-Dependent Collective Adaptation in Self-Amending LLM Societies: A Cross-Family Study of Emergent Governance

自修正大语言模型社会中尺度依赖的集体适应：跨家族治理涌现研究

Kazuya Horibe, Masaomi Hatakeyama, Gen Masumoto, Takashi Hashimoto, Peter Romero

专题命中 其他LLM ：LLM(title,abstract)

AI总结 本文研究了在规则本身受集体修正的人工社会中群体决策机制，通过自修正游戏Nomic比较了两个大语言模型家族在不同尺度下的表现，发现集体适应并非随模型规模单调提升，而是存在一个狭窄的中间尺度阶段，支持持续的规则采纳、多样化的修正和平衡的共识。小型模型倾向于保持规则惰性，而大型模型往往收敛到限制性的投票模式，异质混合规模群体则陷入 veto 驱动的僵局。这些跨尺度对比在温度扰动和从全体一致到多数投票的转换下仍然存在，尽管隐状态结构因家族和尺度而异。隐状态分歧本身并不能解释集体表现：高表征分歧可以与差的行为主体结果同时出现。线性探针揭示了隐态投票预测信号与集体行为之间的选择性耦合，但解码性是适应性游戏的必要而非充分条件。总体而言，反复出现的规律是非单调性，而非特定最优尺度。自修正游戏因此为研究人工社会中的集体适应提供了受控测试平台，超越了单纯模型规模。

Evolve the Method, Not the Prompts: Evolutionary Synthesis of Jailbreak Attacks on LLMs

改进方法而非提示：针对大语言模型的进化式 jailbreak 攻击合成

Yunhao Chen, Xin Wang, Juncheng Li, Yixu Wang, Jie Li, Yan Teng, Yingchun Wang, Xingjun Ma

机构 * Department of XXX, University of YYY, Location, Country（XXX系，YYY大学，地点，国家） ； School of ZZZ, Institute of WWW, Location, Country（ZZZ学院，WWW研究所，地点，国家） 纠错

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

AI总结 本文提出 EvoSynth 框架，通过在代码空间中进行搜索，而非仅在提示空间中优化，从而提高对大语言模型的 jailbreak 攻击成功率和多样性。

QuantaAlpha: An Evolutionary Framework for LLM-Driven Alpha Mining

QuantaAlpha: 一种基于大语言模型的alpha挖掘进化框架

Jun Han, Shuo Zhang, Wei Li, Yifan Dong, Tu Hu, Yumo Zhu, Xiaomin Yu, Xin Guo, Zhaowei Liu, Kunyi Wang, Jingping Liu, Tianyi Jiang, Ruichuan An, Sen Hu, Zhi Yang, Ronghao Che, Huacan Wang

机构 * SUFE（上海财经大学） ； QuantaAlpha ； SYSU（华南理工大学） ； PKU（北京大学） 纠错

专题命中 其他LLM ：LLM(title)；分类 cs.AI

AI总结 本文提出QuantaAlpha框架，通过进化算法改进alpha挖掘过程，通过轨迹级突变和交叉实现多轮搜索和经验重用，实验表明其在多个市场指数上均表现出稳健的性能。

Why We Look Where We Look: Emergent Human-like Fixations of a Foveated Visual Language Model Maximizing Scene Understanding

为什么我们看那里：一种最大化场景理解的视网膜视觉语言模型表现出的人类样注视模式

Shravan Murlidaran, Ziqi Wen, Sana Shehabi, Miguel P. Eckstein

机构 * Psychological & Brain Sciences, University of California, Santa Barbara（加州大学圣芭芭拉分校心理学与脑科学系） ； Electrical and Computer Engineering, University of California, Santa Barbara（加州大学圣芭芭拉分校电气与计算机工程系） ； Computer Science, University of California, Santa Barbara（加州大学圣芭芭拉分校计算机科学系） 纠错

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

AI总结 研究探讨了人类自由观看时注视模式的形成机制，发现最大化场景理解的视网膜视觉语言模型能够产生类似人类的注视模式，表明这种模式可能是优化场景理解的副产品。

Finding Sense in Nonsense with Generated Contexts: Perspectives from Humans and Language Models

在生成上下文中寻找意义：人类与语言模型的视角

Katrina Olsen, Sebastian Padó

机构 * Grid Dynamics ； IMS ； University of Stuttgart（斯图加特大学） 纠错

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

AI总结 本文通过人类和语言模型对五个语义偏差数据集中的句子进行评估，探讨了如何区分异常句子和无意义句子，并发现语言模型在生成合理上下文方面表现出色。

Comments Accepted for publication at STARSEM 2026, San Diego, CA

Automated Coding of Communication Data Using ChatGPT: Consistency Across Subgroups

使用ChatGPT自动编码通信数据：子群体一致性分析

Jiangang Hao, Wenju Cui, Patrick Kyllonen, Emily Kerzabi

机构 * ETS Research Institute（ETS研究机构） 纠错

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

AI总结 本文研究了使用ChatGPT进行通信数据编码在不同性别和种族/族裔群体间的一致性，发现其编码结果与人类评分者一致，为大规模评估协作与沟通提供了可能。

Comments Accepted to the Journal of Educational Measurement

Old Habits Die Hard: How Conversational History Geometrically Traps LLMs

旧习惯难改：对话历史如何几何学地困住大语言模型

Adi Simhi, Fazl Barez, Martin Tutek, Yonatan Belinkov, Shay B. Cohen

机构 * Technion - Israel Institute of Technology（技术ion-以色列理工学院） ； University of Oxford（牛津大学） ； University of Zagreb, FER（Zagreb大学，FER） ； Kempner Institute, Harvard University（Kempner研究所，哈佛大学） ； University of Edinburgh（爱丁堡大学） 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 研究探讨对话历史如何通过几何陷阱影响大语言模型的后续表现，提出History-Echoes框架从概率和几何两个角度分析对话历史偏差，并揭示行为持续性在潜在空间中的几何陷阱。

Comments Accepted to ICML 2026

A Scalable Tool for Measuring Manner and Result Verbs in Developmental Language Research

一种可扩展的测量方式用于发展语言研究中的方式和结果动词

Divyesh Pratap Singh, Dakshesh Gusain, Federica Bulgarelli, Alison Eisel Hendricks, John Beavers, Nathan M. Beers, Ifeoma Nwogu

机构 * University at Buffalo（布法罗大学） ； Nanyang Technological University（南洋理工大学） ； The 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.CL、cs.AI

AI总结 本文提出一种利用大规模语言模型进行方式和结果动词识别的方法，通过MASC和InterCorp数据扩展至436类，并在三个数据集上验证，模型准确率达89.6%。

Comments 12 pages

Same Signal, Different Semantics: A Cross-Framework Behavioral Analysis of Software Engineering Agents

同信号，不同语义：软件工程代理跨框架行为分析

Wei Ma, Zhi Chen, Jingxu Gu, Tianling Li, Shangqing Liu, Lingxiao Jiang

机构 * Singapore Management University（新加坡国立大学） ； Nanjing University（南京大学） ； Nanyang Technological University（南洋理工大学） 纠错

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

AI总结 本文通过大规模实验分析软件工程代理在不同框架下的行为表现，发现相同的行为信号在不同框架下可能具有相反的意义，强调了跨框架验证的重要性。

Human-Certified Module Repositories for the AI Age

面向AI时代的可信模块仓库

Szilárd Enyedi

机构 * Automation Department, Technical University of Cluj-Napoca, Romania（克卢日-纳波卡技术大学自动化系，罗马尼亚） 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HCMR框架，通过人类监督与自动化分析结合，确保模块的可信度，为AI辅助开发提供安全可预测的模块组装方法。

Comments v4: acknowledged AI use for grammar and readability, added IEEE copyright notice; v3: 13 pages, new subsection about strong typed languages forcing AI to create more reliable code; v2: 12 pages, improved references; v1: 11 pages, 3 figures, 2 tables, prepared for AQTR 2026

How Similar Are Grokipedia and Wikipedia? A Multi-Dimensional Textual and Structural Comparison

Grokipedia和Wikipedia有多相似？一个多维的文本和结构比较

Taha Yasseri, Saeedeh Mohammadi

机构 * Centre for Sociology of Humans and Machines (SOHAM)（人类与机器社会研究中心） ； School of Mathematics and Statistics（数学与统计学学院） 纠错

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

AI总结 研究通过对比17790对文章，分析Grokipedia和Wikipedia在文本和结构上的相似性，发现Grokipedia文章更长但引用更少，内容分为两组，其中一组在政治偏见上有所右移，引发对AI生成内容透明性和知识治理的质疑。

Comments 20 pages, 7 figures, updated with a larger sample size of 20,000 articles, better text cleaning procedure + Reference analysis, topical analysis

Engagement vs. Commitment: The Economic Trade-Offs of Polarizing News Content

参与度与承诺：极化新闻内容的经济权衡

Shunyao Yan, Klaus M. Miller

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

AI总结 本文研究了极化新闻内容对新闻平台参与度（时间停留）和承诺（订阅和留存）的影响，发现供应驱动的极化内容增加参与度但不增加订阅，而在高政治相关性时期，极化内容会减少订阅并加速流失，这与情感极化有关。

PseudoBridge: Pseudo Code as the Bridge for Better Semantic and Logic Alignment in Code Retrieval

PseudoBridge: 伪代码作为连接语义与逻辑的桥梁以提升代码检索性能

Yixuan Li, Xinyi Liu, Weidong Yang, Ben Fei, Shuhao Li, Mingjie Zhou, Lipeng Ma

专题命中 其他LLM ：LLM(abstract,abstract_cn)

AI总结 本文提出PseudoBridge框架，通过引入伪代码作为中间半结构化模态，解决自然语言与编程语言之间的语义和逻辑对齐问题，实验表明其在代码检索任务中表现优异，尤其在零样本场景中效果显著。

Comments 42 pages, 14 figures, 8 tables

Understanding, Challenging, and Demystifying Perceptions of Gig Worker Vulnerabilities

理解、挑战和祛魅网约车工人脆弱性感知

Sander de Jong, Jane Hsieh, Tzu-Sheng Kuo, Rune Møberg Jacobsen, Niels van Berkel, Haiyi Zhu

专题命中 其他LLM ：LLM(abstract,abstract_cn)

AI总结 本文研究了网约车工人对自身脆弱性的认知及误解，通过实验发现工人对常见误解的认知不足，提出通过说服策略提升公众对网约车工人劳动条件的认识，以支持集体谈判权益。

JARVIS: A Just-in-Time Augmented Reality VLM-Powered Instruction System for Cross-Reality Task Guidance

JARVIS：一种基于视觉语言模型的即时增强现实指令系统，用于跨现实任务指导

Yusi Sun, Ying Jiang, Jiayin Lu, Yin yang, Yong-Hong Kuo, Chenfanfu Jiang

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

AI总结 JARVIS通过视觉语言模型生成上下文相关的分步指导，实现实时状态验证和自适应视觉反馈，提升跨现实任务的可用性、工作负荷、成功率和可视化效果。

Comments 14 pages, 11 figures, 2 tables

Navigating the Shift: A Comparative Analysis of Web Search and Generative AI Response Generation

导航转变：网络搜索与生成式AI响应生成的比较分析

Mahe Chen, Xiaoxuan Wang, Kaiwen Chen, Nick Koudas

专题命中 其他LLM ：LLM(abstract,abstract_cn)

AI总结 本文比较了谷歌搜索与生成式AI在信息源领域、查询意图和信息新鲜度上的差异，揭示了AI生成答案与网络搜索结果在信息生态系统中的不同机制。

Comments Accepted at EDBT/ICDT 2026 Workshops

Genflow Ad Studio: A Compound AI Architecture for Brand-Aligned, Self-Correcting Video Generation

Genflow Ad Studio：一种用于品牌一致、自我纠正视频生成的复合AI架构

Debanshu Das, Lavi Nigam, Sunil Kumar Jang Bahadur, Gopala Dhar

机构 * Google（谷歌） 纠错

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

AI总结 本文提出Genflow Ad Studio，一种复合AI架构，通过品牌DNA提取模块和对抗性多代理质量控制循环，提高了品牌一致的视频生成效率，将合规率从42%提升到89%。

Comments 6 pages, 2 figures, 2 tables. Accepted to the ACM Conference on AI and Agentic Systems (CAIS '26). Includes demo video and code repository links

Journal ref ACM Conference on AI and Agentic Systems (CAIS '26), May 26-29, 2026, San Jose, CA, USA

Mixture-of-Experts Can Surpass Dense LLMs Under Strictly Equal Resource

专家混合模型可在严格相等资源下超越密集语言模型

Houyi Li, Ka Man Lo, Shijie Xuyang, Ziqi Wang, Wenzhen Zheng, Haocheng Zhang, Zhao Li, Shuigeng Zhou, Xiangyu Zhang, Daxin Jiang

机构 * Fudan University（复旦大学） ； StepFun ； University of Science and Technology of China（中国科学技术大学） ； Zhejiang University（浙江大学） 纠错

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

AI总结 本文研究在资源相等条件下MoE模型是否能超越密集模型，提出优化框架并验证了在最优激活率下MoE模型性能更优，且该区域在不同模型规模下一致，通过数据重用解决数据量增加的权衡问题。

Comments Published as a conference paper at ICLR 2026

FOL2NS: Generating Natural Sentences from First-Order Logic

FOL2NS：从一阶逻辑生成自然句子

Mei Jia

机构 * University of Manchester（曼彻斯特大学） 纠错

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

AI总结 本文提出FOL2NS框架，结合规则模块和微调语言模型，生成合成一阶逻辑公式并转换为自然语言表达，提升了生成样本的多样性和覆盖范围，但面临结构复杂度增加时语义精确性和自然生成的挑战。

Comments 11 pages, 8 figures

When a Zero-Shooter Cheats: Improving Age Estimation via Activation Steering

当零样本射手作弊时：通过激活引导提升年龄估计

Erik Imgrund, Pia Hanfeld, Klim Kireev, Konrad Rieck

机构 * BIFOLD & TU Berlin（BIFOLD与柏林技术大学） 纠错

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

AI总结 本文研究了基于视觉语言模型的零样本年龄估计中出现的'身份捷径'现象，提出激活引导方法以提高年龄估计的准确性，减少均方误差达25%。

Rethinking Point Clouds as Sequences: A Causal Next-Token Predictive Learning Framework

重新思考点云作为序列：一种因果性下一标记预测学习框架

Yumeng Yao, Jingzhi Dong, Haowen Gu, Tao Chen, Zonghan Wu, Xiaoshui Huang, Yazhou Yao

机构 * Nanjing University of Science and Technology（南京理工大学） ； Shanghai Jiao Tong University（上海交通大学） ； Hangzhou City University（杭州城市学院） ； East China Normal University（华东师范大学） 纠错

专题命中 其他LLM ：foundation model(abstract)

AI总结 本文提出PointNTP，将点云预训练重新定义为全因果、无解码器的潜在下一标记预测问题，通过局部补丁分割和结构化3D标记序列生成，实现对点云结构依赖的直接建模，无需重建解码器或显式几何恢复，实验表明其在多个下游任务中表现优异。

Comments 10 pages, 2 figures. Code will be released upon acceptance

Omni-Customizer: End-to-End MultiModal Customization for Joint Audio-Video Generation

Omni-Customizer: 用于联合音频-视频生成的端到端多模态定制

Yuheng Chen, Qingdong He, Teng Hu, Yuji Wang, Yabiao Wang, Lizhuang Ma, Jiangning Zhang

机构 * Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学） ； University of Electronic Science and Technology of China（电子科技大学） 纠错

专题命中 其他LLM ：foundation model(abstract)

AI总结 本文提出Omni-Customizer，一种端到端多模态定制框架，旨在实现精确的多模态身份信息绑定和无缝融合，通过引入Omni-Context Fusion模块和Masked TTS Cross-Attention机制，提升多模态定制生成的性能。