AI 大模型
大语言模型、预训练、指令微调、后训练和语言模型应用。
测量大型语言模型中的刻板印象和偏差偏见
机构 * Carnegie Mellon University, U.S.A.（卡内基梅隆大学，美国） ； University of Delaware, U.S.A.（德雷塞尔大学，美国）
专题命中 其他LLM ：LLM(summary_cn,abstract)；large language model(title,abstract)；language model(title,abstract)；分类 cs.CL
AI总结 本文研究了大型语言模型中刻板印象和偏差偏见的测量问题，通过生成个体档案来分析不同群体与政治立场、宗教信仰和性取向等属性之间的关联，揭示了LLM在推断用户属性时的偏见及其潜在危害。
先验知识还是搜索？LLM代理在硬件感知代码优化中的研究
机构 * Applied AI Institute（应用人工智能研究所） ； ITMO University（ITMO大学） ； AI Talent Hub（AI人才中心）
专题命中 其他LLM ：LLM(title,title_cn)；分类 cs.AI、cs.LG
AI总结 该研究探讨了在硬件感知代码优化中，LLM代理是依赖于先验知识还是搜索过程，通过三个受控实验发现LLM在纯黑盒优化中表现为贪婪优化器，在零样本内核生成中输入大小信息无明显影响，而在反馈循环内核优化中CUDA单调改进而TVM IR主动退化，表明LLM在代码优化任务中高度依赖预训练先验而非反馈或代理结构。
RooAgent：基于根的高能物理分析的LLM代理
专题命中 其他LLM ：LLM(title,title_cn)
AI总结 本文提出RooAgent，一种通过自然语言接口进行根基于高能物理数据分析的LLM代理，支持两种操作模式，并实现了包括直方图检查、事件选择、动量分布可视化、拟合和显著性估计在内的多种任务。
面向现实世界ROS~2系统的LLM辅助架构恢复：一种基于智能体的多级方法用于分层结构架构重建
机构 * Institute for Software and Systems Engineering, Clausthal University of Technology, Clausthal-Zellerfeld 38678, Germany（软件与系统工程研究所， Clausthal 技术大学， Clausthal-Zellerfeld 38678，德国）
专题命中 其他LLM ：LLM(title,title_cn)；prompting(abstract)；分类 cs.AI
AI总结 本文提出了一种基于智能体的多级方法，用于恢复复杂ROS~2系统中的分层结构架构，通过改进的提示和多级中间架构表示，提高了架构恢复的一致性和可扩展性。
语言模型中的极端自我偏好
机构 * Cangrade, Inc.（Cangrade公司） ； Department of Physics, Harvard University（哈佛大学物理系） ； Department of Psychology, Harvard University（哈佛大学心理学系）
专题命中 其他LLM ：language model(title,abstract)；LLM(abstract,abstract_cn)；large language model(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 研究发现大型语言模型在字词关联任务中表现出对自身名称、公司和CEO的强烈偏好，这表明模型的自我认同可能影响其行为，引发对模型自我偏好影响的深入探讨。
Comments 73 pages total. Main article 22 pages, 6 main-text tables. Supplementary Materials (51 pages, 28 tables). Data, transcripts, and code for replication and data extraction have been uploaded to OSF: https://osf.io/98ye3/
一种用于特征约束难度控制的多智能体框架（在阅读理解项目生成中）
机构 * Graduate School of Artificial Intelligence, POSTECH, Republic of Korea（韩国POSTECH人工智能研究生院） ； Department of Computer Science and Engineering, POSTECH, Republic of Korea（韩国POSTECH计算机科学与工程系）
专题命中 其他LLM ：LLM(summary_cn,abstract)；large language model(abstract)；language model(abstract)；prompting(abstract)
AI总结 本文提出MAFIG多智能体框架，通过多个LLM代理和特征特定评估器协作生成并迭代修订项目，以满足特征约束，从而实现更稳定的难度控制。
Comments ACL 2026 Main Conference
基于大语言模型的自适应大邻域搜索全组件演化
专题命中 其他LLM ：language model(title,abstract)；large language model(title)
AI总结 本文提出了一种闭环的大语言模型驱动的演化框架，通过解耦自适应大邻域搜索（ALNS）并自动重建其所有组件，提升了ALNS在生产物流优化中的适应性和效率。
CADDesigner: 一种通用智能体的概念CAD模型生成
机构 * Zhejiang University（浙江大学）
专题命中 其他LLM ：LLM(summary_cn,abstract)；分类 cs.CL、cs.AI
AI总结 本文提出CADDesigner，一种基于LLM的智能体，通过文本描述和草图输入，结合交互对话进行需求分析，生成高质量CAD模型代码，并通过迭代视觉反馈提升模型质量，实验表明其在概念CAD模型生成任务中表现优异。
为代理调优辩护：从文档到PostgreSQL中的行动
机构 * Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Key Laboratory of System Software (Chinese Academy of Sciences)（中国科学院系统软件重点实验室） ； Beihang University（北航） ； Peking University（北京大学） ； Shanghai Jiao Tong University（上海交通大学）
专题命中 其他LLM ：LLM(summary_cn,abstract)；分类 cs.AI
AI总结 本文提出通过动态行动替代静态文档进行系统调优，引入PerfEvolve工具，利用LLM代理实现版本一致性验证、工作负载特定分析和多参数联合优化，实验表明其在PostgreSQL上比现有文档驱动调优方法提升35.2%。
PragLocker: 通过非可移植提示保护代理知识产权
机构 * Zhejiang University（浙江大学） ； Management Center, School of Software Technology (Ningbo), Zhejiang University（浙江大学软件学院（宁波）管理中心） ； University of Science and Technology of China（中国科学技术大学） ； Chang'an University（长安大学） ； Washington University in St. Louis（圣路易斯华盛顿大学）
专题命中 其他LLM ：LLM(summary_cn,abstract)；分类 cs.AI
AI总结 针对无信任部署中代理提示易被复制和重用的问题，PragLocker提出了一种保护方案，通过构建语义锚定的混淆提示并注入噪声，有效降低跨LLM可移植性，同时保持目标性能和对抗鲁棒性。
Comments accepted to the 43rd International Conference on Machine Learning (ICML 2026)
漂移目标用于细化离散扩散语言模型
机构 * Institute of Science Tokyo（东京科学研究院） ； AIST（日本产业技术综合研究所） ； NII LLMC（日本信息处理学会LLMC）
专题命中 其他LLM ：language model(title,abstract)；分类 cs.CL、cs.LG
AI总结 本文研究如何将漂移方法应用于离散扩散语言模型，通过引入TokenDrift目标，将类别预测提升为软令牌特征，并在冻结语义空间中应用反称漂移，从而提升生成质量。
Comments Project page: https://daioba.github.io/tokendrift/
TombWriter：通过节拍级交互进行人机共写中的故事考古
专题命中 其他LLM ：LLM(summary_cn,abstract)
AI总结 本文提出了一种基于LLM的故事考古方法，通过节拍级交互实现人机共写，开发了TombWriter工具，通过五阶段叙事流程可视化故事结构，并通过定性研究验证了该方法在提升作者控制权和结构发现方面的有效性。
迷失在解释中：跨语言解释中的可信度与忠实度的权衡
机构 * Indian Institute of Technology Kharagpur（印度理工学院Khargpur分校） ； TCG Crest（TCG研究中心） ； National University of Singapore（新加坡国立大学）
专题命中 其他LLM ：LLM(abstract,abstract_cn)；分类 cs.CL
AI总结 本文研究了跨语言解释中可信度与忠实度之间的权衡，发现以英语为枢纽的解释在与人类理由的一致性上表现更好，但其证据在模型预测中的因果基础较弱。研究发现，英语解释虽然流畅，但与原生语言条件相比，其解释的全面性下降了5.7倍，甚至在任务准确性保持稳定的情况下，也未能保留语义细微差别。因此，建议在输入语言中审计解释，报告多方面的忠实度指标，并将英语解释视为沟通摘要而非忠实的决策轨迹。
加速人工智能研究：PuppyChatter框架用于实用且灵活的工具开发
机构 * Dept. of Electrical Engineering, YuanZe Univ.（元智大学电子工程系） ； Dept. of Information and Learning Technology, National Univ. of Tainan（台湾国立科技大学资讯与学习科技系） ； Dept. of Psychology, Fo Guang Univ.（佛光大学心理学系） ； Dept. of Computer Information and Network Engineering, Lunghwa Univ.（龙华科技大学电脑资讯与网络工程系）
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PuppyChatter框架，旨在解决AI应用开发中的挑战，通过结合供应商特定SDK的直观性和模型抽象的中立性，提供更流畅灵活的开发方法。
具有相意识的专家混合用于代理强化学习
机构 * School of Computer Science and Engineering, Southeast University, Nanjing, China（东南大学计算机科学与工程学院，南京，中国） ； College of Computing and Data Science, Nanyang Technological University, Singapore（南洋理工大学 computing and Data Science学院，新加坡）
专题命中 其他LLM ：LLM(abstract,abstract_cn)；分类 cs.AI
AI总结 本文提出了一种具有相意识的专家混合（PA-MoE），以解决传统专家混合（MoE）中由于token级路由导致的相一致模式碎片化问题，通过学习隐含的相边界来提升专家的专业性。
搜索自play：在无监督条件下推动智能体能力的前沿
机构 * Qwen Large Model Application Team, Alibaba（阿里巴巴文勤大模型应用团队）
专题命中 其他LLM ：LLM(abstract,abstract_cn)；分类 cs.LG
AI总结 本文提出了一种基于自play的深度搜索智能体训练方法，通过自动生成任务和解决任务来提升智能体在无监督条件下的性能，无需外部监督。
Comments Published as a conference paper at the Fourteenth International Conference on Learning Representations (ICLR 2026)
LLMs能否模拟人类信念动态？
机构 * Department of Computer Science（计算机科学系） ； University of Rochester（罗切斯特大学） ； Department of Political Science（政治学系） ； Department of Physics and Astronomy（物理学与天文学系）
专题命中 其他LLM ：LLM(abstract,abstract_cn)；分类 cs.AI
AI总结 研究探讨了大型语言模型（LLMs）能否模拟人类在社交网络中形成和改变信念的过程，发现LLMs在初始信念分布和整体一致性方面表现不佳，并警告在社交模拟中使用LLMs作为人类代理的风险。
ALDEN: 通过主动学习和分布估计提升从检索增强生成系统中提取私有数据
机构 * University of Massachusetts Lowell（马萨诸塞大学洛厄尔分校） ； Virginia Tech（弗吉尼亚理工大学） ； Amazon（亚马逊） ； University of South Florida（佛罗里达州立大学） ； Rochester Institute of Technology（罗切斯特理工学院） ； Purdue University（普渡大学） ； North Carolina State University（北卡罗来纳州立大学）
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ALDEN方法，通过主动学习和分布估计有效提升从检索增强生成系统中提取私有数据的效率和效果，通过全面评估证明其优于现有方法。
利用机器学习进行RNA二级结构预测：当前方法和挑战的综述
专题命中 其他LLM ：foundation model(abstract,comments)；prompting(abstract)
AI总结 本文综述了RNA二级结构预测中当前方法和挑战，重点讨论了机器学习和深度学习在该领域的应用，以及数据稀缺性带来的泛化危机，同时展望了未来需要解决的难题，如复杂结构的预测和动态结构的建模。
Comments 22 pages, 3 figures. Updated version of the article published in RNA 32(4):443-456 (2026); the Foundation Models section has been revised to reflect developments since publication. The remainder of the manuscript is unchanged apart from formatting
Journal ref RNA 32(4): 443-456 (2026)
通过场景分割策略对文本到视频模型进行劫持
机构 * Yonsei University（延世大学） ； Korea Institute of Science and Technology（韩国科学技术院） ； AIM Intelligence（AIM智能） ； Seoul National University（首尔国立大学） ； Kyung Hee University（庆熙大学）
专题命中 其他LLM ：LLM(abstract_cn)；分类 cs.AI
AI总结 本文提出了一种新的黑盒劫持方法SceneSplit，通过将有害叙述分割成多个良性场景，利用场景组合作为约束来引导最终输出，从而提高生成有害视频的可能性，验证了当前文本到视频模型的安全机制存在漏洞。
Comments ICLR 2026. Project page at https://velpegor.github.io/SceneSplit/
Distance-Aware Muon: Adaptive Step Scaling for Normalized Optimization
机构 * King Abdullah University of Science and Technology（国王阿卜杜勒-阿齐兹大学科学与技术学院） ； Arizona State University（亚利桑那州立大学）
专题命中 其他LLM ：language model(abstract)；分类 cs.LG
AI总结 本文研究了Muon优化器在一般范数几何中的自适应步长缩放规则，提出三种互补算法，包括Distance-Adaptive Muon、Scale-Calibrated Muon和Distance-Free Muon，通过证明站arity保证、目标间隙界和信任区域半径选择，提升了优化性能。
特征有生命周期。我们应当关心
机构 * University of Tübingen（图宾根大学） ； University of Belgrade（贝尔格莱德大学） ； Eindhoven University of Technology（埃因霍温理工大学）
专题命中 其他LLM ：language model(abstract)；分类 cs.AI
AI总结 研究探讨了语言模型中特征的生命周期，发现了一种稳定的表征基础架构，并揭示了其在训练过程中的四个关键特性。
Comments 21 pages, 7 figures
Tango3D: 向全局和局部2D-3D对应关系对齐迈进
机构 * HKUST（香港科技大学） ； Tencent Hunyuan（腾讯混元）
专题命中 其他LLM ：foundation model(abstract)
AI总结 本文提出Tango3D，一种统一密集对应和全局检索的3D基础模型，通过几何感知的2D视觉骨干网络和预训练的3D VAE将图像编码为2D片段，点云编码为3D标记，并映射到共享空间以实现局部像素-点对齐和全局语义对齐。
通过段落任何精修和视觉惯性LiDAR融合进行混凝土裂缝的3D建模与自动测量
机构 * School of Civil Engineering（土木工程学院） ； Central South University（中南大学） ； Hunan Provincial Key Laboratory for Disaster Prevention and Mitigation of Rail Transit Engineering Structures（湖南省铁路工程结构灾害预防与 mitigation 工程结构重点实验室） ； Nvidia ； School of Computing（计算学院） ； Newcastle University（新castle大学）
专题命中 其他LLM ：foundation model(abstract)
AI总结 本文提出了一种结合计算机视觉技术和多模态同时定位与建图（SLAM）的创新框架，用于二维裂缝检测、三维重建和三维自动裂缝测量，解决了现有方法在适应性和鲁棒性方面的不足，特别是在处理曲线或复杂几何形状时的挑战。
Comments Title and author list updated
Journal ref Computer-Aided Civil and Infrastructure Engineering, Volume 45, 2026, 100019, ISSN 1093-9687
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈