语言大模型 / LLM

Human Decision-Making with Persuasive and Narrative LLM Explanations

具有说服性和叙事性LLM解释的人类决策

Laura R. Marusich, Mary Grace Kozuch Dhooghe, Jonathan Z. Bakdash, Murat Kantarcioglu

机构 * DEVCOM Army Research Laboratory（美国陆军研发实验室） ； University of Texas at Dallas（德克萨斯大学达拉斯分校） ； Virginia Polytechnic Institute and State University（弗吉尼亚理工大学） 纠错

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

AI总结 通过大规模行为实验，研究LLM生成的叙事解释的说服力程度对人类决策准确性的影响，发现叙事解释未显著提升决策准确性，但增加了对AI的依赖，且高说服力叙事可能损害决策反应时间和辨别能力。

Leveraging Large Language Models for Sentiment Analysis: Multi-Modal Analysis of Decentraland's MANA Token

利用大语言模型进行情感分析：Decentraland的MANA代币多模态分析

Xintong Wu, Peiting Tsai, Jing Yuan, Michael Yu, Greg Sun, Luyao Zhang

机构 * University of Pennsylvania（宾夕法尼亚大学） ； Microsoft（微软） ； Duke Kunshan University（杜克昆山大学） 纠错

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

AI总结 本研究利用基于BERT的大语言模型对Decentraland的Discord社区进行情感分析，并结合多模态金融数据（历史价格、情感分数、交易量和市值）构建LSTM模型，发现多模态模型在MANA代币回报预测中显著优于仅基于价格的基线模型。

ArcMark: Distortion-Free Multi-Byte LLM Watermark via Optimal Transport

ArcMark: 通过最优传输实现无失真的多字节大语言模型水印

Atefeh Gilani, Sajani Vithana, Carol Xuan Long, Oliver Kosut, Lalitha Sankar, Flavio P. Calmon

机构 * Arizona State University（亚利桑那州立大学） ； Harvard University（哈佛大学） 纠错

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

AI总结 本文提出ArcMark，一种基于编码和信息论原理的无失真水印方法，能够在数百个token中可靠嵌入多字节信息，且不改变LLM的下一token分布。

Beyond the Single Turn: Reframing Refusals as Dynamic Experiences Embedded in the Context of Mental Health Support Interactions with LLMs

超越单轮交互：将拒绝重新定义为嵌入心理健康支持互动情境的动态体验

Ningjing Tang, Alice Qian, Qiaosi Wang, Esther Howe, Blake Bullwinkel, Paola Pedrelli, Jina Suh, Hoda Heidari, Hong Shen

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

AI总结 通过混合方法研究，揭示LLM在心理健康支持中的拒绝行为是多阶段动态体验，并提出多阶段评估框架和设计建议。

KPI2KVI: A Multi Agent Workflow for Calculating Key Value Indicators from Service Descriptions

KPI2KVI：一种从服务描述计算关键价值指标的多智能体工作流

Masoud Shokrnezhad, Tarik Taleb, Yan Chen, Qize Guo

机构 * ICTFICIAL OY（ICTFICIAL公司） ； Ruhr-Universitaet Bochum（波恩鲁尔大学） 纠错

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

AI总结 提出KPI2KVI工具，通过大语言模型驱动的确定性多智能体工作流，从非结构化服务描述中自动计算关键价值指标（KVI），包括上下文获取、KVI类别选择、KPI生成、数值收集与估计，以及带解释的区间值输出。

SUDP: Secret-Use Delegation Protocol for Agentic Systems

SUDP: 面向智能体系统的秘密使用委托协议

Xiaohang Yu, Hejia Geng, Xinmeng Zeng, William Knottenbelt

机构 * Imperial College London（伦敦帝国学院） ； University of Oxford（牛津大学） ； Stanford University（斯坦福大学） 纠错

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

AI总结 针对智能体系统中用户秘密被滥用的问题，提出秘密使用委托协议（SUDP），通过授权、委托和兑现机制实现一次性秘密使用，满足七项安全属性。

MaMa: A Game-Theoretic Approach for Designing Safe Agentic Systems

MaMa: 一种基于博弈论的安全智能体系统设计方法

Jonathan Nöther, Adish Singla, Goran Radanovic

机构 * Max Planck Institute for Software Systems (MPI-SWS)（马克斯·普朗克软件系统研究所） 纠错

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

AI总结 提出MaMa算法，通过将安全智能体系统设计形式化为系统设计者与对手之间的Stackelberg博弈，利用基于LLM的对抗搜索自动生成鲁棒安全的系统设计。

The AI-Native Large-Scale Agile Software Development Manifesto

AI原生大规模敏捷软件开发宣言

Ricardo Britto, Fredrik Palmgren, Nishrith Saini, Marcus Ohlin

机构 * Ericsson, Sweden（爱立信（瑞典）） ； Blekinge Institute of Technology, Sweden（布莱金厄技术学院（瑞典）） 纠错

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

AI总结 提出AI原生大规模敏捷软件开发宣言，通过六项原则将AI作为一等参与者，将开发从会议驱动、文档繁重的顺序流程转变为智能、自适应、持续学习的系统。

AI-Friendly LaTeX: Using LaTeX Code as a Knowledge Source for Retrieval-Augmented Generation

AI友好的LaTeX：使用LaTeX代码作为检索增强生成的知识源

Tom Verhoeff

机构 * Department of Mathematics & Computer Science, Eindhoven University of Technology（数学与计算机科学系，埃因霍温理工大学） 纠错

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

AI总结 本文提出一种预处理方法，将LaTeX源码及其辅助文件和作者注释转换为Markdown和JSONL格式的文本块，以解决PDF提取中结构信息丢失的问题，从而提升检索增强生成在数学和技术材料上的可靠性。

Comments 19 pages, 3 figures

Synthetic Sources?: Auditing Generative Search Engine Citations for Evidence of AI-Generated Sources

合成来源？：审计生成式搜索引擎引用中是否存在AI生成的来源

Mowafak Allaham, Nicholas Diakopoulos

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

AI总结 通过审计四个生成式搜索引擎（ChatGPT、Copilot、Gemini、Perplexity）在政治、健康和环境领域的712个真实用户查询，发现约16%的引用来源是AI生成的，并识别了频繁被引用的关键网络域名。

Comments 11 pages + Appendix

A Generative AI Driven Interactive Narrative Serious Game for Stress Relief and Its Randomized Controlled Pilot Study

一种生成式AI驱动的交互式叙事严肃游戏用于压力缓解及其随机对照试点研究

Ting-Chen Hsu

专题命中 其他LLM ：LLM(abstract,abstract_cn)

AI总结 本研究开发了基于Unity和ChatGPT的生成式AI驱动严肃游戏“Reverie”，并通过14天试点实验证明其能显著降低压力水平并改善认知情绪调节策略。

Anytime Training with Schedule-Free Spectral Optimization

任意时间训练：无调度谱优化

Anuj Apte, Pranav Deshpande, Niraj Kumar, Shouvanik Chakrabarti, Junhyung Lyle Kim

机构 * Global Technology Applied Research（全球技术应用研究） 纠错

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

AI总结 提出SF-NorMuon无调度谱优化器，通过单一超参数配置在语言模型上匹配或超越调优的AdamW，实现任意时间高质量检查点获取。

PhenoYieldNet: Learning Crop-Aware Phenological Responses for Multi-Crop Yield Prediction

PhenoYieldNet: 学习作物感知的物候响应以进行多作物产量预测

Yu Luo, Xiaogang Zhu, Shan Zeng, Wei Xiang, Thomas Francis Bishop, Zhiyong Wang, Kun Hu

机构 * School of Computer Science, The University of Sydney（悉尼大学计算机科学学院） ； School of Computer Science and Information Technology, Adelaide University（阿德莱德大学计算机科学与信息技术学院） ； College of Mathematics and Computer Science, Wuhan Polytechnic University（武汉职业技术学院数学与计算机科学学院） ； School of Computing, La Trobe University（拉特罗布大学计算学院） ； School of Science, Edith Cowan University（埃迪斯科文大学科学学院） 纠错

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

AI总结 提出PhenoYieldNet框架，通过作物物候库和注意力机制显式建模作物特异性物候响应，结合预训练基础模型和时序对比适应策略，实现多作物产量预测并显著优于现有方法。

Comments Accepted by CVPR2026

Philosophical Dispositions as Behavioral Constraints for AI-Assisted Code Review: An Empirical Study

哲学倾向作为AI辅助代码评审的行为约束：一项实证研究

Kaushal Bansal

机构 * Salesforce, Inc.（Salesforce公司） 纠错

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

AI总结 提出一种通过哲学倾向约束AI评审者行为的系统，在7个代码库上评估，发现其与人类评审者46%一致，75%发现独特，且无假阳性。

GlowGS: Generative Semantic Feature Learning for 3D Gaussian Splatting in Nighttime Glow Scenes

GlowGS: 夜间发光场景中用于3D高斯溅射的生成式语义特征学习

Beibei Lin, Xiao Cao, Jingyuan Guo, Robby T. Tan

机构 * National University of Singapore（新加坡国立大学） 纠错

专题命中 其他LLM ：foundation model(abstract)

AI总结 针对夜间发光场景中3D高斯溅射因缺乏纹理和边缘等结构特征而难以渲染高质量新视图的问题，提出GlowGS方法，利用扩散模型和视觉基础模型生成语义特征作为隐式结构线索，并通过新视图语义学习实现无真实标签的优化，显著提升渲染质量。

Comments Accepted by CVPR Findings 2026