语言大模型 / LLM

How Consistent Are LLM Agents? Measuring Behavioral Reproducibility in Multi-Step Tool-Calling Pipelines

LLM代理的一致性如何？测量多步工具调用流水线中的行为可重复性

Abel Yagubyan

机构 * Independent Researcher（独立研究者） 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 研究多步工具调用LLM代理在重复相同调用时是否选择相同工具、顺序和参数，通过系统实验测量行为一致性，并发现代理存在显著不一致性。

Comments 16 pages, 6 figures

Leveraging Large Language Models to Improve Precision in Randomized Controlled Trials

利用大型语言模型提高随机对照试验的精度

Jaylin Lowe, Adam Sales, Johann A. Gagnon-Bartsch

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

AI总结 本文探索如何安全、严谨地利用大型语言模型（LLM）的预测来提升随机对照试验（RCT）的精度，并通过三个案例验证其有效性。

Comments Submitted to Machine Learning and Artificial Intelligence for Causal Inference in the Behavioral and Social Sciences: Methodological Advances and Applications, a topical issue of the Zeitschrift für Psychologie

How Reliable Are AI Attackers Against a Fixed Vulnerable Target? A 400-Run Empirical Study of LLM Penetration Testing Consistency

AI攻击者对固定脆弱目标的可靠性如何？LLM渗透测试一致性的400次运行实证研究

Galip Tolga Erdem

机构 * Independent Researcher（独立研究者） 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400次自主渗透测试运行（4个模型各100次），研究LLM在固定目标上攻击行为的一致性，发现模型间成功率差异显著且失败模式独特。

Comments 41 pages, 7 figures. Code and 400-run dataset: https://doi.org/10.5281/zenodo.20421592

SafeReview: Defending LLM-based Review Systems Against Adversarial Hidden Prompts

SafeReview: 防御基于LLM的评审系统免受对抗性隐藏提示攻击

Yuan Xin, Yixuan Weng, Minjun Zhu, Ying Ling, Chengwei Qin, Michael Backes, Yue Zhang, Linyi Yang

机构 * CISPA ； Westlake University（西交利物浦大学） ； Southern University of Science and Technology（南方科技大学） ； HKUST (Guangzhou)（香港科技大学（广州）） 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 提出SafeReview，一种共进化对抗训练框架，通过联合训练生成器和防御者模型，增强基于LLM的同行评审系统对对抗性隐藏提示的鲁棒性。

Comments 17 pages, 5 figures, 8 tables

Bosses, Kings, and the Commons: Cooperation Under Power Asymmetry in LLM Societies

老板、国王与公地：LLM 社会中权力不对称下的合作

Abhilekh Borah

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 本研究通过引入不对称权力代理（老板或国王）的多智能体模拟框架 SovSim，发现权力不对称导致 LLM 社会中合作与可持续性严重崩溃，生存率较对称设置下降高达 87.3%。

Comments Paper under review

Locally Coherent, Globally Incoherent: Bounding Compositional Incoherence in Multi-Component LLM Agents

局部一致，全局不一致：多组件LLM代理中的组合不一致性界定

Anany Kotawala

机构 * princeton（普林斯顿大学） 纠错

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

AI总结 本文形式化多组件LLM代理中局部一致但全局不一致的失败，提出组合残差eps*度量不一致性，并通过层次投影修复和序贯一致性监测方法，在实验中发现广泛存在的不一致性及其对决策的影响。

Comments 25 pages, 7 figures, 24 tables. Preliminary versions to appear at the ICML 2026 Workshops on Combining Theory and Benchmarks (CTB), Statistical Frameworks for Uncertainty in Agentic Systems (AgenticUQ), and Failure Modes of Agentic AI (FAGEN)

Improving Collaborative Storytelling with a Multi-Agent Framework Based on Large Language Models

基于大语言模型的多智能体框架改进协作故事讲述

Arturo Valdivia, Paolo Burelli

机构 * Data Science Section IT University of Copenhagen（数据科学部门 河南大学） ； AI Section - brAIn lab IT University of Copenhagen（人工智能部门 - brAIn实验室 河南大学） 纠错

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

AI总结 提出一种基于大语言模型的多智能体框架，通过迭代的写者-编辑者过程，在物理棋盘游戏中与儿童协作生成高质量故事。

Do Proactive Agents Really Need an LLM to Decide When to Wake and What to Anchor?

主动型智能体真的需要LLM来决定何时唤醒和锚定什么吗？

Xiaoze Liu, Ruowang Zhang, Amir H. Abdi, Michel Galley, Zhikai Chen, Siheng Xiong, Xiaoqian Wang, Jing Gao

机构 * Purdue University（普渡大学） ； Microsoft（微软） ； Michigan State University（密歇根州立大学） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

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

AI总结 提出用时间图学习（TGL）模型替代LLM作为主动智能体的触发器，通过图更新而非文本处理用户活动，实现高效、低延迟的触发决策。

Comments 31 pages, 5 figures, 7 tables

Graph-Enhanced Policy Optimization in LLM Agent Training

图增强策略优化在LLM智能体训练中的应用

Jiazhen Yuan, Zhike Gong, Jinquan Hang, Zhengbiao Bai, Wei Zhao

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

AI总结 提出图增强策略优化（GEPO）框架，通过状态转移图的双层结构信用分配（任务条件关键性评分），在LLM多步智能体训练中提升成功率。

Think Fast, Talk Smart: Partitioning Deterministic and Neural Computation for Structured Health Text Generation

快速思考，智能对话：结构化健康文本生成中确定性与神经计算的划分

Kai-Chen Cheng, Haejun Han, David Q. Sun

机构 * Kai-Chen Cheng Haejun Han David Q. Sun 纠错

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

AI总结 提出一种将确定性计算与有限LLM调用相结合的流水线，用于结构化健康文本生成，在降低错误率和成本的同时保持忠实性。

SkillBrew: Multi-Objective Curation of Skill Banks for LLM Agents

SkillBrew: LLM智能体技能库的多目标策展

Wentao Hu, Zhendong Chu, Yiming Zhang, Junda Wu, Ming Jin, Xiangyu Zhao, Yilei Shao, Yanfeng Wang, Qingsong Wen

机构 * City University of Hong Kong（香港城市大学） ； Squirrel Ai Learning ； University of Science and Technology of China（中国科学技术大学） ； University of California, San Diego（加州大学圣地亚哥分校） ； Griffith University（格里菲斯大学） ； East China Normal University（华东师范大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

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

AI总结 提出SkillBrew框架，将技能库策展建模为带效用约束的帕累托优化问题，通过双层提议-验证循环实现技能库的精简与多样性。

Comments 16 pages. Preprint. Under review

SkillsInjector: Dynamic Skill Context Construction for LLM Agents

SkillsInjector: 面向LLM智能体的动态技能上下文构建

Yanchao Li, Wanhao Liu, Ben Gao, Jiaqing Xie, Zhehong Ai, Na Zou, Yuqiang Li, Tianfan Fu

机构 * Nanjing University（南京大学） ； Shanghai AI Lab（上海人工智能实验室） 纠错

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

AI总结 针对静态技能注入导致性能下降的问题，提出SkillsInjector两阶段自适应方法，通过上下文规划器学习技能偏好并自适应预算，结合集合感知渲染器优化描述呈现，在三个基准上分别提升3.9、6.1和7.3个百分点。

Evolve as a Team: Collaborative Self-Evolution for LLM-based Multi-Agent Systems

像团队一样进化：基于LLM的多智能体系统的协作自我进化

Zhezheng Hao, Tianfu Wang, Huanshuo Dong, Ziyan Liu, Hong Wang, Xiankun Lin, Qiang Lin, Can Wang, Hande Dong, Jiawei Chen

机构 * Zhejiang University（浙江大学） ； Hong Kong University of Science and Technology（香港科技大学） ； Tencent（腾讯） 纠错

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

AI总结 提出Meta-Team框架，通过协作自我进化机制，基于执行经验改进多智能体系统的行为、协调和团队组织，在长周期任务中显著优于单智能体、手工MAS及先前进化方法。

Feedback-to-Rubrics: Can We Learn Expert Criteria from Inline Comments?

从内联评论到评分标准：我们能从内联评论中学习专家标准吗？

Kotaro Yoshida, So Kuroki, Yuki Imajuku, Taishi Nakamura, Ryunosuke Iwai, Haruki Goda, Takuya Akiba

机构 * Sakana AI ； Institute of Science Tokyo（东京科学研究所） 纠错

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

AI总结 提出从内联评论中学习可复用的自然语言评分标准的方法，通过迭代优化评分标准来预测评论并支持自动修订。

Interactive In-Meeting Speaker Correction with Human Feedback

交互式会议中基于人类反馈的说话人修正

Xinlu He, Yiwen Guan, Badrivishal Paurana, Pitipat Kongsomjit, Zilin Dai, Jacob Whitehill

机构 * Worcester Polytechnic Institute（沃斯特理工学院） 纠错

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

AI总结 提出一种LLM辅助的会议内说话人修正系统，通过用户简短反馈修正说话人归属错误，结合流式ASR、说话人日志、LLM摘要和在线注册机制，在AMI数据集上实现DER降低31.99%、说话人替换错误降低52.68%。

BioArc: Discovering Optimal Neural Architectures for Biological Foundation Models

BioArc：发现生物学基础模型的最优神经架构

Yi Fang, Haoran Xu, Jiaxin Han, Sirui Ding, Yizhi Wang, Yue Wang, Xuan Wang

机构 * Department of Computer Science, Virginia Tech, Blacksburg, VA, USA（弗吉尼亚理工学院计算机科学系） ； Department of Electrical and Computer Engineering, Virginia Tech, Blacksburg, VA, USA（弗吉尼亚理工学院电气与计算机工程系） ； Department of Computer Science, Carnegie Mellon University, Pittsburgh, PA, USA（卡内基梅隆大学计算机科学系） ； Department of Biomedical Data Science, Stanford University, Stanford, CA, USA（斯坦福大学生物医学数据科学系） 纠错

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

AI总结 针对现有基础模型架构直接迁移至生物学领域时忽视生物数据独特性质的问题，提出BioArc框架，利用神经架构搜索系统探索架构设计空间，发现高性能架构并提炼设计原则，同时提出架构预测方法以高效预测新任务的最优架构。

Comments Accepted at the 43nd International Conference on Machine Learning (ICML 2026)

Beyond Accuracy: Are Time Series Foundation Models Well-Calibrated?

超越准确性：时间序列基础模型是否良好校准？

Coen Adler, Yuxin Chang, Felix Draxler, Samar Abdi, Padhraic Smyth

机构 * Department of Computer Science（计算机科学系） ； Department of Statistics（统计学系） ； Google, Irvine（谷歌（伊文斯堡）） 纠错

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

AI总结 本文系统评估了五个时间序列基础模型和两个基线的校准特性，发现基础模型校准优于基线且无系统性过度自信或信心不足。

Comments Published as a conference paper at ICLR 2026

Journal ref Proceedings of ICLR 2026

Multimodal Optical Feature Extraction with a Free-Space Photonic Extreme Learning Machine

基于自由空间光子极端学习机的多模态光学特征提取

Anushka Kumari, Anushree Khisti, Abhinav Choube, Devansh Satra, Srivatsa Murali, Anshuman Kumar

专题命中 其他LLM ：SLM(summary_cn,abstract)

AI总结 本文提出一种统一的自由空间光子极端学习机平台，通过相位SLM编码、类傅里叶自由空间传播和相机强度检测，实现对图像、音频、表格和回归任务的多模态光学特征提取，并在多个基准上取得高精度。

Reducing Political Manipulation with Consistency Training

通过一致性训练减少政治操纵

Long Phan, Devin Kim, Alexander Pan, Alice Blair, Adam Khoja, Dan Hendrycks

机构 * Center for AI Safety（人工智能安全中心） ； UC Berkeley（加州大学伯克利分校） 纠错

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

AI总结 针对大语言模型在敏感话题中表现出的隐性政治偏见，提出政治一致性训练（PCT）方法，通过情感一致性和帮助一致性两个指标及相应训练范式来减少偏见。

S3C2 Summit 2025-09: Industry Secure Supply Chain Summit

S3C2 峰会 2025-09：行业安全供应链峰会

Md Atiqur Rahman, Yasemin Acar, Michel Cucker, William Enck, Alexandros Kapravelos, Christian Kastner, Dominik Wermke, Laurie Williams

专题命中 其他LLM ：LLM(summary_cn,abstract_cn)

AI总结 本文报告了2025年9月由S3C2举办的安全供应链峰会，通过跨行业从业者讨论脆弱依赖、组件选择、恶意提交、构建基础设施、文化和LLM角色六大主题，总结了关键见解和新兴挑战。

S3C2 Summit 2025-07: Government Secure Supply Chain Summit

S3C2 2025-07 峰会：政府安全供应链峰会

Sivana Hamer, Pat Morrison, William Enck, Yasemin Acar, Michel Cukier, Alexandros Kapravelos, Christian Kästner, Dominik Wermke, Laurie Williams

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

AI总结 该报告总结了2025年7月9日由S3C2举办的政府安全供应链峰会，来自6个美国联邦机构的12名参与者讨论了软件供应链安全中的SBOM、合规、恶意提交、构建基础设施、文化和大语言模型等六大主题，旨在促进经验分享、形成新合作并指导未来研究方向。

Causal Interventions on Continuous Variables: A Case Study on Verb Bias in Steering Vectors for In-Context Learning

连续变量的因果干预：以上下文学习中转向向量的动词偏向为例

Zhenghao Herbert Zhou, R. Thomas McCoy, Robert Frank

机构 * Yale University（耶鲁大学） 纠错

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

AI总结 提出一种对连续变量进行因果干预的方法，通过定位低维方向并编辑向量实现反事实目标值，应用于动词偏向特征，证明其在语言模型中的因果表示，并探讨与上下文学习的关系。

Access Sets Matter: Budgeting Expert Reads for Scalable Weight-Space Model Merging

访问集至关重要：为可扩展的权重空间模型合并预算专家读取

Yuanyi Wang, Yanggan Gu, Su Lu, Yifan Yang, Zhaoyi Yan, Congkai Xie, Jianmin Wu, Hongxia Yang

机构 * The Hong Kong Polytechnic University, PolyU（香港理工大学，PolyU） ； Hong Kong Polytechnic University Daya Bay Technology（香港理工大学达亚拜技术） ； Innovation Research Institute（创新研究院） 纠错

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

AI总结 针对大语言模型合并中专家权重读取的I/O瓶颈，提出MergePipe，一种预算感知的执行层，通过将合并问题转化为专家访问集问题，在显式I/O预算下选择要访问的专家增量块，实现高达11倍加速且参数偏差极小。

Comments ICML 2026 Workshop on Weight-Space Symmetries: from Foundations to Practical Applications

Expecting Empathy: How Interaction Context Shapes Norms for Empathic Response in Digital Communication

期待共情：交互情境如何塑造数字沟通中共情回应的规范

Tao Wang, Chi-Ching Juan

专题命中 其他LLM ：LLM(abstract,abstract_cn)

AI总结 本文通过分析Reddit建议社区的28,239个帖子-回复对，识别出“压力下的决策支持”这一中间交互类型，并验证其具有高共情与高工具性的非对称共情特征，为情感AI的共情校准提供基线。

A comparative study of transformer-based embeddings for topic coherence

基于Transformer的嵌入在主题连贯性中的比较研究

Alex Ding, Tarun Rapaka, Willy Rodriguez, Jason Yang

机构 * Worcester Academy Stanford Online High School（沃斯特学院斯坦福在线高中） ； Stanford Online High School（斯坦福在线高中） ； Lexington High School（莱克星顿高中） 纠错

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

AI总结 本研究系统比较了七种不同规模的Transformer语言模型（从MiniLM到LLaMA-2）在BERTopic流程中对主题质量的影响，发现模型大小（从2200万到130亿参数）对主题连贯性影响可忽略。

A Tutorial on Diffusion Theory: From Differential Equations to Diffusion Models

扩散理论教程：从微分方程到扩散模型

Jiayi Fu, Yuxia Wang

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

AI总结 本教程从微分方程角度统一阐述扩散模型的数学基础，推导ODE和SDE表示，解释分数匹配和去噪目标，并涵盖DDPM、DDIM、流匹配和扩散语言模型。

Comments A detailed tutorial on Diffusion models and SDE

MIRAGE: Adaptive Multimodal Gating for Whole-Brain fMRI Encoding

MIRAGE：用于全脑fMRI编码的自适应多模态门控

Abdulkadir Gokce, Badr AlKhamissi, Martin Schrimpf

机构 * Qwen3-Omni-30B-A3B-Thinking（通义千问3- Omni-30B-A3B-Thinking） 纠错

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

AI总结 提出MIRAGE框架，通过原生多模态骨干网络和自适应特征门控，实现全脑fMRI对自然视听刺激的高精度编码，并证明原生多模态特征优于后期融合的单模态特征。

Comments Preprint. First two author contributed equally

ORACLE-SWE: Quantifying the Contribution of Oracle Information Signals on SWE Agents

ORACLE-SWE：量化Oracle信息信号对SWE代理的贡献

Kenan Li, Qirui Jin, Liao Zhu, Xiaosong Huang, Yijia Wu, Yikai Zhang, Xin Zhang, Zijian Jin, Yufan Huang, Elsie Nallipogu, Chaoyun Zhang, Yu Kang, Saravan Rajmohan, Qingwei Lin, Wenke Lee, Dongmei Zhang

机构 * Microsoft（微软公司） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

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

AI总结 提出Oracle-SWE方法，通过隔离和提取SWE基准测试中的Oracle信息信号，量化每种信号对代理性能的贡献，并评估强语言模型提取的信号对基础代理的性能提升。

Comments Under peer review; 37 pages, 10 figures, 5 tables

PROTOCOL: Late Interaction Retrieval for Protein Homolog Search

PROTOCOL: 用于蛋白质同源搜索的延迟交互检索

Gabrielle Cohn, Rohan Gumaste, Minh Hoang, Vihan Lakshman

机构 * MIT（麻省理工学院） ； Princeton University（普林斯顿大学） 纠错

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

AI总结 提出ProtoCol模型，利用ColBERT风格的延迟交互机制对残基嵌入进行最大相似度评分，以提升远程同源搜索的灵敏度，在SCOPe超家族和Pfam clan基准上优于多种基线方法。

Computational Modeling of Antibody-Antigen Complexes: PLM-Based and MSA-Based Approaches

抗体-抗原复合物的计算建模：基于PLM和基于MSA的方法

Xiao Luo

机构 * Toyota Technological Institute at Chicago（丰田技术研究所（芝加哥）） 纠错

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

AI总结 本研究探讨抗体相关任务计算困难的原因，并提出基于蛋白质语言模型（PLM）和多重序列比对（MSA）的两种互补改进方法，以提升抗体-抗原结构预测精度。

Comments PhD thesis