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。
重新思考语音和音频的持续学习：基于表征的分类法与开放问题
机构 * University of Melbourne, Melbourne, Australia（墨尔本大学）
专题命中 知识编辑与模型理解 ：foundation model(abstract)
AI总结 本文从表征中心视角重新审视语音持续学习，提出基于表征几何演化的新分类法，并指出现有假设与语音基础模型行为的关键不匹配，最后概述开放挑战与未来方向。
Comments 4 pages, 1 figure, working in process
捕捉注视转移以引导：跨模态融合增强用于VLM幻觉缓解
机构 * AWS AI Labs（AWS人工智能实验室）
专题命中 知识编辑与模型理解 ：language model(abstract)
AI总结 提出GIFT方法，通过预计算视觉显著性图并跟踪注视转移，在解码时增强对显著视觉信息和用户查询的注意力，以缓解视觉语言模型中的幻觉问题。
Comments ICML 2026
人类心理测量问卷误判LLM行为
机构 * Graduate School of Data Science, Seoul National University（首尔国立大学数据科学研究生院） ； Department of Communication, Interdisciplinary Program in Artificial Intelligence, Seoul National University（首尔国立大学通信系人工智能交叉学科项目）
专题命中 其他LLM ：LLM(title,title_cn)；分类 cs.CL、cs.AI
AI总结 通过比较LLM在Likert问卷和生成概率上的价值与人格特征，发现问卷存在系统性偏差，提出基于生成概率的评估方法更准确。
Comments 38 pages, 6 figures
多智能体LLM校准的反事实图
机构 * University of Connecticut（康涅狄格大学） ； University of Massachusetts, Amherst（马萨诸塞大学阿默斯特分校）
专题命中 其他LLM ：LLM(title,title_cn)；分类 cs.CL
AI总结 针对多智能体LLM系统中通信导致的相关失败和虚假共识问题，提出CAGE-CAL框架，通过比较观察到的通信后图与匹配的反事实无通信图来校准置信度，提升可靠性区分和拓扑选择。
TUX：衡量人机默契理解
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； New York University（纽约大学）
专题命中 其他LLM ：LLM(summary_cn,abstract)；large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI
AI总结 通过光谱放置任务和TUX指数，量化人类与LLM之间的默契理解，发现人格特征影响对齐程度。
战略提供者响应下的策略即代码搜索中的医疗机制
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Tongji University（同济大学）
专题命中 其他LLM ：LLM(summary_cn,abstract)；language model(abstract)；分类 cs.AI
AI总结 将医疗机制设计转化为语言模型的程序合成，通过多智能体模拟器Medi-Sim评估策略提供者响应下的均衡，并利用LLM引导的进化代码搜索合成可检查的混合目标程序。
Comments 32 pages, 18 figures, 4 tables
进化搜索中的计算分配：从深度-广度到多臂老虎机
机构 * University of Notre Dame（诺丁汉大学） ； Northeastern University（东北大学） ； University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； Southeast University（东南大学） ； Northwestern University（西北大学） ； Nanjing University（南京大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）
专题命中 其他LLM ：LLM(summary_cn,abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 针对LLM引导的进化搜索中固定预算的LLM调用分配问题，提出基于多臂老虎机的BaSE方法，通过跨并行轨迹分配调用，平均适应度提升12.3%。
多智能体团队阻碍专家发挥
机构 * stanford（斯坦福大学） ； apple（苹果公司） ； goizueta business school, emory（埃默里大学戈izueta商学院）
专题命中 其他LLM ：LLM(summary_cn,abstract)；分类 cs.AI
AI总结 研究自组织多智能体LLM团队在无约束协调下无法匹配专家性能，发现整合妥协行为是主要瓶颈，导致性能损失高达41.1%。
Comments Accepted at the International Conference on Machine Learning (ICML 2026)
dgMARK: 面向扩散语言模型的解码引导水印方法
机构 * Department of Computer Engineering, Hongik University（鸿基大学计算机工程系） ； Department of Artificial Intelligence, Yonsei University（延世大学人工智能系）
专题命中 其他LLM ：language model(title,abstract)；分类 cs.LG
AI总结 提出dgMARK方法，通过引导离散扩散语言模型的去掩码顺序满足奇偶约束，实现无需显式重加权概率的文本水印嵌入，并利用滑动窗口检测器保证对编辑操作的鲁棒性。
Comments Accepted at ICML 2026. Project page: https://dgmark-watermarking.github.io
MatterSim-MT：用于计算材料表征的多任务基础模型
专题命中 其他LLM ：foundation model(title,abstract)
AI总结 提出MatterSim-MT多任务基础模型，通过预训练和微调实现材料结构、动力学、热力学及多种性质的高效预测，并展示其在复杂模拟中的应用。
面向有效长视频事件预测的多级事件语义挖掘
机构 * University of Science and Technology of China（中国科学技术大学）
专题命中 其他LLM ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.CL
AI总结 提出VISTA框架，通过多级事件语义挖掘（细节级、事件级、未来级）实现长视频事件预测，解决现有模型无法精确提取事件细节和进行细粒度分析的问题。
MatchFixAgent: 语言无关的自主仓库级代码翻译验证与修复
机构 * Siebel School of Computing and Data Science, University of Illinois Urbana-Champaign, Urbana, IL, USA（伊利诺伊大学厄巴纳-香槟分校Siebel计算与数据科学学院） ； Amazon, Arlington, VA, USA（亚马逊公司，阿灵顿，弗吉尼亚州，美国） ； University of Oxford, Oxford, UK（牛津大学，牛津，英国）
专题命中 其他LLM ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.LG
AI总结 提出基于大语言模型的多智能体框架MatchFixAgent，实现语言无关的仓库级代码翻译等价性验证与修复，在验证覆盖率和修复成功率上显著优于现有方法。
Comments Published in ICML 2026
通过成对查询改进二分类的选择性分类
机构 * Adobe Research（Adobe研究院）
专题命中 其他LLM ：LLM(abstract,abstract_cn)；分类 cs.LG
AI总结 针对选择性分类中模型置信度与预测不一致导致高错误率的问题，提出使用成对查询检测高错误样本，以降低非拒绝样本的错误率，并通过理论和实验验证了其有效性。
单个音素中系统性语义结构的证据
机构 * Columbia University（哥伦比亚大学）
专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.CL
AI总结 本研究通过大型语言模型、跨语言听者实验和发音特征分析，证明英语单个音素携带结构化的多维语义轮廓，挑战了音义关系任意性的传统假设。
Comments 31 pages, 4 figures
文本引导的跨模态步态识别特征解耦
机构 * Fujian Key Laboratory of Urban Intelligent Sensing and Computing, Xiamen University（福建城市智能感知与计算重点实验室，厦门大学） ； Key Laboratory of Multimedia Trusted Perception and Efficient Computing, Ministry of Education of China, Xiamen University（多媒体可信感知与高效计算重点实验室，中华人民共和国教育部，厦门大学）
专题命中 其他LLM ：large language model(abstract)；language model(abstract)
AI总结 针对LiDAR与RGB相机之间的模态差异，提出TCFDNet网络，利用文本先验引导解耦模态共享特征，通过CLIP对齐、特征解耦和稳定性增强实现跨模态步态识别，在SUSTech1K和FreeGait数据集上达到最优性能。
Comments Accept by CVPR2026
线性集成洗去水印：论LLMs中分布扰动的脆弱性
机构 * Department of Informatics, King's College London, UK（伦敦国王学院信息学院） ； Department of Mathematics, Imperial College London, UK（伦敦帝国学院数学系） ； Department of Statistics, University of Warwick, UK（沃里克大学统计系）
专题命中 其他LLM ：LLM(abstract_cn)；分类 cs.CL
AI总结 本文通过理论和实验证明，当用户访问多个模型时，对输出概率分布进行简单平均即可消除水印，并提出了WASH方法解决集成中的词汇对齐和分词差异问题。
超越支持域：无监督越狱激活模拟的对抗训练
机构 * University of Technology Sydney, Sydney, Australia（技术悉尼大学） ； School of Cyber Science and Engineering, Southeast University, Nanjing, China（东南大学计算机科学与工程学院） ； Xi'an Jiaotong University, Xi'an, China（西安交通大学）
专题命中 其他LLM ：LLM(abstract_cn)；分类 cs.LG
AI总结 针对现有安全引导方法对未见越狱攻击泛化失败的问题，提出基于无监督潜在方向发现的双层对抗训练框架，通过外推拒绝态有害请求激活模拟多样越狱激活，并训练势诱导引导场实现零样本越狱防御。
Comments accepted by ICML 2026
下一个词预测何时有用？边缘化、遍历性、混合可识别性、局部充分性、RAG、工具与编程
专题命中 其他LLM ：language model(abstract)；分类 cs.CL
AI总结 本文通过区分完整条件语言过程、边缘文本过程和模型诱导分布，论证了下一个词预测的有效性依赖于强假设（平稳性、代表性、遍历性）以及观察前缀对潜在上下文的充分性，并解释了RAG和工具使用作为条件充分性机制的作用。
生成式AI在用户体验研究观点开发中的应用：NotebookLM案例研究
专题命中 其他LLM ：prompting(abstract)
AI总结 本文提出并评估了一种利用Google NotebookLM增强用户体验研究观点（UXR PoV）框架的正式方法，通过五个提示词在四个阶段中应用，实验表明NotebookLM能有效协作生成PoV。
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