语言大模型 / LLM

Effects of Varying LLM Access on Essay Writing Behavior

不同LLM访问权限对论文写作行为的影响

Julia Christenson, Karin de Langis, Shirley Anugrah Hayati, Dongyeop Kang

机构 * University of Minnesota（明尼苏达大学） 纠错

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

AI总结 通过控制LLM访问权限（无访问、有限访问、无限访问）的随机实验，发现有限访问能保持学生作者信心和写作策略，而无限访问降低创意表达。

Comments BEA (Building Educational Applications) Workshop 2026

Characterizing Students' LLM Usage Behaviors and Their Association with Learning in Critical Thinking Tasks

表征学生在批判性思维任务中的LLM使用行为及其与学习的关联

Minju Park, Ivan Orozco Vasquez, Cristina Conati

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

AI总结 通过分析研究型课程中学生在无限制条件下使用LLM完成学术论文阅读与批判任务的行为数据，提出基于学生主动性的LLM使用类型分类，并考察使用频率和类型对期中考试成绩的影响。

Comments EDM 2026

Mitigating Hallucinations in Large Language Models Via Decoder Layer Skipping

通过解码器层跳跃减轻大型语言模型中的幻觉

Hanze Li, Jinhao You, Yichen Guo, Kai Tang, Shuangyang Xie, Xiande Huang

机构 * De Artificial Intelligence Lab（德人工智能实验室） 纠错

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

AI总结 本文提出DeLask框架，通过动态跳过易产生幻觉的解码器层，利用梯度下降的等价性检测并抑制错误信号，从而减轻LLM幻觉并提升可靠性。

Comments 5 pages

Both Topology and Text Matter: Revisiting LLM-guided Out-of-Distribution Detection on Text-attributed Graphs

拓扑与文本同样重要：重新审视基于LLM的文本属性图分布外检测

Yinlin Zhu, Di Wu, Xu Wang, Guocong Quan, Miao Hu

机构 * Sun Yat-sen University（中山大学） ； Shandong University（山东大学） 纠错

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

AI总结 针对文本属性图分布外检测中拓扑与文本信息利用不足的问题，提出LG-Plug框架，通过对齐拓扑与文本表示并利用聚类迭代LLM提示生成共识驱动的OOD样本，有效提升检测性能。

Comments Accepted by SIGKDD 2026

LLM Consortium for Software Design Refinement: A Controlled Experiment on Multi-Agent Collaboration Topologies

LLM联盟用于软件设计精化：多智能体协作拓扑的受控实验

Nagarjuna Kanamarlapudi, Praveen K

机构 * LLM Consortium for Software Design Refinement（软件设计精炼LLM联盟） 纠错

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

AI总结 通过受控实验评估12种多智能体LLM协作拓扑在软件架构设计中的表现，发现结构对抗变体（v4b）和跨模型评审（v2）排名前二，并行合并因令牌饥饿和弗兰肯斯坦效应表现最差。

Comments 12 pages, 9 figures, 5 tables

When Identity Overrides Incentives: Representational Choices as Governance Decisions in Multi-Agent LLM Systems

当身份压倒激励：多智能体LLM系统中的表征选择作为治理决策

Viswonathan Manoranjan, Snehalkumar `Neil' S. Gaikwad

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

AI总结 通过四智能体战略博弈实验，发现角色身份分配会抑制基于报酬的行为，使均衡选择偏移高达90个百分点，表明表征选择是决定系统输出的治理决策。

Comments Accepted to ACM FAccT 2026

LLM-Enabled Automated Algorithm Design for Multiuser Fluid Antenna Communications

面向多用户流体天线通信的LLM自动化算法设计

Gan Zheng, Fei Liu, Qingfu Zhang

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

AI总结 针对流体天线系统中端口选择这一大规模组合优化问题，提出利用大语言模型自动设计优化算法（包括改进遗传算法和从头设计启发式算法AutoPort），以最大化最小信干噪比，实现接近最优的性能。

Comments This paper has been accepted in IEEE Transactions on Wireless Communications

Practice Less, Explain More: LLM-Supported Self-Explanation Improves Explanation Quality on Transfer Problems in Calculus

少练习，多解释：LLM 支持的自我解释提高了微积分迁移问题的解释质量

Eason Chen, Xinyi Tang, Yvonne Zhao, Meiyi Chen, Meryam Elmir, Elizabeth McLaughlin, Mingyu Yuan, Yumo Wang, Shyam Agarwal, Jared Cochrane, Jionghao Lin, Tongshuang Wu, Ken Koedinger

专题命中 其他LLM ：LLM(title,title_cn)

AI总结 通过对比无自我解释、菜单式自我解释和LLM支持的开放式自我解释三种条件，发现开放式自我解释在迁移问题（尤其是NEI问题）上显著提高了解释质量，尽管练习数量较少。

Comments 9 pages, 2 figures. Accepted at AIED 2026. Camera-ready version with updated references

How Generation Architecture Shapes Code Complexity in Multi-Agent LLM Systems: A Paired Study on HumanEval

生成架构如何塑造多智能体LLM系统中的代码复杂度：基于HumanEval的配对研究

Nazmus Ashrafi

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

AI总结 通过配对实验比较六种多智能体架构在HumanEval上的代码复杂度，发现架构复杂度与功能正确性无正相关，最简架构在准确率上持平或超越复杂架构。

Comments 16 pages, 7 figures, 7 tables

WaterSearch: Exploring Seed Pooling for Improving the Quality-Detectability Trade-off in LLM Watermarking

WaterSearch：探索种子池以改进LLM水印中质量-可检测性权衡

Yukang Lin, Jiahao Shao, Shuoran Jiang, Wentao Zhu, Bingjie Lu, Xiangping Wu, Joanna Siebert, Qingcai Chen

机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Peng Cheng Laboratory（鹏城实验室） 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 本文提出WaterSearch框架，通过控制种子池实现句子级搜索，联合优化分布保真度和水印信号特征，在保持高可检测性的同时显著提升文本质量。

Relational Intervention During Functional Collapse in Large Language Models: A Lexical-Statistical Ablation and a Structure x Register Factorial

大语言模型功能崩溃期间的关系性干预：一项词汇-统计消融与结构×语域析因研究

Franco Santana, Horacio Vico

机构 * Universidad de la República (UDELAR)（乌拉圭共和国大学） ； DigitalIA Cloud（DigitalIA云） 纠错

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

AI总结 通过析因实验，研究在小型语言模型功能崩溃时，关系性干预（承认、宽恕、代理恢复、无条件接纳）与技术性反馈、词汇打乱控制及单独维度对行为的影响，发现注意-行为分离及结构×语域交互作用。

Comments 12 pages, 5 figures. Preprint

A Registry-Bound LLM Pipeline for Evidence-Grounded Trait Extraction across Tropical Plants, Aquatic Species, and Exotic Pets

面向热带植物、水生生物和外来宠物的证据驱动性状提取的注册约束LLM流水线

Jeff Wang

机构 * NEXLY LLC, United States（NEXLY LLC，美国） 纠错

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

AI总结 提出一种注册约束的大语言模型流水线，通过四种机制（受控词汇注册表、逐行证据引用、置信度标签、多版本保存）从热带物种百科全书中大规模提取证据驱动的结构化性状记录，在409,820个物种上实现99.985%的覆盖率和高置信度。

Comments 33 pages, 6 figures; methodology paper

THRD: A Training-Free Multi-Turn Defense Framework for Jailbreak Attacks on Large Language Models

THRD：一种针对大语言模型越狱攻击的无训练多轮防御框架

Zhiqing Ma, Zhonghao Xu, Dong Yu, Chen Kang, Changliang Li, Pengyuan Liu

机构 * Beijing Language and Culture University（北京语言大学） 纠错

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

AI总结 提出无训练框架THRD，通过显式建模时间风险累积（包括逐轮风险评估、跨轮意图检测、响应评估和决策模块）防御多轮越狱攻击，将攻击成功率降至0.2-4.0%且模型效用损失小于1.5%。

Sparse Autoencoders for Interpretable Emotion Control in Text-to-Speech

用于文本到语音中可解释情感控制的稀疏自编码器

Hongfei Du, Jiacheng Shi, Sidi Lu, Gang Zhou, Ye Gao

机构 * University of California, Berkeley（加州大学伯克利分校） 纠错

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

AI总结 本文通过稀疏自编码器分析基于LLM的TTS模型中的情感相关潜在特征，提出特征级干预框架实现双向情感诱导与抑制，无需修改模型参数。

Comments Accepted by ICML 2026

TriAlign: Towards Universal Truth Consistency in Personalized LLM Alignment

TriAlign: 迈向个性化大语言模型对齐中的通用真值一致性

Thi-Nhung Nguyen, Linhao Luo, Rollin Omari, Junae Kim, Thuy-Trang Vu, Dinh Phung

机构 * Department of Data Science & AI, Monash University（数据科学与人工智能系，墨尔本大学） ； Defence Science and Technology Group, Australia（澳大利亚国防科学与技术集团） 纠错

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

AI总结 针对个性化大语言模型在不同社会群体间存在的通用真值不一致问题，提出TriAlign框架，通过离线多智能体强化学习联合优化真值准确性、跨群体一致性和个性化，实现公平对齐。

ResMerge: Residual-based Spectral Merging of Large Language Models

ResMerge：基于残差的谱合并大型语言模型

Yandu Sun, Zhiyan Hou, Haokai Ma, Yuheng Jia, Junfeng Fang, Haiyun Guo, Hongyan An, weizhen wang, Jinqiao Wang

机构 * Southeast University（东南大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； National University of Singapore（新加坡国立大学） ； Wuhan University of Technology（武汉理工大学） ； Peking University（北京大学） ； Wuhan AI Research（武汉人工智能研究院） 纠错

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

AI总结 提出ResMerge框架，通过将RL任务向量分解为谱头部和残差组件，利用残差组件构建稳定骨干并选择性引入头部信息，实现无需训练的专家模型合并。

Comments 14 pages including appendix

DAPD: Dependency-Aware Parallel Decoding via Attention for Diffusion LLMs

DAPD: 面向扩散LLM的基于注意力的依赖感知并行解码

Bumjun Kim, Dongjae Jeon, Moongyu Jeon, Albert No

机构 * KAIST（韩国科学技术院） 纠错

专题命中 其他LLM ：LLM(title_cn,summary_cn)；分类 cs.LG

AI总结 提出一种无需训练的并行解码方法DAPD，利用自注意力构建掩码标记的依赖图，通过选择独立集并行解码，避免强耦合标记同时更新，提升了扩散LLM的精度-步数权衡。

Comments Accepted at ICML 2026

Thinking in Blender: Staged Executable Inverse Graphics with Vision-Language Models

在Blender中思考：基于视觉语言模型的分阶段可执行逆向图形

Guangzhao He, Rundong Luo, Wei-Chiu Ma, Hadar Averbuch-Elor

机构 * Cornell University（康奈尔大学） 纠错

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

AI总结 提出分阶段可执行逆向图形（SEIG）框架，利用预训练视觉语言模型直接从单张图像重建可编辑的Blender程序，无需专用基础模型或可微渲染，通过逐步细化几何、材质、组合和光照提升重建保真度。

RASER: Recoverability-Aware Selective Escalation Router for Multi-Hop Question Answering

RASER: 可恢复性感知的选择性升级路由器用于多跳问答

Yuyang Li, Zihe Yan, Tobias Käfer

机构 * Institute AIFB, Karlsruhe Institute of Technology, Karlsruhe, Germany（卡尔斯鲁厄理工学院AIFB研究所） ； Shanghai Jiao Tong University, Shanghai, China（上海交通大学） 纠错

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

AI总结 提出RASER路由器，基于单次RAG的六个特征决定是否升级到更昂贵的检索策略，在不增加额外LLM调用的情况下，在F1分数与SOTA相当的同时节省大量token。

Comments Under Review

Unlearning Isn't Invisible: Detecting Unlearning Traces in LLMs from Model Outputs

遗忘并非不可见：从模型输出中检测LLMs的遗忘痕迹

Yiwei Chen, Soumyadeep Pal, Yimeng Zhang, Qing Qu, Sijia Liu

机构 * Michigan State University（密歇根州立大学） ； University of Michigan, Ann Arbor（密歇根大学安娜堡分校） ； IBM Research（IBM研究院） 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 本文发现大型语言模型在经历机器遗忘后会在行为和内部表征中留下可检测的“指纹”，并通过分类器利用预测logits或文本输出以超过90%的准确率识别遗忘模型。

Comments Accepted to ICLR 2026

Finding What Matters: Anchoring Context Knowledge with Evolving Indices for Iterative Retrieval

寻找关键：通过演化索引锚定上下文知识进行迭代检索

Mingyan Wu, Zhenghao Liu, Xinze Li, Yuqing Lan, Yukun Yan, Shuo Wang, Cheng Yang, Minghe Yu, Zheni Zeng, Maosong Sun

机构 * School of Computer Science and Engineering, Northeastern University, China（东北大学计算机科学与工程学院） ； Department of Computer Science and Technology, Institute for AI, Tsinghua University, China（清华大学人工智能研究院计算机科学与技术系） ； Beijing National Research Center for Information Science and Technology, China（北京信息科学与技术国家研究中心） ； School of Computer Science, Beijing University of Posts and Telecommunications, China（北京邮电大学计算机学院） 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 提出KAIR框架，通过迭代检索中动态更新的知识索引锚定关键证据，引导大语言模型在多跳问答中有效推理并缓解噪声干扰。

Schema-Agnostic Knowledge Graph Construction via Hybrid Ontology Discovery for Cyber Threat Intelligence

通过混合本体发现实现模式无关的网络威胁情报知识图谱构建

Seonwoo Kim, Jinwoo Kim, Daegyu Kang, Daeseong Kim, Insup Lee

专题命中 其他LLM ：LLM(summary_cn,abstract)

AI总结 提出ANCHOR系统，通过混合本体发现机制和SHACL验证，实现模式无关的CTI知识图谱构建，在UCO、STIX和MALOnt本体上优于现有基线，并支持本地LLM以保护隐私。

MESA: Improving MoE Safety Alignment via Decentralized Expertise

MESA: 通过去中心化专家提升MoE安全对齐

Yitong Sun, Yao Huang, Teng Li, Ranjie Duan, Yichi Zhang, Xingjun Ma, Hui Xue, Xingxing Wei

机构 * University of Science and Technology of China（中国科学技术大学） 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、cs.LG

AI总结 针对MoE架构中安全能力集中于少数专家导致的脆弱性，提出MESA框架，通过最优传输理论实现专家安全职责去中心化分配与路由细化，在保持实用性的同时提升防御性能。

Comments 18 pages, 8 figures, accepted by ICML 2026

What's on Your Mind? Exploring Privacy of Mental Health Apps

你在想什么？探索心理健康应用的隐私

Chloe Georgiou, Hans Lu, Emiliano De Cristofaro, Gene Tsudik

专题命中 其他LLM ：LLM(summary_cn,abstract)

AI总结 通过对25款流行的Android心理健康应用进行静态分析、动态网络捕获和LLM辅助隐私政策提取，发现这些应用存在严重的透明度问题，包括未披露的跟踪器、权限政策矛盾以及第三方AI处理披露不充分。

The Attribution Contract: Feature Attribution for Generative Language Models

归因契约：生成式语言模型的特征归因

Giang Nguyen

机构 * Guide Labs（Guide实验室） 纠错

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

AI总结 针对生成式语言模型中特征归因的歧义性，提出归因契约规范，明确归因对象、特征范围、生成过程等要素，并通过自回归和扩散模型案例展示不同契约下的归因效果。

Searching for Anomalies with Foundation Models

使用基础模型搜索异常

Vinicius Mikuni, Benjamin Nachman

专题命中 其他LLM ：foundation model(title,abstract)

AI总结 本文利用大型基础模型OmniLearned分析CMS实验数据，发现质量边带中的异常行为，并通过完整背景估计验证，指出背景估计在验证区拟合良好但无法准确建模信号区。

Comments 19 pages, 21 figures

Cross-Lingual Steering for Figurative Language Generation

跨语言引导的比喻语言生成

Linfeng Liu, Tiffany Zhan, Louie Hong Yao, Saptarshi Ghosh, Tianyu Jiang

机构 * Department of Computer Science, University of Cincinnati（卡内基梅隆大学计算机科学系） ； School of Computer Science, Carnegie Mellon University（卡内基梅隆大学计算机科学学院） ； Independent Researcher（独立研究者） 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 通过激活引导技术，研究多语言大模型中比喻语言生成的内部信号是否跨语言可复用，发现跨语言方向可有效转移并增强目标行为。

Comments 40 pages, 7 figures

AdaCodec: A Predictive Visual Code for Video MLLMs

AdaCodec: 面向视频多模态大语言模型的预测性视觉编码

Haowen Hou, Zhen Huang, Zheming Liang, Qingyi Si, Chenglin Li, Shuai Dong, Kele Shao, Ruilin Li, Dianyi Wang, Nan Duan, Jiaqi Wang

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） ； JD.com（京东公司） 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 针对视频帧间冗余问题，提出预测性视觉编码AdaCodec，通过条件预测代价决定是否发送完整参考帧或紧凑P-令牌，在匹配视觉令牌预算下提升性能，并大幅降低首令牌延迟。

Comments 23 pages

Repurposing Adversarial Perturbations for Continual Learning: From Defense to Active Alignment

重新利用对抗扰动进行持续学习：从防御到主动对齐

Ran Liu, Min Yu, Mingqi Liu, Jianguo Jiang, Gang Li, Rongsheng Li, Ning Li, Zhen Xu, Weiqing Huang, Ming Liu

机构 * Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； School of Cyber Security, University of Chinese Academy of Sciences（中国科学院大学网络安全学院） ； Deakin University（德肯大学） ； Harbin Engineering University（哈尔滨工程大学） 纠错

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

AI总结 提出AdvCL框架，通过将对抗扰动重新用作几何控制信号，结合三个即插即用模块（Intra-Smooth、Proto-Clip、Inter-Align），在持续学习中同时提升标准性能、鲁棒性、降低遗忘并增强迁移。

DenseMLLM: Standard Multimodal LLMs for Dense Prediction

DenseMLLM：用于密集预测的标准多模态大语言模型

Yi Li, Hongze Shen, Lexiang Tang, Xin Li, Xinpeng Ding, Yinsong Liu, Deqiang Jiang, Xing Sun, Xiaomeng Li

机构 * Department of Electronic and Computer Engineering, The Hong Kong University of Science and Technology, Hong Kong, China（香港科技大学电子与计算机工程系） ； Tencent, Youtu-Lab, China（腾讯优图实验室） 纠错

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

AI总结 提出DenseMLLM，通过标准多模态大语言模型架构和视觉令牌监督策略，无需任务特定解码器即可实现语义分割、深度估计等密集预测任务，在多个基准上取得竞争性能。

Comments ICML 2026