语言大模型 / LLM

Why Are Linear RNNs More Parallelizable?

为什么线性RNN更易于并行化？

William Merrill, Hongjian Jiang, Yanhong Li, Anthony Lin, Ashish Sabharwal

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

AI总结 本文通过将RNN类型与标准复杂度类紧密关联，揭示了线性RNN（LRNN）因可视为对数深度算术电路而易于并行化，而非线性RNN因能解决L-完全问题而存在并行化障碍。

Comments To appear at ICML 2026

When Models Refuse: Political Steerability and Feature Richness as Measures of Ideological Depth

当模型拒绝时：政治可操控性与特征丰富度作为意识形态深度的度量

Shariar Kabir

机构 * Bangladesh University of Engineering and Technology（孟加拉工程与技术大学） 纠错

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

AI总结 本文提出意识形态深度概念，通过可操控性和稀疏自编码器测量的特征丰富度，研究大语言模型拒绝遵循良性指令是否源于能力缺陷而非安全规则。

Position: Adversarial ML for LLMs Is Not Making Any Progress

立场：针对LLM的对抗性机器学习并未取得任何进展

Javier Rando, Jie Zhang, Nicholas Carlini, Florian Tramèr

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(title_cn)；language model(abstract)；分类 cs.LG

AI总结 本文认为，在大语言模型时代，对抗性机器学习研究的问题定义更模糊、更难解决且更难以评估，可能导致未来十年仍无法取得有意义进展。

Comments Accepted at ICML 2026 Position Paper Track

SEEM: Exploiting Black-Box Text Attacks to Manipulate Tool Selection

SEEM：利用黑盒文本攻击操纵工具选择

Liuji Chen, Hao Gao, Jinghao Zhang, Qiang Liu, Shu Wu, Liang Wang

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

AI总结 提出SEEM方法，通过词级和字符级的粗到细扰动，在黑盒条件下增加目标工具被选中的概率，揭示工具选择机制的安全漏洞。

Comments 2026 IEEE International Conference on Acoustics, Speech, and Signal Processing

FederatedSkill: Federated Learning for Agentic Skill Evolution

FederatedSkill: 面向智能体技能演化的联邦学习

Jingbo Yang, Guanyu Yao, Yang Zhang, Ramana Rao Kompella, Gaowen Liu, Shiyu Chang

机构 * UC Santa Barbara（加州大学圣巴bara分校） ； MIT-IBM Watson AI Lab（麻省理工-IBM Watson人工智能实验室） ； Cisco Research（思科研究） 纠错

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

AI总结 提出FederatedSkill框架，通过语义技能差异作为通信单元，在保护隐私的同时实现个性化技能演化，相比自演化基线成功率提升44.4%，计算成本降低37.5%。

$\mathbb{R}^{2k}$ is Theoretically Large Enough for Embedding-based Top-$k$ Retrieval

$\mathbb{R}^{2k}$ 理论上足够大，用于基于嵌入的 Top-$k$ 检索

Zihao Wang, Hang Yin, Lihui Liu, Hanghang Tong, Yangqiu Song, Ginny Wong, Simon See

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(abstract,abstract_cn)；分类 cs.AI、cs.LG

AI总结 研究最小可嵌入维度（MED），证明对于内积、欧氏距离和余弦相似度，MED 为 Θ(k)，与 m 无关；进一步考虑鲁棒 MED（RMED），推导出可行性上限 ε_⋆(m,k)，并通过实验验证理论结果。

Comments v2: fix broken citation. v3: ICML 2026

Auditing Engagement Incentives in the Kidfluencer Ecosystem: A Multimodal Weak Supervision Approach

审计儿童网红生态系统中的参与激励：一种多模态弱监督方法

Zijing Wei, Chao Peter Yang, Xuanjie Chen

机构 * University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学） 纠错

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

AI总结 本研究采用多模态弱监督方法审计YouTube儿童网红频道，发现剥削信号与观看量显著正相关，且表演性劳动、情感诱饵和隐私侵犯能带来参与度溢价。

SAHG: Sector-Anisotropic Hyperbolic Graph Model for Social Bot Detection

SAHG：用于社交机器人检测的扇区各向异性双曲图模型

Hanning Lu, Yingguang Yang, Jinwei Su, Yang Liu, Zhaoqian Yao, Yaoming Li, Taoran Liang, Ziyi Zhang, Ran Ran, Kefu Xu, Bin Chong

机构 * University of Leeds（利兹大学） ； University of Science and Technology of China（中国科学技术大学） ； South China Normal University（华南师范大学） ； Tsinghua University（清华大学） ； The Chinese University of Hong Kong（香港中文大学） ； Harbin University of Commerce（哈尔滨商业大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； Peking University（北京大学） ； University of California, Berkeley（加州大学伯克利分校） 纠错

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

AI总结 提出扇区各向异性双曲图模型SAHG，通过方向依赖曲率场和扇区原型解决欧几里得GNN在层次无标度社交图中的失真问题以及异质连接导致的信号污染问题，在三个基准上取得最佳性能。

Focused on the User, Overlooking the Risks: Security and Privacy Understandings, Practices and Challenges of Independent Chinese AI Agent Developers

聚焦用户，忽视风险：中国独立AI代理开发者的安全与隐私理解、实践与挑战

Shuning Zhang, Mingyao Xu, Zhixin Huang, Yutong Jiang, Rongjun Ma, Yuting Yang, Xin Yi, Kanye Ye Wang, Hewu Li

专题命中 其他LLM ：LLM(abstract,abstract_cn)

AI总结 通过访谈28名中国独立AI代理开发者，发现他们以用户为中心，关注面向用户的安全风险（如有害内容），但对安全漏洞意识薄弱，依赖临时手动防护和非正式沟通，缺乏正式工具和流程，主要受限于缺乏安全培训、工具和平台指导。

RamanGPT: Bidirectional Mapping Between Crystal Structures and Raman Spectra with Graph Neural Networks and Generative Transformers

RamanGPT: 基于图神经网络与生成式Transformer的晶体结构与拉曼光谱双向映射

Frank M. Abel, Jaehyung Lee, Charles R. Campbell, Kamal Choudhary

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

AI总结 提出RamanGPT框架，利用图神经网络（ALIGNN）实现从晶体结构预测拉曼光谱（正向问题），并通过量化低秩适配微调大语言模型实现从拉曼光谱反推晶体结构（逆向问题），在计算数据库和实验数据上验证了有效性。

Forget Attention: Importance-Aware Attention Is All You Need

忘记注意力：重要性感知注意力即你所需

Suhyeong Shin, Yeongwook Yang

机构 * Department of Computer Engineering（计算机工程系） 纠错

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

AI总结 提出SISA方法，通过将状态空间模型的重要性信号直接融入注意力分数计算，实现分数级融合，在语言建模中兼顾全局检索与重要性排序。

Comments 20 pages, 6 figures, 25 tables

Analyzing Stream Collapse in Hyper-Connections: From Diagnosis to Mitigation

分析超连接中的流坍缩：从诊断到缓解

Ekaterina Alimaskina, Gleb Molodtsov, Aleksandr Beznosikov

机构 * MIRAI ； BRAIn Lab ； Yandex Research ； Innopolis University 纠错

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

AI总结 本文通过细粒度诊断发现超连接中的多流残差连接存在流坍缩现象，即信号集中于主导流，并通过打破初始化对称性缓解该问题以提升性能。

Text-attributed Graph Condensation via Text Selection and Attribute Matching

通过文本选择和属性匹配的文本属性图压缩

Haowei Han, Yuxiang Wang, Guojia Wan, Hao Wang, Shanshan Feng, Hao Huang, Jiawei Jiang, Xiao Yan

机构 * School of Computer Science Wuhan University（武汉大学计算机学院） ； Institute for Math & AI Wuhan University（武汉大学数学与人工智能研究院） 纠错

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

AI总结 提出TAGSAM方法，通过子图文本选择和属性相似性匹配压缩文本属性图，在保持训练精度的同时显著降低空间和时间消耗。

Unified Video-Action Joint Denoising for Dexterous Action and Data Generation

统一视频-动作联合去噪用于灵巧动作与数据生成

Dingrui Wang, YuAn Wang, Jinkun Liu, Yue Zhang, Mattia Piccinini, Yu Sun, Johannes Betz

机构 * Technical University of Munich（慕尼黑技术大学） ； ByteDance（字节跳动） ； Tsinghua University（清华大学） 纠错

专题命中 其他LLM ：foundation model(abstract)

AI总结 提出Donk模型，通过联合建模交互视频与手部轨迹的分布，实现灵巧手的动作生成与数据增强。

Comments 9 pages, 5 figures