语言大模型 / LLM

ChemQuests: A Curated Chemistry Question-Answer Database Extracted from ChemRxiv papers

ChemQuests: 从ChemRxiv论文中提取的精选化学问答数据库

Mahmoud Amiri, Thomas Bocklitz

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 领域大模型 ：large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 提出ChemQuests数据集，包含从155篇ChemRxiv论文中提取的952个高质量问答对，覆盖17个化学子领域，用于化学NLP研究。

Faithful, Enriched, and Precise: Benchmarking Natural-Science Illustration Generation by T2I models

忠实、丰富且精确：T2I模型在自然科学插图生成中的基准测试

Yifan Chang, Jiaxin Ai, Jianwen Sun, Yuandong Pu, Siqi Luo, Liangliang Zhao, Yuchen Ren, Minghao Liu, Yunfei Yu, Yu Qiao, Kaipeng Zhang, Yihao Liu

机构 * Shanghai Innovation Institute（上海创新研究院） ； Shanghai AI Laboratory（上海人工智能实验室） ； University of Science and Technology of China（中国科学技术大学） ； Wuhan University（武汉大学） ； Nankai University（南开大学） ； Shanghai Jiao Tong University（上海交通大学） ； Fudan University（复旦大学） ； ZODA ； Alaya Studio（Alaya工作室） 纠错

专题命中 领域大模型 ：large language model(abstract)；language model(abstract)

AI总结 提出FEPBench基准，通过细粒度原子集标注和三维评估（指令忠实性、推理丰富性、语义精确性）系统评估T2I模型在自然科学插图生成中的表现，发现即使最先进的闭源模型仍存在文本渲染瓶颈、推理丰富性有限以及生成丰富性与精确性难以平衡的问题。

HiPS: Hierarchical PDF Segmentation of Doctrinal Legal Books

HiPS： doctrinal法律书籍的分层PDF分割

Sabine Wehnert, Harikrishnan Changaramkulath, Ivan Habernal

专题命中 领域大模型 ：LLM(abstract,abstract_cn)

AI总结 本文提出HiPS，用于分层PDF分割doctrinal法律书籍，提供了一个包含49本开放获取法律书籍的黄金标准基准，包含9812个手动编纂的标题、层级和页面锚点，同时引入了基于目录和无目录的分割管道，以提高标题检测、层级重建和边界分配的准确性。

Comments 11 pages, 9 figures. Accepted as a demo paper at ICAIL 2026. This arXiv version includes an appendix, new results, bug fixes, and presentation improvements beyond the earlier preprint; consequently, some reported numbers differ

CHoE: Cross-Domain Heterogeneous Graph Prompt Learning via Structure-Conditioned Experts

CHoE: 基于结构条件专家的跨域异构图提示学习

Peiyuan Li, Yongqi Huang, Jitao Zhao, Dongxiao He, Di Jin, Weixiong Zhang

机构 * School of Computer Science and Technology, Tianjin University（天津大学计算机科学与技术学院） ； Department of Health Technology and Informatics, and Department of Data Science and Artificial Intelligence, The Hong Kong Polytechnic University（香港理工大学健康科技与信息学系、数据科学与人工智能系） 纠错

专题命中 领域大模型 ：foundation model(abstract)；分类 cs.AI、cs.LG

AI总结 提出CHoE方法，通过结构条件专家网络和结构感知路由机制，实现跨域异构图提示学习，在少样本跨域任务中优于基线方法。

Comments accepted by IJCAI 2026, 9 pages, 4 figures

Position: A Dynamical Systems Perspective is Needed to Advance Time Series Modeling

立场：需要动力系统视角以推进时间序列建模

Daniel Durstewitz, Christoph Jürgen Hemmer, Florian Hess, Charlotte Ricarda Doll, Lukas Eisenmann

机构 * University of Tübingen（图宾根大学） 纠错

专题命中 领域大模型 ：foundation model(abstract)；分类 cs.AI、cs.LG

AI总结 本文主张时间序列建模需引入动力系统视角，通过重构底层DS实现更优预测，并讨论其理论优势与具体建议。

LinkNav: Surfacing Interconnected Information in Scientific Articles

LinkNav：在科学文章中呈现互联信息

Sebastian Joseph, Jennifer Healey, Junyi Jessy Li, Ani Nenkova

专题命中 领域大模型 ：language model(abstract)

AI总结 提出LinkNav系统，通过语言模型生成阅读时的问题并搜索文档内答案，建立非相邻段落间的显式连接，提升学术论文阅读体验。

Comments 10 pages, 3 figures, ACL 2026 (Demo Track)

From Sampled Outcomes to Capability Distributions: Rethinking Supervision for LLM Routing

从采样结果到能力分布：重新思考LLM路由的监督

Guannan Lai, Haoran Hu, Long Chen, Zhenguo Li, Han-Jia Ye

机构 * School of Artificial Intelligence, Nanjing University（南京大学人工智能学院） ； National Key Laboratory for Novel Software Technology, Nanjing University（南京大学新型软件技术国家重点实验室） ； Hong Kong University of Science and Technology（香港科学与技术大学） ； Frontier Robotics（前沿机器人） 纠错

专题命中 知识编辑与模型理解 ：LLM(title,title_cn)；分类 cs.LG

AI总结 针对LLM路由中单次响应作为监督信号噪声大的问题，提出DARS框架，从分布视角构建路由监督，考虑输入和输出不确定性，实验表明分布感知监督更稳定有效。

LLM-Conditioned Synthesis of Pathological Gaits via Structured Gait-Language Representations

基于结构化步态-语言表示的LLM条件病理步态合成

Mritula Chandrasekaran, Sanket Kachole, Jarek Francik, Dimitrios Makris

机构 * University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学） ； University of Toronto（多伦多大学） ； MIT Media Lab（麻省理工学院媒体实验室） 纠错

专题命中 知识编辑与模型理解 ：LLM(title,title_cn)

AI总结 提出一种多模态LLM引导框架，通过结构化文本描述合成病理步态3D数据，利用运动标记化、病理感知语言条件、LLM语义增强和语言到步态生成，改善下游分类性能。

Comments Accepted at CVPR MOMA Workshop 2026 and selected for spotlight presentation at the workshop

Probing Multimodal Large Language Models on Cognitive Biases in Chinese Short-Video Misinformation

探究多模态大语言模型在中国短视频虚假信息中的认知偏差

Jen-tse Huang, Chang Chen, Shiyang Lai, Wenxuan Wang, Michelle R. Kaufman, Mark Dredze

机构 * Johns Hopkins University（约翰霍普金斯大学） ； Chinese University of Hong Kong（香港中文大学） ； University of Chicago（芝加哥大学） ； Renmin University of China（中国人民大学） 纠错

专题命中 知识编辑与模型理解 ：large language model(title,abstract)；language model(title,abstract)；分类 cs.CL

AI总结 本文通过200个短视频数据集评估8种多模态大语言模型在健康领域虚假信息中的表现，发现Gemini-2.5-Pro表现最佳（信念分数71.5/100），而模型易受权威频道ID等社会线索影响。

Comments Accepted to ACL 2026 (Findings)

Exploring Agentic Tool-Calling Decisions via Uncertainty-Aligned Reinforcement Learning

通过不确定性对齐强化学习探索智能体工具调用决策

Yijin Zhou, Linqian Zeng, Xiaoya Lu, Wenyuan Xie, Dongrui Liu, Junchi Yan, Jing Shao

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Shanghai Innovation Institute（上海创新研究院） 纠错

专题命中 知识编辑与模型理解 ：LLM(abstract)；large language model(abstract)；language model(abstract)；post-training(abstract)

AI总结 针对智能体工具调用中错误累积问题，提出TRUST方法，将不确定性量化作为排斥力融入奖励设计，并标注轻量关键轮次用于多轮轨迹统一后训练，显著提升决策质量与智能体性能。

Acoustic Cue Alignment in Audio Language Models for Speech Emotion Recognition

语音情感识别中音频语言模型的声学线索对齐

Iosif Tsangko, Andreas Triantafyllopoulos, Björn W. Schuller

机构 * DFG's Reinhart Koselleck project（德国科研基金Reinhart Koselleck项目） ； EU H2020 project（欧盟H2020项目） 纠错

专题命中 知识编辑与模型理解 ：language model(title,abstract)；分类 cs.CL、cs.AI

AI总结 研究音频语言模型中显式声学线索的对齐性，通过eGeMAPS特征提取六种可解释声学概念标记，发现对齐标记提升UAR，而错乱标记降低性能，模型对符号线索敏感但仍部分依赖音频信号。

Comments 6 pages, 3 figures, 3 tables

Causality Is Key to Understand and Balance Multiple Goals in Trustworthy ML and Foundation Models

因果关系是理解和平衡可信机器学习与基础模型中多个目标的关键

Ruta Binkyte, Ivaxi Sheth, Zhijing Jin, Mohammad Havaei, Bernhard Schölkopf, Mario Fritz

机构 * CISPA Helmholtz Center for Information Security（CISPA海德堡信息安全中心） ； Max Planck Institute for Intelligent Systems, Tübingen（马克斯·普朗克智能系统研究所（图宾根）） ； Google Research（谷歌研究） ； ETH Zürich（苏黎世联邦理工学院） ； University of Toronto（多伦多大学） 纠错

专题命中 知识编辑与模型理解 ：foundation model(title,abstract)；分类 cs.AI、cs.LG

AI总结 本文主张将因果方法集成到机器学习中，以平衡公平性、隐私、鲁棒性、准确性和可解释性等可信原则之间的权衡，并探讨其在基础模型中的实际应用。

The Geometry of Representational Failures in Vision Language Models

视觉语言模型中表征失败的几何结构

Daniele Savietto, Declan Campbell, André Panisson, Marco Nurisso, Giovanni Petri, Jonathan D. Cohen, Alan Perotti

机构 * Dipartimento di Fisica, Università di Torino（都灵大学物理系） ； Princeton Neuroscience Institute and AI Lab, Princeton University（普林斯顿大学神经科学研究所和AI实验室） ； Intesa Sanpaolo AI Research（Intesa Sanpaolo AI研究中心） ； Dipartimento di Scienze Matematiche, Politecnico di Torino（都灵理工学院数学科学系） ； Network Science Institute, Northeastern University London, UK（伦敦大学东北方大学网络科学研究所） 纠错

专题命中 知识编辑与模型理解 ：language model(title,abstract)；分类 cs.AI

AI总结 通过分析开源视觉语言模型的概念向量几何重叠，揭示多目标视觉任务中幻觉等错误与认知约束的关联，并提出基于干预的验证方法。

Workflow-to-Skill: Skill Creation via Routing-Workflow-Semantics-Attachments Decomposition

工作流到技能：通过路由-工作流-语义-附件分解创建技能

Yuyang Zhang, Xinyuan Han, Xudong Jiang, Run Wang

机构 * Key Laboratory of Aerospace Information Security and Trusted Computing, Ministry of Education, School of Cyber Science and Engineering, Wuhan University（航天信息安全部门与可信计算重点实验室，教育部，网络安全科学与工程学院，武汉大学） ； Nanchang University（南昌大学） 纠错

专题命中 知识编辑与模型理解 ：large language model(abstract)；language model(abstract)；prompting(abstract)；分类 cs.AI

AI总结 提出RWSA中间表示和W2S框架，从异构交互证据中自动构建技能，通过分解工作流结构、执行语义和运行时附件，提升行为重放一致性10.5%。

Comments 10 pages, 2 figures

Lost in Migration: Exposing Android Framework Vulnerabilities in Parallel Java-Kotlin Implementations

迷失在迁移中：揭示Android框架中Java-Kotlin并行实现的安全漏洞

Rui Li, Wenrui Diao, Debin Gao

专题命中 知识编辑与模型理解 ：large language model(abstract)；language model(abstract)

AI总结 本文首次系统研究Android框架中Java-Kotlin并行实现的语义差异，设计ParaDroid分析框架识别并比较并行方法，发现37个可利用漏洞，其中3个已确认并分配CVE。

Comments 14 pages

SV-Detect: AI-generated Text Detection with Steering Vectors

SV-Detect: 基于引导向量的AI生成文本检测

Mikhail Vishnyakov, Tatiana Gaintseva

机构 * Independent Researcher（独立研究者） ； Queen Mary University of London（伦敦女王学院） 纠错

专题命中 知识编辑与模型理解 ：language model(abstract)；分类 cs.CL、cs.AI

AI总结 提出从冻结语言模型的隐藏表示中提取引导向量，通过层间投影特征训练轻量分类器，实现跨域、跨模型和编辑攻击下的机器生成文本检测。

Online Pandora's Box for Contextual LLM Cascading

面向上下文LLM级联的在线潘多拉魔盒

Alexandre Belloni, Yan Chen, Yehua Wei

机构 * The Fuqua School of Business, Duke University（杜克大学福克商学院） 纠错

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

AI总结 针对LLM级联场景，提出在线上下文潘多拉魔盒模型，通过参数化保留索引和GMM估计结合UCB界，实现维度相关的√T累积遗憾。

PromptPrint: Behavioral Biometrics Through Natural Language Prompting in LLMs

PromptPrint: 通过自然语言提示在LLMs中的行为生物特征

Shaiv Patel, Kartik Narayan, Vishal Patel

机构 * Johns Hopkins University（约翰霍普金斯大学） 纠错

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

AI总结 提出PromptPrint，研究用户与LLM交互的简短提示是否包含可识别的行为生物特征，通过词汇、句法和话语模式分析，发现词汇稳定性假设成立，但存在唯一性-一致性悖论，且身份信号对语义改写脆弱。

Comments 10 pages, 6 figures

More Capable, Less Cooperative? When LLMs Fail At Zero-Cost Collaboration

能力越强，合作越少？当LLM在零成本协作中失败时

Advait Yadav, Sid Black, Oliver Sourbut

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

AI总结 研究LLM在多智能体系统中零成本协作的失败原因，通过构建去战略复杂性的环境，发现能力更强的模型（如o3）反而合作更差，并区分了能力失败与主动信息隐瞒，提出针对性干预措施。

Comments Accepted to the ICML 2026 main conference

Personality Anchoring for Social Simulation: Linking Personality, Social Behavior, and Interaction Success with LLM Agents

社会模拟的人格锚定：将人格、社会行为与交互成功关联于LLM智能体

Vahid Sadiri Javadi, Aksa Aksa, Fryderyk Róg, Lucie Flek, Johanne R. Trippas

专题命中 其他LLM ：LLM(title,title_cn)

AI总结 提出人格锚定方法，利用电影角色构建多LLM社会模拟，发现双人宜人性组合与共享目标达成呈单调关系，同质宜人性对成功率是同质不宜人性的10倍。

Simple is Better: Multiplication May Be All You Need for LLM Request Scheduling

简单即最佳：乘法可能就是LLM请求调度所需的一切

Dingyan Zhang, Jinbo Han, Kaixi Zhang, Xingda Wei, Sijie Shen, Chenguang Fang, Wenyuan Yu, Jingren Zhou, Rong Chen

专题命中 其他LLM ：LLM(title,title_cn)

AI总结 本文提出通过简单乘法结合KVCache和负载均衡指标，实现LLM请求调度的双重目标，无需超参数调优，实验显示在真实工作负载中显著提升性能。

Comments To appear in the Proceedings of 20th USENIX Symposium on Operating Systems Design and Implementation (OSDI'26)

Moodie: An Early-Stage Design Exploration for Supporting Fear of Missing Out with LLM-based Chatbots

Moodie：基于LLM的聊天机器人支持错失恐惧症的早期设计探索

Hsin-Yu Tsai, Jingxian Liao, Fu-Yin Cherng, Tzu-Hsiang Huang

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

AI总结 提出基于大语言模型的聊天机器人Moodie，通过情绪调节支持减少错失恐惧症，初步评估显示其相比通用模型能提高用户参与度和社交连接。

Comments 7 pages, 1 figure, 1 table. Preliminary work submitted to the ACM CUI 2026 Works-in-Progress (WiP) track

Ask Safely: Privacy-Aware LLM Query Generation for Knowledge Graphs

安全提问：面向知识图谱的隐私感知大语言模型查询生成

Mauro Dalle Lucca Tosi, Jordi Cabot

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

AI总结 本文提出一种隐私感知的知识图谱查询生成方法，通过识别敏感信息并过滤后生成Cypher查询，有效防止敏感数据泄露，同时保持查询精度。

Your UnEmbedding Matrix is Secretly a Feature Lens for Text Embeddings

你的解嵌入矩阵实际上是文本嵌入的特征透镜

Songhao Wu, Zhongxin Chen, Yuxuan Liu, Heng Cui, Cong Li, Rui Yan

机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学人工智能学院） ； Lenovo Group Limited（联想集团有限公司） ； Wuhan University（武汉大学） 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 发现LLM文本嵌入与高频词对齐导致语义捕获不足，提出EmbedFilter通过过滤解嵌入矩阵中的高频子空间来增强表示，并实现降维加速检索。

Comments preprint

Lightfall: An API-first, LLM-addressable control platform for synchrotron beamlines

Lightfall: 一种面向同步辐射光束线的API优先、LLM可寻址控制平台

Ronald J. Pandolfi, Damian Guenzing, Marcus M. Noack, Sophie A. Morley, Damon English

专题命中 其他LLM ：LLM(title,title_cn)

AI总结 针对同步辐射光束线控制界面定制化需求，提出Lightfall平台，采用API优先架构，通过统一可寻址接口暴露所有面板、设备和扫描计划，并嵌入语言模型代理驱动实验，支持自然语言修改界面，降低定制成本。

Comments 21 pages, 4 figures

Agentopia: Long-Term Life Simulation and Learning in Agent Societies

Agentopia: 智能体社会中的长期生活模拟与学习

Xintao Wang, Sirui Zheng, Hongqiu Wu, Weiyuan Li, Jen-tse Huang, Minghao Zhu, Can Zu, Qi Deng, Jiawei Wang, Qianyu He, Heng Wang, Xiaojian Wu, Yunzhe Tao

机构 * Fudan University（复旦大学） ； Johns Hopkins University（约翰霍普金斯大学） ； 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(summary_cn,abstract)；分类 cs.CL

AI总结 提出Agentopia框架，模拟100个智能体在10年内的社会生活，通过生命奖励训练LLM，提升其社交智能，并在角色扮演基准上取得15.6%的提升。

Comments 79 pages, 19 figures

IRAF: Interference-Resilient Adaptive Fusion for Noise-Robust End-to-End Full-Duplex Spoken Dialogue Systems

IRAF：面向噪声鲁棒的端到端全双工口语对话系统的抗干扰自适应融合

Tao Zhong, Jiajun Deng, Nikita Kuzmin, Yinke Zhu, Tianxiang Cao, Tristan Tsoi, Zhili Tan, Simon Lui, Xunying Liu

机构 * The Chinese University of Hong Kong（香港中文大学） ； AudioLab Hong Kong, Huawei Leibniz Research Center（香港AudioLab，华为Leibniz研究中心） ； Nanyang Technological University（南洋理工大学） 纠错

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

AI总结 提出IRAF模块，通过逐帧预测可靠性门控来调节用户音频对LLM的贡献，提升全双工对话系统在干扰说话人环境下的响应质量和交互稳定性。

Towards Iterative End-to-End Software Development: A Feature-Driven Multi-Agent Framework

迈向迭代式端到端软件开发：一种特征驱动的多智能体框架

Junwei Liu, Chen Xu, Chong Wang, Tong Bai, Weitong Chen, Kaseng Wong, Yiling Lou, Xin Peng

机构 * Fudan University（复旦大学） ； Nanyang Technological University（南洋理工大学） 纠错

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

AI总结 提出EvoDev框架，通过特征分解、依赖建模和上下文传播，实现迭代式端到端软件开发，在Android任务上比Claude Code提升57.3%。

Comments Accepted by ISSTA 2026

Standard vs. Modular Sampling: Best Practices for Reliable LLM Unlearning

标准采样与模块化采样：可靠的大语言模型遗忘的最佳实践

Praveen Bushipaka, Lucia Passaro, Tommaso Cucinotta

机构 * Scuola Superiore Sant’Anna（圣安纳高等学院） ； University of Pisa（比萨大学） 纠错

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

AI总结 针对大语言模型遗忘中采样策略的不足，提出模块化实体级遗忘（MELU）策略，通过多样化邻居集和模块化采样平衡遗忘效果与模型效用。

Sustainability by Design in Decentralized Autonomous Organizations: An Empirical Review of Governance, Innovation, and Institutional Design

去中心化自治组织中的可持续性设计：治理、创新与制度设计的实证综述

Yutian Wang, Luyao Zhang

专题命中 其他LLM ：LLM(summary_cn,abstract)

AI总结 本研究通过比较ERC-8004（DAO治理）与Google A2A（企业联盟治理）两种标准，利用LLM驱动的比较管道分析大规模治理话语，探讨去中心化自治组织如何通过设计嵌入可持续性。