语言大模型 / LLM

Automated Alignment between Elicitation Interviews and Requirements

启发式访谈与需求之间的自动对齐

Francesco Dente, Fabiano Dalpiaz, Paolo Papotti

机构 * University of Bologna（博洛尼亚大学） 纠错

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

AI总结 提出将访谈转录与用户故事需求自动对齐的任务，定义忠实度和覆盖率两个度量，利用大语言模型和嵌入模型实现自动评估，在四个数据集上达到0.86 macro-F1。

Comments 8 pages

The Masked Advantage: Uncovering Local-Language Access to Cultural Knowledge in LLMs

掩蔽优势：揭示LLMs中本地语言对文化知识的访问

Yang Zhang, Xiao Fei, Amr Mohamed, Sarah Almeida Carneiro, Mersin Konomi, Mingmeng Geng, Ahmed Asaad, Guokan Shang, Michalis Vazirgiannis

机构 * Ecole Polytechnique（巴黎高等理工学院） ； MBZUAI（穆罕默德·本·拉什德智能研究院） ； ENS-PSL（巴黎综合理工学院-巴黎科学实验室） ； Durham University（杜尔罕大学） 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 通过控制实验和项目反应理论模型，分离语言能力与文化知识访问，发现本地语言在文化知识访问上具有优势，但常被语言能力不足掩盖。

Where You Inject Diversity Matters: A Unified Framework for Diverse Generation

注入多样性的位置至关重要：统一框架下的多样化生成

Cheng Zhang, Rui Xin, Chudi Zhong

机构 * UNC Chapel Hill（北卡罗来纳大学教堂山分校） ； University of Washington（华盛顿大学） 纠错

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

AI总结 提出统一框架，通过多样性源和传输分数衡量测试时多样化生成方法，并基于此提出全自动规范级方法，在五个开放任务中提升输出多样性且保持质量。

Scaling Coding Agents via Atomic Skills

通过原子技能扩大编码代理

Yue Liu

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

AI总结 本文提出通过原子技能提升编码代理的新型方法，通过联合强化学习提升五个基础技能，从而提高复杂软件任务的泛化能力。

Comments We request standard withdrawal of this submission because significant errors were discovered in the data after submission, which affect the validity of the results. We may submit a corrected version later

Designed by Journalists, but Is It for Readers? Rethinking AI Disclosures and Transparency in News

由记者设计，但为读者而设？重新思考AI披露与新闻透明度

Pooja Prajod

机构 * Centrum Wiskunde & Informatica（数学与信息学中心） 纠错

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

AI总结 研究发现，详细披露会引发透明度困境降低信任，而简短披露造成信息缺口；读者偏好用户代理型设计（如按需详情、AI比例可视化），呼吁HCI社区重新设计披露机制。

Comments Accepted to CHIWORK Workshop (Interrogating GenAI Augmentation for CHIworkers: Strategies for Professional Autonomy and Accountability)

GRAR: Glass-induced Reflection Artifact Removal in LiDAR Point Clouds

GRAR: LiDAR点云中玻璃引起的反射伪影去除

Wanpeng Shao, Zeyi Guo, Bo Zhang, Yifei Xue, Tie Ji, Yizhen Lao

机构 * College of Computer Science and Electronic Engineering, Hunan University（湖南大学计算机科学与电子工程学院） ； School of Design, Hunan University（湖南大学设计学院） ； School of Finance and Statistics, Hunan University（湖南大学金融与统计学院） 纠错

专题命中 其他LLM ：foundation model(abstract)

AI总结 提出两阶段框架，先利用多模态视觉基础模型和几何线索精确分割玻璃区域，再基于物理驱动的反射感知局部-全局几何相似性描述符去除反射伪影，在多个公开数据集上优于现有方法。

Metasurfaces for neutral-atom trapping

用于中性原子捕获的超表面

Chengyu Fang, Minjeong Kim, Mark Saffman, Jennifer T. Choy, Mikhail Kats

专题命中 其他LLM ：SLM(abstract_cn)

AI总结 本文综述了光学超表面作为实现精细光场控制的技术，通过远超空间光调制器的像素数，展示了具有数十万个位点的光镊阵列和复杂三维捕获轮廓的光瓶束阵列，为小型化、集成化和高度可扩展的原子实验与仪器提供了途径。

Comments Review article (updated version on June 8, 2026)