语言大模型 / LLM

LLM-Assisted Semantic Alignment and Integration in Collaborative Model-Based Systems Engineering Using SysML v2

基于 SysML v2 的协作式基于模型的系统工程中 LLM 辅助的语义对齐与集成

Zirui Li, Stephan Husung, Haoze Wang

机构 * IEEE 纠错

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

AI总结 研究基于 SysML v2 的跨组织协作中语义对齐挑战，提出由提示驱动的结构化方法，利用 SysML v2 构造，经迭代开发对齐方法与交互提示，以实现 LLM 辅助的语义对齐集成。

Comments Accepted by IEEE ISSE 2025, DOI pending

Journal ref 2025 IEEE International Symposium on Systems Engineering (ISSE)

Reachability Across the NL/PL Boundary: A Taxonomy-Driven Dataflow Model for LLM-Integrated Applications

当代码遇见自然语言：基于分类法的LLM集成应用信息流分析

Zihao Xu, Xiao Cheng, Ruijie Meng, Yuekang Li

机构 * University of New South Wales（新南威尔士大学） ； Macquarie University（麦考瑞大学） ； National University of Singapore（新加坡国立大学） 纠错

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

AI总结 提出一种基于定量信息流理论的分类法，定义24个标签以跨越LLM调用的自然语言与编程语言边界，实现信息流分析，并在污点传播和程序切片中验证有效性。

LLM-based Human Simulations Have Not Yet Been Reliable

基于大语言模型的人类模拟尚不可靠

Qian Wang, Jiaying Wu, Zichen Jiang, Zhenheng Tang, Bingqiao Luo, Nuo Chen, Wei Chen, Huacan Wang, Bingsheng He

机构 * National University of Singapore（新加坡国立大学） ； The Hong Kong University of Science and Technology（香港理工大学） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

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

AI总结 研究指出基于大语言模型（LLM）的人类模拟不可靠，通过系统回顾找出其在多领域模拟中的问题源于LLM局限与设计缺陷，提出强化数据、提升模型能力及稳健设计的解决框架与算法。

Predicting Biased Human Decision-Making with Large Language Models in Conversational Settings

在对话环境中使用大语言模型预测有偏差的人类决策

Stephen Pilli, Vivek Nallur

机构 * University College Dublin（都柏林大学） 纠错

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

AI总结 研究大语言模型能否预测对话环境中的偏差决策，通过预注册研究发现参与者有认知偏差及负载偏差交互，评估LLMs预测能力，结果表明GPT-4家族表现出色，有助于理解LLMs模拟人类决策及设计适应偏差的对话代理。

Comments Accepted at ACM IUI 2026

Large Language Models Develop Novel Social Biases Through Adaptive Exploration

大语言模型通过适应性探索形成新的社会偏见

Addison J. Wu, Ryan Liu, Xuechunzi Bai, Thomas L. Griffiths

机构 * Princeton University（普林斯顿大学） 纠错

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

AI总结 研究大语言模型在无固有差异时能否形成新社会偏见，用心理学范式证明其能形成，导致任务分配不公平，新模型更严重，还探索干预措施，发现激励探索可减少分层。

Comments ICML 2026 Oral

A Systematic Methodology for Evaluating Failure Independence in LLM-Generated Code

一种评估大语言模型生成代码中故障独立性的系统方法

Rodrigo Pato Nogueira, Karthik Pattabiraman, Marco Vieira, João R. Campos

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

AI总结 提出评估大语言模型生成代码中故障独立性的系统方法，应用于多模型、语言和提示策略的224个问题，通过多种分析得出大语言模型生成的解决方案不满足故障独立性假设，但异构模型有帮助，验证了该方法。

Self-Reference in Large Language Models: The Introspection Threshold for Recursive Self-Improvement

大语言模型中的自我指涉：递归自我改进的内省阈值

Jiang Zhang, Bing Yuan, Qian Zhang

机构 * School of Systems Science, Beijing Normal University（北京师范大学系统科学学院） ； Swarma Research（Swarma研究院） 纠错

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

AI总结 探讨自我进化AI中自主自我改进可持续性的问题，类比冯·诺依曼自复制自动机的复杂性阈值，论证大语言模型中需内省，基于定理证明其理论存在，指出当前模型因结构瓶颈缺乏真正内省，并给出架构突破方向及安全影响。

Comments 21 pages, 4 figures, 1 table

Social Networks of LLM Agents

大语言模型智能体的社交网络

Kaixuan Liu, Guojun Xiong, Weinan Zhang, Shengpu Tang

机构 * Department of Computer Science（计算机科学系） ； Emory University（埃默里大学） ； School of Computer Science（计算机科学学院） ； Shanghai Jiao Tong University（上海交通大学） 纠错

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

AI总结 研究大语言模型智能体群体中集体信念形成问题，介绍SNLA框架，该框架考虑智能体实际影响力，理论与实证验证窄注意力导致羊群效应，宽注意力在特定条件下恢复群体智慧行为。

The Classics at SemEval-2026 Task 3: Combining Transformer Models and LLM-Generated Annotations for Dimensional Aspect-Based Sentiment Analysis

2026年语义评价任务3中的经典方法：结合变压器模型和大语言模型生成的注释进行维度方面的情感分析

Rafif Alshawi, Amit Raj, Aleksey Kudelya, Alexander Shirnin

机构 * HSE University（俄罗斯高等经济研究大学） 纠错

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

AI总结 研究超越传统分类情感，预测情感“效价”和“唤醒”细粒度实值分数的方法。回归任务用基于变压器的编码器模型加权集成，俄语用大语言模型增强输入，提取任务微调解码器大语言模型进行结构化预测。

Better Together, in the Right Order: Classical-then-LLM Optimization for SE

更好地协同，以正确顺序：用于软件工程的经典方法后接大语言模型优化

Srinath Srinivasan, Tim Menzies

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

AI总结 研究将经典优化器与大语言模型结合用于软件工程配置任务，提出反向方法SNAP2，即先用廉价经典学习者结果为大语言模型播种，该方法效果最佳且成本低。

Regime-Conditional Stabilisation of LLM-Augmented Cooperative Multi-Agent Reinforcement Learning

大语言模型增强的合作多智能体强化学习的状态条件稳定化

Faid Keddouri, Sohaib Houhou, Aissa Boulmerka, Nadir Farhi

机构 * National School of Artificial Intelligence (ENSIA)（国立人工智能学院（ENSIA）） ； Cosys-Grettia, Univ Gustave Eiffel（古斯塔夫·埃菲尔大学Cosys-Grettia实验室） 纠错

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

AI总结 研究大语言模型与合作多智能体强化学习集成时训练动态，指出非策略学习中动态更新奖励权重违反平稳假设。提出基于阶段的冻结计划和指数移动平均平滑两种稳定策略并评估，揭示奖励信号平稳性是必要设计约束。

Foundation Models for Software Engineering of Cyber-Physical Systems: the Road Ahead

网络物理系统软件工程的基础模型：未来之路

Chengjie Lu, Pablo Valle, Jiahui Wu, Erblin Isaku, Hassan Sartaj, Aitor Arrieta, Shaukat Ali

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

AI总结 探讨基础模型在网络物理系统软件工程中的应用，指出除语言模型外其他模型潜力大。通过文献等得出前瞻性研究路线图，突出挑战与机会，还讨论了应用模型的常见挑战，为研究和实践提供指导。

Comments 3 figures, 20 tables, 53 pages

From Failing to Passing: Evolving Natural Language Prompt Optimization Rules for LLM Code Generation

从失败到通过：为大语言模型代码生成演化自然语言提示优化规则

Amal Akli, Melissa Akli, Cedric Richter, Mike Papadakis, Yves Le Traon

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

AI总结 研究大语言模型提示敏感性，用搜索法演化自然语言转换规则，提出DUALFIX管道，结合规则与执行反馈修复，可跨问题跨模型使用，提升代码生成性能。

Overloading Large Vision-Language Models for Jailbreaking

通过信息过载对大型视觉语言模型进行越狱攻击

Haoyu Zhang, Yangyang Guo, Mohan Kankanhalli

机构 * National University of Singapore（新加坡国立大学） ； Hangzhou International Innovation Institute, Beihang University（北京航空航天大学杭州国际创新研究院） 纠错

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

AI总结 研究大型视觉语言模型易受越狱攻击问题，提出基于递归图像排版布局的信息过载方法，含大量文本和多维图像攻击，大幅提升攻击成功率，凸显此为现实部署安全风险。

Object-Centric Environment Modeling for Agentic Tasks

用于智能任务的以对象为中心的环境建模

Yiyang Li, Tianyi Ma, Zehong Wang, Yijun Ma, Yanfang Ye

机构 * University of Notre Dame（圣母大学） 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 研究大语言模型智能体经验维护难题，提出以对象为中心的环境建模（OCM），将经验组织成可执行模型，含对象知识与过程知识，在线更新并验证，实验表明其能提升智能体性能。

Findings of the Fifth Shared Task on Multilingual Coreference Resolution: Expanding Datasets for Long-Range Entities

第五届多语言指代消解共享任务成果：扩展长距离实体的数据集

Michal Novák, Miloslav Konopík, Anna Nedoluzhko, Martin Popel, Ondřej Pražák, Jakub Sido, Milan Straka, Zdeněk Žabokrtský, Daniel Zeman

机构 * Charles University, Faculty of Mathematics and Physics, Institute of Formal and Applied Linguistics（查理大学，数学与物理学院，形式与应用语言学研究所） ； University of West Bohemia, Faculty of Applied Sciences, Department of Computer Science and Engineering（西波赫大学，应用科学学院，计算机科学与工程系） 纠错

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

AI总结 本文总结了第五届多语言指代消解共享任务的成果，介绍了通过增加五个新数据集和两种新语言扩展数据集，以解决长距离实体的指代消解问题，并展示了传统系统与基于LLM的方法在任务中的表现。

Comments Accepted to CODI-CRAC 2026

HyperParallel-Mpipe: A Composable Algebra System for Optimizing MLLM Training over Supernode Clusters

HyperParallel-Mpipe：用于在超级节点集群上优化多模态大语言模型训练的可组合代数系统

Chong Li, Zhengdao Yu, Nelson Lossing, Thibaut Tachon, Pierre Leca, Etienne Filhol, Yujie Yuan, Chong Bao, Teng Su

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

AI总结 分析多模态大语言模型（MLLM）训练痛点，引入Mpipe，用调度代数从紧凑调度规范推导运行时行为，得出多模态感知异构并行调度transpose，在Ascend 910C NPU集群上加速显著。

MetaSkill-Evolve: Recursive Self-Improvement of LLM Agents via Two-Timescale Meta-Skill Evolution

MetaSkill-Evolve：基于双时间尺度元技能演化的大语言模型智能体递归自改进方法

Zefeng Wang, Minxi Yan, Jinhe Bi, Sikuan Yan, Volker Tresp, Yunpu Ma

机构 * LMU Munich（慕尼黑大学） ； The Chinese University of Hong Kong（香港中文大学） ； MCML ； MemAgents Lab（MemAgents实验室） 纠错

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

AI总结 针对现有自改进智能体演化非递归的局限，提出双时间尺度框架，任务技能与元技能分层递归演化，在三类基准上显著提升测试精度。

Geometry of Ordinal Representations in Language Models

语言模型中序数表示的几何结构

Saksham Bassi, Sharvi Tomar

机构 * Gemma Team（杰玛团队） ； Qwen Team（文生团队） 纠错

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

AI总结 研究在多个语言模型中测试序数任务，发现当序数变量可从令牌身份局部计算时会出现具有位置细胞特征平铺的一维流形，几何计算与架构有关，激活修补证实流形子空间集中任务相关信息。

Journal ref Mechanistic Interpretability Workshop at the 43rd International Conference on Machine Learning, Seoul, South Korea, 2026

Fast 3D Foundation Model Initialized Gaussian Splatting

快速3D基础模型初始化高斯点云渲染

Anurag Dalal, Daniel Hagen, Kjell G. Robbersmyr, Kristian Muri Knausgård

机构 * Aust-Agder utviklings- og kompetansefond (AAUKF)（奥斯特-阿格德尔发展与能力基金） 纠错

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

AI总结 介绍一种无需传统运动结构方法的高质量3D高斯点云重建快速方法，利用3D基础模型初始化相机姿态和点云，通过深度引导损失函数联合优化，提升稀疏视图重建质量，减少训练时间。

Comments 8 pages, 5 figures, 5 tables. Accepted at ICECET 2026

Journal ref 2026 6th International Conference on Electrical, Computer and Energy Technologies (ICECET), Rome, Italy, July 6-9, 2026

Stage-wise Attention-Guided Region Sequencing for Adversarial Attacks on Large Vision-Language Models

用于对大型视觉语言模型进行对抗攻击的逐阶段注意力引导区域排序

Jaehyun Kwak, Nam Cao, Boryeong Cho, Segyu Lee, Sumyeong Ahn, Se-Young Yun

机构 * KAIST（韩国科学技术院） ； KENTECH（KENTECH研究院） 纠错

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

AI总结 研究针对大型视觉语言模型的有针对性对抗攻击，基于注意力分析提出逐阶段注意力引导区域排序，介绍了黑盒区域排序框架SAGA，在多个模型上取得了最先进的攻击成功率和最佳不可感知性。

Comments Pre-print

Interleaving Natural Language Prompting with Code Editing for Solving Programming Tasks with Generative AI Models

通过代码编辑与自然语言提示交织使用生成式人工智能模型解决编程任务

Victor-Alexandru Pădurean, Alkis Gotovos, Ahana Ghosh, Paul Denny, Juho Leinonen, Andrew Luxton-Reilly, James Prather, Adish Singla

专题命中 其他LLM ：prompting(title,abstract)

AI总结 研究通过在编程课程中大规模研究，收集学生交互数据，分析学生解决编程任务时自然语言提示和代码编辑的结合方式、随任务复杂度及学生能力的变化，发现编辑起补充作用。

Comments ITiCSE'26 paper

HSEvo: Elevating Automatic Heuristic Design with Diversity-Driven Harmony Search and Genetic Algorithm Using LLMs

HSEvo: 通过多样性驱动的和谐搜索和遗传算法提升自动启发式设计

Pham Vu Tuan Dat, Long Doan, Huynh Thi Thanh Binh

机构 * Hanoi University of Science and Technology（河内科学技术大学） ； George Mason University（乔治·梅森大学） 纠错

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

AI总结 本文提出HSEvo框架，通过结合和谐搜索算法平衡多样性与收敛性，解决自动启发式设计中探索与利用的平衡问题，提升搜索效率与稳定性。

Comments 18 pages, 12 figures

Probe, Don't Prompt: A Hidden-State Probe for Metadata Filtering in Multi-Meta-RAG

探测而非提示：用于多元RAG中元数据过滤的隐藏状态探测器

Mykhailo Poliakov, Nadiya Shvai

机构 * National University of Kyiv-Mohyla Academy（基辅莫希拉学院国家大学） 纠错

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

AI总结 研究改进多跳问答检索，用基于小型开源语言模型隐藏状态训练的确定性探测器取代专有提取器，探测器在准确率上有优势且输出空间固定，介绍了使其工作的设计选择及低成本输出方式。

An Empirical Study of Downstream Adaptation for Agent Skills

智能体技能下游适配的实证研究

Xinjian Wu, Jingzhi Gong, Gunel Jahangirova, Zhenpeng Chen, Jie M. Zhang

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

AI总结 研究大语言模型智能体技能下游适配，分析六个技能库的1126个适配实例，构建含46种模式的分类法，揭示重用悖论，发现适配相互依赖及近五分之一适配引入安全敏感内容，为改进技能设计等提供启示。

Comments 10 pages, 3 figures, 13 tables

Towards Automated Identification of Violation Symptoms of Architecture Erosion

朝向自动化识别架构侵蚀违规症状

Ruiyin Li, Peng Liang, Paris Avgeriou, Yifei Wang

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

AI总结 本文研究利用传统机器学习、深度学习和大语言模型自动检测代码审查中的架构违规症状，通过实验发现SVM结合词嵌入表现最佳，大语言模型在不平衡数据集上表现更优，研究为提升架构一致性提供了自动化方法。

Comments 47 pages, 6 images, 17 tables, Manuscript revision submitted to a journal (2026)

AppAgent: Multimodal Agents as Smartphone Users

AppAgent：作为智能手机用户的多模态智能体

Chi Zhang, Zhao Yang, Jiaxuan Liu, Yanda Li, Yucheng Han, Xin Chen, Zebiao Huang, Bin Fu, Gang Yu

机构 * Tencent（腾讯） 纠错

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

AI总结 介绍基于大语言模型的多模态智能体框架，通过简化动作空间操作智能手机应用，无需系统后端访问，经自主探索或观察人类示范学习，能执行复杂任务，测试验证其处理多种高级任务的能力。

Comments Accepted to CHI 2025, project page is https://appagent-official.github.io/

Failures Are Fated, But Can Be Faded: Characterizing and Mitigating Unwanted Behaviors in Large-Scale Vision and Language Models

失败是注定的，但可以被淡化：在大规模视觉和语言模型中表征和缓解 unwanted 行为

Som Sagar, Aditya Taparia, Ransalu Senanayake

机构 * School of Computing and Augmented Intelligence, Arizona State University, Tempe, United States of America（计算与增强智能学院，亚利桑那州立大学） 纠错

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

AI总结 本文提出利用深度强化学习表征和缓解大规模视觉和语言模型中的失败模式，通过有限的人类反馈重构失败景观，验证了方法在计算机视觉、自然语言处理和视觉-语言任务中的有效性。

Comments 25 pages, 35 figures

Journal ref Proceedings of the 41st International Conference on Machine Learning (ICML 2024), PMLR 235:42999-43023, 2024

What is Left for Us? Second Scholarship Against the Degradation of Research by AI

我们还剩下什么？抵制人工智能导致研究退化的第二种学术研究

Claudio Novelli, Luciano Floridi

机构 * Digital Ethics Center, Yale University（耶鲁大学数字伦理中心） 纠错

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

AI总结 探讨生成式人工智能侵蚀学术判断形成和学术信任建立的实践致研究退化，指出仅让人参与AI输出流程不足，需重归将研究作为实践的承诺，提出第二种学术研究。

SwarmResearch: Orchestrating Coding Agents for Open-Ended Discovery

群体研究：编排编码智能体以进行开放式发现

Yuvraj Virk, Zack Edds, Chunqiu Steven Xia, Lingming Zhang

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

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

AI总结 研究长期运行的编码智能体存在的问题，假设两个设计选择导致该问题，介绍SwarmResearch，一种编排器-子智能体架构，在开放式优化任务中表现良好，其编排器引导扩展能发现更好方案。