语言大模型 / LLM

Retrieval is Enough: Training-Free Interpretability with a Tool-Using Agent

检索就足够了：使用工具的智能体实现无需训练的可解释性

Sriram Balasubramanian, Soheil Feizi

机构 * University of Maryland（马里兰大学） 纠错

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

AI总结 研究神经网络激活可解释性方法，提出HARP方法，即让语言模型智能体利用激活向量数据库及工具，通过迭代查询、形成并验证假设来实现无需训练的可解释性，该方法在多方面表现出色，还凸显现有训练方法局限并推动新基准测试。

Comments 25 pages, 7 figures

Physics-Guided Spatiotemporal Learning for Coastal Wave Peak Period Estimation from Video

物理引导的时空学习用于从视频估计海岸波浪峰值周期

Abubakar Hamisu Kamagata, Dharm Singh Jat, Attlee Munyaradzi Gamundani, Abhishek Srivastava, Paramasivam Saravanakumar

机构 * Namibia University of Science and Technology（纳米比亚科技大学） ； Indian Institute of Technology Indore（印度理工学院印多尔分校） ； Namdeb Diamond Corporation（纳米比亚钻石公司） 纠错

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

AI总结 提出物理引导的深度时空学习框架，结合自动区域检测、模拟到真实迁移学习和物理信息正则化，从海岸视频直接估计近岸波浪峰值周期，验证了基于Transformer和轻量级循环卷积架构的有效性。

Learning to Detect Cross-Modal Negation: An Analysis of Latent Representations and an Attention-Based Solution

学习检测跨模态否定：潜在表示分析与基于注意力的解决方案

Ali AbuSaleh, Leon Hammerla, Alexander Mehler

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

AI总结 研究跨模态否定检测难题，提出新型跨模态注意力架构，分析发现文本与视觉否定的不对称性，结合自监督视频表示推进时间否定建模，为多模态系统学习语义对齐表示提供新方法。

Comments This manuscript is an accepted version of the article (published at ICNLP2026). Published in IEEE Xplore, DOI:10.1109/ICNLP69856.2026.11527861 document: https://ieeexplore.ieee.org/abstract/document/11527861

Journal ref 2026 8th International Conference on Natural Language Processing (ICNLP), Xi'an, China, 2026, pp. 613-622

Node4All: Learning Node Representation Beyond Datasets

Node4All：超越数据集学习节点表示

Dooho Lee, Jaemin Yoo

机构 * KAIST（韩国科学技术院） ； Seoul National University（首尔国立大学） 纠错

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

AI总结 研究针对多数节点表示学习方法依赖特定数据集训练的问题，提出Node4All，基于通道图变换器和自监督学习构建，能跨任意图数据集泛化，在节点分类任务中表现出色，实现可复用性且实践效果好。

Comments Accepted to KDD 2026

A Framework for Early Sepsis Prediction via Self-Supervised (JEPA) and Federated Representation Learning

一种通过自监督（JEPA）和联邦表示学习进行早期脓毒症预测的框架

Umair bin Mansoor, Munaf Rashid, Roomi Naqvi

专题命中 知识编辑与模型理解 ：pretraining(abstract)；分类 cs.LG

AI总结 研究针对电子健康记录中早期脓毒症预测面临的问题，比较了JEPA等四种建模范式及原始特征基线，最佳模型在发病时接近SupMix基准且减少生物标志物使用，一级管道有显著提升，微调后的VICReg编码器特征持久性最佳。

Comments 11 pages, 6 figures, Submitted to arXiv

Semantic Anchoring for Robotic Action Representations

用于机器人动作表示的语义锚定

Yuan Xu, Youheng Shi, Chengyang Li, Wentao Zhu, Yizhou Wang

机构 * Peking University（北京大学） ； Eastern Institute of Technology, Ningbo（宁波东方理工大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

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

AI总结 研究VLA模型微调后动作表示结构受损问题，受镜像神经元理论启发，通过系统探测证实结构变化与任务表现相关。提出即插即用方法，将动作表示锚定到语义流形并分解通道，经多基准测试验证，有效提升了模型在真实世界任务中的表现。

Comments Project Page: https://xy02-05.github.io/SemanticMN

FusionNet: Physics-Aware Representation Learning for Multi-Spectral and Thermal Data via Trainable Signal-Processing Priors

FusionNet：通过可训练信号处理先验对多光谱和热数据进行物理感知表示学习

Georgios Voulgaris

机构 * University of Oxford（牛津大学） 纠错

专题命中 知识编辑与模型理解 ：pretraining(abstract)

AI总结 研究针对水泥生产设施监测难题，提出FusionNet框架，通过整合多光谱数据，嵌入信号处理先验，经消融研究等实验验证，该框架能结合物理感知特征选择与深度学习架构，高精度检测水泥生产设施，为工业监测提供可靠框架。

Comments Accepted for publication in the IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing (JSTARS)

CityLoc: 6DoF Pose Distributional Localization for Text Descriptions in Large-Scale Scenes with Gaussian Representation

CityLoc：基于高斯表示的大规模场景文本描述的6自由度姿态分布定位

Qi Ma, Runyi Yang, Bin Ren, Nicu Sebe, Ender Konukoglu, Luc Van Gool, Danda Pani Paudel

机构 * Computer Vision Lab, ETH Zurich（苏黎世联邦理工学院计算机视觉实验室） ； University of Pisa（比萨大学） ； University of Trento（特伦托大学） 纠错

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

AI总结 研究大规模场景文本描述的6自由度姿态分布定位问题，核心方法是用基于扩散架构结合预训练文本编码器细化姿态，经3D高斯渲染提高精度，通过与标准方法对比验证其在多数据集上的优越性。

Prosocial Persuasion at Scale? Large Language Models Outperform Humans in Donation Appeals Across Levels of Personalization

大规模的亲社会说服？大语言模型在不同个性化水平上的捐赠呼吁中优于人类

John Caffier, Olga Stavrova, Bennett Kleinberg

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

AI总结 研究探讨大语言模型生成的捐赠呼吁在不同个性化水平下的有效性，发现其在捐款数额、参与度和说服力上均优于人类创作内容，但虚假个性化会带来负面影响。

CoEvoP&R: Co-Evolving Placement Objectives with Routing Feedback via Large Language Models

CoEvoP&R：通过大语言模型与路由反馈共同进化布局目标

Ruogu Chen, Weihua Xiao, Ramesh Karri, Jie Han

机构 * University of Alberta（阿尔伯塔大学） ； New York University（纽约大学） 纠错

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

AI总结 研究针对分析布局器替代指标与下游质量不一致问题，提出基于大语言模型的CoEvoP&R框架自动进化布局目标，经实验验证该方法能有效降低线长、拥塞及时序负松弛，提升布局效果。

Comments 7 pages, 4 figures, 3 tables. Corresponding author: Weihua Xiao

Can LLM Code Explanations Adapt to Diverse Problem-Solvers' Needs?

大语言模型代码解释能否适应不同问题解决者的需求？

Andrew Anderson, David Piorkowski, Justin Weisz, Margaret Burnett, Kush Varshney

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

AI总结 研究LLM代码解释能否适应不同问题解决者需求，基于包容性设计方法开发提示，用自然语言处理技术从六个LLM生成代码解释，发现13种语言适应分类法，贡献两种问题解决适应方法。

Comments To be published in AAAI/ACM conference on AI, Ethics, and Society (AIES 2026)

SkyVLaM: Multimodal Large Language Model for UAV Video Understanding in Remote Sensing

SkyVLaM：用于遥感中无人机视频理解的多模态大语言模型

Kaiwen Jing, Ruixu Jia, Bingyao Li, Ruizhe Ou, Ming Wu, Chuang Zhang

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Peking University（北京大学） ； Beijing Wuzi University（北京物资学院） 纠错

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

AI总结 针对无人机视频理解任务，提出多模态大语言模型SkyVLaM，通过时间基感知器构建稀疏令牌，正则化稀疏基，自适应选择密集段，联合大语言模型处理，还构建SkyVid，实验证明其能有效分配视觉令牌预算，提升语言条件视频分割效果。

Comments Accepted by WAICA 2026

Leveraging Design-Aware Context in Large Language Models for Code Comment Generation

利用设计感知上下文在大语言模型中生成代码注释

Aritra Mitra, Srijoni Majumdar, Anamitra Mukhopadhyay, Partha Pratim Das, Paul D Clough, Partha Pratim Chakrabarti

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

AI总结 本研究探讨利用设计文档作为上下文，通过大语言模型生成更实用的代码注释，以提高代码维护效率。

LaT: LLM-as-Trainer for Multi-Task Vehicle Routing Solvers

LaT：用于多任务车辆路径规划求解器的大语言模型训练器

Yang Wang, Ya-Hui Jia, Wei-Neng Chen, Yi Mei, Wen Song, Zhiguang Cao

机构 * School of Future Technology, South China University of Technology（华南理工大学未来技术学院） ； School of Computer Science and Engineering, South China University of Technology（华南理工大学计算机科学与工程学院） ； School of Engineering and Computer Science, Victoria University of Wellington（惠灵顿维多利亚大学工程与计算机科学学院） ； Institute of Marine Science and Technology, Shandong University（山东大学海洋科学与技术研究院） ； School of Computing and Information Systems, Singapore Management University（新加坡管理大学计算与信息系统学院） 纠错

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

AI总结 研究针对多任务车辆路径规划求解器中VRP变体优化难度不同及现有方法不足的问题，提出LaT训练范式，用预训练大语言模型作外部训练器，定期分析指标生成指导向量注入编码器层，实验证明该范式能提升求解器质量。

Comments 28 pages

Sockpuppetting: Jailbreaking LLMs by Combining Prefilling with Optimization

通过结合预填充与优化进行LLM的劫持：

Asen Dotsinski, Panagiotis Eustratiadis

机构 * University of Amsterdam（阿姆斯特丹大学） 纠错

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

AI总结 本文提出通过结合预填充与优化的方法提升LLM劫持效果，展示了简单对抗者通过组合预填充变体可提高攻击成功率，并引入混合攻击策略以优化对抗性后缀，提升模型防御需求。

Comments 16 pages, 6 figures

Towards Agentic Agent-based Models: Feasibility, Performance, and Statistical Model Checking

迈向基于智能体的智能体模型：可行性、性能和统计模型检查

Stefano Blando, Emanuele Guerrazzi, Riccardo Porcedda, Giuseppe Squillace, Max Tschaikowski, Andrea Vandin

机构 * Sant’Anna School of Advanced Studies Pisa（比萨圣安娜高等研究学校） ； Sapienza University of Rome（罗马第一大学） ； DTU Technical University of Denmark（丹麦技术大学） ； University of Pisa（比萨大学） 纠错

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

AI总结 研究引入大语言模型驱动决策对基于智能体模型模拟的影响，以Mesa ABM模型为对象，扩展谢林隔离模型，通过统计模型检查进行分析，实验表明较小本地服务LLM有问题，较大模型通过初步检查，还探讨了统计模型检查的作用。

An Agentic Interface for End-to-End Probabilistic Seismic Hazard and Risk Analysis

用于端到端概率地震危险性和风险分析的智能体接口

Sreenath Vemula, Pierre Jehel, Fabrice Cotton, Filippo Gatti

机构 * Université Paris-Saclay, CentraleSupélec, ENS Paris-Saclay, CNRS, LMPS — Laboratoire de Mécanique Paris-Saclay（巴黎-萨克莱大学、中央超导学院、巴黎-萨克莱高等师范学院、国家科学研究中心、LMPS——巴黎-萨克莱力学实验室） ； GFZ Helmholtz Centre for Geosciences（德国地球科学霍普夫兹中心） ； University of Potsdam, Institute of Geosciences（波茨坦大学、地球科学学院） 纠错

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

AI总结 研究针对概率地震危险性和风险分析专家化问题，提出通过开源服务器及MCP构建智能体接口，利用LLM与OpenQuake引擎等协作计算，实现多功能分析，结果与官方值匹配度高且计算快，还能接受自定义GMM并添加新功能，设计层可拓展。

Comments 24 pages, 8 figures

From Outcomes to Actions: Leveraging Hindsight for Long-Horizon Language Agent Training

从结果到行动：利用事后诸葛亮进行长期语言智能体训练

Zishang Jiang, Tingyun Li, Jinyi Han, Xinyi Wang, Sihang Jiang, Yizhou Ying, Xiaojun Meng, Jiansheng Wei, Jiaqing Liang, Yanghua Xiao

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

AI总结 研究长期语言智能体训练中现有强化学习方法面临的挑战，提出事后诸葛亮策略优化方法，通过投影到意图空间提取低方差学习信号，聚合相似状态和行动，理论和实证证明可稳定提升策略性能。

Comments Accepted at ICML 2026

Automated Reinforcement Learning: An Overview

自动化强化学习：综述

Reza Refaei Afshar, Joaquin Vanschoren, Uzay Kaymak, Rui Zhang, Yaoxin Wu, Wen Song, Yingqian Zhang

机构 * Eindhoven University of Technology（埃因霍温理工大学） ； Jheronimus Academy of Data Science（赫尔蒙尼乌斯数据科学学院） ； Shandong University（山东大学） 纠错

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

AI总结 本文综述了自动化强化学习的发展，包括基于大语言模型的技术，并探讨了其挑战和未来研究方向。

The World According to a Social Robot -- Augmenting Human-Robot Dialogue With Vision Language Models

社交机器人眼中的世界——用视觉语言模型增强人机对话

Thomas Sievers

机构 * Institute of Information Systems, University of Lübeck（信息系统研究所，吕贝克大学） 纠错

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

AI总结 研究探讨如何用视觉语言模型增强人机对话，通过将米斯特拉尔人工智能语言模型与胡椒机器人结合用于人机交互对话，并研究视觉信息对响应时间的影响，发现纳入视觉信息可增添对话背景，且使用欧洲托管的语言模型便于实际应用。

An Encoder-Decoder Foundation Chemical Language Model for Generative Polymer Design

一种用于生成性聚合物设计的编码器-解码器基础化学语言模型

Harikrishna Sahu, Wei Xiong, Anagha Savit, Shivank S Shukla, Rampi Ramprasad

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

AI总结 本文提出polyT5，一种基于T5架构的编码器-解码器化学语言模型，用于生成具有特定性质的聚合物，通过实验验证其在介电聚合物设计中的有效性。

Journal ref npj Artif. Intell. 2, 30 (2026)

Literary Non-Style in LLM-Generated Text

大语言模型生成文本中的文学非风格

Cory Massaro

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

AI总结 研究大语言模型生成文本与人类文本差异，通过分析n元语法统计分布及定性分析，揭示大语言模型风格不足，得出风格和语义问题不可完全分离的结论。

Encoding EEG Signals to Examine Human-Like Next-Word Prediction Behaviour in Language Models

编码脑电信号以研究语言模型中类人下一个单词预测行为

Boi Mai Quach, Binh T. Nguyen, Cathal Gurrin, Graham Healy

机构 * Dublin City University（都柏林城市大学） ； VNUHCM – University of Science（越南国立大学胡志明市科学大学） 纠错

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

AI总结 研究探讨语言模型下一词预测准确率与人类阅读理解认知信号的关系，基于两种信息度量为人类和模型生成回归器预测脑电信号的事件相关电位，发现只有意外性与语言处理电位相关，挑战了模型参数和预算增加必改善与人类语言处理收敛的假设。

Induction Meets Biology: Mechanisms of Repeat Detection in Protein Language Models

归纳遇见生物学：蛋白质语言模型中重复检测的机制

Gal Pomerants, Yaniv Nikankin, Anja Reusch, Tomer Tsaban, Ora Schueler-Furman, Yonatan Belinkov

机构 * Weizmann Institute of Science（魏茨曼科学研究院） 纠错

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

AI总结 通过分析蛋白质语言模型在掩码预测中的行为，揭示了其检测精确和近似重复序列的两阶段机制：先构建特征表示，再利用归纳头关注重复片段中的对齐标记。

Comments Accepted at the 43rd International Conference on Machine Learning (ICML 2026)

Interpretable Text Classification Applied to the Detection of LLM-generated Creative Writing

可解释性文本分类在LLM生成创造性写作检测中的应用

Minerva Suvanto, Andrea McGlinchey, Mattias Wahde, Peter J Barclay

机构 * Chalmers University of Technology（查尔姆斯理工大学） ； Edinburgh Napier University（爱丁堡纳皮尔大学） 纠错

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

AI总结 本文提出了一种可解释的线性分类器，用于区分LLM生成的创造性写作与人类写作，发现LLM倾向于使用更多同义词，导致可检测的分布偏差。

Comments Accepted for publication at ICAART 2026 (https://icaart.scitevents.org/?y=2026)

Journal ref Proceedings of the 18th International Conference on Agents and Artificial Intelligence - Volume 2: ICAART, pages 1198-1209, 2026

Federated Learning and LLM-Driven Threat Intelligence for Zero Trust IoT Architecture

用于零信任物联网架构的联邦学习和大语言模型驱动的威胁情报

Amal Alshehri, Cihan Tunc

专题命中 其他LLM ：LLM(title,abstract)

AI总结 针对物联网安全隐私挑战，提出联邦学习和大语言模型驱动的零信任物联网架构，集成多种技术，通过特定方式在各通信层强化零信任，实验表明该框架能有效为资源受限物联网设备实现隐私保护异常检测。

The Librarian Who Refused to Code: Model-Dependent Identity Enactment in LLM Code Generation

拒绝编码的图书管理员：大语言模型代码生成中依赖模型的身份设定

Shayell Aharon Salomon, Noam Israel, Ido Safruti, Amir Shaked

机构 * Bluebear Security（蓝熊安全公司） 纠错

专题命中 其他LLM ：LLM(title)；分类 cs.CL

AI总结 研究在可控条件下评估不同人物角色对代码生成的影响，测试了四种提示条件、两个模型等，发现角色影响因模型而异，如Claude Opus上图书管理员角色降低正确性，结果表明角色是依赖模型的行为策略偏差，还发布了相关数据和文档。

Comments 17 pages, 3 tables, no figures. Ancillary files include raw completions, derived scores, analysis scripts, persona texts, and preregistration

The Geometry of Semantic Space: A Continuous Geometric Framework for the Transformer Architecture

语义空间的几何：Transformer架构的连续几何框架

Zhihua Liang

机构 * INFN, Sezione di Cagliari（意大利国家核物理研究所，卡利亚里分部） 纠错

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

AI总结 该研究提出连续几何框架，将Transformer架构运算建模为积分 - 微分方程，从几何公理出发转化其核心组件。通过实验验证，此框架能为大语言模型的稳定性、上下文及优化动态提供预测性描述词汇。

Emergent Coordinated Behaviors in Networked LLM Agents: Modeling the Strategic Dynamics of Information Operations

网络化生成代理中的涌现协调行为：信息操作的战略动态建模

Gian Marco Orlando, Jinyi Ye, Valerio La Gatta, Mahdi Saeedi, Vincenzo Moscato, Emilio Ferrara, Luca Luceri

专题命中 其他LLM ：LLM(title)

AI总结 本文研究了生成代理在模拟信息操作中的协调行为，发现通过共享目标即可实现接近人工协调的水平，揭示了自动化信息操作的社会风险。

Journal ref WWW '26: Proceedings of the ACM Web Conference 2026

Lost in the Tower of Babel: The Adverse Effects of Incidental Multilingualism in LLMs

迷失在巴别塔中：LLMs中偶然多语言主义的负面影响

Anjishnu Mukherjee, Chutong Meng, Antonios Anastasopoulos

机构 * Department of Computer Science（计算机科学系） ； George Mason University（乔治·马歇尔大学） 纠错

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

AI总结 本文指出当前多语言NLP陷入偶然多语言主义的脆弱且误导性范式，导致模型在多语言情境中表现不均、脆弱且不透明，需转向设计驱动的多语言主义。

Comments Published as a conference paper at COLM 2026