语言大模型 / LLM

Cryptanalysis of LDPC-Based Pseudorandom Error-Correcting Codes

基于LDPC的伪随机纠错码的密码分析

Tianrui Wang, Anyu Wang, Tianshuo Cong, Delong Ran, Jinyuan Liu, Xiaoyun Wang

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

AI总结 首次对LDPC-PRC进行密码分析，提出三种攻击破坏其不可检测性和安全性，在DeepSeek和Stable Diffusion等模型上验证有效，并给出防御建议。

Comments Accepted by USENIX Security 2026

Crossing Margins: Intersectional Users' Ethical Concerns about Software

跨越边际：交叉性用户对软件的伦理关切

Lauren Olson, Tom P. Humbert, Ricarda Anna-Lena Fischer, Bob Westerveld, Florian Kunneman, Emitzá Guzmán

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

AI总结 本研究针对交叉性用户软件伦理关切研究空白，收集700多个交叉性Subreddits的36777条帖子，利用大语言模型等技术分析交叉性声音，构建反馈驱动框架评估软件对交叉性用户需求的满足度。

Sixteen models, fewer than two voices: measuring ensemble dispersion where no answer is uniquely correct

十六种模型，不足两种声音：在无唯一正确答案的场景中测量集成模型的离散度

Mario Vega-Barbas, Lidia Mora-Valenciano, Iván Pau, Fernando Seoane, Farhad Abtahi

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

AI总结 该研究针对无唯一正确答案的心理治疗案例，以十六种语言模型为对象，定义模型异议贡献，发现集成模型离散度由临床内容组织，模型身份为异议的可检测结构因素。

Comments 34 pages (25 article + 9 supplementary), 3 figures. Supplementary material (S1-S11) included. Preregistered at OSF (osf.io/c5qk7), sealed 21 July 2026. Analysis code and data: https://doi.org/10.5281/zenodo.21718657

Cross-Cohort Spectral-Temporal Dissociation in Frozen EEG Foundation-Model Representations

脑电图基础模型对长程时间相关性视而不见：其跨群体脆弱性背后的频谱-时间解离

Marzieh Zare

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

AI总结 研究探讨脑电图基础模型对长程时间相关性的表征及跨群体转移情况。通过探测五种模型，发现它们均未按时间顺序表示LRTC，频谱输入模型能恢复1/f但非DFA，跨群体转移方面各模型表现不一，揭示了模型在这方面的局限性。

Predicted Cortex Is Not a Domain-General Prior: A Matched-Control Audit of Brain-Encoding Features for Video Memorability

这取决于数据集：当大脑编码模型的预测响应在视频记忆性方面超过其视觉主干时

Carson Rodrigues

机构 * Celabe（赛拉贝） 纠错

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

AI总结 研究大脑编码模型预测响应能否用于预测短视频记忆性，通过将视频片段投影到特定皮质空间并用岭回归预测，发现结果取决于数据集，大脑投影在VideoMem数据集表现更佳，且携带特定记忆信号，不是通用先验知识。

Comments 11 pages, 3 figures. v4: retitled; adds a dataset-by-representation interaction test (+0.097, 95% CI [+0.032,+0.160], p=0.001) and seed stability for both datasets, replacing the earlier claim that both within-dataset intervals excluded zero (the Memento10k bound was -0.0003); discloses that the pre-specified hypothesis returned NO-GO; adds a regularization-grid check

Transformers perform adaptive partial pooling

Transformer 实现自适应部分池化

Vsevolod Kapatsinski

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

AI总结 本文研究了Transformer模型在训练过程中自适应部分池化特性，发现其下一个词预测随着训练进行逐渐减少对外部观察的依赖，且受情境频率、数量和变化影响。

Comments 8 pages, Proceedings of the 48th Annual Meeting of the Cognitive Science Society, 48, 3050-3057

Talking to Digital Twins: Selective Disclosure and Belief Measurement in Financial Social Media

与数字孪生对话：金融社交媒体中的选择性披露与信念测量

Boone Bowles, Raymond Duch, Sorin Sorescu

专题命中 领域大模型 ：LLM(abstract_cn)；分类 cs.AI

AI总结 本研究通过对金融网红的X账号构建的数字孪生开展重复实时访谈，解决金融社交媒体中未披露信息的测量问题，其信息可预测大盘股收益横截面，避免了大语言模型的前瞻性偏差。

onepot-Bench 0: towards lab-aware in silico chemistry benchmarks

onepot-Bench 0：面向实验室实际场景的计算机化学基准测试

Brandon Wang, Andrei S. Tyrin, Daniil A. Boiko

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

AI总结 本研究推出专有基准测试onepot-Bench 0，通过三个互补评估衡量语言模型在湿实验室合成化学场景下的基础能力、可靠性等，弥补现有评估的不足。

PosterMELD: Multi-Agent Paper-to-Poster Generation for Controllable Design Diversity with Editable Print-Ready Outputs

PosterMELD：面向可编辑打印就绪输出的可控设计多样性多智能体论文转海报生成

Haojie Hu, Chenhao Dang, Yaojia Liu, Hengrui Kang, Conghui He, Weijia Li

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

AI总结 PosterMELD是模板条件化多智能体海报生成流水线，可导出可编辑PPTX和PNG，在621篇论文实验中PRR达81.3%，成本仅为Codex+Skill的3.5%，性能优于P2P、PosterGen等方法。

Comments 9 pages, 5 figures, and 4 tables. Code and resources are available at https://github.com/Shannon4Science/PosterMELD

Cross-Domain Hybrid OPD for Generalizable Search Agents

面向通用搜索智能体的跨域混合在线策略蒸馏

Hongzhan Chen, Xiaoyu Liu, Dengming Zhang, Minzhou Huang, Dongliang Xu, Jingcheng Xie, Dongxiang Fang, Bowen Qin, Minsheng Hao, Yaozong Shen, Xiaojun Quan, Mona Zhou, Haosheng Zou, Jeff Chen

机构 * Yuanbao Team, Tencent Shanghai Innovation Institute（腾讯上海研究院元宝团队） 纠错

专题命中 领域大模型 ：language model(abstract)；分类 cs.CL

AI总结 本研究提出基于混元3架构的元宝搜索智能体训练框架，通过跨域混合在线策略蒸馏联合优化搜索专业化与通用能力，缓解对齐损耗，在现实搜索场景中实现两者的良好平衡。

Loud or Silent? A Reusable Framework for Per-Modality Failure Analysis in Multimodal Clinical AI

大声还是沉默？一种用于多模态临床AI中模态级失败分析的可复用框架

Quang Bui, Shlok Jaiswal, Samuel Paik-Heintz, Kevin Zhou, Kaushik Madapati, Krittaphas Chaisutyakorn, Noah Dane Hebdon, Dimitrios Proios, Sebastián Andrés Cajas Ordóñez, Kacper Dobek, Boya Zhang, Aly Dhedhi, Ahram Han, Kushul Reddy Palakala, Rahul Gorijavolu, Jacques Kpodonu, Leo Anthony Celi

机构 * Massachusetts Institute of Technology（麻省理工学院） ； American International School Vienna（维也纳美国国际学校） ； Neuqua Valley High School（纽夸谷高中） ； North Hollywood High School（北好莱坞高中） ； Hopewell Valley Central High School（霍普韦尔谷中央高中） ； University of California, Berkeley（加州大学伯克利分校） ； Siriraj Hospital（诗里拉吉医院） ； Harvard University（哈佛大学） ； Agency for Science, Technology and Research（新加坡科技研究局） ； Johns Hopkins University（约翰斯·霍普金斯大学） ； University of Geneva（日内瓦大学） ； Poznan University of Technology（波兹南理工大学） 纠错

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

AI总结 该研究提出一种模型无关的多模态临床AI模态级失败分析框架，可复用且仅用部署可观测信号，经植入真实值和MIMIC-IV队列验证，能定位失败模态、区分失败类型，为心脏基础模型部署提供参考。

Auditing Semantic Gains in Sequential Recommendation: A Lightweight Recovery Test

审计序列推荐中的语义增益：一种轻量级恢复测试

Kong Wang, Zhongke He, Xiang Chen, Hongwei Zeng, Kai Deng, Long Wang, Kehua Yang

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

AI总结 本研究提出轻量级可审计恢复测试LIME-Rec，结合三类专家模型在三个Amazon数据集上验证语义推荐增益源于真实物品-文本对应，为序列推荐的语义增益归因提供了透明方法。

Learning the Pareto Frontier of Predictive Models under Distribution Shift

分布偏移下预测模型帕累托前沿的学习

Yiming Dong, Jiwei Zhao, Yang Young Lu

机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校） 纠错

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

AI总结 本研究提出Frontier Learning框架，将预训练模型库视为互补信息源，通过拼接白盒内部表示与黑盒预测输出构建特征，在分布偏移场景中提升预测性能，表现优于或相当于最强的单个复用策略。

Comments 28 pages, 4 figures, 3 tables

Training-Free Out-of-Distribution Detection for Pathology Whole-Slide Images

面向病理全切片图像的无分布外检测训练方法

Sabri Mustafa Kahya, Richard R. Chen, Muhammet Sami Yavuz, Jerry Jierui Lou, Akanimoh Adeleye, Haci Ali Kahya, Jana Lipkova

专题命中 领域大模型 ：foundation model(abstract)

AI总结 本文提出基于视觉-语言病理基础模型的无训练多模态OOD检测器ZIO，在14700余张病理WSI上优于40种现有OOD方法，为临床AI安全部署提供支撑。

Comments Under review. The code is available in https://github.com/muskahya/ZIO

Reflection, Education, Consistency: Towards Best Ethics Practices At Security And Privacy Conferences

反思、教育、一致性：迈向安全与隐私会议的最佳伦理实践

Florian Hantke, Rafael Mrowczynski, Til Dralle, Ben Stock

专题命中 领域大模型 ：LLM(abstract_cn)

AI总结 该研究针对安全与隐私会议的伦理问题，通过分析四大顶级会议伦理政策及20名社区成员访谈，指出伦理教育不足、政策不一致等问题，提出开展全社区协调伦理工作并建立开放伦理维基。

Passing Coarse Marginal Checks Can Be Cheap: Persona Mixtures and Imprecise Treatment-Response Estimates in an LLM Persona Panel

通过粗略边际检验成本可能很低：LLM角色面板中的角色混合与不精确的处理-响应估计

Yohei Nakajima

机构 * Untapped Capital（未开发资本） 纠错

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

AI总结 本研究以16个轻量角色条件化GPT-4.1配置面板为对象，发现通过粗略边际检验成本较低，还揭示了p13需复制、无实时调用可验证结果等结论，未证明LLM可替代人类。

Comments 19 pages, 5 figures. Project site: https://yoheinakajima.github.io/synthetic-players/ ; code, data, registrations, review record, and zero-call replay capsule: https://github.com/yoheinakajima/synthetic-players

HAFI-VLM: A Frequency Perspective for Diagnosing and Enhancing Visual Perception in Vision-Language Models

HAFI-VLM：用于诊断和增强视觉语言模型中视觉感知的频率视角

Jin Cui, Chuanchang Su, Jiayi Lu, Xinyue Long, Boran Zhao, Pengju Ren

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

AI总结 该研究针对VLMs视觉预测不可靠的频谱响应刚性问题，提出HAFI-VLM，通过任务条件频率通路与相关组件优化，在多个VLMs基准上提升了视觉感知性能。

Comments 11 pages, 8 figure

Beyond Single-Use Tokens: Durable Authorization State for Replay-Resistant LLM Agent Actions

超越单次使用令牌：面向抗重放的大语言模型智能体行动的持久授权状态

Jinghan Xu, Longze Fan, Zeyuan Wang, Xinjin Li, Hankai Liu

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

AI总结 该研究针对大语言模型智能体重规划等行为引发的语义重放问题，提出 CapLease 授权消耗层，结合服务器账本实现抗重放，证明持久授权状态是抗重放智能体执行的系统要求。

Cultural Awareness is Represented but Not Decoded: Tracing Mythological Knowledge across 18 Open-Source LLMs

文化意识被表征但未被解码：追踪18个开源大语言模型（LLM）中的神话知识

Iaroslav Chelombitko, Ekaterina Chelombitko, Mika Hämäläinen

机构 * DataSpike ； Metropolia University of Applied Sciences（梅托波利亞應用科學大學） ； Neapolis University Pafos（帕福斯尼阿波利斯大學） 纠错

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

AI总结 该研究分析18个开源LLM的神话知识表征，发现文化表征存在于模型残差流中，但解码器因提示语言偏差无法解码非主导文化内容，还发布了相关跨文化研究工具与基准。

Comments 45 pages, 23 figures, 18 tables. Dataset: https://huggingface.co/datasets/Aragoner/folkmotif Code: https://github.com/AragonerUA/folkmotif

DeBERTa-Sentinel: Toward Transparent and Trustworthy Detection of AI-Generated Text

DeBERTa-Sentinel：实现透明且可信的AI生成文本检测

Muhammad Yousaf Rehman, Muhammad Islam

机构 * University of Hertfordshire（赫特福德大学） ； James Cook University（詹姆斯库克大学） 纠错

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

AI总结 DeBERTa-Sentinel是基于DeBERTa-v3的透明AI生成文本检测框架，在GLC-AIText数据集上实现优异检测性能，可公开token级解释以支持利益相关者审计。

Representation Transfer of Foundation Models for Ultra-Widefield Retinal Imaging

用于超广域视网膜成像的基础模型表示迁移

Mingya Alexa Gong, Da Ma, Lovre Antonio Budimir, Ivana Matovinovic, Sven Loncaric, Myeong Jin Ju, Yukun Zhou, Siegfried K. Wagner, Pearse A. Keane, Marinko V. Sarunic

机构 * Institute of Ophthalmology, University College London（伦敦大学学院眼科研究所） ； Wake Forest University School of Medicine（维克森林大学医学院） ； Virginia Tech-Wake Forest University School of Biomedical Engineering and Sciences（弗吉尼亚理工大学-维克森林大学生物医学工程与科学学院） ； University of Zagreb Faculty of Electrical Engineering and Computing（萨格勒布大学电气工程与计算机学院） ； NIHR Biomedical Research Centre, Moorfields Eye Hospital NHS Foundation Trust（NIHR生物医学研究中心，摩尔菲尔兹眼科医院NHS基金会信托） 纠错

专题命中 知识编辑与模型理解 ：foundation model(title,abstract)；pretraining(abstract)

AI总结 该研究探讨基础模型预训练策略对超广域视网膜成像表示迁移的影响，发现DINOv3模型在五类糖尿病视网膜病变分级中性能最优，监督和自蒸馏预训练的ViT优于MAE，部分微调可缩小MAE的性能差距。

Comments 15 pages, 7 figures

AURORA-LM: Autoencoding Unified Representation for Continuous-Latent Diffusion Language Modeling

AURORA-LM：用于连续潜在扩散语言建模的统一表示自动编码

Jiajun Liang, Yucheng Liao, Yukang Cao, Jiazhe Wei, Ken Li, Wende Tan, Jiankun Zhang, ZY Cui, Jingkang Yang, Liucheng Guo, Shiqi Yang, B. Yang, Caifeng Shan, Ziwei Liu, Chenyang Si

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

AI总结 AURORA-LM是一种分离文本表示构建与分布建模的连续潜在扩散语言模型，通过特定技术优化后，在OpenWebText自由生成和XSum摘要任务中性能优于同类模型。

Comments 40 pages, 17tables, project page: https://aurora-lm-project.github.io/

SIRIN: A Unified Toolkit for Detecting Contextual Hallucinations in Retrieval-Augmented and Memory-Grounded LLM Systems

SIRIN：用于检测检索增强与记忆基大型语言模型系统中上下文幻觉的统一工具包

Julia Belikova, Rauf Parchiev, Mikhail Filimonov, Konstantin Polev, Andrey Savchenko, Maksim Makarenko

机构 * Sber AI Lab（Sber AI实验室） 纠错

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

AI总结 本研究提出SIRIN工具包，整合三类检测器范式与查询可回答性任务，支持多设置下的幻觉检测，可作为长期记忆系统的忠实性门控，源代码公开可用。

RadPRISM: Schema-stratified radiology-report supervision for concept-disentangled image representations and visual grounding

RadPRISM：用于概念解耦图像表示与视觉定位的模式分层放射学报告监督方法

Fabian Drexel, Marlene Fritzsche, Era Stambollxhiu, Miriam Kumpf, Lena Schmitzer, Lea Schumann, Jannik Kahmann, Friedrich Puttkammer, Johannes Moll, Jannik Lübberstedt, Zeineb Ben Chaaben, Anirudh Narayanan, Cosmin I. Bercea, Sebastian Ziegelmayer, Marcus R. Makowski, Daniel Rueckert, Lisa C. Adams, Keno K. Bressem

机构 * Technical University of Munich (TUM)（慕尼黑工业大学（TUM）） ； TUM University Hospital（慕尼黑工业大学医院） ； Technical University of Munich, School of Medicine and Health（慕尼黑工业大学医学与健康学院） ； Klinikum rechts der Isar（右伊萨尔医院） ； Charité – Universitätsmedizin Berlin（柏林夏里特医学院） ； Freie Universität Berlin（柏林自由大学） ； Humboldt Universität zu Berlin（柏林洪堡大学） ； Imperial College London（伦敦帝国理工学院） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心（MCML）） ； University Hospital Essen (AöR)（埃森大学医院（AöR）） ； Institute for Artificial Intelligence in Medicine (IKIM)（医学人工智能研究所（IKIM）） ； Institute of Interventional and Diagnostic Radiology and Neuroradiology（介入与诊断放射学及神经放射学研究所） ； National Center for Tumor Diseases West（西部肿瘤疾病国家中心） 纠错

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

AI总结 RadPRISM将放射学模式作为分层轴，通过专用视觉子空间对齐临床概念，提升零样本分类与视觉定位性能，实现可透明检查的概念解耦医学图像表示。

Don't Use a Cannon to Kill a Fly: Lightweight Model Editing for LLMs to Correct Deprecated API Recommendations

轻量级模型编辑用于LLMs纠正过时的API推荐

Guancheng Lin, Xiao Yu, Jacky Keung, Xing Hu, Xin Xia, Alex X. Liu

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

AI总结 本文提出AdaLoRA-L方法，通过区分通用API层和特定API层，提升LLMs生成最新API的能力。

Comments Accepted to ISSTA 2026

Geometric Analysis of Token Selection in Multi-Head Attention

多头注意机制中令牌选择的几何分析

Timur Mudarisov, Mikhal Burtsev, Tatiana Petrova, Radu State

机构 * University of Luxembourg（卢森堡大学） ； London Institute for Mathematical Sciences（伦敦数学科学研究所） 纠错

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

AI总结 本研究通过几何分析揭示了多头注意力机制中令牌选择的结构特性，提出了精度、召回率和F分数等指标，并展示了头部在不同制度下的几何特征。

CADIR: A Cross-Backend Editable Intermediate Representation for Agentic CAD Generation

CADIR：一种用于智能体CAD生成的跨后端可编辑中间表示

Yu Liu, Jingzhe Ni, Yiming Chen, Junqi Huang, Ruofeng Tong, Min Tang, Peng Du

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

AI总结 本研究提出CADIR跨后端可编辑中间表示，结合几何签名匹配与构造图检索，解决现有CAD生成方法的跨系统编辑与建模历史保留问题，实验验证其几何保真度与可靠性优于现有方案。

Verifiable Checks for Business Rule Consistency

业务规则一致性的可验证检查

Joseph Tafese, Milad Hooshyar, Sam Bayless, Nick Feng, Arie Gurfinkel

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

AI总结 针对大型系统中业务规则自然语言文档与内部实现的一致性检查难题，提出结合LLMs与形式化验证的SIRNA框架，经税务成本计算案例验证，其可减少误报漏报并具备可解释性。

Comments Formal Methods in Computer-Aided Design 2026

PartInteractor: Intent-Driven Part-Aware 3D Authoring for Continuous Co-Creation in XR

PartInteractor：面向XR中持续协同创作的意图驱动、部件感知的三维创作工具

Jianan Jiang, Bin Li

专题命中 知识编辑与模型理解 ：LLM(abstract,abstract_cn)

AI总结 PartInteractor是支持语音、草图、图像输入的部件感知三维创作框架，将语义部件层级作为可操控单元，提升生成后控制与意图一致性，助力XR中持续人机协同创作。

Comments Accepted to ACM UIST 2026

SPAE: Spectrally Guided Autoencoder for Pretrained Visual Latents

SPAE：用于预训练视觉隐层的频谱引导自编码器

Yibin Huang, Jixiang Hong, Zongzhao Li, Yuhan Dai, Zhibin Wang, Chunwei Wang, Jun Song, Chen Wang, Xiaofei Sun, Xiaoxiao Xu, Conghui Zhu

机构 * Alibaba Group（阿里巴巴集团） ； Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学高瓴人工智能学院） 纠错

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

AI总结 针对DiT生成隐层与编码器隐层的频谱不匹配问题，提出SPAE框架，通过紧凑瓶颈结构与通道级掩码策略实现隐层适配，在视觉理解、生成质量与重建保真度间取得良好平衡。