语言大模型 / LLM

Explanations of Large Language Models Explain Language Representations in the Brain

大语言模型的解释可解释大脑中的语言表征

Maryam Rahimi, Mohammad Reza Daliri, Yadollah Yaghoobzadeh

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

AI总结 该研究探究LLM与脑语言表征对齐的驱动因素，利用XAI的归因方法结合fMRI数据，发现梯度归因可稳健对齐脑活动，且不同层归因的特性与脑区域对齐模式存在差异。

Reducing belief in conspiracy theories as they unfold using large language models

利用大语言模型在阴谋论展开过程中降低其可信度

Thomas H. Costello, Nathaniel Rabb, Michael Nicholas Stagnaro, Gordon Pennycook, David Rand

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

AI总结 该研究以特朗普遇刺未遂、查理·柯克遇刺事件后的美国成人为对象，发现经提示降低阴谋论信念的大语言模型（LLM）多轮对话，可显著降低参与者的阴谋论信念，且该处理存在后续影响，凸显了LLM干预对抗错误信息的潜力。

Large Language Model Counterarguments in Older Adults: Cognitive Offloading or Susceptibility to Moral Persuasion?

大语言模型在老年人中的反论点：认知卸载还是对道德说服的脆弱性？

Kou Tamura, Sayaka Ishibashi, Ayana Goma, Kenta Yamamoto, Kouhei Masumoto

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

AI总结 研究发现大语言模型能显著影响老年人和年轻人的道德判断，老年人更易受说服，认知功能较低者在情感冲突困境中更易接受反论点，表明LLMs可能成为认知卸载工具，但也对认知脆弱者构成风险。

Comments This paper has been published in Computers in Human Behavior. The final published version is available at https://doi.org/10.1016/j.chb.2026.109142

PICopilot: An LLM-based Agentic Framework for Assisting Photonic Integrated Circuit Design via Script Generation

PICopilot：一种基于大语言模型的智能体框架，通过脚本生成辅助光子集成芯片设计

Xiaohan Jiang, Zeyu Li, Wei Zhang, Jiang Xu

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

AI总结 PICopilot是首个基于LLM的智能体框架，通过带反馈机制的多智能体架构与专用RAG流程，成功完成全部48项PIC脚本任务，性能优于其他LLM方法及通用RAG的GPT-5。

Comments 9 pages, 6 figures

Where Agent Frameworks Fall Short: Examining Functional Challenges and Usability Concerns

对现代LLM代理框架中缺陷的实证研究

Xinxue Zhu, Yanzhou Mu, Xiaoyu Zhang, Tianlin Li, Chao Shen, Chunrong Fang, Yang Liu, Juan Zhai

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

AI总结 本文通过分析998个缺陷报告，发现现代LLM代理框架中缺陷主要源于API误用、不兼容和文档不同步，集中在自我行动阶段，导致功能错误、崩溃和构建失败。

Text Steganography with Dynamic Codebook and Multimodal Large Language Model

基于动态代码本和多模态大语言模型的文本隐写术

Jianxin Gao, Ruohan Lei, Wanli Peng

机构 * China Agricultural University（中国农业大学） 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 本文提出一种基于动态代码本和多模态大语言模型的文本隐写术，通过共享会话配置和多模态模型构建动态代码本，设计加密隐写映射并引入反馈优化机制，提升隐写术的安全性和实用性。

QuanTiMedAI: Quantum-Enhanced Time-Series Model guided by Agentic AI for Cardiac Arrest Mortality Prediction

QuanTiMedAI：由智能体人工智能引导的量子增强时间序列模型用于心脏骤停死亡率预测

Mutasim Fuad Sarker, Adiba Rahman Namira, Wafa Binte Alam, Md Adnan Arefeen, Mahzabeen Emu, Sumaiya Tabassum Nimi

机构 * North South University（北南大学） ； Memorial University（纪念大学） 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 该研究针对心脏骤停死亡率预测的静态数据局限，提出QuanTiMedAI量子-智能体框架，结合智能体LLM与量子循环网络，在MIMIC-IV数据集上仅用605个参数实现0.852的AUROC，优于现有最先进基线。

Comments Submitted for review

Where Models Converge and Humans Diverge: A Coverage Framework for Distributional Pluralism in Open-Ended Generation

模型收敛与人类分歧：开放式生成中分布多元性的覆盖框架

Zini Yang, Emily Wenger, Richard So

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 本文针对LLM与人类写作间的分布差距问题，提出以人类写作经验分布为基准的框架，通过LLM-Cov和IBR指标测量LLM生成内容的分布广度，发现当前LLM内容合理但狭窄，可用于评估其“文化覆盖范围”。

Comments 18 pages, 4 figures

Analysis of Numerical Localisation in LLM Translations

大语言模型翻译中数值定位的分析

Patrizia Kaye

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

AI总结 本文分析5款可在商用硬件运行的LLMs对时间、数字、日期的定位能力，发现将定位原则嵌入提示上下文可显著提升其定位准确率。

Comments 13 pages, 7 tables, 2 figures

Do Tabular Foundation Models Agree with Themselves?

表格基础模型是否与自身一致？

Christian Klötergens, Vijaya Krishna Yalavarthi, Lars Schmidt-Thieme, Tom Hanika

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

AI总结 本文针对表格基础模型（TFMs），提出其预测是否可由任意联合分布生成的问题，设定边际一致性与分解一致性要求，发现所有评估的TFMs均违反这两项要求。

F$^2$Agent: Financial Fusion of Agentic Intelligence for Multimodal Trading

F²Agent：面向多模态交易的智能体智能金融融合框架

Changshuo Liu, Yanzheng Jin, Shangfeng Cai, Peng Fang, Xiaokui Xiao, Beng Chin Ooi

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 该研究针对现有多模态金融交易模型的跨模态依赖捕捉不足、抗噪性差的问题，提出F²Agent框架，通过专业化智能体提取模态信号、模态感知自适应融合机制及抗噪正则化，在6种资产上较16个基线实现超20%年化回报率提升，表现出优异性能。

Comments 32 pages, 12 figures, 19 tables

IcFuzz: Fuzzing Isaac Sim with Semantic Stage Guidance and Multi-level Mutation

IcFuzz：基于语义阶段引导与多级变异的Isaac Sim模糊测试

Zhixiang Chen, Zhuangbin Chen, Ruoxi Jia, Zeqin Liao, Wei Li, Jinyang Liu, Zibin Zheng

机构 * Sun Yat-sen University（中山大学） ； Nanyang Technological University（南洋理工大学） ； Chinese University of Hong Kong（香港中文大学） 纠错

专题命中 其他LLM ：LLM(summary_cn,abstract)

AI总结 本文提出首个针对Isaac Sim的模糊测试方法IcFuzz，通过LLM语义阶段分割、多级变异算子与多臂老虎机算法提升测试效果，在代码覆盖率与漏洞检测上优于基线，已发现11个漏洞且9个被确认修复。

Comments Accepted at the 41st IEEE/ACM International Conference on Automated Software Engineering (ASE 2026)

Breaking Customized LLMs for Coding: Automated Red Teaming for Instruction Backdoor Attacks

针对代码任务定制化大语言模型的突破：针对指令后门攻击的自动红队测试

Yuchen Chen, Wei Cheng, Yuan Xiao, Wising Sun, Chunrong Fang, Yang Liu, Zhenyu Chen, Baowen Xu

专题命中 其他LLM ：LLM(summary_cn,abstract)

AI总结 本文提出ARIA自动红队测试框架，可高效生成针对代码定制化LLM的隐蔽带后门指令，攻击成功率达0.945且规避检测能力强，性能优于现有基线攻击。

Comments Accepted to the 41st IEEE/ACM International Conference on Automated Software Engineering (ASE 2026

RedDiffuser: Auditing Multimodal Safety Failures in Vision-Language Models via Reinforced Diffusion

RedDiffuser：通过强化扩散审计多模态安全故障

Ruofan Wang, Xingjun Ma

机构 * Fudan University（复旦大学） 纠错

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

AI总结 研究多模态系统在有害上下文暴露下的安全审计，提出RedDiffuser框架通过扩散模型生成视觉输入，揭示隐藏的安全漏洞，实验显示VLMs在部分有毒文本与视觉上下文结合时存在广泛安全问题。

CircuitSteer: Geometrically Aligned Multi-Layer Steering via Sparse Autoencoder Circuits

CircuitSteer：基于稀疏自编码器回路的几何对齐多层引导方法

Mehrshad Saadatinia, Parsa Razmara, Ardalan Aryashad, Ali Abbasi, Seyedarmin Azizi

机构 * University of Southern California（南加利福尼亚大学） 纠错

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

AI总结 CircuitSteer是利用SAEs识别多层语义回路的新型框架，通过几何对齐合成引导向量实现多点干预，在多任务多模型上，其引导效果优于牺牲流畅性或覆盖不足的对比方法。

Different Perturbations, Different Mechanisms: Understanding Continued Pre-training for Zero-Shot Dialect Robustness

不同扰动，不同机制：理解用于零样本方言鲁棒性的持续预训练

Aarohi Srivastava, David Chiang

机构 * University of Notre Dame（圣母大学） 纠错

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

AI总结 本研究针对大型语言模型，系统对比6种训练条件下的6种扰动持续预训练策略，发现字符噪声CPT可提升零样本方言鲁棒性且保留标准性能，不同策略的鲁棒机制存在差异，为相关策略选择提供指导。

Coherence-Oriented Dream Scene Visualisation

面向连贯性的梦境场景可视化

Azra Açıl, Simon Colton

机构 * School of Electronic Engineering and Computer Science, Queen Mary University of London（伦敦玛丽女王大学电子工程与计算机科学学院） 纠错

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

AI总结 该研究提出DSV系统，通过大型语言模型拆分梦境描述为四部分，结合文本到图像模型生成连贯的四面板图像序列，经DreamBank数据集50次可视化评估，用CLIP等模型指标验证了其质量、保真度与连贯性。

Comments short paper accepted at ICCC 2026

SimMOF: AI agent for Automated MOF Simulations

SimMOF：用于自动化MOF模拟的AI代理

Jaewoong Lee, Taeun Bae, Jihan Kim

机构 * Department of Chemical and Biomolecular Engineering, Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院（KAIST）化学与生物分子工程系） 纠错

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

AI总结 SimMOF通过自然语言查询自动化MOF模拟全流程，实现依赖感知计划生成、可运行输入生成、多代理协同执行及结果分析，提供数据驱动的MOF研究可扩展基础。

Comments 42 pages, 7 figures, 3 tables

MM-ISTS: Cooperating Irregularly Sampled Time Series Forecasting with Multimodal Vision-Text LLMs

MM-ISTS: 基于多模态视觉-文本大语言模型的不规则采样时间序列预测

Zhi Lei, Chenxi Liu, Hao Miao, Wanghui Qiu, Bin Yang, Chenjuan Guo

机构 * East China Normal University Shanghai China ； Centre for Artificial Intelligence ； Robotics, Hong Kong Institute of Science \& Innovation, Chinese Academy of Sciences Hong Kong China ； Department of Computing, The Hong Kong Polytechnic University Hong Kong China ； East China Normal University ； Robotics, Hong Kong Institute of Science \& Innovation, Chinese Academy of Sciences ； Department of Computing, The Hong Kong Polytechnic University 纠错

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

AI总结 MM-ISTS利用多模态视觉-文本大语言模型，通过双阶段编码机制提升不规则采样时间序列预测的性能。

RepoOMP: Repository-Aware Hotspot OpenMP Parallelization via Dependency-Aware Context Reduction

RepoOMP：基于仓库感知的热点OpenMP并行化方法——通过依赖感知的上下文缩减

Yongjie Qian, Ke Gao, Zhibin Zhang, Shaohui Peng, Ling Li

专题命中 其他LLM ：LLM(abstract,abstract_cn)

AI总结 RepoOMP是一种混合框架，通过构建MAP和STC，在951个热点上实现平均加速比8.23×至8.96×，降低智能体令牌成本，为仓库热点并行化提供证据引导的工作流。

Overcoming Attention Drift: Homogeneity-Heterogeneity Guided Feature Aggregation for Low-Light Remote Sensing Image Enhancement

克服注意力漂移：面向低光照遥感图像增强的同质性-异质性引导特征聚合

Yaozi Zhong, Xingxing Yang, Shaohui Mei, Mingyang Ma

机构 * School of Information and Artificial Intelligence, Yunnan University of Finance and Economics（云南财经大学信息与人工智能学院） ； Department of Computer Science, Hong Kong Baptist University（香港浸会大学计算机科学系） ； School of Electronics and Information, Northwestern Polytechnical University（西北工业大学电子信息学院） 纠错

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

AI总结 针对低光照遥感图像增强中现有方法的注意力漂移问题，提出双先验驱动的HALO框架，通过H2CAM模块融合同质性与异质性先验，在8个基准上实现SOTA性能，提升边界清晰度与色彩保真度。

Comments 10 pages, 7 figures, 7 tables. Yaozi Zhong and Xingxing Yang contributed equally. Code: https://github.com/AlexYangxx/HALO

Structured light under turbulence

湍流环境下的结构光

Guilherme S. Barros, Lucas C. Céleri, Antonio Zelaquett Khoury, André L. S. Santos Junior, Rafael M. Gomes, Guilherme L. Zanin

专题命中 其他LLM ：SLM(abstract,abstract_cn)

AI总结 本研究针对自由空间光通信中大气湍流导致结构光信号退化的问题，利用两台空间光调制器模拟湍流环境，评估拉盖尔-高斯等三种光束横模的抗湍流鲁棒性。

Comments 13pages, 6figures

Invisible Ink Threats: Adversarial Goals Behind Legitimate Tasks in Computer-Use Agents

隐形墨水威胁：计算机使用智能体中合法任务背后的对抗目标

Jia-Chen Zhang, Ze-Yu Zhang, Kai-Wei Zhang

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

AI总结 该研究针对计算机使用智能体的隐形墨水威胁，构建II-Bench与HITLCUA框架评估后发现，低危害注入可绕过防御，暴露出现有CUAs的安全风险。

VLMs for Videogame Data Annotation

用于视频游戏数据标注的视觉语言模型（VLMs）

Katrin Schmid, Iuri Frosio

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

AI总结 该研究针对VLMs在视频游戏应用受限的问题，探究其用于游戏帧序列奖励信号标注的可行性，分析其在游戏问答中的不足并提出应对措施，还研究了输入参数对标注质量的影响。

Visual Grounding in Zero-Shot Vision-Language Control

零样本视觉语言控制中的视觉 grounding

J. de Curtò, Dayani Plasencia, Diego Sánchez, I. de Zarzà

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

AI总结 本文针对零样本视觉语言控制中VLMs决策是否基于视觉输入的问题，通过多组消融实验分析了多种VLMs的表现，提出对称共识守护者方法，验证了VLMs可作为有界的危险助手。

Estimating time spent on work tasks

估算工作任务所花费的时间

Stephane Hatgis-Kessell, Tomás Aguirre, Alexander Wan, Rishi Bommasani

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

AI总结 本研究提出一种原则性方法估算美国近18000项任务的时间份额，用于分析AI对美国职业的影响，发现时间权重会改变AI暴露度的测量结果，可作为劳动经济研究的通用基础要素。

PhotoHOI: Synthesizing 3D Hand-Object Interactions from a Single RGB Photograph

PhotoHOI：从单张RGB照片合成3D手-物体交互

Zhenhao Zhang, Jiajun Zhang, Wei Min, Yebin Liu

专题命中 其他LLM ：language model(abstract)

AI总结 PhotoHOI从单张RGB照片与开放词汇指令合成3D手-物体交互，通过视觉-语言模型解析任务规格、规划碰撞感知轨迹、学习接触与抓取先验，在GRAB、H2O数据集及真实照片上表现优异。

From Absolute to Relative Code Comprehensibility Prediction

从绝对代码可理解性预测到相对代码可理解性预测

Nadeeshan De Silva, Martin Kellogg, Oscar Chaparro

专题命中 其他LLM ：LLM(abstract_cn)

AI总结 该研究针对现有绝对代码可理解性预测模型表现不佳的问题，提出相对可理解性预测任务，通过实验证明其在多数配置下优于基线模型，且受从业者青睐。