语言大模型 / LLM

From Words to Widgets for Controllable LLM Generation

从词语到小部件：可控制的LLM生成

Chao Zhang, Yiren Liu, Lunyiu Nie, Jeffrey M. Rzeszotarski, Yun Huang, Tal August

机构 * Cornell University（康奈尔大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Loyola University Maryland（路易斯安那大学马里兰分校） 纠错

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

AI总结 本文提出Malleable Prompting技术，通过将自然语言提示中的偏好转化为可视化的小部件，使用户能更精确地控制LLM生成，提升可控性和透明度。

Comments UIST 2026

AIVV: Neuro-Symbolic LLM Agent-Integrated Verification and Validation for Trustworthy Autonomous Systems

AIVV: 用于可信自主系统的神经符号LLM代理集成验证与验证

Jiyong Kwon, Ujin Jeon, Sooji Lee, Guang Lin

机构 * School of Mechanical Engineering, Purdue University（普渡大学机械工程学院） ； School of Electrical and Computer Engineering, Purdue University（普渡大学电气与计算机工程学院） ； Department of Computer Science, Purdue University（普渡大学计算机科学系） ； Department of Mathematics, Purdue University（普渡大学数学系） 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 本文提出AIVV框架，利用LLM作为决策外层循环，通过语义验证区分真实故障与干扰故障，生成可操作的V&V成果，提升自主系统验证效率。

Revision or Re-Solving? Decomposing Second-Pass Gains in Multi-LLM Pipelines

修订还是重新解决？多LLM流水线中第二轮收益的分解

Jingjie Ning, Xueqi Li, Chengyu Yu

机构 * School of Computer Science, Carnegie Mellon University（卡内基梅隆大学计算机科学学院） 纠错

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

AI总结 本文通过控制实验分解多LLM流水线的第二轮收益，发现其收益取决于任务结构、草稿质量和信息类型，不同任务需不同策略。

Comments In Proceedings Of COLM 2026

Pragmatic Attack Surface: Vulnerabilities of Implicit Context in Large Language Models

语用攻击面：大语言模型中隐式上下文的漏洞

Bocheng Chen, Han Zi, Roucheng Ou, Yawei Liu, Minyue Chen, Zimo Qi, Rongrong Wang, Guangliang Liu

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

AI总结 本文提出大语言模型存在语用攻击面漏洞，利用人类语言解读与安全对齐的隐式上下文不匹配，所提攻击方法在各类模型上的成功率大幅优于基线方法。

Large Language Models Explain Experts Better Than Experts Themselves

大型语言模型（LLM）比专家自身更擅长解释专家

Mina Cho, Russell J. Funk, Alok Gupta, Mochen Yang

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

AI总结 该研究表明，大型语言模型可从专家行为中外部化隐性知识，提升决策质量并帮助新手接近专家表现，为波兰尼悖论提供实证支持，凸显其作为克服专家表述瓶颈的可扩展工具的潜力。

Persuasive and Compliant Tendencies Predict Group Decision-Making in Humans and Language Models

说服倾向与顺从倾向预测人类及语言模型的群体决策

Wenwen He, Wenke Huang, Wei Yang Bryan Lim, Dacheng Tao

机构 * College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院） 纠错

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

AI总结 该研究引入DecisionQE框架，以狼人杀为测试平台，发现顺从倾向强的LLM在群体决策中合作优势更稳定，且顺从兼具支持合作与提升对抗角色隐藏能力的双重效应，为LLM安全评估提供了新视角。

Autonomy Reshapes How Personalization Affects Privacy Concerns and Trust in LLM Agents

自主性重塑个性化对隐私担忧和对LLM代理信任的影响

Zhiping Zhang, Yi Evie Zhang, Freda Shi, Tianshi Li

机构 * Northeastern University（东北大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Waterloo（滑铁卢大学） 纠错

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

AI总结 研究探讨了LLM代理自主性如何影响个性化对用户隐私担忧和信任的影响，发现风险驱动的自主性可缓解个性化带来的负面影响。

Comments Accepted to COLM 2026

Diminishing Returns of Intelligence: The Non-Linear Relationship Between LLM Scale and User Perception in Short-Duration Open-Ended Social Human-Robot Interactions

智能收益递减：短时长开放式社交人机交互中，大语言模型规模与用户感知的非线性关系

Amanda Rasille Røn Volf, Morten Roed Frederiksen

机构 * The IT-University of Copenhagen（哥本哈根信息技术大学） 纠错

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

AI总结 该研究探讨短时长开放式社交人机交互中LLM规模与用户感知的关系，发现30B参数模型相比更小模型无显著优势，提示具身社交HRI中模型缩放收益递减，对话流畅性等与参数规模同等重要。

Comments 4 pages

When Grammar Guides the Attack: Uncovering Control-Plane Vulnerabilities in LLMs with Structured Output

当语法引导攻击：利用结构化输出揭示LLM中的控制平面漏洞

Shuoming Zhang, Jiacheng Zhao, Hanyuan Dong, Ruiyuan Xu, Zhicheng Li, Yangyu Zhang, Shuaijiang Li, Yuan Wen, Chunwei Xia, Zheng Wang, Xiaobing Feng, Huimin Cui

机构 * SKLP, ICT, CAS & UCAS（SKLP、信息科技研究院、中国科学院及中国科学院大学） ； University of Aberdeen（阿伯丁大学） ； University of Leeds（利兹大学） ； SKLP, ICT, CAS（SKLP、信息科技研究院、中国科学院） 纠错

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

AI总结 本文研究了通过结构化输出揭示LLM控制平面漏洞的问题，提出了一种名为Constrained Decoding Attack（CDA）的新类别的 jailbreak 方法，通过控制到语义的管道机制，利用schema-enforced logit masking注入恶意前缀，并由模型自身完成有害意图，展示了DictAttack在多个模型上的高攻击成功率，揭示了需要跨平面防御来弥合数据和控制平面之间的语义差距。

Comments To appear in CCS2026

AMD:Anatomical Motion Diffusion with Interpretable Motion Decomposition and Fusion

AMD：结合可解释动作分解与融合的解剖学动作扩散模型

Beibei Jing, Youjia Zhang, Zikai Song, Junqing Yu, Wei Yang

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

AI总结 本文提出AMD模型，利用LLM将文本解析为解剖学脚本，结合双分支融合方案平衡文本与脚本影响，在CLCD1、CLCD2等复杂动作数据集上性能优于现有SOTA模型。

Comments Corrected missing spaces in the abstract; no changes to the paper

Event-aware analysis of cross-city visitor flows using large language models and social media data

Xiaohan Wang, Zhan Zhao, Ruiyu Wang, Yang Xu

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

Prompts Don't Protect: Architectural Enforcement via MCP Proxy for LLM Tool Access Control

提示不保护：通过MCP代理实现的架构强制以实现LLM工具访问控制

Rohith Uppala

机构 * Independent Researcher（独立研究员） 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 本文提出了一种受控的MCP代理，通过在工具发现和工具调用两个阶段实施基于属性的访问控制（ABAC），有效阻止了未经授权的工具调用，而提示基于的限制仅能减少11-18个百分点的未授权调用率，证明了架构强制在部署的智能体系统中实现可靠工具访问控制的必要性。

Comments 7 pages, 4 tables, 2 figures. Revised version with 200 adversarial tasks and expanded limitations

MDB-Link: Hierarchical Schema Linking for Multi-Database Text-to-SQL

MDB-Link：面向多数据库Text-to-SQL的分层模式链接方法

Beiyu Xu, Zhenyu Wu, Jiaoyan Chen, Riza theresa Batista-navarro

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 本文针对多数据库Text-to-SQL场景提出分层模式链接框架MDB-Link，结合LLM实现数据库定位与列选择，在多个数据集上性能及运行速度均优于基线方法，可高效支撑SQL生成。

Directed Neuro-Symbolic Stochastic Execution for Verification of Distributed Parallel AI Programs

用于分布式并行AI程序验证的定向神经符号随机执行

Gautham Koorma, Vikas Sharma, George Edwards, Mahdi Eslamimehr

机构 * Quandary Peak Research（昆达里峰研究院） 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 针对分布式并行AI程序的可靠性缺口，提出DNSSE混合测试框架，结合LLM调度预测与符号约束求解等，实现更优的并发bug检测率与分支覆盖率。

Comments 1 Figure, 1 Algorithm, 1 Figure, 2 Tables

Persona Prompting in Multimodal Urban Perception: Descriptive Convergence and Interpretive Variation

分析多模态大语言模型代理在城市感知中生成解释的角色效应

Neemias da Silva, Matt Ratto, Myriam Delgado, Rodrigo Minetto, Daniel Silver, Thiago H Silva

机构 * Universidade Tecnologica Federal do Parana（巴西南里奥格兰德联邦技术大学） ； University of Toronto（多伦多大学） 纠错

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

AI总结 通过对比不同角色提示和无角色设置下多模态大语言模型生成的文本，发现标题描述趋同，但理由描述随社会经济和政治属性系统变化，感知标签无显著差异。

Comments 17 pages, 9 figures

Human-Simulation Interaction: From Prediction to Exploration in LLM Agent Simulations for Policy

人机模拟交互：面向政策的大语言模型智能体模拟中从预测到探索

Huanxing Chen

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

AI总结 该研究针对政策领域大语言模型智能体模拟的人机交互问题，提出需将当前问答式交互转为支持探索的人机模拟交互，以解决模型准确率无法弥补的信任赤字。

Comments 4 pages. Position paper accepted to PoliSim@CHI 2026: LLM Agent Simulation for Policy, a workshop at CHI 2026 (CHI Conference on Human Factors in Computing Systems)

Transformer Explainer: Learning LLM Transformers with Interactive Visual Explanation and Experimentation

Transformer解释器：通过交互式可视化解释与实验学习大型语言模型Transformer

Aeree Cho, Grace C. Kim, Alexander Karpekov, Seongmin Lee, Alec Helbling, Benjamin Hoover, Zijie J. Wang, Minsuk Kahng, Duen Horng Chau

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

AI总结 针对非专家难以学习Transformer的问题，本文推出交互式可视化工具Transformer Explainer，可在浏览器运行GPT-2实例支持实验，经90人研究验证其提升理解与参与度的优势，已获超49万用户使用。

Comments CHI 2026 full paper. Extended version of the 2-page paper presented at IEEE VIS 2024, which won Best Poster Award and remains available as arXiv v1. Project page: https://poloclub.github.io/transformer-explainer/

Journal ref CHI '26: Proceedings of the 2026 CHI Conference on Human Factors in Computing Systems, Article 7 (2026), 21 pages

What Keeps Agent Skills from Being Reusable? Evidence from 138K SKILL.md Files

是什么阻碍了智能体技能的可复用性？来自13.8万个SKILL.md文件的证据

Chi Zhang, Yimin Liu, Xinze Chen, Ping Ji

机构 * The Graduate Center, City University of New York（纽约城市大学研究生中心） ； The Ohio State University（俄亥俄州立大学） ； Hunter College, City University of New York（纽约城市大学亨特学院） 纠错

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

AI总结 本研究通过分析13.8万个SKILL.md文件，发现91.8%的Agent Skills存在可复用性相关缺陷，主要为打包问题，验证了路由元数据对检索可靠性的影响，并提出了结合规范提示等的质量保证生成工作流。

Comments 11 pages, 4 figures

Forgotten History or Test-of-Time? Retrospect and Prospect on RAG from an IR Perspective

被遗忘的历史还是时间的考验？从信息检索视角回顾与展望检索增强生成（RAG）

Xiaoyan Zhao, Yujie Cai, Yang Zhang, Grace Hui Yang, Tat-Seng Chua

机构 * National University of Singapore（新加坡国立大学） ； Georgetown University（乔治城大学） 纠错

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

AI总结 本文从IR视角指出RAG核心思想源于21世纪初的经典研究，提出将LLM视为旧QA架构的新接口层，其前期工作可指导下一代RAG设计，促进跨领域整合。

Safety Cost of Steering Vectors Is Separable and Reducible

引导向量的安全代价是可分离且可降低的

Yuxiao Li, Gjergji Kasneci

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

AI总结 本研究针对引导向量破坏LLM安全机制的问题，通过识别并移除其安全退化分量，提出带约束的原始对偶优化方法，可在保留引导效果的同时大幅降低安全退化。

Comments COLM 2026

Query-Only Backdoor Attacks on Self-Evolving Skills via Trajectory Poisoning

通过轨迹投毒对自进化技能实施仅查询式后门攻击

Yuyang Luo, Haoran Wang, Kai Shu

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 本研究针对自进化技能系统提出仅查询式轨迹后门攻击TBA，通过构造查询诱导生成带后门技能，实验证实其可可靠植入条件后门且效果优于直接注入。

TeachUp: Facilitating Early-Stage Teachers to Learn Instructional Strategies from Classroom Videos with Reflective Support

TeachUp：借助反思性支持帮助新手教师从课堂视频中学习教学策略

Haoxiang Fan, Ding Lei, Zaihong Zheng, Jiale Li, Jionghao Lin, Jian Yin, Zhenhui Peng

专题命中 其他LLM ：LLM(summary_cn,abstract)

AI总结 TeachUp借助LLM驱动的流程检测课堂视频中的9种教学策略，为新手教师提供反思支持，经实验验证可提升其学习参与度与策略应用表现。

Comments 16 pages, 6 figures, and 4 tables. To appear in the Proceedings of the 39th Annual ACM Symposium on User Interface Software and Technology (UIST '26)

Scout: Scalable Document Extraction via Data Similarity

Scout：基于数据相似度的可扩展文档提取工具

Yiming Lin, Chiyu Hao, Shreya Shankar, Aditya G. Parameswaran

专题命中 其他LLM ：LLM(summary_cn,abstract)

AI总结 Scout是一款基于文档相似度的可扩展文档提取工具，通过生成优化规则集实现高性价比数据提取，在多个真实数据集上达到与前沿LLM相当的准确率，成本大幅降低且优于同类基于程序的方法。

An Empirical Study of Gemini 3 for Detecting Natural Language Test Smells in Manual Test Cases

Gemini 3 检测手动测试用例中自然语言测试异味的实证研究

Keila Lucas, Rohit Gheyi, Márcio Ribeiro, Fabio Palomba, Luana Martins, Elvys Soares

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

AI总结 研究使用 Gemini-3-Pro-Preview 通过整体测试用例分析策略检测手动测试用例中的七种测试异味，相比小型语言模型性能更优，并发现平均每步近一个异味。

The Politician, the Liar, and the Obedient Worker: Emerging Behavior of LLM Agents in Hierarchical Games

政客、骗子与顺从的工人：层级博弈中大语言模型智能体的涌现行为

Fatemeh Seyedin, Adrian Weller, Jinhyuk Yun, Mahmoudreza Babaei

机构 * Soongsil University（崇实大学） ； GISMA University（GISMA大学） 纠错

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

AI总结 该研究通过层级博弈实验测试6种大语言模型智能体，发现其在不同制度下会涌现出撒谎、私下交易等类似人类的治理失效行为，且模型家族会影响领导层更迭。

Commitment Before Realization: When Classifier-Free Guidance Becomes Unnecessary in Masked Diffusion Language Models

实现前的承诺：无分类器引导何时在掩码扩散语言模型中变得不必要

Fan Zhou, Weitian Wang, Tim Van de Cruys

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

AI总结 该研究探究掩码扩散语言模型解码中无分类器引导（CFG）的必要性，定义承诺 horizon τ*，发现固定提示的交叉验证 horizon 时，其表现不劣于全程CFG，还可优化并行度与失败轨迹恢复效果。

Differences in Typological Alignment in Language Models' Treatment of Differential Argument Marking

语言模型处理差异论元标记中的类型学对齐差异

Iskar Deng, Nathalia Xu, Shane Steinert-Threlkeld

机构 * University of Washington（华盛顿大学） 纠错

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

AI总结 通过控制合成语料训练GPT-2模型，发现模型在标记方向（自然标记方向）上表现出类人偏好，但在论元角色偏好（宾语vs主语）上未复现人类语言的强烈宾语偏好。

Comments 16 pages, 8 figures, 7 tables. To appear at CoNLL 2026

Journal ref Proceedings of the 30th Conference on Computational Natural Language Learning (CoNLL 2026), pp. 268-283, San Diego, California, USA, Association for Computational Linguistics, 2026

Source-Modality Monitoring in Vision-Language Models

视觉-语言模型中的源模态监控

Etha Tianze Hua, Tian Yun, Ellie Pavlick

机构 * Department of Computer Science, Brown University（布朗大学计算机科学系） 纠错

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

AI总结 研究探讨了多模态模型追踪并沟通信息来源的能力，分析了语法与语义信号在绑定提示词与输入组件中的作用，发现语义信号在模态分布差异大时更占主导。

Comments Accepted at COLM 2026. All resources will be available at https://github.com/ethahtz/source-modality-monitoring

Detecting Behavioral Changes in Python Refactoring Implementations with Foundation Models

用基础模型检测Python重构实现中的行为变化

Jonhnanthan Oliveira, Rohit Gheyi, Márcio Ribeiro, Alessandro Garcia

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

AI总结 本研究提出基于基础模型Oracle的方法，通过分析git风格差异检测Python重构的行为变化，在Rope上评估发现13个bug，12个被接受，凸显需提升Python重构工具鲁棒性。

Comments Accepted at Brazilian Symposium on Software Engineering (SBES) 2026

VOICE: A Vision-Omics Foundation Model Integrating Direct and Retrieval-Based Prediction of In-situ Single-Cell Gene Expression

VOICE：一种融合原位单细胞基因表达直接预测与基于检索预测的视觉-组学基础模型

Xin Luo, Yicheng Tao, Haoxuan Zeng, Suyuan Wang, Chenzi Ouyang, Meiqi Zhu, Kai Liu, Shuibing Chen, Jie Liu

机构 * University of Michigan（密歇根大学） ； Weill Cornell Medicine（威尔康奈尔医学院） 纠错

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

AI总结 该研究提出多模态基础模型 VOICE，通过对比学习对齐 H&E 形态与单细胞表达嵌入，融合直接回归与参考检索分支，泛化性良好且在七项指标上优于现有方法，可从 H&E 图像预测单细胞基因表达。