语言大模型 / LLM

Perturbation-based Regional Interpretability through Subtraction Mapping (PRISM): naming-error dissociations in language models and post-stroke aphasia

基于减法映射的扰动型区域可解释性方法（PRISM）：语言模型与卒中后失语症中的命名错误分离现象

Xiang Guan, Roger D. Newman-Norlund, Yong Yang, Saeed Ahmadi, Regan Willis, Nadra Salman, Kalil Warren, Srihari Nelakuditi, Chris Rorden, Leonardo Bonilha, Julius Fridriksson

机构 * University of South Carolina（南卡罗来纳大学） ； ALLT.AI, LLC（ALLT.AI有限责任公司） ； USC School of Medicine（南卡罗来纳大学医学院） 纠错

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

AI总结 本研究开发PRISM方法，将神经成像减法分析适配至Transformer语言模型，对比模型与213名卒中后失语症患者的命名错误模式，验证了音素偏向性分离等结果，为模型功能专业化提供可证伪的空间分辨率测试工具。

Comments 49 pages, 6 figures, 1 table. Supplementary methods, 6 tables and 5 figures included

It's How You Ask: Gender-Associated Linguistic Bias in LLMs

提问方式的重要性：大语言模型（LLMs）中与性别相关的语言偏差

Katherine Van Koevering, Anjalie Field

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

AI总结 该研究发现LLMs会因提示中女性常用的语言特征生成更短欠正式的回应，其影响远大于明确性别线索，且事后缓解困难，呼吁关注语言变异以缓解LLM介导职场交流的差异化影响。

Memorization Diagnostics for Code LLMs Should be Scale-Aware

代码大语言模型的记忆诊断应考虑规模因素

Prateek Kumar Rajput, Abdoul Aziz Bonkoungou, Alberick Euraste Djiré, Xunzhu Tang, Yewei Song, Iyiola Emmanuel Olatunji, El Hacen Diallo, Jacques Klein, Tegawendé F. Bissyandé

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.AI

AI总结 该研究针对代码大语言模型记忆诊断的规模敏感性问题，通过分离表征负载与记忆，发现现有探测技术在大规模模型上失效，提出未来评估需解耦二者的方法。

Comments 26 pages, 6 figures, 6 tables. Under review at EMSE

EEG-PRIME: Prototype-Aligned Representation Learning with Multi-Level Conditioning for EEG Decoding

EEG-PRIME：面向脑电信号解码的多层级条件原型对齐表示学习

Shuailei Zhang, Muyun Jiang, Wei Zhang, Jinbo Chen, Zhiwei Guo, Yong Li, Yi Ding, Cuntai Guan

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） ； Centre for AI in Medicine, Nanyang Technological University（南洋理工大学医学人工智能中心） ； Southeast University（东南大学） 纠错

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

AI总结 本文提出EEG-PRIME脑电基础模型，结合掩码预训练与原型对齐指令调优，在16个多类型数据集上实现跨被试解码性能提升，且具备零样本迁移能力。

Latent Fact-Checking: Detecting Misinformation through Activation Engineering

潜在事实核查：通过激活工程检测虚假信息

Pedro T. Barcelos, Otávio Parraga, Marcelo M. Mussi, Lucas M. Fraga, Lucas S. Kupssinskü, Rodrigo C. Barros

机构 * PUCRS（巴西天主教大学（里约格兰德 do 苏里）） ； Kunumi Institute（库纳米研究所） 纠错

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

AI总结 本研究提出基于激活工程的虚假信息检测框架，通过对比激活引出潜在空间的虚假信息方向，在多类模型和基准上实现了优于部分基线的检测性能，为可解释性驱动的虚假信息检测提供了新方向。

Comments 13 pages

CardioState-JEPA: Delay-Aware Cross-Modal Learning of a Shared Cardiac Representation

CardioState-JEPA：面向共享心脏表征的延迟感知跨模态学习

Hamza Shafiq, Hung Manh Pham, Bin Zhu, Pan Zhou, Jun Hu, Aaqib Saeed

机构 * Singapore Management University（新加坡管理大学） ； Eindhoven University of Technology（埃因霍温理工大学） 纠错

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

AI总结 CardioState-JEPA是一种延迟感知跨模态心脏基础模型，通过对齐ECG、PPG、PCG的共享生理表征，在25项下游任务上显著提升了各模态的分类性能，实现了异质心脏信号的相互监督。

Do LLMs Know Their Vulnerable Scenarios?

大语言模型知道它们的脆弱场景吗？

Ziheng Peng, Huiqi Deng, Haoran Jing, Xuankun Rong, Jiahui Han, Xiting Wang, Na Zou, Xia Hu

机构 * Renmin University of China（中国人民大学） ； Xi’an Jiaotong University（西安交通大学） ； University of Science and Technology of China（中国科学技术大学） ； Wuhan University（武汉大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） 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

AI总结 研究大语言模型在特定场景下的脆弱性，提出Concept2Scenario框架，通过实例化概念空间、归因拒绝抑制等步骤发现脆弱场景，在多模型和基准测试中验证，能提高攻击成功率、可迁移且组合效果优。

Comments 19 pages, 11 Figures, Under Review

From Fair Representation to Just Recognition in Generative AI

从生成式AI中的公平表征到公正承认

Severin Engelmann, Daniel Susser

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

AI总结 该研究针对生成式AI的公平挑战，指出现有表征公平策略存在局限，提出借鉴参与平等理论，从表征公平转向承认正义以解决相关问题。

Comments Accepted for publication at the 2026 AAAI/ACM Conference on AI, Ethics, and Society (AIES)

The Impact of Temporal Context Length and Encoding Strategies on Self-Supervised ECG Representation Learning

时间上下文长度与编码策略对自监督心电图表征学习的影响

Ahmed Sameh, Ramzi Al-Sharawi, Yogatheesan Varatharajah

机构 * University of Minnesota Twin Cities（明尼苏达大学双子城分校） 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 该研究在Icentia11k数据集上对比不同时间上下文长度与编码策略，发现扩展上下文、采用连续补丁嵌入的自监督ECG模型在心律检测与跨会话检索任务中性能更优，为临床ECG模型构建提供了指导。

Comments Accepted at the 48th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC 2026). 6 pages, 2 figures, 1 table

RIG-RoPE: Relation-Stratified Multimodal Attention with Instance-Local Rotary Geometry and Representation-Aware Traversal Coordinates

RIG-RoPE：具有时长感知时间坐标的关系与实例门控旋转位置编码

Donggen Li

机构 * Sichuan University（四川大学） 纠错

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

AI总结 本研究针对多模态场景中静态多维位置分配的局限，提出RIG-RoPE机制，通过关系与实例门控及时长感知时间坐标优化位置编码，未增加可学习参数，确立了相关公式与验证路径。

Comments 24 pages, 2 figures. Major theoretical revision: reformulated cross-instance geometry, null-relation analysis, relation-stratified normalization, and representation-aware traversal coordinates; expanded related work and implementation details. Preliminary technical report; empirical validation is left to future work

V-RAE: Rethinking Video Latent Spaces for Generation

V-RAE：重新思考用于生成的视频隐空间

Minghui Guo, Shengqiong Wu, Hao Fei

机构 * National University of Singapore（新加坡国立大学） ； University of Oxford（牛津大学） 纠错

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

AI总结 本研究提出V-RAE视频表示自动编码器，基于冻结视觉基础模型构建生成隐空间，在多项视频任务上优于现有模型，还引入tFVD指标，证明冻结语义表示可支持多种视频建模任务。

Comments 26 pages, 8 tables, 13 figures, project page: https://v-rae.github.io/

Scene-Agnostic Object-Centric Representation Learning for 3D Gaussian Splatting

面向3D高斯散射的场景无关物体感知表示学习

Tsuheng Hsu, Guiyu Liu, Juho Kannala, Janne Heikkilä

机构 * Aalto University（阿尔托大学） ； University of Oulu（奥卢大学） 纠错

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

AI总结 本文提出一种场景无关的物体感知监督方案，通过预训练的slot attention基Global Object Centric Learning模块，学习一致的物体代码本，提升3DGS的表示结构和泛化能力。

Error-Aware Reverse Auction Mechanism for Large Language Model Routing

面向大语言模型路由的误差感知反向拍卖机制

Haolong Chen, Zhengyuan Xin, Liang Zhang, Lei Xue, Guangxu Zhu

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

AI总结 针对大语言模型路由的信息风险不匹配与可扩展性瓶颈，提出EA-RAM反向拍卖机制，证明其相关特性，实验显示该机制鲁棒且性能优于集中式基线。

When Large Language Models are More PersuasiveThan Incentivized Humans, and Why

当大型语言模型比激励的人类更具说服力，以及为何如此

Jiacheng Liu, Francesco Salvi, Philipp Schoenegger, Xiaoli Nan, Ramit Debnath, Barbara Fasolo, Evelina Leivada, Gabriel Recchia, Fritz Günther, Ali Zarifhonarvar, Joe Kwon, Zahoor Ul Islam, Marco Dehnert, Daryl Y. H. Lee, Madeline G. Reinecke, David G. Kamper, Mert Kobaş, Adam Sandford, Jonas Kgomo, Luke Hewitt, Shreya Kapoor, Kerem Oktar, Eyup Engin Kucuk, Bo Feng, Cameron R. Jones, Izzy Gainsburg, Sebastian Olschewski, Nora Heinzelmann, Francisco Cruz, Ben M. Tappin, Tao Ma, Peter S. Park, Rayan Onyonka, Arthur Hjorth, Peter Slattery, Qingcheng Zeng, Lennart Finke, Igor Grossmann, Alessandro Salatiello, Ezra Karger

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 研究发现，大型语言模型在特定情境下比激励的人类更具说服力，这可能源于其更高的自信表达。

Tracing Provenance and Detecting Tampering with Complementary LLM Watermarks

追踪来源并检测互补大语言模型水印的篡改

Xiaoyan Feng, Yanjun Zhang, He Zhang, Leo Yu Zhang, Shirui Pan

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

AI总结 本研究提出一种互补LLM水印方法，通过嵌入鲁棒与脆弱双信号，实现来源追踪与篡改检测，在两类LLM和两类提示数据集上，其篡改检测率优于现有方法，且保持了良好的归属鲁棒性与困惑度。

Comments 11 pages, 7 figures, 4 tables

Disrupting Networks: Amplifying Social Dissensus via Opinion Perturbation and Large Language Models

干扰网络：通过观点扰动和大语言模型放大社会分歧

Erica Coppolillo, Giuseppe Manco

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

AI总结 该研究基于Friedkin-Johnsen模型，利用强化学习框架微调大语言模型生成干扰性文本，实现了对社交网络的战略性干扰，其结果对内容审核等领域有重要参考价值。

Beyond Handcrafted Security: Towards Self-Evolving Defense for LLM Agents

超越手工安全：面向大语言模型智能体的自演化防御

Jiajun Ruan, Peiyang Li, Yukun Chen, Fengting Li, Chao Feng

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 针对 LLM 智能体的安全威胁，提出自演化运行时防御框架 HARD，将防御开发从人工工程转为自主演化，在保留任务效用的同时提升了安全性能。

DMDIntel: Interpreting Large Language Models via Dynamic Mode Decomposition

DMDIntel：通过动态模态分解解释大型语言模型

Amogh Joshi, Animesh Mukherjee, Sergey Utyuzhnikov

机构 * IIT Kharagpur（印度理工学院克勒格布尔分校） ； University of Manchester（曼彻斯特大学） 纠错

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

AI总结 本研究提出DMDIntel方法，通过动态模态分解为大型语言模型分类任务构建输入归因流程，经多数据集与模型系列实验验证，其归因性能优于主成分分析、集成梯度、SHAP等现有最优技术。

Explanatory Engagement Under Rare Anomalous Failure: Asymptotic Rarity in Model Behavior (or: The Asymptotic AI)

罕见异常失效下的解释性参与：模型行为中的渐近稀有性（或：渐近式AI）

Sam Mao

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

AI总结 本研究探究LLM在低可控失效概率工作流中，解释性参与度随失效渐近稀有性的变化，发现触发结构是关键调节变量，不同模型的异常识别与参与表现存在差异。

Comments 11 figures. Elicitation-condition sweep across three open-weight models (qwen3:8b, llama3.1:8b, mistral:7b); pipeline scripts and experimental data available upon reasonable request

The AI Accountability Ecosystem in the Era of Language Models

语言模型时代的人工智能问责制生态系统

Chris Percy, Artur d'Avila Garcez

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

AI总结 本文针对大型语言模型带来的新风险，更新了人工智能问责制生态系统框架，提出三项关联更新，推动问责制向分布式、持续化、制度化转变。

Comments 12 pages, 1 figure

Foundation Models as Oracles for Refactoring Correctness Detection

基础模型作为重构正确性检测的神谕

Rohit Gheyi, Rian Melo, Jonhnanthan Oliveira, Marcio Ribeiro, Baldoino Fonseca

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

AI总结 研究评估基础模型在Java程序重构错误检测中的有效性，通过零样本提示测试226个真实重构错误，GPT-5.4达到93.8%准确率，模型可提供解释并跨重构类型工作。

Comments Accepted for publication in Empirical Software Engineering

The Hidden Evolution of Disguised Visual Context inside the VLM

VLM内部伪装视觉上下文的隐藏演化

Wish Suharitdamrong, Tony Alex, Xiatian Zhu, Muhammad Awais, Sara Atito

机构 * Surrey Institute for People-Centred AI, University of Surrey（萨里大学以人为本人工智能研究所） ； Centre for Vision, Speech and Signal Processing (CVSSP), University of Surrey（萨里大学视觉、语音与信号处理中心） 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 研究视觉语言模型中视觉令牌如何通过不同集成架构（上下文注入与逐层注入）转化为有意义表示，揭示其内部演化过程及对性能的影响。

When Explanations Betray Backdoors: Black-Box Auditing for Language Model Classifiers

当解释背叛后门：语言模型分类器的黑盒审计

Yang Liu, Ran Zou

机构 * University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； University of California, Irvine（加利福尼亚大学欧文分校） 纠错

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

AI总结 本文针对仅拥有干净校准数据的黑盒场景，提出接地漂移方法，在5%干净FPR预算下，于7B主干等实验中实现了比现有检测器更优的后门检测性能。

Comments 16 pages, 1 figure

Linguistic Comparison of AI- and Human-Written Responses to Online Mental Health Queries

人工智能与人类撰写回复的语言比较：在线心理健康查询

Koustuv Saha, Yoshee Jain, Violeta J. Rodriguez, Munmun De Choudhury

机构 * Siebel School of Computing and Data Science, The Grainger College of Engineering, University of Illinois Urbana-Champaign（Siebel计算与数据科学学院，格拉inger工程学院，伊利诺伊大学厄巴纳-香槟分校） ； Department of Psychology, College of Liberal Arts and Sciences, University of Illinois Urbana-Champaign（心理学系，文理学院，伊利诺伊大学厄巴纳-香槟分校） ； School of Interactive Computing, College of Computing, Georgia Institute of Technology（交互计算学院，计算机学院，佐治亚理工学院） 纠错

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

AI总结 研究通过比较AI和人类回复的语义和语言特征，探讨AI在心理健康支持中的有效性及局限性。

Journal ref npj Artificial Intelligence, 2026

Query Timing Produces Opposite Positional Biases Between LLMs and Humans

查询时机在大型语言模型（LLMs）与人类之间产生相反的位置偏差

Jasin Cekinmez, Addison J. Wu, 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(abstract)；language model(abstract)；分类 cs.CL、cs.AI

AI总结 该研究探究查询时机对LLMs和人类位置偏差的影响，发现二者存在差异，且新LLMs的位置偏差比前代更显著。

Comments Entropic Award (Top 3 Paper), ICBINB @ ICLR 2026

Unmasking Conversational Bias in AI Multiagent Systems

揭示AI多智能体系统中的对话偏见

Erica Coppolillo, Giuseppe Manco, Luca Maria Aiello

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

AI总结 该研究针对AI多智能体系统的对话偏见检测空白，提出对话型LLMs多智能体系统偏见量化框架，发现现有问卷式方法无法检测到该场景下的偏见，呼吁开发更复杂的偏见检测与缓解工具包。

Lines and Ladders: A Context-Aware Multi-Agent Framework for Large-Scale Retail Price Taxonomy

Lines and Ladders：面向大规模零售价格分类的上下文感知多智能体框架

Ravi Teja Chunduri, Srikaran Reddy Boya, Deep Narayan Mishra, Ajay Kumar B, Karthik Kumaran, Pranay Kona

机构 * Walmart Global Tech（沃尔玛全球科技） 纠错

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

AI总结 针对大规模零售商品定价管理难题，提出上下文感知多智能体框架自动化构建Lines and Ladders价格分类，3智能体系统在Lines任务F1达0.83，在多品类数据上表现优异且已投入生产。

Comments 8 pages. Accepted in the Main Conference of IEEE ICMLA 2026

Not All Nudges Land: Behavioral Controllability and Elaboration Quality in AI-Supported Journaling

并非所有助推都能落地：AI辅助日记中的行为可控性与阐述质量

Nadia Mehjabin, Henry Kautz, Subigya Nepal

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

AI总结 该研究针对AI辅助日记，分析369篇条目后发现，涉及他人的行为改善率仅15%-22%，个人可独立实施的行为改善率达50%-63%，文本特征影响较小，为AI日记助推的适用方向提供了探索性结论。

SoK: From Generation to Consumption of Privacy Documents in Software Systems

SoK：软件系统中隐私文档的生成与使用

Shidong Pan, Clark LaChance, Zhen Tao, Sepideh Ghanavati

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

AI总结 本SoK从软件工程视角，系统分析2010-2025年290篇论文，梳理隐私文档全生命周期研究，识别趋势与开放机会，为相关研究提供统一基础。

Comments This SoK paper has been accepted by NDSS 2027

New Terms, New Toxicity: Consensus-based Chinese Neologism Toxicity Detection via Search-Augmented LLMs

新术语，新毒性：基于共识的新词毒性检测——通过搜索增强型大语言模型（LLMs）

Shiyao Cui, QingLin Zhang, Di Wang, Yida Lu, Zhexin Zhang, Jinhua Gao, Jinglin Yang, Min He, Han Qiu, Minlie Huang

机构 * Tsinghua University（清华大学） ； ICT, CAS（中国科学院计算技术研究所） ； National Computer Network Emergency Response Technical Team Coordination Center of China（国家计算机网络应急技术处理协调中心） ； IIE, CAS（中国科学院工程热物理研究所） ； School of Cyber Security, UCAS（中国科学院大学网络空间安全学院） ； JCSS, Tsinghua University（清华大学软件学院） ； Science City (Guangzhou) Digital Technology Group Co., Ltd.（广州科学城数字科技集团有限公司） 纠错

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

AI总结 本文针对毒性新词的检测问题，提出捕捉毒性新词起源与共识标准的分类法，构建风险词表，引入搜索增强型框架SeTox，实验显示3B规模的SeTox性能优于近期大规模模型。

Comments ACL 2026