语言大模型 / LLM

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

Exemplars in Disguise: Pure Exemplar Models Mimic Abstraction-First Learning

伪装的样例：纯样例模型模仿优先抽象学习

Zachary Nicholas Houghton, Vsevolod Kapatsinski

机构 * University of Oregon（俄勒冈大学） ； Vail Systems, Inc.（韦尔系统公司） 纠错

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

AI总结 针对语言学习中知识学习顺序的核心问题，研究发现纯记忆模型可模仿抽象知识优先学习的表象，且项目特定与抽象知识的区分对分布式表征而言可能定义不明确。

Algebraic Decomposition Theory for Transformer Length Generalization

Transformer长度泛化的代数分解理论

Andy Yang, Blerta Veseli, Corentin Barloy, Michaël Cadilhac, Andreas Krebs, Charles Paperman, Howard Straubing, Michael Hahn

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

AI总结 本文针对Transformer的长度泛化问题，建立了正则语言上长度泛化的完整代数刻画，提出多项式时间决策算法，实验验证其能更准确捕捉Transformer的长度泛化行为。

Comments 54 pages, 12 figures

Specification-first convergence with an AI coding agent: a case study of dismantling a core architectural invariant across 189 files in a 717k-line codebase with no test oracle and no human code review

采用AI编码智能体的规范优先收敛：在71.7万行代码库中拆解189个文件的核心架构不变量的案例研究

Joel Abenhaim

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

AI总结 本文通过案例研究，展示AI编码智能体在规范优先协议下，成功在71.7万行代码库中拆解核心架构不变量，耗时3天、成本2430美元，修正201个缺陷，涉及189个文件。

Comments 14 pages, 4 figures, 3 tables

QuISE: Defense against Typographic Attacks on VLMs via Query-Irrelevant Semantic Editing

QuISE：通过查询无关语义编辑防御视觉语言模型的排版攻击

Shubin Lu, Jiaqi Yin, Yihao Huang

专题命中 其他LLM ：language model(abstract)

AI总结 该研究针对VLMs的排版攻击问题，提出模型无关无训练的黑盒防御方法QuISE，通过文本定位、语义替换及答案一致性判断提升防御性能，在多基准和模型上取得良好效果。

Comments 10 pages, 7 figures; includes supplementary material