语言大模型 / LLM

Securing AI-Generated Code: A Just-in-Time Vulnerability Detection and Remediation Pipeline

保护AI生成代码：一种即时漏洞检测与修复流水线

Mikhail Surikov

专题命中 评测与基准 ：LLM(abstract,abstract_cn)；分类 cs.AI

AI总结 本文提出一种自动化安全评估流水线，可检测、修复AI生成代码的漏洞，在Claude的4种模型上评估发现，P2配置表现优于P1，Sonnet 4.6的修复效果最佳，且流水线有效性与初稿安全性不同。

Comments 7 pages, 8 tables, 2 figures. Georgia Institute of Technology Master's final practicum project. Code: https://github.com/Droidsurikov/securing-ai-generated-code

Structured Prediction for Scalable Spreadsheet Table Understanding: From Cell Types to Table Ranges (Extended Version)

面向可扩展电子表格表格理解的结构化预测：从单元格类型到表格范围（扩展版）

Antoine Gauquier, Ioana Manolescu, Pierre Senellart

专题命中 评测与基准 ：LLM(abstract,abstract_cn)；分类 cs.LG

AI总结 该研究针对电子表格理解的单元格类型分类与表格检测任务，提出结合CRF-LightGBM的两阶段流水线，在公开基准StatSheets上实现了与先进模型相当的性能，且计算资源需求更低。

Comments Extended version of a paper published at CIKM 2026

ReRef-3D: A Benchmark for Spatial Referring Expression-Guided 3D Scene Rearrangement

ReRef-3D：空间指代表达引导的3D场景重排基准

Mary Lynn Martin, Yifei Zhang, Martha Palmer, Maria Leonor Pacheco

机构 * University of Colorado Boulder（科罗拉多大学博尔德分校） 纠错

专题命中 评测与基准 ：LLM(abstract,abstract_cn)；分类 cs.CL

AI总结 该研究提出ReRef-3D基准，针对3D场景语言引导放置任务，经微调的LLaVA-3D等模型在该基准上验证了关系满足度优于物理有效性等结论。

Comments 18 pages, 4 figures. Submitted to ACL Rolling Review (ARR)

Bounded Agents: Delegation Security for Multi-Agent AI Systems

有界智能体：多智能体AI系统的委托安全

Xabier Muruaga

专题命中 评测与基准 ：LLM(abstract,abstract_cn)；分类 cs.AI

AI总结 该研究针对多智能体AI系统的委托安全问题，提出智能体委托链（APC）架构，经实验可有效阻止提示注入攻击，降低数据窃取、破坏及操纵风险，授权延迟低且效用损失可控。

Comments 14 pages, 4 figures, 18 tables. Code and data: https://github.com/xmuruaga/bounded-agents

Dense Expands, Sparse Anchors: Channel-Asymmetric Query Expansion for Hybrid Retrieval

密集扩展，稀疏锚点：用于混合检索的通道非对称查询扩展

Chunran Zhang

专题命中 评测与基准 ：LLM(abstract,abstract_cn)；分类 cs.CL

AI总结 本研究提出DESA通道非对称查询扩展方法，在7个BEIR数据集上提升检索指标，同时降低访问深度，为生成段落的通道特定整合及检索效果与访问深度的联合评估提供支撑。

Comments 13 pages, 4 figures. Code and artifacts: https://github.com/ln-one/dense-expands-sparse-anchors

Kozuchi Agent: A Language-Agnostic Open-Weight Agent for Software Repair

Kozuchi智能体：一款与语言无关的开源权重软件修复智能体

Mehdi Bahrami, Kosaku Kimura, Satoshi Munakata, Satoshi Nakashima, Yu Ishikawa, Kosuke Maeda, Nao Soma, Kenichi Kobayashi, Keisuke Miyazaki, Keizo Kato, Shigeki Fukuta, Tatsuo Kumano, Nobutaka Imamura, Kevin Musgrave, Shahbaz Abdul Khader, Kwun Ho Ngan, Joe Townsend, Fayas Asharindavida, Matthieu Parizy, Akira Sakai, Yuma Ichikawa, Yang Zhao, Michiaki Takizawa, Taku Fukui, Hiroki Ohtsuji, Wei-Peng Chen, Hiromichi Kobashi

专题命中 评测与基准 ：LLM(abstract,abstract_cn)；分类 cs.AI

AI总结 本文提出Kozuchi智能体，一款与语言无关的开源权重软件修复智能体，结合CI评估流水线，在SWE-bench等基准上取得优异性能，降低操作接触点，为软件修复提供新方案。

Comments 13 pages, 4 figures. Accepted at the 41st IEEE/ACM International Conference on Automated Software Engineering (ASE '26), Industry Showcase track, Munich, Germany, October 12-16, 2026

Towards Standardized Evaluation in Automated Domain Modeling: Introducing a Benchmark

面向自动化领域建模的标准化评估：引入一个基准

Vasiliy Seibert

机构 * Institute for Software and Systems Engineering, TU Clausthal（克劳斯塔尔工业大学软件与系统工程研究所） 纠错

专题命中 评测与基准 ：LLM(abstract,abstract_cn)；分类 cs.AI

AI总结 本文针对自动化领域建模缺乏标准化基准的问题，引入整合两类数据集的基准，评估多种建模方法，为该领域研究提供可复用的研究成果。

What the Reranker Sees: Multi-Aspect Page Annotation for Long-Document Multimodal Question Answering

重排序器所见：面向长文档多模态问答的多方面页面标注

Guanchen Wu, Jiayuan Ding, Subhabrata Mukherjee, Carl Yang

机构 * Emory University（埃默里大学） ； Hippocratic AI（希波克拉底人工智能公司） 纠错

专题命中 评测与基准 ：LLM(abstract,abstract_cn)；分类 cs.AI

AI总结 本文针对长文档多模态问答的重排序瓶颈，提出含Trident-R与Trident-S组件的Trident模型，通过多方面页面标注提升检索与生成性能，在多数据集上取得显著效果。

VideoGAIA: A Benchmark for General AI Assistants on Agentic Video Understanding

VideoGAIA：面向通用人工智能助手的智能体视频理解基准

Fan Zhang, Guangming Yao, Jinyang Wu, Hao Wu, Zheng Lian, Xinyu Geng, Jingdong Chen, Yi Yuan, Pheng-Ann Heng

机构 * The Chinese University of Hong Kong（香港中文大学） ； Ant Group（蚂蚁集团） ； Tsinghua University（清华大学） ； Tongji University（同济大学） ； The Hong Kong University of Science and Technology（香港科技大学） 纠错

专题命中 评测与基准 ：large language model(abstract)；language model(abstract)；分类 cs.CL

AI总结 VideoGAIA是面向通用AI助手的智能体视频理解基准，构建多轮工具增强交互任务，现有MLLMs在其上准确率不足60%，可评估下一代模型并推动相关转型。

Diagnosing and Mitigating Perception-Decision Misalignment in Omni-LLMs via Modality Subspace Activation

通过模态子空间激活诊断并缓解全模态大语言模型（Omni-LLMs）中的感知-决策失配问题

Hongbo Jiang, Jie Li, Yunhang Shen, Tianyu Xie, Pingyang Dai

专题命中 评测与基准 ：large language model(abstract)；language model(abstract)；分类 cs.LG

AI总结 针对Omni-LLMs存在的感知-决策失配问题，本文提出因果模态敏感性及对应诊断方法，构建CausalMSBench数据集，提出无需训练的MSA框架以恢复模型的因果模态敏感性。

Unaccountable Delegation, Fading Skills: Mapping the Risks of Workplace AI Agents

不可问责的授权与技能衰退：绘制职场AI智能体的风险图谱

Gabriele La Malfa, Lakmal Meegahapola, Edyta Bogucka, Jie M. Zhang, Michael Luck, Elizabeth Black, Daniele Quercia

专题命中 评测与基准 ：LLM(abstract,abstract_cn)；分类 cs.AI

AI总结 该研究开发了AI智能体多层框架，基于2078项工作任务生成风险场景并验证，扩展出15类职场AI风险分类法，揭示了不同部署模式的风险差异，为职场AI风险管控提供了分类工具与依据。

EvoScene-VLA: Evolving Scene Beliefs Inside the Action Decoder for Chunked Robot Control

EvoScene-VLA: 在动作解码器中进化场景信念用于分块机器人控制

Chushan Zhang, Ruihan Lu, Jinguang Tong, Xuesong Li, Yikai Wang, Hongdong Li

机构 * Australian National University（澳大利亚国立大学） ； The University of Queensland（昆士兰大学） ； Beijing Normal University（北京师范大学） 纠错

专题命中 评测与基准 ：language model(abstract,abstract_cn)；分类 cs.AI

AI总结 本文提出EvoScene-VLA，通过在动作解码器中维护更新的场景状态，改进分块机器人控制中的多步控制预测，提升了场景信念的持续性和准确性。

HLE-Verified: A Systematic Verification and Structured Revision of Humanity's Last Exam

HLE-Verified: 人类最后考试的系统验证与结构化修订

Weiqi Zhai, Zhihai Wang, Jinghang Wang, Boyu Yang, Xiaogang Li, Xander Xu, Bohan Wang, Peng Wang, Xingzhe Wu, Anfeng Li, Qiyuan Feng, Yuhao Zhou, Taolin Han, Wenjie Luo, Yiyuan Li, Xiang Zheng, Yaxuan Wang, Ruixiang Luo, Guojie Lin, Peiyao Xiao, Chengliang Xu, Ben Wang, Zeyu Wang, Zichao Chen, Jianan Ye, Yijie Hu, Jialong Chen, Zongwen Shen, Yuliang Xu, An Yang, Bowen Yu, Dayiheng Liu, Junyang Lin, Hu Wei, Que Shen, Bing Zhao

机构 * Alibaba Group（阿里巴巴集团） ； Qwen Team, Alibaba Group（通义实验室，阿里巴巴集团） 纠错

专题命中 评测与基准 ：large language model(abstract)；language model(abstract)；分类 cs.CL

AI总结 HLE-Verified通过系统验证和结构化修订，减少噪声并提高模型评估的准确性。

Comments 14 pages, 10 figures

KHiM-Mamba: Injecting Pathology Knowledge into Mamba via Hidden-State Modulation for Whole Slide Image Analysis

KHiM-Mamba：通过隐藏状态调制将病理知识注入Mamba以用于 whole slide image（WSI）分析

Qixiang Zhang, Yi Li, Tianqi Xiang, Haonan Wang, Mengjiao Wei, Bo Xu, Xiaomeng Li

专题命中 评测与基准 ：large language model(abstract)；language model(abstract)

AI总结 本研究提出KHiM-Mamba架构，通过将病理知识注入Mamba的选择性状态空间机制，解决纯视觉驱动的WSI分析问题，在4类任务的11个公共基准上取得最优性能。

AnchorScore: A CLIP-Based Diagnostic of MLLM Annotation Difficulty

AnchorScore：一种基于CLIP的多模态大语言模型（MLLM）标注难度诊断方法

Yan Ma, Lizhuo Zhang

机构 * School of Foreign Studies, Changsha University of Science and Technology（长沙理工大学外国语学院） ； School of Education, Hunan Agricultural University（湖南农业大学教育学院） ； School of Information and Intelligence, Hunan Agricultural University（湖南农业大学信息与智能科学学院） 纠错

专题命中 评测与基准 ：large language model(abstract)；language model(abstract)

AI总结 本文提出基于CLIP的AnchorScore，可低成本预先对类别按MLLM标注难度排名，在课堂行为、动作识别等数据上与MLLM准确率相关性高，可用于混合路由、提示消歧等场景。

Comments 37 pages, 7 figures, 12 tables

Characterizing Agentic Flooding of Government Services

刻画政府服务的智能体泛滥问题

Chris Schmitz, Lewis Hammond, Alan Chan

专题命中 评测与基准 ：large language model(abstract)；language model(abstract)

AI总结 该研究定义了政府服务的智能体泛滥问题，基于84起案例数据集分析其广泛存在性，开发风险矩阵评估高风险服务，梳理政府应对措施并推荐兼顾公平的缓解方案。

Comments To appear in the proceedings of the 9th AAAI Conference on AI, Ethics, and Society (AIES), October 12-14, 2026

The User Side of AI Model Lifecycles: Evidence from the Keep4o Movement

AI模型生命周期的用户侧：来自Keep4o运动的证据

Yiwen Wu

专题命中 评测与基准 ：LLM(abstract,abstract_cn)

AI总结 本研究以Keep4o运动为案例，通过分析X平台6万余条帖子，发现AI模型技术更迭未必是用户侧的有效替换，用户体验应纳入AI模型生命周期管理。

Comments 32 pages, 5 figures, 6 tables

AutoSQL: Extracting SQL Templates from Imperative ORM Code in Large-Scale Repositories

AutoSQL：从大规模代码仓库中的命令式ORM代码提取SQL模板

Junsong Pu, Yichen Li, Zhuangbin Chen, Zhihan Jiang, Zibin Zheng

专题命中 评测与基准 ：LLM(abstract,abstract_cn)

AI总结 AutoSQL是从大规模Go仓库的命令式ORM代码提取SQL模板的系统，采用代码索引、混合上下文检索策略，在基准测试中召回率优于现有方法。

Comments Accepted to ASE '26

From "What-If" to "What-Is": Counterfactual Thinking-Inspired Semantic Alignment for Visual Brain Decoding

从“假设”到“事实”：面向视觉脑解码的反事实思维启发语义对齐

Kaitao Yan, Chi Liu, Congcong Zhu, Huajie Chen, Gengshen Wu, Minghao Wang, Xiaotong Han, Tianqing Zhu

专题命中 评测与基准 ：LLM(abstract,abstract_cn)

AI总结 提出ConceptAlign框架，通过反事实语义对齐解决视觉脑解码的语义错误问题，在自然场景数据集上相比MindEye2提升了重构、语义区分等指标。

Comments Under Review

MEDR: Query-Independent Frame Selection via Multi-Signal Event Modeling and Dynamic Rescoring

MEDR：基于多信号事件建模与动态重评分的查询无关帧选择

Xinlei Pu, Weijie Shi, Wen Yang, Yi Cao, Hao Chen, Yuanjun Liu, Wenwei Ding, Jia Zhu, Jiajie Xu

专题命中 评测与基准 ：large language model(abstract)；language model(abstract)

AI总结 该研究提出无需训练的MEDR帧选择方法，通过多信号事件建模与动态重评分实现查询无关，在Video-MME等基准上提升了多模态大语言模型的长视频处理准确率，且帧集可跨问题复用。

Comments 9 pages, 2 figures, 3 tables

FDABench: A Benchmark for Data Agents on Analytical Queries over Heterogeneous Data

FDABench：异构数据上分析查询的数据代理基准

Ziting Wang, Shize Zhang, Haitao Yuan, Jinwei Zhu, Wei Dong, Gao Cong

专题命中 评测与基准 ：LLM(abstract,abstract_cn)

AI总结 提出FDABench基准，通过2007个任务覆盖六种数据模态，并设计PUDDING框架自动构建数据集，以评估数据代理在异构数据上的推理能力。

Comments Accepted to KDD'26

Not All Attention Is Equal: A Quantitative Survey of the EEI Trade-off

并非所有注意力都平等：EEI权衡的定量综述

Aditya Singh

专题命中 评测与基准 ：language model(abstract)；分类 cs.AI、cs.LG

AI总结 本综述围绕注意力机制的效率-表达性-可解释性权衡，定量对比21种方法，梳理其多领域发展脉络，分析研究缺口并指明未来方向，支持粗粒度层级对比。

Comments 53 pages, 8 figures, 16 tables. Code and analysis artifacts: https://github.com/Nixon-H/not-all-attention-is-equal

Handoff-H1: An Orchestrated Vision-Agent System for Material Quantity Takeoff from Construction Blueprints

Handoff-H1：一种用于从建筑蓝图中提取材料工程量的协同视觉智能体系统

Bruno Chicelli, Henrique Alves, Rodrigo Anselmo, Joshua Weinberg, Felipe Lemos, Jan Baryla

机构 * Handoff AI Research（汉德夫人工智能研究院） 纠错

专题命中 评测与基准 ：LLM(abstract)；分类 cs.CL、cs.AI

AI总结 该研究提出Handoff-H1视觉智能体系统，结合专用计算机视觉模型、工具智能体与建筑知识库，在建筑蓝图工程量提取基准上，性能优于前沿模型和人类专业估算师。

Comments 15 pages, 7 figures. Evaluation harness available on https://github.com/handoffai/residential-takeoff-benchmark/. Request data via e-mail to research@handoff.ai

GALA: Generation-Aware Cross-Modal Alignment for Text-to-Time-Series Synthesis

GALA：面向文本到时间序列合成的生成感知跨模态对齐

Haochen Zhang, Gengwei Zhang, Laura Yao, Nicholas Konz, Tianlong Chen

专题命中 评测与基准 ：foundation model(abstract)；分类 cs.CL、cs.LG

AI总结 本研究针对文本到时间序列合成中条件表示与信号模态不匹配的问题，提出GALA两阶段跨模态对齐方法，在TSFragment-600K数据集上实现SOTA，打破了生成器内部文本编码器的保真度与贴合度权衡。

Comments 21 pages, 6 figures

Does generative AI supersede supervised XMLC? A Benchmark Study on Automated Subject Indexing with German Scientific Literature

生成式人工智能是否取代了监督式XMLC？关于德国科学文献自动主题索引的基准研究

Maximilian Kähler, Katja Konermann, Lisa Kluge, Markus Schumacher

机构 * Deutsche Nationalbibliothek（德国国家图书馆） 纠错

专题命中 评测与基准 ：LLM(abstract)；分类 cs.CL、cs.AI

AI总结 研究德国科学文献自动主题索引任务，对比监督式XMLC方法、经典词汇匹配基线及基于大语言模型的方法，发现基于Transformer密集特征的监督式XMLC算法在二元相关性指标最佳，基于大语言模型的生成式方法在分级相关性及长尾性能上更佳。

Comments Submitted to KONVENS 2026

What Do Compliance Detectors Read? An Audit of Activation Probes and Guard Models

合规检测器读取什么？激活探针与防护模型的审计

Saisab Sadhu, Aadit Sengupta, Vinay Kumar Sankarapu, Pratinav Seth

机构 * Lexsi Labs（雷克西实验室） 纠错

专题命中 评测与基准 ：language model(abstract)；分类 cs.AI

AI总结 该研究通过审计合规检测器发现其存在规则盲视问题，引入无需训练的ICS检测器，发布相关基准以推动规则盲视的进一步研究。

Turning spectra into images improves plant trait retrieval with 2D-CNNs

将光谱转换为图像可通过2D-CNN改进植物性状检索

Javier Lopatin, Teja Kattenborn, Eya Cherif, Sebastián Moreno

机构 * Adolfo Ibáñez University（阿道夫·伊瓦涅斯大学） ； University of Chile（智利大学） ； University of Freiburg（弗莱堡大学） ； Leipzig University（莱比锡大学） 纠错

专题命中 评测与基准 ：pretraining(abstract)；分类 cs.LG

AI总结 本研究将一维光谱转为二维图像，用EfficientNet-B0在GreenHyperSpectra数据集上实验，发现直接重塑为二维网格的方法提升了植物多性状预测精度，且2D光谱图像的表征优势是性能提升的关键。

Comments 38 pages, 14 figures, 11 tables. Supplementary material appended after the references. v2: adds a per-image vs global scaling ablation, expands the methods, and corrects several figures and captions

DeepInsight II: One Trace from Benchmark to Robot

DeepInsight II：从基准测试到机器人的单条轨迹

Siyi Li, Yuchen Kang, Wuliang Wang, Zhengjie Zhang, Jiangpin Liu, Jianhao Yao, Jie Chen

专题命中 评测与基准 ：foundation model(abstract)；分类 cs.AI

AI总结 DeepInsight II量化具身层，复现基准结果、通过MotionBench实现仿真到真实机器人的原生迁移，并扩展轨迹定位至带修复动作的交接标签，提供从基准到机器人的经验连续性。

INSPIRE: A Benchmark for Instruction-Aware Speech Retrieval

INSPIRE：指令感知语音检索基准

Chen-An Li, Hung-yi Lee

机构 * National Taiwan University（台湾大学） ； NTU Artificial Intelligence Center of Research Excellence (NTU AI-CoRE)（台湾大学人工智能卓越研究中心） 纠错

专题命中 评测与基准 ：language model(abstract)；分类 cs.CL

AI总结 研究针对现有语音检索系统无法适配多样用户意图的问题，构建首个指令感知语音检索基准INSPIRE，评估四类检索范式，发现当前无方法能稳健处理所有检索意图，凸显统一架构的必要性。

Comments Interspeech 2026 long paper

Chameleon: An Adaptive AI-Driven Honeypot Architecture Using Threat-Calibrated Particle Swarm Optimization and Semantic Deception Rapidly-Exploring Random Trees

变色龙：一种采用威胁校准粒子群优化算法与语义欺骗快速探索随机树的自适应AI驱动蜜罐架构

Rohit Swami, Tushar Singh, Akash Warde, Sri Muthu

专题命中 评测与基准 ：language model(abstract)；分类 cs.AI

AI总结 Chameleon是一种开源自适应AI蜜罐平台，通过BiLSTM分类器、Qwen3.5-0.8B模型及TC-PSO、S-RRT引擎，解决传统蜜罐与商业产品的缺陷，性能显著提升且成本大幅降低。

Comments 10 pages, 7 figures, 2 tables. Under consideration for journal publication. MIT-licensed code and datasets: https://github.com/RohitSwami33/Chameleon-cybersecurity-ml