语言大模型 / LLM

Analyzing Error Propagation in Korean Spoken QA with ASR-LLM Cascades

分析韩语语音问答中ASR-LLM级联中的误差传播

Donghyuk Jung, Youngwon Choi

机构 * Korea Culture Technology Institute, Republic of Korea（韩国文化科技研究所） ； Maum AI Inc., Republic of Korea（马姆人工智能公司） 纠错

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

AI总结 本文研究了韩语语音问答中ASR-LLM级联中误差传播的问题，通过分析下游语义失败，揭示了传统ASR指标无法完全捕捉的误差影响，发现不同性能的LLM在级联降级上的一致性，识别出单字符ASR错误作为语义失败通道，并通过辅助比较表明大音频语言模型在噪声韩语SQA中优于匹配语言模型的ASR-LLM流水线。

Comments Accepted to APSIPA ASC 2026

Policy-Invariant Reward Shaping from LLM Feedback: A Framework for Hybrid RL Agents

基于大语言模型反馈的策略不变奖励塑形：混合强化学习智能体框架

Christophe D. Hounwanou, John Emeka Eze, Yaé U. Gaba

机构 * AI Research and Innovation Nexus for Africa (AIRINA Labs)（非洲AI研究与创新中心（AIRINA实验室）） ； Sefako Makgatho Health Sciences University (SMU)（塞法科·马加托健康科学大学） ； African Center for Advanced Studies (ACAS)（非洲高级研究中心） ； African Institute for Mathematical Sciences（非洲数学科学学院） 纠错

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

AI总结 该研究针对LLM衍生奖励信号的理论模糊问题，提出基于LLM反馈的策略不变奖励塑形框架，将混合架构形式化为目标增强MDP，证明其最优策略集保留保证更强，并通过数值实验验证了结果。

Comments 14 pages

Wind Turbine Maintenance Log Labelling Framework: LLM-Driven Data Correction and Enrichment via Semantic Extraction of Reliability Intelligence

风力涡轮机维护日志标注框架：基于LLM驱动的数据校正与语义提取的可靠性智能增强

Max Malyi, Jonathan Shek, Alasdair McDonald, Andre Biscaya

机构 * Institute for Energy Systems, School of Engineering, The University of Edinburgh（能源系统研究所，工程学院，爱丁堡大学） ； Nadara, Lisbon, Portugal（纳达拉，里斯本，葡萄牙） 纠错

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

AI总结 提出一种利用大语言模型自动标准化和结构化风力涡轮机维护日志的方法，通过纠正系统代码、提取故障模式与维护动作分类，将非结构化文本转化为定量可靠性指标。

Comments An adjustable template containing the Python script architecture, applied dynamic prompts, and data schemas is hosted in an open-source GitHub repository: this https URL (https://github.com/mvmalyi/llm-driven-wind-turbine-maintenance-log-labelling)

An Investigation of Translationese in the Generations of Multilingual Large Language Models

多语言大语言模型生成文本中的翻译腔研究

Maria Valentini, Téa Wright, Julisa Granados, Eliana Colunga, Katharina von der Wense

机构 * University of Colorado Boulder（科罗拉多大学博尔德分校） ； University of California Berkeley（加州大学伯克利分校） ； Johannes Gutenberg University Mainz（美因茨约翰内斯·古腾堡大学） 纠错

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

AI总结 本文探究多语言大语言模型生成文本是否存在翻译腔，对比直接翻译的翻译腔差异，通过多种方法评估MLLM生成文本的翻译腔特征。

Comments Accepted to COLM 2026

Caved or Convinced: Temporal Sampling Gates Claim Deference in Video Large Language Models

屈服还是信服：时序采样门控视频大语言模型的主张依从性

Yuxin Cao, Wei Song, Jingling Xue, Jin Song Dong

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

AI总结 该研究针对视频大语言模型的两种失败情况，区分了可用性与权重两个原因，提出反转测试缓解屈服于错误主张的问题，提升了顺序准确率并使模型可弃权而非猜测。

Comments 11 pages, 2 figures

Interactionalism: Re-Designing Higher Learning for the Large Language Agent Era

互动主义：为大语言智能体时代重新设计高等学习

Mihnea C. Moldoveanu, George Siemens

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

AI总结 该研究提出互动主义作为与生成式AI协同的高等学习实践蓝图，定义互动智能为核心认知任务可由大语言模型智能体自动化时的关键技能，拆解为元认知与元情感组件，用于培养学习者。

Comments 37 pages

MAG-Bot: A Multi-Agent Auditing Framework for Social Bot Detection

MAG-Bot：一种用于社交机器人检测的多智能体审计框架

Sichen Zhao, Yalun Qi

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

AI总结 本研究提出基于LangGraph的多智能体框架MAG-Bot，用于社交机器人检测，通过角色约束的证据分解修正单LLM审计的盲点，在TwiBot-22测试集上显著提升了检测的准确率、召回率与F1值。

Emotion Across Speech and Faces: Shared Affective Mechanisms in Multimodal Foundation Models

跨语音与面部的情感：多模态基础模型中的共享情感机制

Xiutian Zhao, Luqi Sun, Björn Schuller, Berrak Sisman

机构 * Center for Language and Speech Processing (CLSP), Johns Hopkins University（约翰霍普金斯大学语言与语音处理中心） ； Group on Language, Audio & Music (GLAM), Imperial College London（伦敦帝国理工学院语言、音频与音乐组） 纠错

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

AI总结 该研究在Gemma-4-12B-it等3款多模态基础模型中识别出情感敏感神经元，发现语音与面部情感识别的表征在解码器级部分汇聚，且存在双向因果迁移，为跨模态情感机制提供了新分析。

Comments 9 pages, 4 figures

An Omitted Mode Is a Rare Rule: The Sampling-Verification Danger Law in Continuous Code World Models

被遗漏的模式即罕见规则：连续代码世界模型中的采样-验证危险定律

Javier Aguilar Martín

机构 * AGILabs 纠错

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

AI总结 该研究揭示连续代码世界模型中采样-验证机制的危险，通过理论分析与实验发现，LLM合成的模式盲模型易被利用，接受仅能证明样本一致性，无法保证连续控制任务的性能。

Comments 92 pages, 5 figures. Code, data and result artifacts: this https URL (https://github.com/JaviMaligno/code-world-models)

When AI Designs AI: Innovation or Imitation?

当AI设计AI：创新还是模仿？

Yikang Yang, Zhengxin Yang, Luzhou Peng, Minghao Luo, Yanqi Kan, Wanling Gao, Jianfeng Zhan

机构 * University of Chinese Academy of Sciences（中国科学院大学） ； Northwestern University（西北大学） 纠错

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

AI总结 该研究对比LLM智能体与人类设计AI方法的性能和算法差异，发现智能体偶达SOTA但无法泛化，96.8%的设计属人类推导空间，多为算法选择的复用重组。

When Personalization Becomes Bias: Structural and Discursive Religious Framing in AI-Generated Financial Advice

当个性化成为偏见：AI生成金融建议中的结构性与话语性宗教框架

Muhammad Salar Khan, Hamza Umer, Hasan Mahmud, Sandra Rothenberg

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

AI总结 该研究通过432次模拟互动分析3种LLMs在金融建议中的宗教偏见，揭示其结构性与话语性偏见机制，提出双维度框架并指出个性化与中立性的管理困境及相关启示。

Comments 50 pages

When More Foundation Models Means Less: Diagnosing and Addressing Multi-View Fusion Failure

当更多基础模型意味着更少时：诊断与解决多视图融合失效问题

Yibo Liu, Bowen Jiang

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） 纠错

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

AI总结 针对多视图融合中融合编码器数量与性能非单调的问题，提出KAGES方法选择任务对齐的紧凑视图集，在多场景下提升AULC，优于DPP等选择方法。

Comments 26 pages, 4 figures. Code and results: this https URL (https://github.com/yibol9768-alt/Quantifying-Representation-Reliability)

SeqFeed: Improving Agentic RTL Code Generation with Sequential Behavior Feedback

SeqFeed：通过顺序行为反馈改进智能体RTL代码生成

Yuxin Du, Juxin Niu, Tao Hu, Xi Wang, Zhe Jiang, Nan Guan

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

AI总结 针对智能体RTL代码生成的时序信息传递难题，本研究提出含SeQuery和SeGraph机制的SeqFeed，通过满足三项反馈要求提升LLM的RTL代码生成通过率。

ATLAS: Scaffold-Free Algorithm Synthesis by LLMs via Embedding-Guided Quality-Diversity Search

ATLAS：基于嵌入引导的质量多样性搜索的无支架大语言模型算法合成

Danial Yazdani, Mohammad Nabi Omidvar, Yuan Sun, Maksud Ibrahimov, Xiaodong Li

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

AI总结 ATLAS是基于LLM的无支架全算法合成框架，通过嵌入引导质量多样性搜索解决全算法设计空间问题，在NP难问题上优于相关基线，可保留不同区域的多类算法。

r2py: A Framework for AI-Assisted Conversion of R Statistical Packages to Python

r2py：用于AI辅助将R统计包转换为Python的框架

Yufei Cai, Jun Li

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

AI总结 本文提出r2py，这是Claude Code环境中首个七阶段AI辅助方法，可将R包系统转换为数值保真的原生Python库，在KernSmooth包上实现的r2py_kernsmooth通过518项测试，有效数字一致性达6-10位。

N-gram-like Language Models Predict Naturalistic Reading Time Best

基于n-gram的语言模型最能预测阅读时间

James A. Michaelov, Roger P. Levy

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

AI总结 本文提出基于n-gram统计信息的模型能更准确预测阅读时间，而非复杂transformer模型。

WiFo-MiSAC: A Wireless Foundation Model for Multimodal Sensing and Communication Integration via Synesthesia of Machines (SoM)

WiFo-MiSAC：一种无线基础模型，通过机器的通感（SoM）实现多模态感知与通信的整合

Xuanyu Liu, Shijian Gao, Boxun Liu, Xiang Cheng, Liuqing Yang

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

AI总结 WiFo-MiSAC通过统一空间的自监督预训练，解决通信与传感数据碎片化处理导致的泛化问题，采用共享-特定解耦的混合专家架构，实现多模态交互，实验表明其在多任务中表现优异，具备强大的少样本适应与新模态集成能力。

Auditing Exposure to Harmful Content on TikTok using Multimodal Language Models: A Cross-National, Age-Stratified Study

使用多模态语言模型对TikTok上的有害内容暴露情况进行审计：一项跨国、按年龄分层的研究

Hamidreza Saffari, Francesco Pierri

机构 * Politecnico di Milano（米兰理工大学） 纠错

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

AI总结 本研究使用多模态大语言模型Gemini 2.5 Flash，在法、意、瑞三国对TikTok开展跨国年龄分层审计，发现关键词搜索会大幅提升有害内容占比，意国各年龄组有害内容占比最高，平台安全过滤器低估了明确有害内容。

Comments 20 pages, 16 figures, 14 tables. Accepted to Findings of EMNLP 2026

From Entity Mentions to Tone: An LLM-Based Pipeline for Media Bias Analysis

从实体提及到语气：基于大语言模型的媒体偏见分析流水线

Klesti Hoxha, Olti Qirici

机构 * University of Tirana（地拉那大学） 纠错

专题命中 其他LLM ：LLM(title)；分类 cs.CL

AI总结 该研究提出一种基于大语言模型的媒体偏见分析流水线，对8358篇阿尔巴尼亚新闻文章开展实验，验证了其在偏见分析中的有效性，适用于手动验证数据集或专用语言工具有限的场景。

Epistemological Debt: Cognitive Atrophy and Systemic Collapse in AI-Dependent Software Engineering

认知退化与AI依赖软件工程中的系统崩溃

Frank Ginac

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

AI总结 本文研究AI依赖软件工程中认知退化与系统崩溃问题，提出知识债务概念，揭示过度依赖AI验证对人类认知的影响，并通过亚马逊2026年故障案例，强调需建立严谨的人工智能教育标准以维持系统韧性。

Comments 10 pages, 2 figures. Submitted to IEEE Software

FedPref: Federated Preference Learning for Structured Radiology Report Extraction

FedPref：用于结构化放射报告抽取的联邦偏好学习

Flint Xiaofeng Fan, Cheston Tan, Yew-Soon Ong, Roger Wattenhofer

机构 * ETH Zurich（苏黎世联邦理工学院） ； Agency for Science, Technology and Research (A*STAR)（新加坡科技研究局） 纠错

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

AI总结 FedPref 是用于结构化放射报告抽取的联邦偏好学习方法，通过冻结公共语言模型、本地排序与共享模型更新训练适配器，在不均数据场景下提升抽取性能且无需共享敏感数据。

Comments Accepted at ELAMI 2026, held in conjunction with MICCAI 2026. To appear in the Springer proceedings

Fool's Gold: Defensive Deception Against Safety-Removal Attacks on Open-Weight Models

愚人金：针对开放权重模型安全移除攻击的防御性欺骗

Mark Russinovich

机构 * Microsoft Azure（微软Azure） 纠错

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

AI总结 针对开放权重模型易被移除安全对齐的问题，提出“愚人金”防御，通过训练仅在被攻击状态显现的伪造诱饵，使被攻击模型对危险请求输出高比例假回答，且无法区分真假，同时不影响干净状态的良性行为。

Speak in Context: Multilingual ASR with Speech Context Alignment via Contrastive Learning

在语境中说话：通过对比学习实现的多语言语音识别与语音语境对齐

Yuchen Zhang, Haralambos Mouratidis, Ravi Shekhar

机构 * Institute for Analytics and Data Science, University of Essex（数据分析与科学研究所，埃塞克斯大学） ； School of Computer Science and Electronic Engineering, University of Essex（计算机科学与电子工程学院，埃塞克斯大学） 纠错

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

AI总结 本文提出一种基于对比学习的多语言语音识别框架，通过语境对齐提升识别性能，支持多种语言和口音，实现语音与上下文的高效交互。

Comments Accepted at LREC 2026

A Denotational Semantics for Synchronized Regular Expressions (extended version)

同步正则表达式的指称语义（扩展版）

Lukas Grätz

专题命中 其他LLM ：language model(abstract)

AI总结 本文针对纯同步正则表达式和全同步正则表达式提出指称语义，证明带反向引用的正则表达式可转换为全同步正则表达式，且匹配问题为NP完全，还分析了这类语言的封闭性及与其他模型的关系。

Comments Extended submitted manuscript to be presented and published at ICTAC 2026, November 9-15, Bariloche, see this https URL (https://ictac2026.github.io/)

Scale Matters: Adaptive Granularity Selection for Cross-Species 3D Plant Organ Segmentation

尺度重要：跨物种三维植物器官分割的自适应粒度选择

Carla Salazar, Lazaros Nalpantidis

机构 * Technical University of Denmark (DTU)（丹麦技术大学（DTU）） ； Pioneer Centre for Artificial Intelligence（人工智能先锋中心） 纠错

专题命中 其他LLM ：foundation model(abstract)

AI总结 针对跨物种三维植物器官分割中固定空间粒度泛化能力差的问题，提出结合冻结Utonia基础模型与自适应粒度选择的小样本方法AGS-PlantSeg，在三个数据集上实现88.9%平均mIoU，性能优于固定粒度基线且与全监督架构相当。

Comments Project page: this https URL (https://dtu-pas.github.io/ags-plantseg/)

EATR-Stereo: Embodiment-Aware Routing of Paired Stereo Evidence for Humanoid Vision-Language-Action Control

EATR-Stereo：面向人形机器人视觉-语言-动作控制的具身感知配对立体证据路由

Songwei Wu, Rui Zhao, Fan Yang, Zhongqiang Nie, Zhiduo Jiang, Wandong Sun, Yuwei Li, Yang Liu, Hong Liu

机构 * Harbin Institute of Technology（哈尔滨工业大学） 纠错

专题命中 其他LLM ：language model(abstract)

AI总结 EATR-Stereo是具身感知的令牌路由框架，在冻结预训练VLA模型的前提下，通过选择性路由配对立体证据，提升了人形机器人长时程视觉-语言-动作控制的任务成功率。

Comments 8 pages, 5 figures