Video Emotion Open-vocabulary Recognition Based on Multimodal Large Language Model
专题命中 其他LLM ：large language model(title)；language model(title)
AI 大模型
语言大模型 / LLM
大语言模型、预训练、指令微调、后训练和语言模型应用。
1. 其他LLM 12169 篇
Self-Augmented In-Context Learning for Unsupervised Word Translation
专题命中 其他LLM ：LLM(abstract)；large language model(abstract)；language model(abstract)；prompting(abstract)
Comments ACL 2024 Main Conference; 11 Pages, 3 Figures, 9 Tables
Cocoon: Semantic Table Profiling Using Large Language Models
专题命中 其他LLM ：large language model(title)；language model(title)
Language is All a Graph Needs
专题命中 其他LLM ：LLM(abstract)；large language model(abstract)；language model(abstract)；foundation model(abstract)
Comments In EACL 2024
How to Catch an AI Liar: Lie Detection in Black-Box LLMs by Asking Unrelated Questions
专题命中 其他LLM ：LLM(abstract)；large language model(abstract)；language model(abstract)；prompting(abstract)
TrojanGYM: A Detector-in-the-Loop LLM for Adaptive RTL Hardware Trojan Insertion
TrojanGYM：一种检测器在环的大语言模型用于自适应RTL硬件木马插入
机构 * NYU Tandon School of Engineering（纽约大学Tandon工程学院） ； NYU Abu Dhabi（纽约大学阿布扎克分校）
专题命中 其他LLM ：LLM(title,abstract)；分类 cs.AI
AI总结 提出TrojanGYM框架，利用大语言模型智能体自动生成多样化的硬件木马，暴露基于GNN的检测器盲点，并设计鲁棒检测器Robust-GNN4TJ，在生成的基准上将检测率从0%提升至60%。
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
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）
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
PCA-guided Activation Scaling for Monotonic Bidirectional Control over LLM Sycophancy
基于主成分分析引导的激活缩放实现对大型语言模型谄媚性的单调双向控制
机构 * The Hong Kong Polytechnic University（香港理工大学）
专题命中 其他LLM ：LLM(title)；large language model(abstract)；language model(abstract)；分类 cs.CL
AI总结 本研究针对LLMs的谄媚性问题，提出PCA引导的激活缩放框架，通过分解残差流激活实现单调双向控制，在三个模型和三个数据集上的表现优于基线方法。
Comments accepted by COLM2026
Beyond Direct Access: Resource Hijacking in LLM Agents
超越直接访问：大语言模型智能体中的资源劫持
专题命中 其他LLM ：LLM(title)；large language model(abstract)；language model(abstract)；分类 cs.AI
AI总结 该研究首次识别智能体资源劫持这一安全盲区，推出ResourceHijackBench及自动化生成流程，实验显示无防御时OpenClaw平均攻击成功率达84.06%，现有防御仍不足。
Comments 11 pages, 3 figures, 4 tables
Musical Mirrors: The LLM as Sounding Board in Songwriting
音乐镜像：作为歌曲创作共鸣板的大语言模型
专题命中 其他LLM ：LLM(title,summary_cn)；分类 cs.AI
AI总结 本文通过2025-2026年的第一人称歌曲创作案例研究，探讨了将LLM用作人类创作素材的解释性共鸣板的应用，揭示了该模式的潜力及缺乏校准会引发的谄媚式偏移、魔法式过度解读两种风险。
Comments In Proceedings of The First Reflection in Creative Experience (RiCE) Workshop (RiCE W1) arXiv:2607.24558
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
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
Do Tabular Foundation Models Agree with Themselves?
表格基础模型是否与自身一致？
专题命中 其他LLM ：foundation model(title,abstract)；分类 cs.LG
AI总结 本文针对表格基础模型（TFMs），提出其预测是否可由任意联合分布生成的问题，设定边际一致性与分解一致性要求，发现所有评估的TFMs均违反这两项要求。
The Holistic Storage of Verb+Up Phrases in Text-based and Audio-based Language Models
文本和音频语言模型中动词+up短语的整体存储
机构 * University of Oregon（俄勒冈大学） ； Vail Systems, Inc（Vail Systems公司）
专题命中 其他LLM ：language model(title,abstract)；LLM(abstract_cn)；分类 cs.CL
AI总结 研究文本和音频语言模型对动词+up短语的整体存储，发现频率和可预测性驱动独立表征，支持基于使用的语言理论。
SkillTrace: Traversing a Query-Skill Graph for Composable LLM Agents
SkillTrace：遍历查询-技能图以构建可组合的大语言模型智能体
专题命中 其他LLM ：LLM(title)；large language model(abstract)；language model(abstract)；分类 cs.AI
AI总结 SkillTrace通过查询-技能图的三个层级关系实现技能组合，在SkillsBench和ALFWorld上取得SOTA性能，且对不同骨干语言模型具备通用性。
Prompt Codebooks: Discrete Compositional Optimization for Language Model Instruction Refinement
提示码本：面向语言模型指令精炼的离散组合优化
机构 * IIT Delhi（印度德里理工学院）
专题命中 其他LLM ：language model(title)；LLM(abstract,abstract_cn)；分类 cs.AI
AI总结 提出Prompt Codebooks (PCO)框架，将自动提示优化重构为离散组合学习，通过可重用的自然语言本能单元实现实例级路由和结构化反馈，在多个基准上提升性能并压缩提示长度。
Pay for The Second-Best Service: A Game-Theoretic Approach Against Dishonest LLM Providers
为次优服务付费：一种对抗不诚实大语言模型提供者的博弈论方法
机构 * Shanghai Qi Zhi Institute（上海启智研究院） ； ShanghaiTech University（上海科技大学） ； Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； Beijing Institute for General Artificial Intelligence（北京通用人工智能研究院） ； Shanghai University of Finance（上海财经大学） ； Tsinghua University（清华大学）
专题命中 其他LLM ：LLM(title)；large language model(abstract)；language model(abstract)；分类 cs.AI
AI总结 本文提出了一种博弈论方法，通过设计近似激励相容机制，解决大语言模型服务提供者可能存在的不诚实行为问题，并保证用户效用的次优性。
Comments Published as a conference paper at WWW 2026; 12 pages, 4 figures
Steerable Chatbots: Exploring Personalization Control Interfaces via LLM Activation Steering
可控聊天机器人：通过大语言模型激活引导探索个性化控制界面
机构 * University of Toronto（多伦多大学） ； Google AR（谷歌AR）
专题命中 其他LLM ：LLM(title,abstract)；prompting(abstract)；分类 cs.AI
AI总结 研究探索可控聊天机器人范式，通过激活引导实现个性化，利用线性标量控制偏好表达强度，设计三种界面原型并进行用户研究，发现其在冷启动任务中比单独提示更能契合用户偏好，揭示了相关个性化方面的不同价值。
DWT-Fusion: A Signal-Based Framework for Training-Free LLM-Generated Text Detection
DWT-Fusion：一种用于无训练大语言模型生成文本检测的基于信号的框架
机构 * Ankara University（安卡拉大学）
专题命中 其他LLM ：LLM(title,abstract)；language model(abstract)；分类 cs.CL
AI总结 研究在零样本和无训练条件下检测大语言模型生成文本的挑战，提出基于离散小波分析的DWT-Fusion框架，通过多分辨率信号表示和校准引导投票融合检测文本，实验表明该方法能提供有效可解释信号，提升检测性能。
Comments 40 pages, 4 figures, 6 tables
On the Inevitability of Left-Leaning Political Bias in Aligned Language Models
在对齐语言模型中左倾政治偏见的不可避免性
专题命中 其他LLM ：language model(title,abstract)；large language model(abstract)；分类 cs.CL
AI总结 本文指出，为确保AI无害、有益和诚实而训练的语言模型不可避免地表现出左倾政治偏见，因为对齐目标与进步道德框架一致，而右翼思想则与之冲突。
Test-Time Training for Modality Order Consistency in Vision-Language Models
视觉语言模型中模态顺序一致性的测试时训练
机构 * University of Chicago（芝加哥大学）
专题命中 其他LLM ：language model(title,abstract)；prompting(abstract)；分类 cs.CL
AI总结 研究发现视觉语言模型对图像和问题呈现顺序敏感，利用此设计测试时训练方法，缩小模态顺序差距，使两种顺序相互一致，定位顺序失败区域，证明该方法可缓解故障并提升性能。
Comments 16 pages, 7 figures, preprint
ELF: A Family of Encoder-Free ECG-Language Models
ELF：无编码器心电图语言模型家族
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Allegheny Health Network（阿勒格尼医疗网络） ； University of California Los Angeles（加州大学洛杉矶分校） ； University of Colorado（科罗拉多大学） ； Allergy and Immunology（过敏与免疫学）
专题命中 其他LLM ：language model(title,abstract)；large language model(abstract)；分类 cs.AI
AI总结 提出三种无编码器架构的ECG语言模型ELF，简化架构和训练流程，在两个数据集上达到或超越现有最优模型。
Comments 34 pages, 12 figures; Accepted to MLHC 2026
ProofCouncil: An LLM Agent for Solving Open Mathematical Problems
ProofCouncil：用于解决开放性数学问题的语言模型智能体
机构 * ETH Zurich（苏黎世联邦理工学院） ； Aarhus University（奥胡斯大学） ； Leiden University（莱顿大学）
专题命中 其他LLM ：LLM(title)；large language model(abstract)；language model(abstract)；分类 cs.AI
AI总结 研究旨在提升大型语言模型解决数学开放性问题的性能，介绍了ProofCouncil智能体，它采用作者-评论家架构，在FirstProof挑战及其他问题测试中表现出色，还介绍了其开发及相关构建库并开源。
Comments 25 pages, 7 figures. ProofCouncil appears as System A (IMProofBench ProofCouncil) in the official FirstProof second-batch report (arXiv:2606.18119). Code and agent-building library: https://github.com/eth-sri/proof-council
Beyond Heuristic Tuning: Power-Calibrated LLM Watermarking
超越启发式调优：功率校准的大语言模型水印
机构 * Department of Statistics, Pennsylvania State University（统计学系，宾夕法尼亚州立大学）
专题命中 其他LLM ：LLM(title,abstract)；language model(abstract)；分类 cs.LG
AI总结 研究大语言模型水印，针对现有基于对数几率水印在可检测性和语义失真权衡及超参数选择上的问题，开发功率校准统计框架，建立相关定量关系，推导出实用参数选择程序，经实验验证可识别帕累托最优点。
Comments Accepted ICML 2026
Tool Use Enables Undetectable Steganography in Multi-Agent LLM Systems
工具使用使多智能体LLM系统中的隐写术无法检测
机构 * Oxford University（牛津大学） ； Artificial Intelligence Security Institute (AISI)（人工智能安全研究所）
专题命中 其他LLM ：LLM(title,title_cn)；分类 cs.AI
AI总结 本文研究多智能体AI系统中通过工具使用（如代码执行、网络搜索）实现无法检测的隐写通信，发现智能体可自适应构建隐写系统，并提出协调度量评估无事先约定的隐写协调风险。
ImprovEvolve: Basin-Hopping Meets LLM-Guided Evolutionary Search
ImprovEvolve：盆地跳跃与LLM引导的进化搜索
专题命中 其他LLM ：LLM(title,abstract)；prompting(abstract)；分类 cs.AI
AI总结 ImprovEvolve通过进化三个专用算子（初始化、局部改进、扰动）降低LLM认知负担，通过迭代局部改进和扰动实现盆地跳跃搜索，在六边形堆叠和球面码问题中取得新成果。
Comments 40 pages, 14 figures, AI for Math Workshop at ICML 2026
Diagnosing Task Insensitivity in Language Agents
诊断语言智能体中的任务不敏感性
机构 * Gaoling School of Artificial Intelligence Renmin University of China（中国人民大学高瓴人工智能学院） ； Taobao & Tmall Group of Alibaba（阿里巴巴淘天集团） ； Beijing Key Laboratory of Research on Large Models and Intelligent Governance（北京市大模型与智能治理重点实验室） ； Engineering Research Center of Next-Generation Intelligent Search and Recommendation, MOE（教育部新一代智能搜索与推荐工程研究中心）
专题命中 其他LLM ：language agent(title)；large language model(abstract)；language model(abstract)；分类 cs.AI
AI总结 本文发现大语言模型在长程任务中因过度依赖训练模式而忽略任务指令，导致分布外泛化失败，并提出任务扰动负对数似然优化（Task-Perturbed NLL Optimization）来增强任务敏感性。
Emergent Coordination in Multi-Agent Language Models
多智能体语言模型中的涌现协调
机构 * D’Amore-McKim School of Business（达莫-麦克金商学院） ； Khoury College of Computer Sciences（科里学院计算机科学学院） ； Network Science Institute（网络科学研究所） ； Northeastern University（东北大学）
专题命中 其他LLM ：language model(title)；LLM(abstract,abstract_cn)；分类 cs.AI
AI总结 研究探讨多智能体系统是否形成更高层次结构，提出信息论框架通过数据驱动方法检测动态涌现，验证身份差异化与目标互补性，揭示交互模式与集体智慧原理的关联。
Journal ref International Conference on Learning Representations (ICLR 2026)
Black-Box Detection of LLM-Generated Text Using Generalized Jensen-Shannon Divergence
基于广义吉辛森-香农散度的LLM生成文本黑盒检测
机构 * Department of Electrical and Computer Engineering, University of Toronto, Toronto, Canada（电子与计算机工程系，多伦多大学，多伦多，加拿大）
专题命中 其他LLM ：LLM(title,title_cn)；分类 cs.LG
AI总结 本文提出SurpMark检测器，通过文本token意外性动态总结，利用广义吉辛森-香农散度衡量测试文本与人类和机器生成文本的差异，验证了其在不同领域和生成器上的鲁棒性。
Comments ICML 2026
Resilient Write: A Six-Layer Durable Write Surface for LLM Coding Agents
抗挫写入：一种六层耐用写入表面用于大语言模型编码代理
机构 * Sperixlabs, Ghana（塞普里克斯实验室，加纳） ； Kwame Nkrumah University of Science and Technology, Kumasi, Ghana（库马西技术大学，加纳） ； VIA Cybersecurity Lab, Kwame Nkrumah University of Science and Technology, Kumasi, Ghana（VIA网络安全实验室，库马西技术大学，加纳）
专题命中 其他LLM ：LLM(title,abstract)；分类 cs.AI
AI总结 本文提出Resilient Write，通过六层耐用写入表面提升编码代理在文件写入时的容错能力，减少恢复时间并提高自我纠正率。
Extra-Merge: Tracing the Rank-1 Subspace of Model Merging in Language Model Pre-Training
Extra-Merge：追踪语言模型预训练中模型合并的秩-1子空间
机构 * School of Advanced Interdisciplinary Sciences, University of Chinese Academy of Sciences, Beijing, China（中国科学院大学先进交叉学科学院） ； State Key Laboratory of AI Safety, Institute of Computing Technology, Chinese Academy of Sciences, China（中国科学院人工智能安全国家重点实验室） ； University of Chinese Academy of Sciences, China（中国科学院大学） ； Alibaba Group, China（阿里巴巴集团） ； School of Mathematics, Southeast University, Nanjing, China（东南大学数学学院）
专题命中 其他LLM ：language model(title,abstract)；large language model(abstract)；分类 cs.LG
AI总结 本文通过分析预训练后期轨迹发现秩-1子空间现象，提出无需额外训练的Extra-Merge方法，沿该子空间外推以最小化损失，在GPT-2和LLaMA系列上优于标准合并基线。
