语言大模型 / LLM

Consistency Has a Computable Blind Spot: A Commutation Theory of Label-Free Reliability for Vision-Language Figure Reading

一致性存在可计算的盲区：视觉-语言图表阅读的无标签可靠性交换理论

Rasul Khanbayov, Hasan Kurban

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

AI总结 该研究提出视觉-语言图表阅读的无标签可靠性交换理论，构建无标签、无需训练的检测器，发布REND-EQUIV数据集，揭示一致性盲区可计算，循环重标记可提升性能，解释排序反转现象。

Corrigibility Transformation: Constructing Goals That Accept Updates

可修正性转换：构建接受更新的目标

Rubi Hudson

机构 * University of Toronto（多伦多大学） 纠错

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

AI总结 该研究提出一种可修正性转换方法，可在不牺牲性能的情况下将几乎任何目标转换为可修正版本，能诱导AI产生可修正行为，为AI安全提供了关键的可修正目标方案。

Adaptive Perturbation Selection for Contrastive Audio Decoding

对比音频解码的自适应扰动选择

Aaron Isidore Grace, Zhouyuan Huo, Weiran Wang

机构 * Google（谷歌） ； University of Iowa（爱荷华大学） 纠错

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

AI总结 针对大型音频语言模型幻觉问题，提出自适应选择最优音频扰动作为对比解码负分支的方法，在时序、存在性等任务上提升准确率。

Comments In submission

Billions of Sketches Reveal Hidden Cultural Variation in Human Concepts

数十亿草图揭示人类概念中隐藏的文化差异

Arianna Pera, Mauro Martino, Nima Dehmamy, Douglas Guilbeault, Luca Maria Aiello, Andrea Baronchelli

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

AI总结 研究通过分析236个国家和地区的26亿张手绘草图，探讨人类概念结构。发现单一概念有多种视觉范例，跨文化差异在触觉概念中最强。比较草图与词嵌入模型，发现视觉表征保留更多语义文化结构，基于草图的跨文化相似性与文化距离契合度更高。

Optimizing Regret

优化遗憾值

Irene Aldridge

专题命中 其他LLM ：LLM(abstract)；分类 cs.LG

AI总结 本文基于成本与决策协方差发展协方差遗憾泛函导数理论，推导线性策略梯度，扩展到约束优化等，得出通用最速下降方向，还给出收敛界及算法，应用于投资组合倾斜与大语言模型分配策略。

Comments 12 pages

MolCryst-MLIPs: A Machine-Learned Interatomic Potentials Database for Molecular Crystals

MolCryst-MLIPs：用于分子晶体的机器学习互原子势数据库

Adam Lahouari, Shen Ai, Jihye Han, Jillian Hoffstadt, Philipp Hoellmer, Charlotte Infante, Pulkita Jain, Sangram Kadam, Maya M. Martirossyan, Amara McCune, Hypatia Newton, Shlok J. Paul, Willmor Pena, Jonathan Raghoonanan, Sumon Sahu, Oliver Tan, Andrea Vergara, Jutta Rogal, Mark E. Tuckerman

机构 * Department of Chemistry, New York University（纽约大学化学系） ； New York University（纽约大学） ； Simons Center for Computational Physical Chemistry, New York University（纽约大学计算物理化学中心） ； Department of Physics, New York University（纽约大学物理系） ； Department of Chemical and Biomolecular Engineering, Tandon School of Engineering, New York University（纽约大学工程学院化学与生物分子工程系） ； New York University Shanghai（纽约大学上海分校） 纠错

专题命中 其他LLM ：foundation model(abstract)；分类 cs.LG

AI总结 本文提出一个开源的分子晶体机器学习互原子势数据库MolCryst-MLIPs，包含九种分子晶体系统经过微调的MACE模型，通过自动化机器学习流程实现可重复的建模流程，提供高精度的势能和力预测。

A Structural Interpretation of GELU and Threshold-Transmission Activations via the First-Order Loss Function

通过一阶损失函数对GELU和阈值传输激活的结构解释

Roberto Rossi

机构 * Business School, University of Edinburgh（爱丁堡大学商学院） 纠错

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

AI总结 基于高斯互补一阶损失函数对GELU给出互补解释，将损失核算与前向信号传输分离，推广到阈值传输族，实验表明校准或学习的均匀阈值门有竞争力且能改进。

Comments 18 pages, 8 figures, 8 tables

Is Agentic Code Review Helpful? Mining Developers' Feedback to CodeRabbit Reviews in the Wild

智能代码审查有用吗？挖掘开发者对CodeRabbit在实际应用中代码审查的反馈

Hong Yi Lin, Mingzhao Liang, Patanamon Thongtanunam, Kla Tantithamthavorn

机构 * The University of Melbourne（墨尔本大学） ； Monash University（莫纳什大学） 纠错

专题命中 其他LLM ：LLM(abstract)；分类 cs.AI

AI总结 以CodeRabbit为例对智能代码审查进行实证研究，通过大量代码审查与开发者反馈数据，揭示其审查结果及被拒原因，还探索预测审查被拒的方法，指出改进空间与不足。

Now You See the Hate: Adaptive View Retrieval for Hidden Hateful Illusions

现在你看到了仇恨：用于隐藏仇恨幻觉的自适应视图检索

Qianpu Chen, Derya Soydaner

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

AI总结 研究针对仇恨性视觉错觉检测难题，提出自适应视图检索方法，将其公式化为感知检索问题，通过检索并校准框架组装视图库，该方法在多方面超越基线和其他方法，表明多模态审核需先恢复隐藏含义再判断是否有害。

The Geometry of Saturation: Effective Rank Predicts When Labels Stop Helping in Few-Shot Classification

二元少样本分类的谱相图：内在维度、几何饱和与表征诊断

Arnav Gupta

机构 * Independent Researcher（独立研究者） 纠错

专题命中 其他LLM ：foundation model(abstract)；分类 cs.LG

AI总结 提出饱和指数S(K)作为二元少样本分类中标注停止准则，理论证明其与协方差估计集中度及线性判别稳定性相关，实验验证其与边际精度增益正相关，并划分探索、过渡、饱和三阶段。

Comments 46 pages, 8 figures, 22 tables

From Paper to Program: Knowledge Externalization and Bottleneck Diagnosis in AI-Assisted Quantum Many-Body Programming

从论文到程序：AI辅助量子多体代码生成中的知识外化

Yi Zhou

机构 * Institute of Physics, Chinese Academy of Sciences, Beijing 100190, China（中国科学院物理研究所，北京100190，中国） 纠错

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

AI总结 针对AI直接翻译论文为代码时因隐含约定导致失败的问题，提出知识外化方法，通过多阶段人机协作流程将隐式假设显式化，在DMRG和Pfaffian-MPS任务上验证了有效性。

Comments 20 pages, 4 figures. Substantially revised presentation, related-work context, reproducibility documentation, validation-gate wording, limitations, and generative-AI disclosure; numerical results unchanged

A computational model of infant sensorimotor exploration in the mobile paradigm

移动范式下婴儿感觉运动探索的计算模型

Josua Spisak, Sergiu Tcaci Popescu, Stefan Wermter, Matej Hoffmann, J. Kevin O'Regan

机构 * University of Hamburg（汉堡大学） ； Czech Technical University in Prague（布拉格捷克技术大学） ； Université Paris Cité and CNRS（巴黎cité大学和CNRS） 纠错

专题命中 其他LLM ：prompting(abstract)；分类 cs.LG

AI总结 研究构建计算模型探究移动范式下婴儿感觉运动探索机制，模型含神经网络等组件，模拟重现经典及两项详细研究结果，消融研究表明相关机制对复制婴儿行为至关重要，揭示其参与婴儿感觉运动学习。

Comments 16 pages, 16 figures

Journal ref IEEE Transactions on Cognitive and Developmental Systems 18 (3), 692-707 (2026)

HiMoE-VLA: Hierarchical Mixture-of-Experts for Generalist Vision-Language-Action Policies

HiMoE-VLA：用于通用视觉-语言-动作策略的分层专家混合模型

Zhiying Du, Bei Liu, Yaobo Liang, Yichao Shen, Haidong Cao, Xiangyu Zheng, Zhiyuan Feng, Zuxuan Wu, Jiaolong Yang, Yu-Gang Jiang

机构 * Fudan University（复旦大学） ； Microsoft Research Asia（微软亚洲研究院） ； Xi’an Jiaotong University（西安交通大学） ； Tsinghua University（清华大学） 纠错

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

AI总结 研究通用视觉-语言-动作策略训练中异构性引发的负迁移问题，提出HiMoE-VLA框架，通过分层专家混合动作模块及两个辅助目标来解决，在多项任务上取得较好结果，还能将负迁移转化为正迁移。

ARLArena: A Unified Framework for Stable Agentic Reinforcement Learning

ARLArena：用于稳定智能体强化学习的统一框架

Xiaoxuan Wang, Han Zhang, Haixin Wang, Yidan Shi, Ruoyan Li, Kaiqiao Han, Chenyi Tong, Haoran Deng, Renliang Sun, Alexander Taylor, Yanqiao Zhu, Jason Cong, Yizhou Sun, Wei Wang

机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） 纠错

专题命中 其他LLM ：LLM(abstract)；分类 cs.AI

AI总结 研究针对智能体强化学习不稳定问题，提出ARLArena框架。先构建测试平台，将策略梯度分解为四个维度分析，据此提出稳定的智能体策略优化方法SAMPO，实现稳定训练与良好性能。

Comments To appear at ICML 2026

VLMGuard: Bootstrapping Malicious Prompt Detectors from Unlabeled Vision-Language Prompts in the Wild

VLMGuard：从野生未标记视觉语言提示中引导恶意提示检测器

Junlin Fang, Wenyu Chen, Reshmi Ghosh, Robert Sim, Ahmed Salem, Vitor R. Carvalho, Emily Lawton, Sharon Li, Jack W. Stokes, Sean Du

机构 * College of Computing and Data Science（计算与数据科学学院） ； Nanyang Technological University（南洋理工大学） ； School of Physical and Mathematical Sciences（物理与数学科学学院） ； Microsoft Corp.（微软公司） ； Department of Computer Sciences（计算机科学系） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） 纠错

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

AI总结 研究针对视觉语言模型易受恶意输入影响的问题，提出VLMGuard框架，利用野生未标记用户提示，通过自动恶意估计分数区分良性和恶意样本，训练二进制提示分类器，无需额外人工标注，效果优于现有方法。

Comments Accepted to Transactions on Machine Learning Research (07/2026)

Interact3D: Compositional 3D Generation of Interactive Objects

Interact3D: 交互式物体的组合3D生成

Hui Shan, Keyang Luo, Ming Li, Sizhe Zheng, Yanwei Fu, Zhen Chen, Xiangru Huang

机构 * Zhejiang University（浙江大学） ； Shanghai Innovation Institute（上海创新研究院） ； Westlake University（西湖大学） ； Adobe ； Fudan University（复旦大学） 纠错

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

AI总结 提出Interact3D框架，通过统一3D引导场景、两阶段组合流水线（全局到局部几何对齐和基于SDF的优化）以及闭环智能体修正策略，从单张图像生成物理合理的交互式3D组合物体，解决遮挡和空间关系保持问题。

Comments Accepted to ECCV 2026

ZeroWBC: Learning Natural Whole-Body Humanoid Interaction from Human Egocentric Data

ZeroWBC: 从人类自我中心数据学习自然全身人形交互

Haoran Yang, Jiacheng Bao, Yucheng Xin, Haoming Song, Yuyang Tian, Bin Zhao, Dong Wang, Xuelong Li

机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Northwestern Polytechnical University（西北工业大学） ； Tsinghua University（清华大学） ； Shanghai Jiao Tong University（上海交通大学） ； TeleAI, China Telecom（TeleAI，中国电信） 纠错

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

AI总结 提出ZeroWBC框架，利用人类自我中心视频和同步全身运动数据，通过生成-跟踪方法实现无遥操作的人形机器人全身交互控制。

GEESE: Genotype-aware End-to-End Spatio-temporal Embedding for Behavioral Phenotyping

GEESE: 基因型感知的端到端时空嵌入用于行为表型分析

Yiran Ding, Yuen Gao, Chunqi Qian, Zijun Cui

机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； Department of Radiology（放射学系） 纠错

专题命中 其他LLM ：foundation model(abstract)；分类 cs.LG

AI总结 提出GEESE框架，利用预训练时间序列基础模型从3D姿态动力学中直接学习行为表征，无需手工特征，在三个自闭症相关基因模型上超越传统方法，并开发了交互式工具HONK。

CLAR: Learning 3D Representations for Robotic Manipulation by Fusing Masked Reconstruction with Multi-Level Contrastive Alignment

CLAR: 通过融合掩码重建与多层级对比对齐学习用于机器人操作的3D表示

Wenbo Cui, Chengyang Zhao, Yuhui Chen, Haoran Li, Zhizheng Zhang, Dongbin Zhao, He Wang

机构 * SKL-MAIS, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所SKL-MAIS） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； Carnegie Mellon University（卡内基梅隆大学） ； Galbot ； CFCS, School of Computer Science, Peking University（北京大学计算机科学与技术学院CFCS） 纠错

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

AI总结 提出CLAR框架，融合掩码自编码与全局跨模态对比学习，并引入基于可变形注意力的局部自适应对齐机制，解决3D预训练中空间几何与语义细节的权衡问题，在视觉运动策略学习中达到最优性能。

Multilingual Tokenization through the Lens of Indian Languages: Challenges and Insights

通过印度语言的视角看多语言分词：挑战与洞见

Maharaj Brahma, N J Karthika, Rajat Verma, Nagasai Saketh Naidu, Rohit Saluja, Maunendra Sankar Desarkar, Ganesh Ramakrishnan

机构 * Department of CSE, Indian Institute of Technology Hyderabad（印度理工学院海得拉巴分校计算机科学与工程系） ； Department of CSE, Indian Institute of Technology Bombay（印度理工学院孟买分校计算机科学与工程系） ； SCEE, Indian Institute of Technology Mandi（印度理工学院曼迪分校软件工程系） ； Adobe Research（Adobe研究） 纠错

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

AI总结 本研究针对17种印度语言，系统评估了子词算法、标准化方法、词汇量及词汇构建策略对多语言分词的影响，发现脚本特定标准化、Unigram LM保留形态边界及聚类词汇构建可提升性能。

Comments Accepted at ACL 2026 (Findings - Long paper)

Intent-Handover: Grounding Language in Human-Usage Regions for Trustworthy Robot-to-Human Handovers

Intent-Handover：在人类使用区域中接地语言以实现可信的机器人到人交接

Hanxin Zhang, Abdulqader Dhafer, Hongbiao Dong, Zhou Daniel Hao

机构 * DANiLab, University of Leicester（莱斯特大学DANiLab） ； University of Leicester（莱斯特大学） ； School of Computing and Mathematical Sciences, University of Leicester（莱斯特大学计算与数学科学学院） ； School of Metallurgy and Materials, University of Birmingham（伯明翰大学冶金与材料学院） 纠错

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

AI总结 提出Intent-Handover方法，通过视觉语言模型识别目标物体和人类使用区域，结合抓取优化和人体姿态跟踪，实现安全、可信的机器人到人物体交接。

Comments Accepted at the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)

Smarter edits? Post-editing with error highlights and translation suggestions

更智能的编辑？基于错误高亮和翻译建议的后编辑

Fleur V. J. van Tellingen, Gautam Ranka, Dora Žugčić, Joyce van der Wal, Andrea Camasta, Livio Guerra, Alina Karakanta

机构 * Leiden University Centre for Linguistics（莱顿大学语言研究中心） ； Visvesvaraya National Institute of Technology（维什瓦塞拉亚国家理工学院） ； Department of Bionanoscience, Faculty of Applied Sciences, Delft University of Technology（应用科学学院生物纳米科学系，代尔夫特理工大学） ； Pedagogical Sciences, Leiden University（莱顿大学教育科学） ； Faculty of Science, Leiden University（莱顿大学科学学院） 纠错

专题命中 其他LLM ：LLM(abstract)；分类 cs.CL

AI总结 本文研究了基于自动后编辑（APE）的错误高亮和纠正建议在后编辑任务中的有效性，发现虽然没有提升生产力和质量，但APE高亮和纠正建议提升了用户体验。

Comments Accepted at EAMT 2026

SkillJect: Effectively Automating Skill-Based Prompt Injection for Skill-Enabled Agents

SkillJect：有效自动化基于技能的提示注入以针对具备技能的代理

Xiaojun Jia, Jie Liao, Simeng Qin, Jindong Gu, Wenqi Ren, Xiaochun Cao, Yang Liu, Philip Torr

机构 * Nanyang Technological University, Singapore（南洋理工大学，新加坡） ； Chongqing University, China（重庆大学） ； Northeastern University, China（东北大学） ； Sun Yat-sen University, China（中山大学） ； University of Oxford, UK（牛津大学） 纠错

专题命中 其他LLM ：LLM(abstract)；分类 cs.AI

AI总结 SkillJect 是首个自动化生成有效中毒技能的框架，通过隐藏恶意负载和重写指令通道，提升攻击效果，揭示可重用技能生态中的持久性攻击向量。

Anything Goes? A Crosslinguistic Study of (Im)possible Language Learning in LMs

什么都行？语言模型中（不）可能语言学习的跨语言研究

Xiulin Yang, Tatsuya Aoyama, Yuekun Yao, Ethan Gotlieb Wilcox

机构 * Georgetown University（乔治城大学） ； Saarland University（萨尔兰大学） 纠错

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

AI总结 通过训练语言模型学习不可能和类型学上未证实的语言，跨12种语言实验发现GPT-2小模型能部分区分自然语言与不可能语言，但弱于人类归纳偏置。

Comments ACL 2025

Semantic-Preserving Prompt Hijacking: A Black-Box Adversarial Attack on Auto-Prompt Optimization

语义保持提示劫持：针对自动提示优化的黑盒对抗攻击

Chong Zhang, Xiang Li, Jia Wang, Shan Liang, Haochen Xue, Xiaobo Jin

机构 * Jiangsu universities（江苏大学） ； NSFC（国家自然科学基金委员会） ； RDF-24-01-016 纠错

专题命中 其他LLM ：LLM(abstract_cn)；分类 cs.CL

AI总结 提出一种黑盒条件下的自适应贪婪局部搜索方法，通过层次化分解输入文本、掩码关键语言单元并动态调整候选词，在保持语义相似度的同时最大化模型输出与原始意图的偏差，在2400+测试用例中取得更高攻击成功率。

Comments 12 pages, 8 figures. Accepted by the IEEE International Conference on Multimedia and Expo (ICME 2026)

Contrastive Geometric Learning Unlocks Unified Structure- and Ligand-Based Drug Design

对比几何学习实现统一的结构与配体药物设计

Lisa Schneckenreiter, Sohvi Luukkonen, Lukas Friedrich, Daniel Kuhn, Günter Klambauer

机构 * DeepMind Ltd（DeepMind有限公司） 纠错

专题命中 其他LLM ：foundation model(abstract)；分类 cs.LG

AI总结 提出对比几何模型ConGLUDe，统一结构与配体训练，实现虚拟筛选、靶标钓鱼和配体条件口袋预测，在多项基准测试中表现优异。

Comments Forty-Third International Conference on Machine Learning

Convergence Bound and Critical Batch Size of Muon Optimizer

Muon优化器的收敛界与临界批量大小

Naoki Sato, Hiroki Naganuma, Hideaki Iiduka

机构 * Meiji University（立命经济大学） ； Université de Montréal（蒙特利尔大学） ； Mila（蒙特利尔人工智能研究院） 纠错

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

AI总结 本文理论分析了Muon优化器在四种实际设置下的收敛性，证明权重衰减确保参数和梯度范数有界，并推导了临界批量大小的下界，揭示了超参数β和λ对其缩放的影响。

Linguistic Nepotism: Trading-off Quality for Language Preference in Multilingual RAG

语言裙带关系：多语言RAG中为语言偏好牺牲质量

Dayeon Ki, Marine Carpuat, Paul McNamee, Daniel Khashabi, Eugene Yang, Dawn Lawrie, Kevin Duh

机构 * University of Washington（华盛顿大学） 纠错

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

AI总结 研究多语言RAG系统中模型对英语源文档的偏好，发现模型会牺牲文档相关性以迎合语言偏好，尤其在低资源语言中更明显。

Comments ICML 2026 Spotlight

Breaking the Tuning Barrier: Zero-Hyperparameters Yield Multi-Corner Analysis Via Learned Priors

打破调优壁垒：通过先验学习实现零超参数的多角分析

Wei W. Xing, Kaiqi Huang, Jiazhan Liu, Hong Qiu, Shan Shen

机构 * School of Mathematical and Physical Science, University of Sheffield（谢菲尔德大学数学与物理科学学院） ； SZU–UoS Joint Centre for Innovation and Entrepreneurship, College of Mechatronics and Control Engineering, Shenzhen University（深大-乌兹别克斯坦联合创新与创业中心，机电控制工程学院，深圳大学） ； Nanjing University of Science and Technology（南京理工大学） 纠错

专题命中 其他LLM ：foundation model(abstract)；分类 cs.LG

AI总结 针对电路多角分析中仿真成本高且现有方法需大量调参的问题，提出基于预训练基础模型的上下文学习方法，无需调优即可匹配最先进精度，将验证成本降低10倍以上。

Comments Accepted by DAC2026. Camera-ready Version

Embeddings based Anomaly Detection for Cleaning Global Crop Type Reference Datasets

基于嵌入的异常检测用于清理全球作物类型参考数据集

Syed Roshaan Ali Shah, Kristof Van Tricht, Christina Butsko, Jeroen Degerickx, Zoltan Szantoi

机构 * VITO Remote Sensing（弗拉芒技术研究所遥感部） ； European Space Agency (ESA)（欧洲航天局） 纠错

专题命中 其他LLM ：foundation model(abstract)

AI总结 研究通过地理空间基础模型生成的嵌入能否用于清理全球作物类型参考数据集，提出基于嵌入的局部感知异常检测框架，并通过实验验证其有效性，改进了作物类型模型，为清理地球观测参考数据集提供了可复制扩展的模板。

Comments Camera-ready version. Accepted for Oral Presentation at Terrabytes II at ECCV 2026