语言大模型 / LLM

Improving Natural-Language Combinatorial-Optimization Accuracy in Resource-Constrained Language Models via Formal Abstractions

通过形式化抽象提升资源受限语言模型的自然语言组合优化准确率

Shrenil Shaun Sharma, Avi Sharma

机构 * University of California, Berkeley（加州大学伯克利分校） 纠错

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

AI总结 针对资源受限语言模型在自然语言组合调度中可行性不足的问题，提出神经符号框架SDDL，其在300实例调度子集上大幅提升小模型的可行调度准确率，逼近大模型性能

Comments 17 Pages

Entity tracking emerges in sub-billion parameter language models and exceeds human performance in naturalistic narratives

实体追踪在亚十亿参数规模的语言模型中出现，且在自然叙事中超越人类表现

Karolina Drożdż, Micha Heilbron

机构 * IDEAS Research Institute（IDEAS研究所） ； Max Planck Institute for Psycholinguistics（马克斯·普朗克心理语言学研究所） ； University of Amsterdam（阿姆斯特丹大学） 纠错

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

AI总结 本研究发现4.1亿参数的语言模型已具备人类水平的实体追踪能力，且随规模提升而改善，远超人类表现，该能力在远小于预期的模型规模时出现。

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。

Broken Symmetry in LLM Refusal: Answer Release Is More Local Than Refusal Restoration

大语言模型拒绝回答中的对称性破缺：答案释放比拒绝恢复更具局部性

Yiqi Liu, Yang Wang, Songxin Wang, Chenghao Xiao, Chenghua Lin

机构 * University of Manchester（曼彻斯特大学） ； Shanghai University of Finance and Economics（上海财经大学） 纠错

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

AI总结 本研究通过受控保留设置揭示大语言模型拒绝回答存在对称性破缺：答案释放具高度局部性，拒绝恢复需更广干预，拒绝并非简单对称开关，对安全审计具启示。

Measuring the Prevalence of Policy Violating Content with ML Assisted Sampling and LLM Labeling

利用机器学习辅助抽样和大语言模型标注测量违规内容的普及率

Attila Dobi, Aravindh Manickavasagam, Benjamin Thompson, Xiaohan Yang, Faisal Farooq

机构 * Pinterest 纠错

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

AI总结 本文提出了一种基于机器学习和大语言模型的系统，用于高效测量违反政策内容的普及率，通过概率抽样和多模态标注提升测量准确性。

Comments 8 pages

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

The Politician, the Liar, and the Obedient Worker: Emerging Behavior of LLM Agents in Hierarchical Games

政客、骗子与顺从的工人：层级博弈中大语言模型智能体的涌现行为

Fatemeh Seyedin, Adrian Weller, Jinhyuk Yun, Mahmoudreza Babaei

机构 * Soongsil University（崇实大学） ； GISMA University（GISMA大学） 纠错

专题命中 其他LLM ：LLM(title,abstract_cn)；分类 cs.AI

AI总结 该研究通过层级博弈实验测试6种大语言模型智能体，发现其在不同制度下会涌现出撒谎、私下交易等类似人类的治理失效行为，且模型家族会影响领导层更迭。

Commitment Before Realization: When Classifier-Free Guidance Becomes Unnecessary in Masked Diffusion Language Models

实现前的承诺：无分类器引导何时在掩码扩散语言模型中变得不必要

Fan Zhou, Weitian Wang, Tim Van de Cruys

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

AI总结 该研究探究掩码扩散语言模型解码中无分类器引导（CFG）的必要性，定义承诺 horizon τ*，发现固定提示的交叉验证 horizon 时，其表现不劣于全程CFG，还可优化并行度与失败轨迹恢复效果。

Differences in Typological Alignment in Language Models' Treatment of Differential Argument Marking

语言模型处理差异论元标记中的类型学对齐差异

Iskar Deng, Nathalia Xu, Shane Steinert-Threlkeld

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

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

AI总结 通过控制合成语料训练GPT-2模型，发现模型在标记方向（自然标记方向）上表现出类人偏好，但在论元角色偏好（宾语vs主语）上未复现人类语言的强烈宾语偏好。

Comments 16 pages, 8 figures, 7 tables. To appear at CoNLL 2026

Journal ref Proceedings of the 30th Conference on Computational Natural Language Learning (CoNLL 2026), pp. 268-283, San Diego, California, USA, Association for Computational Linguistics, 2026

Source-Modality Monitoring in Vision-Language Models

视觉-语言模型中的源模态监控

Etha Tianze Hua, Tian Yun, Ellie Pavlick

机构 * Department of Computer Science, Brown University（布朗大学计算机科学系） 纠错

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

AI总结 研究探讨了多模态模型追踪并沟通信息来源的能力，分析了语法与语义信号在绑定提示词与输入组件中的作用，发现语义信号在模态分布差异大时更占主导。

Comments Accepted at COLM 2026. All resources will be available at https://github.com/ethahtz/source-modality-monitoring

Test, then Route: How Language Models Execute In-Context Conditional Rules Across Models and Languages

测试再路由：语言模型如何跨模型和语言执行上下文条件规则

Luxshan Thavarasa, Sivasuthan Sukumar

机构 * University of Moratuwa（莫拉图瓦大学） 纠错

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

AI总结 该研究通过四捐赠者设计的激活修补实验，在三个开源模型、六种语言中揭示：中间层残差带承载谓词真值，路由模块无抽象性，测试具模块化而路由不具。

Comments 19 pages, 16 figures. Code and data: https://github.com/Luxshan2000/icl-conditional-circuits

Mapping the City Through the Lens of Language Models

通过语言模型的视角映射城市

Wanqi Liu, Rong Zhao, Zhizhou Sha, Qinyu Cui, Yecheng Zhang

机构 * University College London（伦敦大学学院） ； Centre for Advanced Spatial Analysis (CASA)（高级空间分析中心） ； Tsinghua University（清华大学） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； South China University of Technology（华南理工大学） 纠错

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

AI总结 该研究通过10个开放权重检查点结合多类技术，匿名测量语言模型对城市的隐含假设，勾勒出模型视角下的城市画像，揭示其对城市的偏好倾向。

Failing to See or Failing to Know? Attributing Errors in Vision-Language Models

是看不见还是不知道？归因视觉语言模型中的错误

Khang Nhat Hoang Vo, Artem Vazhentsev, Artem Shelmanov, Timothy Baldwin, Yova Kementchedjhieva

机构 * MBZUAI The University of Melbourne（MBZUAI墨尔本大学） 纠错

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

AI总结 研究视觉语言模型在回答需额外知识问题时的错误，提出统一框架分离失败模式，探讨预生成信号能否预测错误源，发现可在解码前预测，能据此进行针对性干预。

Modeling Social Dynamics with an LLM-Enabled Agent Based Network-Dynamic (LAND) Model

基于大语言模型的智能体网络动态（LAND）模型对社会动力学的建模

Lynnette Hui Xian Ng, Kathleen M. Carley

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

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

AI总结 本文采用GhostField架构的LAND模型构建AuraSight场景，通过31万余智能体与人类主体的模拟，揭示社会动力学源于网络拓扑与叙事交换的递归互动。

Language Models Agree With Each Other, Not With Readers

语言模型彼此意见一致，但与读者不一致

Kazuki Nakayashiki, Keisuke Watanabe

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

AI总结 该研究以非研究专用的读者标记为参考，发现不同语言模型间的一致性高于模型与读者间的一致性，且模型一致性与模型规模等因素相关，样本外测试也验证了该结论。

Comments 18 pages. Ancillary files include all three pre-registrations, every analysis script and every result artifact; the paper contains no numeric literal for a measured value and make-numbers.py regenerates all of them from the shipped artifacts alone

Mission-Level Runtime Assurance for LLM-Assisted ISR Swarms over a Verification-Aware Fabric

基于验证感知架构的大语言模型辅助情报、监视与侦察集群任务级运行时保障

Nikolaos Kekatos, Panagiotis Katsaros, Alexios Lekidis, Theodoros Nestoridis, Tom Nianios

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

AI总结 研究大语言模型辅助的ISR集群任务级运行时保障问题，提出三层组合式运行时验证框架，将任务策略分解，通过验证感知架构聚合判定并融合代数，能检测个体合规但集群违规情况，模拟任务验证了其有效性。

Negative controls reveal volume-driven confounding in radiomics and imaging foundation model features

阴性对照揭示放射组学和影像基础模型特征中体积驱动的混杂效应

Katy L. Scott, Sejin Kim, Joshua Siraj, Caryn Geady, Matthew Boccalon, Mattea Welch, Mogtaba Alim, Andrew J. Hope, Benjamin Haibe-Kains

机构 * Princess Margaret Cancer Centre（玛格丽特公主癌症中心） ； University Health Network（大学网络医疗保健系统） 纠错

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

AI总结 该研究推出开源框架READII-2-ROQC，通过体积保持阴性对照分析放射组学和影像基础模型特征，揭示体积驱动的混杂效应，为可解释影像生物标志物开发提供质控策略。

Comments 22 pages (including supplementary), 6 figures, 2 supplementary tables, 5 supplementary figures

The Kinetics of Training: A Driven-Nucleation Rate Law for Emergence, Plasticity Loss, and Circuit Control in Language Models

训练动力学：语言模型中涌现、可塑性丧失与回路控制的成核速率定律

Lei Dong

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

AI总结 该研究提出语言模型能力形成的成核速率定律，揭示无部分 credit 的联合对齐是速率限制步骤，定位可塑性丧失的损伤并找到重新初始化 query-key 切片的解决方案，适用于14亿参数 transformer 的合取回路。

Comments 40 pages, 12 figures

Relation Geometry in Semantic Space of Language Models

语言模型语义空间中的关系几何

Zhihan Cao, Hiroaki Yamada, Simone Teufel, Tatsuya Hiraoka, Kentaro Inui, Hitomi Yanaka, Takenobu Tokunaga

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

AI总结 本文研究语言模型语义空间中关系几何的表征情况，通过三类语言模型在6种语义关系上的实验，发现非对称关系的表征更清晰，且不同模型依赖的信息来源存在差异。

Comments Manuscript under review

A Study of Crosslinguistic Influence in Language Models

语言模型作为人工学习者：探讨跨语言影响

Abderrahmane Issam, Yusuf Can Semerci, Jan Scholtes, Gerasimos Spanakis

机构 * Department of Advanced Computing Sciences（高级计算科学系） 纠错

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

AI总结 本研究利用语言模型探讨跨语言影响，发现语言主导性和熟练度对CLI有显著影响，且L1在L2处理中被共激活。

Comments Under review

Rethinking the Generation Order of Block Diffusion Language Models

重新思考块扩散语言模型的生成顺序

Kai Syun Hou, James Kwok

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

AI总结 研究块扩散语言模型的采样，基于其更适合从左到右解码的特点，提出并行自回归解码方法PARD，该方法无需训练，能保留结构并允许并行令牌承诺，实验证明其在生成质量和速度上优于现有方法。

Comments 20 pages, 15 figures, 6 tables

HiLLTS: Zero-Shot Hierarchical LLM-Guided Traffic Signal Control for Sustainable Transportation

HiLLTS：用于可持续交通的零样本分层大语言模型引导的交通信号控制

Yue Ding, Tendai Mukande, Mingming Liu

机构 * School of Electronic Engineering, Dublin City University（都柏林城市大学电子工程学院） 纠错

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

AI总结 针对传统交通信号控制策略的问题，提出HiLLTS框架，它采用分层三层架构，由中央协调代理等组成。实验表明其能改善拥堵和环境性能，相比不同基线，在减少等待时间和二氧化碳排放上效果显著，消融研究验证了大语言模型引导协调的作用。

Like a bilingual baby: The advantage of visually grounding a bilingual language model

像双语婴儿一样：视觉基础双语语言模型的优势

Khai-Nguyen Nguyen, Zixin Tang, Ankur Mali, Mary ALexandria Kelly

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

AI总结 研究旨在探讨视觉基础对双语语言模型的影响，通过在英西双语图像及字幕上训练LSTM模型，发现视觉基础能提升模型对语义相似性的理解及降低困惑度，为视觉基础语言模型优势提供证据，指出需更多自然语言数据。

Comments Preprint, 7 pages, 2 tables, 1 figure

Analysing Self-Harm Representations in Language Models: a Cross-Architecture Study

分析语言模型中的自我伤害表征：跨架构研究

Luis Espinosa-Anke, Carla Perez-Almendros

机构 * Cardiff University（卡迪夫大学） 纠错

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

AI总结 研究使用自然语言处理技术检测自我伤害内容的挑战，通过对两个数据集和四个模型进行两项实验，分析语言模型对自我伤害内容的表征，发现自我伤害信息在网络层特定深度结晶，且最准确探针不一定最线性可分，Gemma - 3 - 4B表征方式独特。

Expert-Guided Forecast Editing for Time-Series Foundation Models

用于时间序列基础模型的专家指导预测编辑

Hung Le, Minh Hoang Nguyen, Manh Nguyen, Huu Hiep Nguyen, Dai Do

机构 * Deakin University（迪肯大学） ； Deakin Applied Artifical Intelligence Initiative（迪肯大学应用人工智能倡议） 纠错

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

AI总结 研究时间序列基础模型中专家指导预测编辑问题，提出DEFT框架，先利用基础模型预测样本，再逐分量细化探索，仅对完整轨迹查询专家并重用分数，在多数据集和模型等设置下，能有效提高专家指导的有效性。

Comments preprint 34 pages

Enhancing next token prediction based pre-training for jet foundation models

增强基于下一个token预测的喷注基础模型预训练

Joschka Birk, Anna Hallin, Gregor Kasieczka, Nikol Madzharova, Ian Pang, David Shih

机构 * Institut für Experimentalphysik, Universität Hamburg（实验物理研究所，汉堡大学） ； Rutgers University（罗格斯大学） 纠错

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

AI总结 研究基于下一个token预测对喷注基础模型预训练的改进，采用混合设置并结合联合预训练策略，提升了下游分类任务性能且不影响生成性能。

Journal ref 2026 Mach. Learn.: Sci. Technol. 7 035042

Literary Non-Style in LLM-Generated Text

大语言模型生成文本中的文学非风格

Cory Massaro

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

AI总结 研究大语言模型生成文本与人类文本差异，通过分析n元语法统计分布及定性分析，揭示大语言模型风格不足，得出风格和语义问题不可完全分离的结论。

Encoding EEG Signals to Examine Human-Like Next-Word Prediction Behaviour in Language Models

编码脑电信号以研究语言模型中类人下一个单词预测行为

Boi Mai Quach, Binh T. Nguyen, Cathal Gurrin, Graham Healy

机构 * Dublin City University（都柏林城市大学） ； VNUHCM – University of Science（越南国立大学胡志明市科学大学） 纠错

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

AI总结 研究探讨语言模型下一词预测准确率与人类阅读理解认知信号的关系，基于两种信息度量为人类和模型生成回归器预测脑电信号的事件相关电位，发现只有意外性与语言处理电位相关，挑战了模型参数和预算增加必改善与人类语言处理收敛的假设。

Induction Meets Biology: Mechanisms of Repeat Detection in Protein Language Models

归纳遇见生物学：蛋白质语言模型中重复检测的机制

Gal Pomerants, Yaniv Nikankin, Anja Reusch, Tomer Tsaban, Ora Schueler-Furman, Yonatan Belinkov

机构 * Weizmann Institute of Science（魏茨曼科学研究院） 纠错

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

AI总结 通过分析蛋白质语言模型在掩码预测中的行为，揭示了其检测精确和近似重复序列的两阶段机制：先构建特征表示，再利用归纳头关注重复片段中的对齐标记。

Comments Accepted at the 43rd International Conference on Machine Learning (ICML 2026)

Interpretable Text Classification Applied to the Detection of LLM-generated Creative Writing

可解释性文本分类在LLM生成创造性写作检测中的应用

Minerva Suvanto, Andrea McGlinchey, Mattias Wahde, Peter J Barclay

机构 * Chalmers University of Technology（查尔姆斯理工大学） ； Edinburgh Napier University（爱丁堡纳皮尔大学） 纠错

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

AI总结 本文提出了一种可解释的线性分类器，用于区分LLM生成的创造性写作与人类写作，发现LLM倾向于使用更多同义词，导致可检测的分布偏差。

Comments Accepted for publication at ICAART 2026 (https://icaart.scitevents.org/?y=2026)

Journal ref Proceedings of the 18th International Conference on Agents and Artificial Intelligence - Volume 2: ICAART, pages 1198-1209, 2026