语言大模型 / LLM

Conceptual Design of an Ecosystem for Real Farm Data Collection toward Agricultural AI Foundation Models

面向农业AI基础模型的真实农场数据收集生态系统概念设计

Junsei Tanaka, Yoshihiro Sato

机构 * Kyoto University of Advanced Science（京都先端科学大学） 纠错

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

AI总结 针对农业机器人AI数据稀缺问题，提出一个集成需求定价、收益共享和真实性验证的可持续数据收集生态系统，并通过经济价值估算证明其可行性。

Attention Alignment Between Humans and Vision-Language Models

人类与视觉语言模型之间的注意力对齐

Isaac R. Christian, Udith Haputhanthrige, Hanna Hornfeld, Declan Campbell, Samuel Nastase, Taylor Webb, Michael Graziano

机构 * Princeton Neuroscience Institute, Princeton University（普林斯顿大学普林斯顿神经科学研究所） ； Department of Psychology, Princeton University（普林斯顿大学心理学系） ； Department of Computer Science, Princeton University（普林斯顿大学计算机科学系） ； Department of Psychology and Center for Computational Language Sciences, University of Southern California（南加州大学心理学系与计算语言科学中心） ； Department of Psychology, Université de Montréal（蒙特利尔大学心理学系） 纠错

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

AI总结 本研究比较了六种视觉语言模型的空间注意力图与人类注视热图，发现解码器架构（LSTM vs Transformer）主导对齐程度，LSTM解码器对齐度更高但空间分散且任务区分度低，而Transformer解码器注意力更集中且任务区分度强。

m6A-FORM: An m6A-focused Foundation Model for Decoding m6A Regulatory Function

m6A-FORM：解码N6-甲基腺苷生物学的基础模型

Ting-He Zhang, Sumin Jo, Shou-Jiang Gao, Yufei Huang

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

AI总结 提出基于Transformer的基础模型m6A-FORM，利用MeRIP-seq峰作为先验，预训练后微调实现m6A位点预测，性能优于现有方法，并支持调控因子结合位点预测和组织保守位点分析。

Perceptive Behavior Foundation Model: Adapting Human Motion Priors to Robot-Centric Terrain

感知行为基础模型：将人体运动先验适应到以机器人为中心的地形

Zifan Wang, Yizhao Li, Teli Ma, Qiang Zhang, Yudong Fan, Hao Xu, Shuo Yang, Junwei Liang

机构 * Mondo Robotics ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； The Hong Kong University of Science and Technology（香港科技大学） ； Artificial General Intelligence Institute, University of Science and Technology of China（中国科学技术大学通用人工智能研究院） 纠错

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

AI总结 提出感知行为基础模型（Perceptive BFM），通过地形一致参考合成（TCRS）将人体运动先验适应到机器人局部地形，实现地形感知的人形机器人控制。

Adapting Vision-Language Models from Iconic to Inclusive for Multi-Label Recognition Without Labels

将视觉-语言模型从标志性适应到包容性：用于无标签的多标签识别

Cheng Chen, Jingyu Zhou, Yifan Zhao, Jia Li

机构 * State Key Laboratory of Virtual Reality Technology and Systems, SCSE & QRI, Beihang University（虚拟现实技术与系统国家重点实验室，北京航空航天大学计算机学院与青岛研究院） 纠错

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

AI总结 提出无监督框架，通过“切割”和“缝合”两阶段适应VLMs，实现无标签的多标签图像识别，在四个数据集上超越现有无监督方法。

On MUON optimization: From non-convergence to an error analysis with Polar Express and the Newton-Schulz polynomial from implementations

MUON优化：从非收敛性到结合Polar Express与Newton-Schulz多项式实现的误差分析

Thang Do, Steffen Dereich, Arnulf Jentzen

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

AI总结 本文针对2024年提出的MUON优化器，提出含任意NS步骤的广义变体，证明其在部分随机优化问题中无法收敛，建立误差分析并在多个实例中验证相关结论。

Comments 82 pages

A Context-Aware Cultural Heritage Guide Powered by LLMs

由大语言模型（LLMs）驱动的上下文感知文化遗产指南

Liliana Ardissono, Fabio Ferrero, Angelo Geninatti Cossatin, Claudio Mattutino, Noemi Mauro

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

AI总结 本研究扩展了文化遗产网页应用Triangolazioni，构建与LLMs无关的松耦合架构，实现LLMs驱动的上下文感知文化遗产信息搜索与展示，丰富了文化遗产内容。

Journal ref In Proceedings of the 34th ACM Conference on User Modeling, Adaptation and Personalization (UMAP '26). 2026

Beyond Fail-to-Pass: Iterative Hardening of Co-Generated Bug Reproduction Tests and Fixes

超越未通过测试：协同生成的错误重现测试与修复的迭代强化

Yuhao Tan, Zhibang Yang, Fangkai Yang, Yuan Yao, Yu Kang, Lu Wang, Pu Zhao, Xin Zhang, Xiaoxing Ma, Qingwei Lin, Saravan Rajmohan, Dongmei Zhang

机构 * Nanjing University（南京大学） ； Peking University（北京大学） ； Microsoft（微软公司） 纠错

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

AI总结 研究自动化程序修复中错误重现测试问题，指出仅用未通过到通过标准不足。提出CoHarden框架，先生成测试再迭代强化测试与修复，实验证明该框架在解决率等方面优于现有基线。

Comments 29 pages, 5 figures, preprint

VectorizationLLM: Smart Vectorization Based AI Assistant

向量化语言模型：基于智能向量化的人工智能助手

Ryan Duke

机构 * New York Institute of Technology（纽约理工学院） 纠错

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

AI总结 研究旨在设计基于谷歌开放权重语言模型的VectorizationLLM，用于辅助学生学习MATLAB相关知识。采用RAG知识库和系统提示架构，不直接给答案，通过课堂笔记示例详细解释概念，为课程应用提供有指导意义的智能助手。

Comments 44 pages, 6 figures

Learning social norms enhances compatibility in dynamic human-AI coordination

学习社会规范可增强动态人机协作中的兼容性

Yi Yang, Siyuan Liu, Xin Gao, Huamu Sun, Chao Liu, Qing Zhou, Bingbing Nie

机构 * School of Vehicle and Mobility, Tsinghua University, Beijing, China（清华大学车辆与移动系统学院） ； State Key Laboratory of Intelligent Green Vehicle and Mobility, Tsinghua University, Beijing 100084, China（清华大学智能绿色车辆与移动系统国家重点实验室） ； State Key Laboratory of Cognitive Neuroscience and Learning & IDG/McGovern Institute for Brain Research, Beijing Normal University, Beijing, China（北京师范大学认知神经科学与学习国家重点实验室） ； Beijing Key Laboratory of Safe AI and Superalignment, Beijing, China（北京安全人工智能与超对齐关键实验室） ； Beijing Institute of AI Safety and Governance, Beijing, China（北京人工智能安全与治理研究院） 纠错

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

AI总结 研究以行人与车辆互动为代表，搭建实验平台，识别出人类社会规范的三项原则，将其融入人工智能显著改善人机协作，在闭环互动任务中，融入社会规范的大语言模型总分比基线策略高出近四倍，比人际互动高出43%。

Comments 44 pages, 5 figures, supplementary information included

The Alignment Problem in Constrained Code Generation

约束代码生成中的对齐问题

Matteo Biagiola, Jahrim Gabriele Cesario, Luca Di Grazia, George Zakhour, Guido Salvaneschi

机构 * University of St. Gallen（圣加尔登大学） ； Università della Svizzera italiana (USI)（瑞士联邦理工学院） 纠错

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

AI总结 研究约束解码中约束器、语言模型与目标语言之间的对齐问题，发现约束器的不完整性会扭曲模型分布，导致功能正确性下降高达97%，并提出设计约束器的定量见解。

Scaling Diverse Language Generation for 3D Visual Grounding

面向3D视觉定位的多样化语言生成扩展

Austin T. Wang, Dongchen Yang, Angel X. Chang

机构 * Simon Fraser University（西蒙菲莎大学） 纠错

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

AI总结 提出ViGiL3D++方法，通过场景图约束采样与LLM语言生成结合，生成多样化视觉定位查询，提升3DVG模型泛化能力并揭示VLM局限性。

Comments 39 pages, 14 figures, 16 tables. Project Page: https://3dlg-hcvc.github.io/vigil3dpp

The Almost Intelligent Revolution: Options for Scaling Up Deliberation and Empowering People with AI

近乎智能的革命：扩大审议规模并利用AI赋能人类的选项

Serge Sharoff

机构 * Centre on Participatory and Deliberative Democracy（参与性和协商性民主研究中心） 纠错

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

AI总结 探讨大型语言模型如何通过系统功能语言学视角扩大民主审议规模，增强包容性并赋权边缘群体，同时警惕过度承诺与低估风险。

Comments Published in /Handbook of Democracy in the Era of Artificial Intelligence/ edited by Evangelos Pournaras, Srijoni Majumdar, Carina Ines Hausladen, and Dirk Helbing. 2026

Beyond Pass/Fail: Using Process Mining to Understand How LLMs Resist (and Fail) Red Team Attacks

超越通过/失败：使用过程挖掘理解LLM如何抵抗（和失败）红队攻击

Zvi Topol

机构 * MuyVentive LLC 纠错

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

AI总结 提出将过程挖掘应用于红队攻击轨迹，通过分析事件日志提取直接跟随图和状态转移矩阵，揭示GPT-OSS和Llama 3.3在防御结构上的差异，发现传统攻击成功率指标无法捕捉的模型防御模式。

When More Becomes Less: Position-Dependent Repetition Effects in Language Models

当多变为少：语言模型中与位置相关的重复效应

Han-yu Wang

机构 * The University of Hong Kong（香港大学） 纠错

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

AI总结 该研究发现语言模型中目标 token 的重复效应与读取位置相关，位移重复会呈现倒U型规律，且该效应经多语言和多模型验证，归因于精确词汇重复而非其他因素。

Trajectory-Guided Forget-Recover Network for Continual LLM Unlearning

用于持续大语言模型遗忘的轨迹引导遗忘-恢复网络

Zezheng Wu, Xinghe Cheng, Qinggang Zhang, Haoran Luo, Jiapu Wang, Qing Yang, Jingwei Zhang

专题命中 其他LLM ：LLM(title)；分类 cs.AI、cs.LG

AI总结 针对持续大语言模型遗忘的两大挑战，提出TFR-Net，通过跟踪通道级风险抑制持久目标相关通道、恢复休眠通道，在四个数据集上取得更优的遗忘效果与保留性能权衡。

Perspective-Invariant Attack with Enhanced Transferability of Adversarial Examples

具有增强对抗样本迁移性的视角不变攻击

Kaisheng Liang, Yiming Cao, Bin Xiao

机构 * The Hong Kong Polytechnic University（香港理工大学） 纠错

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

AI总结 针对对抗样本跨模型迁移性带来的安全威胁，提出视角不变攻击（PIA）及其扩展PIA-Mix，通过多自由度顶点采样策略提升对抗样本迁移性，实验显示其性能优于当前最优基于迁移的攻击方法。

Journal ref IEEE Transactions on Information Forensics and Security, vol. 21, pp. 6818-6831, 2026

AlphaSeek: Trajectory-Level Self-Iterative Factor Mining Framework for Multi-Source Financial Data

AlphaSeek：面向多源金融数据的轨迹级自迭代因子挖掘框架

Qilu Zhu, Zijun Lu, Jianmin Zhu, Ning Chen, Shuo Yin, Simon Fong

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

AI总结 针对现有量化因子挖掘方法的缺陷，提出AlphaSeek框架，整合自动化方向发现等技术，在CSI300上取得优异策略性能，且因子具跨市场迁移性。

Estimating GHG Emissions from AI Use: Framework for Corporate-Level Measurement

估算AI使用产生的温室气体排放：企业级测量框架

John Bistline, Shaena Ulissi, Steven J. Davis, Jonathan Glidden, James Joyce, Mo Li, Jackson Mohsenin, Sangwon Suh

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

AI总结 针对企业AI排放核算缺乏公认方法的问题，提出标准化企业级AI排放核算框架，以支撑减排目标设定与脱碳决策。

Baikal: Structured Search for Deep Research over Data Lakes

Baikal：面向数据湖深度研究的结构化搜索框架

Dhruv Agarwal, Rishitha Guttapalle Mohan, Aarti Kumari, Ashi Sinha, Athulya Anil, Kavitha Srinivas, Horst Samulowitz, Andrew McCallum

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

AI总结 Baikal是面向数据湖深度研究的结构化搜索框架，通过聚类证据为语义区域并自适应搜索，在HybridQA和TAT-QA数据湖上较基线方法提升报告得分28%和36%，展现了结构化语义探索的价值。

From GUI Tests to Conversational Interaction: A New Perspective on App-Specific Voice Assistants

从图形用户界面测试到对话交互：特定应用语音助手的新视角

Xue Qin, Sumesh Surendran Letha

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

AI总结 研究针对移动平台语音助手与应用行为契合度低的问题，提出由语言模型驱动、利用图形用户界面测试代码自动开发特定应用语音助手的方法，经安卓原型验证，可复用测试代码实现语音助手合成并指明相关研究方向。

Exploring the Potential of Program Flowcharts on Code Generation Using Multimodal LLMs

利用多模态大语言模型探索程序流程图在代码生成中的潜力

Yuki Toi, Tao Xiao, Kazushi Tomoto, Masanari Kondo, Yasutaka Kamei

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

AI总结 研究利用多模态大语言模型探索程序流程图对代码生成的潜力，通过从示例代码生成流程图并与问题陈述一起提供给模型进行代码生成实验，发现结合流程图可提升性能，不同细节程度的流程图效果有差异，还比较了与少样本学习的效果。

Mitigating Taint-Style Vulnerabilities in MCP Servers via Security-Aware Tool Descriptions

通过安全感知工具描述减轻MCP服务器中的污点式漏洞

Yang Shi, Jiaheng Fu, Yihe Huang, Ruixiang Wu, Chengyao Sun, Kaifeng Huang

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

AI总结 研究MCP服务器污点式漏洞，提出SPELLSMITH，通过分析服务器高风险能力，结合工具描述等识别潜在风险，利用协议属性和大语言模型自我反思能力迭代优化输出，有效减轻污点式漏洞利用。

Gradient-Based Speech-to-Text Alignment for Any ASR Model: From CTC to Speech LLMs

基于梯度的任意语音识别模型的语音到文本对齐：从连接主义时间分类到语音大语言模型

Albert Zeyer, Ralf Schlüter, Hermann Ney

机构 * Machine Learning and Human Language Technology Group, RWTH Aachen University（机器学习与人类语言技术组，亚琛工业大学） ； AppTek GmbH（AppTek公司） 纠错

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

AI总结 研究基于梯度的任意可微语音识别模型的语音到文本对齐方法，通过对教师强制令牌对数概率取梯度并解码，无需训练、改模型及对齐头，适用于各模型家族，在多模型上评估，结果显示该方法能产生可用对齐，有优有劣。

The Technological Turn in Mathematics

数学中的技术转向

Silvia De Toffoli, Fenner Tanswell

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

AI总结 探讨交互式定理证明器、自动定理证明器和大语言模型等技术对数学实践的影响，包括对数学知识创造与共享、社会层面如协作和信任关系的改变，以及引发的关于形式化本质和人机认知劳动分工等问题。

Probe, Don't Prompt: A Hidden-State Probe for Metadata Filtering in Multi-Meta-RAG

探测而非提示：用于多元RAG中元数据过滤的隐藏状态探测器

Mykhailo Poliakov, Nadiya Shvai

机构 * National University of Kyiv-Mohyla Academy（基辅莫希拉学院国家大学） 纠错

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

AI总结 研究改进多跳问答检索，用基于小型开源语言模型隐藏状态训练的确定性探测器取代专有提取器，探测器在准确率上有优势且输出空间固定，介绍了使其工作的设计选择及低成本输出方式。

An Empirical Study of Downstream Adaptation for Agent Skills

智能体技能下游适配的实证研究

Xinjian Wu, Jingzhi Gong, Gunel Jahangirova, Zhenpeng Chen, Jie M. Zhang

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

AI总结 研究大语言模型智能体技能下游适配，分析六个技能库的1126个适配实例，构建含46种模式的分类法，揭示重用悖论，发现适配相互依赖及近五分之一适配引入安全敏感内容，为改进技能设计等提供启示。

Comments 10 pages, 3 figures, 13 tables

Anthropomorphism in AI Companion Communities: Age, Gender, and Emotional Correlates

AI伴侣社区中的拟人化：年龄、性别与情感相关性

Afia Mubashir, Boden Moraski, Stephanie Choi, Rose E. Guingrich

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

AI总结 本研究利用Reddit数据，分析AI伴侣社区中用户年龄、性别与拟人化倾向及情感表达的关系，发现成年人和女性更易拟人化，积极情感与拟人化正相关，且这些关系在成年人中更强。

Collaborative and AI-Supported Requirements Elicitation: An Empirical Study

协作与AI支持的需求获取：一项实证研究

Manoel Salgado Neto, Alan Araujo, Ronnie de Souza Santos

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

AI总结 通过混合方法控制实验，比较四种需求获取方法，发现结合协作与AI支持的方法产出质量最高，且被认为更清晰易执行。

Hybrid Intelligence in Cartoon Captioning: Evaluating AI as a Creative Writing Partner

卡通字幕中的混合智能：评估AI作为创意写作伙伴

Uğur Önal, Sanem Sariel, Metin Sezgin, Derya Akleman, Ergun Akleman

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

AI总结 研究通过GPT-4o为IEEE计算机杂志卡通生成字幕，评估AI在幽默创作中的表现，发现AI能提供创意但需人类把控，建议作为辅助工具。

Comments 12 pages, 8 Figures, Accepted to AI Magazine