语言大模型 / LLM

Language-Switching Triggers Take a Latent Detour Through Language Models

语言切换触发器通过语言模型的潜在迂回路径

Francis Kulumba, Wissam Antoun, Théo Lasnier, Benoît Sagot, Djamé Seddah

机构 * Inria Paris（巴黎研究所） ； Sorbonne Université（索邦大学） 纠错

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

AI总结 本文通过电路分析揭示了一个8B参数自回归语言模型中语言切换后门攻击的内部机制，该攻击由三个拉丁词触发，将英语输出重定向为法语，并发现触发信号通过正交于语言身份方向的潜在空间传播，最终由最后一层MLP转换为法语logits。

Comments 15 pages, 16 figures. Under review

RE-VLM: Event-Augmented Vision-Language Model for Scene Understanding

RE-VLM：事件增强的视觉-语言模型用于场景理解

Hanqing Liu, Mingjie Liu, Luoping Cui, Endian Lin, Donghong Jiang, Chuang Zhu

机构 * School of Artificial Intelligence, Beijing University of Posts and Telecommunications（北京邮电大学人工智能学院） ； State Key Laboratory of General Artificial Intelligence, BIGAI（通用人工智能国家重点实验室，BIGAI） 纠错

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

AI总结 本文提出RE-VLM，一种结合RGB图像和事件流的双流视觉-语言模型，旨在提升在正常和恶劣条件下对场景的理解能力。通过事件相机提供的高时间分辨率和宽动态范围的数据，RE-VLM在场景描述和视觉问答任务中优于现有模型。

Comments 10 pages, 6 figures, 6 tables

Causal Past Logic for Runtime Verification of Distributed LLM Agent Workflows

因果过去逻辑用于分布式大语言模型代理工作流的运行时验证

Benedikt Bollig

机构 * Université Paris-Saclay, CNRS, ENS Paris-Saclay, LMF, Gif-sur-Yvette, France（巴黎-萨克雷大学，国家科学研究中心，巴黎-萨克雷高等师范学院，LMF，法国吉夫昂蒂埃） 纠错

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

AI总结 本文提出了一种因果过去逻辑（CPL）用于分布式大语言模型代理工作流的运行时验证，通过在ZipperGen框架中引入CPL，实现了对工作流中因果可见事件的实时监控和控制流影响，从而将运行时验证整合到协调语言本身。

Comments 20 pages

DNACHUNKER: Learnable Tokenization for DNA Language Models

DNACHUNKER: 用于DNA语言模型的可学习分词

Taewon Kim, Jihwan Shin, Hyomin Kim, Youngmok Jung, Jonghoon Lee, Won-Chul Lee, Sungsoo Ahn, Insu Han

机构 * Graduate School of AI, KAIST（韩国科学技术院人工智能研究生院） ； Department of Electrical Engineering, KAIST（韩国科学技术院电气工程系） ； Inocras Korea Inc.（Inocras韩国公司） 纠错

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

AI总结 本文提出DNACHUNKER，一种可学习的DNA分词方法，通过动态分段模块生成上下文依赖的变长单元，提升DNA语言模型在基因组序列处理中的鲁棒性和效率。

Comments ICML 2026 camera-ready version

Attention Hijacking: Response Manipulation Across Queries in Vision-Language Models

注意力劫持：跨查询的视觉-语言模型响应操控

Zhiqiang Wang, Dongrui Liu, Yan Li, Zonghao Ying, Wei Xue, Wenhan Luo, Yike Guo

机构 * Hong Kong University of Science and Technology（香港理工大学） ； Shanghai Jiao Tong University（上海交通大学） ； Beihang University（北京航空航天大学） 纠错

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

AI总结 本文研究了视觉-语言模型中跨查询响应操控问题，提出了一种新的对抗攻击方法Attention Hijacking，通过引导内部注意力分布保持图像主导模式，提高攻击在不同查询下的有效性。

Dynamic Chunking for Diffusion Language Models

扩散语言模型的动态分块

Yichen Zhu, Xiaoming Shi, Peng Zhao, Weiyu Chen, Debing Zhang, James Kwok

机构 * CSE, HKUST（香港科技大学计算机科学与工程系） ； Xiaohongshu Inc.（小红书公司） ； Alibaba group（阿里巴巴集团） ； CityUHK（城市大学香港校区） 纠错

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

AI总结 本文提出动态分块扩散模型，通过内容定义语义分块替代固定位置分块，提升序列结构利用效率，在参数规模达1.5B的下游任务中表现更优。

GiLT: Augmenting Transformer Language Models with Dependency Graphs

GiLT：通过依赖图增强Transformer语言模型

Tianyu Huang, Yida Zhao, Chuyan Zhou, Kewei Tu

机构 * School of Information Science and Technology, ShanghaiTech University（信息科学与技术学院，上海科技大学） ； Shanghai Engineering Research Center of Intelligent Vision and Imaging（智能视觉与成像上海工程研究中心） 纠错

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

AI总结 GiLT通过依赖图增强Transformer语言模型，提升语法泛化能力，同时保持竞争力的困惑度，且能通过微调提升下游任务表现。

Why are language models less surprised than humans? Testing the Parse Multiplicity Mismatch Hypothesis

为何语言模型比人类更不惊讶？测试解析多重性不匹配假说

William Timkey, Brian Dillon, Tal Linzen

机构 * Department of Linguistics, New York University（纽约大学语言学系） ； Center for Data Science, New York University（纽约大学数据科学中心） ； Department of Linguistics, University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校语言学系） 纠错

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

AI总结 研究探讨语言模型在处理句子时的 surprisal 与人类处理的差异，通过调整解析数量来测试解析多重性不匹配假说对句法歧义的影响。

Do Language Models Align with Brains? Prediction Scores Are Not Enough

语言模型与大脑对齐吗？预测分数并不足够

Xiao Jia

机构 * School of Artificial Intelligence, The Chinese University of Hong Kong, Shenzhen, China（人工智能学院，香港中文大学（深圳）） 纠错

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

AI总结 本文通过L-PACT框架评估语言模型与大脑的对齐性，发现预测分数不足以支持两者对齐的结论，所有测试结果均被控制条件解释。

Comments 39 pages, 4 main figures, 6 supplementary figures

Sampling from Flow Language Models via Marginal-Conditioned Bridges

通过边缘-条件化桥梁采样流语言模型

Iskander Azangulov, Leo Zhang

机构 * Department of Statistics, University of Oxford（牛津大学统计系） 纠错

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

AI总结 本文提出通过边缘-条件化桥梁采样流语言模型，该方法在每一步从因子化后验中采样干净的一热序列，并利用奥本-乌伦贝克桥进行下一步状态采样，从而在不训练的情况下提升质量-多样性平衡。

Language Models Without a Trainable Input Embedding Table: Learning from Fixed Minimal Binary Token Codes

无可训练输入嵌入表的语言模型：从固定最小二进制令牌代码中学习

A. Bochkov

机构 * Andrey Bochkov（安德里·博赫科夫） 纠错

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

AI总结 本文探讨了现代语言模型中可训练输入嵌入表的必要性，通过固定最小二进制令牌代码和无参数提升方法，在不使用可训练嵌入表的情况下实现了与传统方法相当的验证集困惑度，证明了其非必要性。

Breaking the Impasse: Dual-Scale Evolutionary Policy Training for Social Language Agents

打破僵局：用于社交语言代理的双尺度进化策略训练

Minzheng Wang, Run Luo, Yanbo Wang, Zichen Liu, Yuqiao Tan, Tao Tan, Xu Nan, Yinhe Zheng, Wenji Mao

机构 * MAIS, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所MAIS部） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； National University of Singapore（新加坡国立大学） ； Ritzz-AI 纠错

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

AI总结 本文提出双尺度进化策略训练方法，解决社交语言游戏中因策略空间庞大导致的进化停滞问题，通过动态优化景观干预，恢复梯度信号并促进持续战略探索。

Comments Accepted to the ACL 2026 Main Conference

STARFlow2: Bridging Language Models and Normalizing Flows for Unified Multimodal Generation

STARFlow2：连接语言模型与归一化流以实现统一的多模态生成

Ying Shen, Tianrong Chen, Yuan Gao, Yizhe Zhang, Yuyang Wang, Miguel Ángel Bautista, Shuangfei Zhai, Joshua M. Susskind, Jiatao Gu

机构 * Apple（苹果公司） 纠错

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

AI总结 本文提出STARFlow2，通过归一化流与预训练视觉语言模型结合，实现高效的多模态生成，采用深度浅层流设计和统一FAE潜在空间，提升生成效率与性能。

Comments 19 pages, 9 figures

How to Train Your Latent Diffusion Language Model Jointly With the Latent Space

如何与潜在空间联合训练潜在扩散语言模型

Viacheslav Meshchaninov, Alexander Shabalin, Egor Chimbulatov, Nikita Gushchin, Ilya Koziev, Alexander Korotin, Dmitry Vetrov

机构 * Constructor University（Constructor大学） ； HSE University（莫斯科国立高等经济大学） ； Applied AI Institute（应用人工智能研究所） ； AXXX ； Independent researcher（独立研究者） 纠错

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

AI总结 本文提出联合训练潜在扩散语言模型，通过重塑预训练语言模型的表示构建潜在空间，提升生成性能并加快速度。

Large Vision-Language Models Get Lost in Attention

大视觉-语言模型在注意力中迷失

Gongli Xi, Ye Tian, Mengyu Yang, Huahui Yi, Liang Lin, Xiaoshuai Hao, Kun Wang, Wendong Wang

机构 * School of Cyberspace Security, Beijing University of Posts（信息安全学院，北京邮电大学） ； State Key Laboratory of Networking and Switching Technology, Beijing University of Posts（网络与交换技术国家重点实验室，北京邮电大学） ； School of Computer Science (National Pilot Software Engineering School), Beijing University of Posts（计算机科学学院（国家试点软件工程学院），北京邮电大学） ； Nanyang Technological University, Singapore（新加坡南洋理工大学） ； Institute of Information Engineering, Chinese Academy of Sciences, Beijing, China（信息工程研究所，中国科学院北京研究院） 纠错

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

AI总结 研究揭示大视觉-语言模型中注意力与前馈网络的作用差异，提出基于信息论和几何的统一框架，发现注意力模块存在冗余问题。

Comments 25 pages, 10 figures. Accepted by ICML 2026

Adaptive 3D-RoPE: Physics-Aligned Rotary Positional Encoding for Wireless Foundation Models

自适应3D-RoPE：用于无线基础模型的物理对齐旋转位置编码

Chenyu Zhang, Xinchen Lyu, Chenshan Ren, Shuhan Liu, Qimei Cui

机构 * National Engineering Research Center for Mobile Network Technologies, Beijing University of Posts and Telecommunications（中国移动网络技术国家工程研究中心，北京邮电大学） ； Department of Broadband Communication, Pengcheng Laboratory（宽带通信部，鹏城实验室） ； Key Laboratory of Ethnic Language Intelligent Analysis and Security Governance of MOE, Minzu University of China（教育部民族语言智能分析与安全治理重点实验室，中央民族大学） ； China Telecom Corporation Limited Gansu Branch（中国电信集团甘肃分公司） 纠错

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

AI总结 本文提出自适应3D-RoPE，通过整合可学习的3D频率银行和轻量级通道条件控制器，解决无线基础模型中位置编码的静态问题，提升尺度外推和零样本泛化性能。

Comments 13 pages, 7 figures

The $\textit{Silicon Society}$ Cookbook: Design Space of LLM-based Social Simulations

硅社会食谱：基于大语言模型的社会模拟设计空间

Aurélien Bück-Kaeffer, Sneheel Sarangi, Maximilian Puelma Touzel, Reihaneh Rabbany, Zachary Yang, Jean-François Godbout

机构 * McGill University（麦吉尔大学） ； Mila - Quebec Artificial Intelligence Institute（魁北克人工智能研究所） ； Université de Montréal（蒙特利尔大学） ； Ubisoft La Forge（育碧La Forge） 纠错

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

AI总结 研究如何通过大语言模型构建社会模拟网络，分析关键设计选择对模拟结果的影响，揭示设计空间的非平凡几何特性。

Comments 20 pages, 12 tables, under review at COLM 2026

FMCL: Class-Aware Client Clustering with Foundation Model Representations for Heterogeneous Federated Learning

FMCL：基于基础模型表示的类感知客户端聚类用于异构联邦学习

Mahad Ali, Laura J. Brattain

机构 * University of Central Florida（中央佛罗里达大学） 纠错

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

AI总结 FMCL通过基础模型生成语义客户端签名，实现一次聚类，提升异构联邦学习性能并保持稳定性。

Comments 14 pages, 2 figures

A New Semisupervised Technique for Polarity Analysis using Masked Language Models

基于掩码语言模型的极性分析新半监督技术

Kohei Watanabe

机构 * Waseda University（早稻田大学） ； LUT University（卢特大学） 纠错

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

AI总结 本文提出利用掩码语言模型改进的潜在语义缩放方法，通过词向量预测种子词在上下文中的出现概率，提升文本分析中极性评分的准确性与一致性。

$π_{0.7}$: a Steerable Generalist Robotic Foundation Model with Emergent Capabilities

$π_{0.7}$: 一种可定向的通用机器人基础模型与涌现能力

Physical Intelligence, Bo Ai, Ali Amin, Raichelle Aniceto, Ashwin Balakrishna, Greg Balke, Kevin Black, George Bokinsky, Shihao Cao, Thomas Charbonnier, Vedant Choudhary, Foster Collins, Ken Conley, Grace Connors, James Darpinian, Karan Dhabalia, Maitrayee Dhaka, Jared DiCarlo, Danny Driess, Michael Equi, Adnan Esmail, Yunhao Fang, Chelsea Finn, Catherine Glossop, Thomas Godden, Ivan Goryachev, Lachlan Groom, Haroun Habeeb, Hunter Hancock, Karol Hausman, Gashon Hussein, Victor Hwang, Brian Ichter, Connor Jacobsen, Szymon Jakubczak, Rowan Jen, Tim Jones, Gregg Kammerer, Ben Katz, Liyiming Ke, Mairbek Khadikov, Chandra Kuchi, Marinda Lamb, Devin LeBlanc, Brendon LeCount, Sergey Levine, Xinyu Li, Adrian Li-Bell, Vladislav Lialin, Zhonglin Liang, Wallace Lim, Yao Lu, Enyu Luo, Vishnu Mano, Nandan Marwaha, Aikys Mongush, Liam Murphy, Suraj Nair, Tyler Patterson, Karl Pertsch, Allen Z. Ren, Gavin Schelske, Charvi Sharma, Baifeng Shi, Lucy Xiaoyang Shi, Laura Smith, Jost Tobias Springenberg, Kyle Stachowicz, Will Stoeckle, Jiaming Tang, Jimmy Tanner, Shalom Tekeste, Marcel Torne, Kyle Vedder, Quan Vuong, Anna Walling, Haohuan Wang, Jason Wang, XuDong Wang, Chris Whalen, Samuel Whitmore, Blake Williams, Charles Xu, Sukwon Yoo, Lili Yu, Wuming Zhang, Zhuoyang Zhang, Ury Zhilinsky

机构 * Physical Intelligence 纠错

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

AI总结 $π_{0.7}$通过多样化的上下文条件训练，实现跨环境任务执行与零样本泛化，支持多阶段任务和复杂操作，如咖啡机操作，性能媲美专门强化学习微调模型。

Comments Website: https://www.pi.website/blog/pi07

Attention-based multiple instance learning for predominant growth pattern prediction in lung adenocarcinoma wsi using foundation models

基于注意力机制的多实例学习用于肺腺癌全切片中主导生长模式预测

Laura Valeria Perez-Herrera, M. J. Garcia-Gonzalez, Karen Lopez-Linares

机构 * Vicomtech Foundation, Basque Research and Technology Alliance (BRTA)（Vicomtech基金会，巴斯克研究与技术联盟（BRTA）） ； eHealth Group, Bioengineering Area, Biogipuzkoa Health Research Institute（eHealth集团，生物工程领域，Biogipuzkoa健康研究中心） 纠错

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

AI总结 本文提出基于注意力机制的多实例学习框架，利用预训练病理基础模型提取特征，通过全切片级预测减少标注负担，实验显示细调编码器提升性能，与基线方法相比预测更稳健。

Believing without Seeing: Quality Scores for Contextualizing Vision-Language Model Explanations

相信而不看：为视觉语言模型解释提供质量评分

Keyu He, Tejas Srinivasan, Brihi Joshi, Xiang Ren, Jesse Thomason, Swabha Swayamdipta

机构 * University of Southern California（南加州大学） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

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

AI总结 本文提出通过两种质量评分函数评估视觉语言模型解释的视觉忠实度和对比性，以减少对模型预测的过度依赖，实验显示质量评分能显著提升用户判断准确性。

Knapsack Optimization-based Schema Linking for LLM-based Text-to-SQL Generation

基于背包优化的模式链接用于基于大语言模型的文本到SQL生成

Zheng Yuan, Hao Chen, Zijin Hong, Qinggang Zhang, Feiran Huang, Qing Li, Xiao Huang

机构 * The Hong Kong Polytechnic University（香港理工大学） ； City University of Macau（澳门城市大学） ； Jinan University（济南大学） 纠错

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

AI总结 本文提出KaSLA方法，通过引入受限缺失指标改进模式链接，优化SQL生成性能，实验表明其在Spider和BIRD基准上显著提升文本到SQL模型表现。

No One Fits All: From Fixed Prompting to Learned Routing in Multilingual LLMs

没有万能的方案：从固定提示到学习路由在多语言大语言模型中

Wei-Chi Wu, Sheng-Lun Wei, Hen-Hsen Huang, Hsin-Hsi Chen

机构 * Department of Computer Science and Information Engineering, National Taiwan University, Taiwan（国立台湾大学计算机科学与资讯工程学系） ； Institute of Information Science, Academia Sinica, Taiwan（台湾“中央研究院”信息科学研究所） ； AI Research Center (AINTU), National Taiwan University, Taiwan（国立台湾大学人工智能研究中心） 纠错

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

AI总结 研究评估了十种语言和四个基准的提示策略，发现无单一策略最优，提出学习路由方法提升多语言性能。

Comments Accepted as a short findings paper at ACL 2026

On the Generalizability of Foundation Models for Crop Type Mapping

面向作物类型映射的基础模型通用性研究

Yi-Chia Chang, Adam J. Stewart, Favyen Bastani, Piper Wolters, Shreya Kannan, George R. Huber, Jingtong Wang, Arindam Banerjee

机构 * University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

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

AI总结 本文评估了三种EO基础模型在五个大洲的五个作物分类数据集上的表现，发现专为Sentinel-2设计的SSL4EO-S12在通用性上表现更优，且需900张图像以缓解类别不平衡问题。

Comments Accepted to IEEE IGARSS 2025. The final version is available in the Proceedings of the IEEE International Geoscience and Remote Sensing Symposium (IGARSS) 2025

From Heads to Neurons: Causal Attribution and Steering in Multi-Task Vision-Language Models

从头到神经元：多任务视觉-语言模型中的因果归因与操控

Qidong Wang, Junjie Hu, Ming Jiang

机构 * Tongji University（同济大学） ； 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(title,abstract)；分类 cs.CL

AI总结 本文提出HONES框架，通过任务相关的注意力头来评估神经元的因果贡献，改进多任务视觉-语言模型中神经元的归因与操控，提升模型性能。

Comments ACL 2026 Findings

When Numbers Start Talking: Implicit Numerical Coordination Among LLM-Based Agents

当数字开始说话：基于大语言模型的智能体间的隐性数字协调

Alessio Buscemi, Daniele Proverbio, Alessandro Di Stefano, The-Anh Han, German Castignani, Pietro Liò

机构 * Luxembourg Institute of Science and Technology（卢森堡科学与技术研究所） ； University of Trento（特伦托大学） ； Teesside University（泰赛大学） ； University of Cambridge（剑桥大学） 纠错

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

AI总结 本文研究了基于大语言模型的多智能体系统中隐性沟通的博弈理论，分析了不同沟通模式下协调与战略结果的变化。

TTL: Test-time Textual Learning for OOD Detection with Pretrained Vision-Language Models

TTL: 用于基于预训练视觉-语言模型的分布外检测的测试时文本学习

Jinlun Ye, Jiang Liao, Runhe Lai, Xinhua Lu, Jiaxin Zhuang, Zhiyong Gan, Ruixuan Wang

机构 * Sun Yat-sen University（中山大学） ； China United Network Communications Corporation Limited Guangdong Branch（中国联合网络通信集团有限公司广东分公司） ； Peng Cheng Laboratory（鹏城实验室） ； Hong Kong University of Science and Technology（香港科技大学） ； Key Laboratory of Machine Intelligence and Advanced Computing, MOE（教育部机器智能与高级计算重点实验室） 纠错

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

AI总结 本文提出TTL框架，通过动态学习测试流中的分布外文本语义提升测试时分布外检测性能，实验表明其在多个基准上均取得最优效果。

Comments Accepted to CVPR 2026

Hijacking Large Audio-Language Models via Context-Agnostic and Imperceptible Auditory Prompt Injection

通过上下文无关且不可察觉的音频提示注入劫持大型音频-语言模型

Meng Chen, Kun Wang, Li Lu, Jiaheng Zhang, Tianwei Zhang

机构 * The State Key Laboratory of Blockchain and Data Security, Zhejiang University（区块链与数据安全国家重点实验室，浙江大学） ； Hangzhou High-Tech Zone (Binjiang) Institute of Blockchain and Data Security（杭州高新技术区（滨江）区块链与数据安全研究院） ； Nanyang Technological University（南洋理工大学） ； National University of Singapore（新加坡国立大学） 纠错

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

AI总结 本文提出AudioHijack框架，通过生成不可察觉的对抗性音频劫持LALMs，实验显示在6种恶意行为中平均成功率达79%-96%。

Comments Accepted by IEEE S&P 2026

Rethinking LLM Watermark Detection in Black-Box Settings: A Non-Intrusive Third-Party Framework

重新思考黑盒环境下的LLM水印检测：一种非侵入性的第三方框架

Zhuoshang Wang, Yubing Ren, Yanan Cao, Fang Fang, Xiaoxue Li, Li Guo

机构 * Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； School of Cyber Security, University of Chinese Academy of Sciences（中国科学院大学网络空间安全学院） ； National Computer Network Emergency Response Technical Team, Coordination Center of China (CNCERT/CC)（国家计算机网络应急技术处理协调中心） 纠错

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

AI总结 本文提出TTP-Detect框架，通过解耦检测与注入，实现非侵入性的第三方水印验证，提升检测性能和抗攻击能力。

Comments Accepted to ACL 2026 Findings