语言大模型 / LLM

Computing Conditional Shapley Values Using Tabular Foundation Models

利用表格基础模型计算条件Shapley值

Lars Henry Berge Olsen, Dennis Christensen

机构 * Norwegian Computing Center（挪威计算中心） ； Norwegian Defence Research Establishment (FFI)（挪威国防研究机构（FFI）） 纠错

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

AI总结 本文利用TabPFN模型高效计算条件Shapley值，在模拟和真实数据上表现优异，运行效率高。

Scalable Adaptation of 3D Geometric Foundation Models via Weak Supervision from Internet Video

通过互联网视频弱监督实现3D几何基础模型的可扩展适应

Zihui Gao, Ke Liu, Donny Y. Chen, Duochao Shi, Guosheng Lin, Hao Chen, Chunhua Shen

机构 * Zhejiang University, State Key Lab of CAD \& CG ； Nanyang Technological University ； Independent Researcher ； Zhejiang University of Technology 纠错

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

AI总结 SAGE通过互联网视频弱监督实现几何基础模型的可扩展适应，提升零样本泛化能力。

Revisiting the Generic Transformer: Deconstructing a Strong Baseline for Time Series Foundation Models

重新审视通用变换器：解构一个强大的时间序列基础模型基准

Yunshi Wen, Wesley M. Gifford, Chandra Reddy, Lam M. Nguyen, Jayant Kalagnanam, Anak Agung Julius

机构 * Rensselaer Polytechnic Institute（拉特格斯理工学院） ； IBM Research（IBM研究院） 纠错

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

AI总结 本文重新审视通用变换器，通过简单训练协议证明其在时间序列零样本预测中的优越性能，并通过消融研究揭示了模型扩展和数据组成对性能的关键影响。

ReBeCA: Unveiling Interpretable Behavior Hierarchy behind the Iterative Self-Reflection of Language Models with Causal Analysis

ReBeCA: 通过因果分析揭示语言模型迭代自我反思背后的可解释行为层级

Tianqiang Yan, Sihan Shang, Yuheng Li, Song Qiu, Hao Peng, Wenjian Luo, Jue Xie, Lizhen Qu, Yuan Gao

机构 * Monash University（莫纳什大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Hainan University（海南大学） ； South China University of Technology（华南理工大学） ； The Chinese University of Hong Kong（香港中文大学） 纠错

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

AI总结 ReBeCA通过因果分析揭示语言模型自我反思中的可解释行为层级，识别因果关系以提升自我反思效果。

Comments 17 pages, 3 figures

When Routing Collapses: On the Degenerate Convergence of LLM Routers

当路由崩溃：关于LLM路由的退化收敛

Guannan Lai, Han-Jia Ye

机构 * School of Artificial Intelligence, Nanjing University, China（人工智能学院，南京大学，中国） ； National Key Laboratory for Novel Software Technology, Nanjing University, China（新型软件技术国家重点实验室，南京大学，中国） 纠错

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

AI总结 本文提出EquiRouter，一种决策意识的路由器，通过直接学习模型排名来缓解LLM路由中的路由崩溃问题，有效降低计算和货币成本。

Why Self-Rewarding Works: Theoretical Guarantees for Iterative Alignment of Language Models

为何自我奖励有效：语言模型迭代对齐的理论保证

Shi Fu, Yingjie Wang, Shengchao Hu, Peng Wang, Dacheng Tao

机构 * Nanyang Technological University（南洋理工大学） 纠错

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

AI总结 本文通过理论分析揭示了自我奖励语言模型在迭代对齐中的有效性，证明了其性能随迭代次数呈指数衰减，并为线性softmax模型提供了定制化的理论保证。

Minimizing Mismatch Risk: A Prototype-Based Routing Framework for Zero-shot LLM-generated Text Detection

降低匹配风险：一种基于原型的路由框架用于零样本LLM生成文本检测

Ke Sun, Guangsheng Bao, Han Cui, Yue Zhang

机构 * School of Engineering, Westlake University, China（西交大学工程学院，中国） 纠错

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

AI总结 本文提出DetectRouter框架，通过两阶段训练学习文本检测器的亲和力，以解决零样本LLM生成文本检测中的匹配风险问题。

Text is All You Need for Vision-Language Model Jailbreaking

文本就是视觉-语言模型劫持所需

Yihang Chen, Zhao Xu, Youyuan Jiang, Tianle Zheng, Cho-Jui Hsieh

机构 * University of California, Los Angeles（加州大学洛杉矶分校） 纠错

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

AI总结 Text-DJ通过将文本转换为图像并诱导干扰，成功绕过视觉-语言模型的安全防护，揭示了OCR能力在面对分散多模态输入时的脆弱性。

TraceRouter: Robust Safety for Large Foundation Models via Path-Level Intervention

TraceRouter: 通过路径级干预实现大型基础模型的鲁棒安全性

Chuancheng Shi, Shangze Li, Wenjun Lu, Wenhua Wu, Cong Wang, Zifeng Cheng, Fei Shen, Tat-Seng Chua

机构 * The University of Sydney, Sydney, Australia（悉尼大学） ； Nanjing University of Science（南京理工大学） ； Nanjing University, Nanjing, China（南京大学） ； National University of Singapore, Singapore, Singapore（新加坡国立大学） 纠错

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

AI总结 TraceRouter通过路径级干预有效切断有害语义的因果传播，提升大型基础模型的对抗鲁棒性与实用性。

Failing to Explore: Language Models on Interactive Tasks

无法探索：交互任务中的语言模型

Mahdi JafariRaviz, Keivan Rezaei, Arshia Soltani Moakhar, Zahra Sodagar, Yize Cheng, Soheil Feizi

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

AI总结 本研究发现语言模型在交互任务中存在系统性探索不足问题，通过并行执行和历史总结等轻量干预措施提升了探索效率。

Bears, all bears, and some bears. Language Constraints on Language Models' Inductive Inferences

熊、所有熊，以及一些熊。语言模型归纳推理中的语言约束

Sriram Padmanabhan, Siyuan Song, Kanishka Misra

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

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

AI总结 该研究探讨了视觉语言模型在区分不同归纳推理类型时的语言约束，通过实验发现模型与人类在行为上具有一致性，差异源于归纳约束而非表层形式。

Single-Pixel Vision-Language Model for Intrinsic Privacy-Preserving Behavioral Intelligence

单像素视觉-语言模型用于内在隐私保护的行为智能

Hongjun An, Yiliang Song, Jiawei Shao, Zhe Sun, Xuelong Li

机构 * Institute of Artificial Intelligence (TeleAI), China Telecom（人工智能研究院（TeleAI），中国电信） 纠错

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

AI总结 单像素视觉-语言模型通过内在隐私保护机制，在隐私敏感环境中实现安全监控与行为智能的平衡。

Comments Initial Version, Pending Updates. We welcome any feedback and suggestions for improvement. Please feel free to contact us at an.hongjun@foxmail.com

OmniSpectra: A Unified Foundation Model for Native Resolution Astronomical Spectra

OmniSpectra：一种用于原分辨率天体光谱的统一基础模型

Md Khairul Islam, Judy Fox

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

AI总结 OmniSpectra是一种能够处理任意长度光谱的统一基础模型，通过自适应架构和多尺度学习，在天文学任务中展现卓越的迁移学习能力。

On the Runway Cascade of Transformers for Language Modeling

关于Transformer的运行道级联用于语言建模

Hunjae Lee, Corey Clark

机构 * Department of Computer Science, Southern Methodist University, Dallas TX USA（计算机科学系，南方 Methodist 大学，德克萨斯州达拉斯） 纠错

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

AI总结 本文提出运行道意识重 wiring方法，通过直接融入运行道上下文改善Transformer的语言建模能力，提升信息检索与外推性能。

Hypothesis Generation via LLM-Automated Language Bias for ILP

通过LLM自动语言偏见进行假设生成

Yang Yang, Jiemin Wu, Yutao Yue

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

AI总结 本文提出通过LLM自动设计语言偏见，结合ILP求解器生成可解释的逻辑规则，提升假设生成的性能和鲁棒性。

Comments accepted by AAAI 2026 Bridge LMReasoning

Emotional Dimension Control in Language Model-Based Text-to-Speech: Spanning a Broad Spectrum of Human Emotions

基于语言模型的文本到语音情感维度控制：跨越人类情感的广泛光谱

Kun Zhou, You Zhang, Dianwen Ng, Shengkui Zhao, Hao Wang, Bin Ma

机构 * Tongyi Lab, Alibaba Group, Singapore（阿里云实验室，阿里巴巴集团，新加坡） ； University of Rochester, United States of America（罗切斯特大学，美国） 纠错

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

AI总结 本文提出基于语言模型的TTS框架，通过PAD三维情感维度实现更广泛的情感表达，提升语音的自然度和多样性。

Comments ICASSP 2026

How Good is Post-Hoc Watermarking With Language Model Rephrasing?

在语言模型重述中后置水印技术有多好？

Pierre Fernandez, Tom Sander, Hady Elsahar, Hongyan Chang, Tomáš Souček, Valeriu Lacatusu, Tuan Tran, Sylvestre-Alvise Rebuffi, Alexandre Mourachko

机构 * FAIR, Meta Superintelligence Labs（FAIR、Meta超智能实验室） 纠错

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

AI总结 本文研究了语言模型重述中后置水印技术的效果，发现简单方法在某些情况下表现优异，但对可验证文本效果不佳。

Comments Code at https://github.com/facebookresearch/textseal

Position on LLM-Assisted Peer Review: Addressing Reviewer Gap through Mentoring and Feedback

LLM辅助同行评审的位置：通过指导与反馈解决评审缺口

JungMin Yun, JuneHyoung Kwon, MiHyeon Kim, YoungBin Kim

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

AI总结 本文提出通过LLM辅助指导和反馈系统解决评审缺口问题，旨在提升评审质量并促进学术生态可持续发展。

Comments Accepted to AAAI 2026 Workshop on AI for Scientific Research (AI4Research)

Semantic visually-guided acoustic highlighting with large vision-language models

语义视觉引导的音频突出与大型视觉-语言模型

Junhua Huang, Chao Huang, Chenliang Xu

机构 * University of Rochester（罗切斯特大学） 纠错

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

AI总结 本文提出利用大型视觉-语言模型提取视觉-语义特征，以提升音频混音质量，发现摄像机焦点、语气和场景背景对感知混音质量提升最显著。

Subspace Alignment for Vision-Language Model Test-time Adaptation

子空间对齐用于视觉-语言模型测试时适应

Zhichen Zeng, Wenxuan Bao, Xiao Lin, Ruizhong Qiu, Tianxin Wei, Xuying Ning, Yuchen Yan, Chen Luo, Monica Xiao Cheng, Jingrui He, Hanghang Tong

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

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

AI总结 SubTTA通过子空间对齐提升视觉-语言模型测试时适应性能，有效解决模态差距和视觉噪声问题。

Comments 17 pages, 10 figures

The Subtle Art of Defection: Understanding Uncooperative Behaviors in LLM based Multi-Agent Systems

缺陷的微妙艺术：理解基于大语言模型的多智能体系统中的不合作行为

Devang Kulshreshtha, Wanyu Du, Raghav Jain, Srikanth Doss, Hang Su, Sandesh Swamy, Yanjun Qi

机构 * AWS AI Labs（AWS人工智能实验室） ； UC San Diego（大学圣地亚哥） 纠错

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

AI总结 本文提出了一种用于分析基于大语言模型的多智能体系统中不合作行为的框架，通过实验发现不合作行为会迅速导致系统崩溃，同时指出现有防御方法存在检测不足的问题。

RoboVIP: Multi-View Video Generation with Visual Identity Prompting Augments Robot Manipulation

RoboVIP: 多视角视频生成与视觉身份提示增强机器人操作

Boyang Wang, Haoran Zhang, Shujie Zhang, Jinkun Hao, Mingda Jia, Qi Lv, Yucheng Mao, Zhaoyang Lyu, Jia Zeng, Xudong Xu, Jiangmiao Pang

机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Tsinghua University（清华大学） ； Shanghai Jiao Tong University（上海交通大学） ； University of Michigan（密歇根大学） 纠错

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

AI总结 RoboVIP通过引入视觉身份提示和可扩展的视觉身份池，提升机器人操控数据的质量与多样性，从而增强视觉语言-动作和视觉-运动政策模型的性能。

LLM-Guided Lifecycle-Aware Clustering of Multi-Turn Customer Support Conversations

基于大语言模型的生命周期感知多轮客户支持对话聚类

Priyaranjan Pattnayak, Sanchari Chowdhuri, Amit Agarwal, Hitesh Laxmichand Patel

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

AI总结 本文提出基于大语言模型的生命周期感知多轮客户支持对话聚类方法，通过动态细化聚类提升聚类质量，实现高效实时分析。

Comments Accepted in AACL 2025 Main Conference

Web Fraud Attacks Against LLM-Driven Multi-Agent Systems

针对基于大语言模型的多智能体系统 的网络欺诈攻击

Dezhang Kong, Hujin Peng, Yilun Zhang, Lele Zhao, Zhenhua Xu, Shi Lin, Changting Lin, Meng Han

机构 * Zhejiang University（浙江大学） ； Changsha University of Science and Technology（长沙理工大学） ； Purdue University（普渡大学） ； University of California San Diego（加州大学圣地亚哥分校） ； Zhejiang Gongshang University（浙江工商大学） 纠错

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

AI总结 本文提出了一种针对基于大语言模型的多智能体系统的新攻击类型，通过网络链接的独特结构欺骗系统，展示了其在不同架构中的破坏潜力及逃避优势。

When Agents See Humans as the Outgroup: Belief-Dependent Bias in LLM-Powered Agents

当代理将人类视为外群体：由信念驱动的LLM代理偏见

Zongwei Wang, Bincheng Gu, Hongyu Yu, Junliang Yu, Tao He, Jiayin Feng, Chenghua Lin, Min Gao

机构 * Chongqing University（重庆大学） ； The University of Queensland（昆士兰大学） ； Virginia Polytechnic Institute and State University（弗吉尼亚理工大学） ； The University of Manchester（曼彻斯特大学） 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LLM的代理在身份信念影响下的群体偏见问题，提出信念污染攻击并设计防御措施，以提升人类交互代理的安全性。

Comments 15 pages

Autoregressivity in the Latent Space of a GP-VAE Language Model: An Empirical Ablation Study

在GP-VAE语言模型的潜在空间中的自回归性：一项经验消融研究

Yves Ruffenach

机构 * Conservatoire National des Arts et Métiers（法国国家艺术与工艺学院） 纠错

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

AI总结 本文通过实验验证了GP-VAE中潜在自回归在组织长距离结构中的有效性，并展示了其与令牌级自回归建模的互补性。

Comments A focused ablation study analyzing the role of latent autoregression in GP-VAE models

How Much 3D Do Video Foundation Models Encode?

视频基础模型编码多少三维信息？

Zixuan Huang, Xiang Li, Zhaoyang Lv, James M. Rehg

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

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

AI总结 本文研究了视频基础模型对3D世界的理解程度，提出了一种模型无关的框架来评估不同模型的3D意识，并发现最先进的视频生成模型在无3D训练数据的情况下也能表现出超越专门3D任务模型的理解能力。

Comments Project Page: https://vidfm-3d-probe.github.io

Automated Formative Feedback for Short-form Writing: An LLM-Driven Approach and Adoption Analysis

短文写作的自动化形成性反馈：一种基于大语言模型的方法与采用分析

Tiago Fernandes Tavares, Luciano Pereira Soares

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

AI总结 本文提出一种基于大语言模型的短文写作自动化形成性反馈系统，通过分析采用情况发现初期参与度低，但有效利用该系统能提升学生报告质量。

GoalLadder: Incremental Goal Discovery with Vision-Language Models

GoalLadder: 基于视觉语言模型的增量目标发现

Alexey Zakharov, Shimon Whiteson

机构 * University of Oxford（牛津大学） 纠错

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

AI总结 GoalLadder利用视觉语言模型在视觉环境中通过增量目标发现提升RL智能体性能，实现高成功率。

Comments NeurIPS 2025

Better Language Model Inversion by Compactly Representing Next-Token Distributions

通过紧凑表示下一项令牌分布来改进语言模型反向工程

Murtaza Nazir, Matthew Finlayson, John X. Morris, Xiang Ren, Swabha Swayamdipta

机构 * University of Southern California（美国南加州大学） ； Cornell University（康奈尔大学） 纠错

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

AI总结 本文提出了一种通过紧凑表示下一项令牌分布来改进语言模型反向工程的方法，显著提升了隐藏提示的恢复率，并展示了其在复杂任务中的良好表现。