语言大模型 / LLM

Context Is King: How In-Context Specification Shapes the Geometry of Concepts

上下文为王：上下文规范如何塑造概念的几何结构

Elad David, Max Fomin

机构 * Zenity 纠错

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

AI总结 研究大型语言模型中上下文规范对概念几何结构的塑造，发现上下文决定模型实际使用的结构，声明性规则可确定几何编码关系及拓扑类型，不同规模模型表现不同，同一模型家族中较大模型存在的机制在较小模型中可能不存在。

Interview with Kalle Lyytinen on "Implications of Theories of Language for Information Systems"

关于《语言理论对信息系统的影响》的卡莱·利伊蒂宁访谈

Kalle J. Lyytinen, Pierre Maier, Paul Ackah Toffey

机构 * Case Western Reserve University（凯斯西储大学） ； University of Duisburg-Essen（杜伊斯堡-埃森大学） ； Louisiana State University（路易斯安那州立大学） 纠错

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

AI总结 本次访谈中，利伊蒂宁反思《语言理论对信息系统的影响》论文起源与领域发展，结合大语言模型等最新趋势，讨论信息系统语言核心，并概述了从语言学角度研究信息系统的未来方向。

Adversarial Test-Hardening for AI-Written Code: An Instrument Autopsy and a Pre-Registered Causal Estimate of the Critic Loop

人工智能编写代码的对抗性测试强化：工具剖析与评论家循环的预注册因果估计

Jeff Otterson

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

AI总结 研究大语言模型编写代码及测试用例的对抗性测试强化循环，通过机械预言机实现。实验发现早期跨谱系效应是工具工件，消除混淆因素后，同谱系评论家轮次有因果估计，跨供应商配置有差异，还发布了相关协议、记录和代码。

Comments 26 pages. Two pre-registered experiments; protocols, all run receipts, and analysis code at https://github.com/Jott2121/crucible

Teacher Knows It Best: Spontaneous Symmetry Breaking and Tipping Points in Networked Langevin Dynamics AI Sycophancy

教师最了解：网络朗之万动力学人工智能谄媚中的自发对称性破缺和临界点

Sayantari Ghosh, Saumik Bhattacharya, Partha Pratim Chakrabarti

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

AI总结 构建统计物理框架研究网络随机动力系统的双稳态，用于理解和缓解AI妄想螺旋。通过划分网络节点，用度加权平均场近似简化方程，推导临界翻转时间，验证解析边界，优化干预策略，证明特定条件下集中快速干预优于分布式缓慢方法。

Traceable Scholarship: Page Anchors and Ariadne's Thread for Humanistic Inquiry in the Age of Generative AI

可追溯的学术研究：生成式人工智能时代人文探究的页面锚点与阿里阿德涅之线

Deyu Jing

机构 * Fudan University（复旦大学） 纠错

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

AI总结 针对生成式人工智能时代人文研究中解释缺乏明确依据的问题，提出可追溯学术研究，介绍页面锚点等方法及AIH-Infra参考实现，通过案例研究展示其作用，确保人文研究在该时代保持公开可反驳。

Comments 33 pages, 8 tables. This paper proposes a normative and infrastructural framework for traceable, AI-assisted humanistic research and presents an auditable Kant case study

VizRAG: Enhancing Retrieval-Augmented Generation with Hypergraph Visualization

VizRAG：通过超图可视化增强检索增强生成

Yanbin Wei, Yang Chen, Renling Gan, Ziru Liu, Xinyu Fu, Chun Kang, Ning Lu, Rui Liu, Yu Zhang, James Kwok

机构 * Southern University of Science and Technology（南方科技大学） ； Hong Kong University of Science and Technology（香港科技大学） ； Huawei Research（华为研究院） ； Beihang University（北京航空航天大学） 纠错

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

AI总结 研究旨在增强检索增强生成，核心方法是通过视觉线索将超图感知整合到RAG系统中，引入VizRAG支持视觉超图结构感知，实验证明该方法显著优于基线，验证了超图可视化用于RAG系统的潜力。

Symbol and Footprint Database for Electronic Components by Agentic Recognition and Generation

基于智能识别与生成的电子元件符号与引脚封装数据库

Yichen Shi, Yuzhi Liu, Zhuofu Tao, Li Huang, Yuhao Gao, Ting-Jung Lin, Lei Hel

机构 * Ningbo Institute of Digital Twin, Eastern Institute of Technology（宁波数字孪生研究院，东方理工大学） ； Shanghai Jiao Tong University（上海交通大学） ； BTD Technology（BTD科技） 纠错

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

AI总结 研究利用多模态大语言模型开发电子元件符号和引脚封装智能识别与生成流程SFgen，其符号生成准确率86%，引脚封装生成准确率80%，并用此创建含1000个元件的SFnet数据库，为PCB设计自动生成奠定基础。

Comments Accepted by PRCV 2025

PhoenixRepair: Rethinking Repair Strategy Exploration in Software Agents

PhoenixRepair：重新思考软件代理中的修复策略探索

Tianyue Jiang, Yanlin Wang, Xin He, Daya Guo, Jiachi Chen, Ming Wen, Ensheng Shi, Xilin Liu, Yuchi Ma, Guanbin Li

机构 * Zhejiang University（浙江大学） ； Huazhong University of Science and Technology（华中科技大学） ； Huawei CodeArts Model Team（华为代码艺术模型团队） 纠错

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

AI总结 研究针对现有软件代理修复策略探索不足的问题，提出PhoenixRepair多代理框架，通过多位置采样、迭代反思优化等扩大搜索空间，实验表明该框架在解决率和故障定位精度上有提升，实现了7.8%的相对改进及76.0%的最高解决率Pass@1。

Comments 14 pages, 5 figures

Social Simulations: from Agent-Based Modeling to Digital Twins

社会模拟：从基于主体的建模到数字孪生

Erica Cau, Andrea Failla, Valentina Pansanella, Giulio Rossetti

机构 * Department of Computer Science, University of Pisa（皮萨大学计算机科学系） ； ISTI-CNR（意大利国家研究委员会信息与系统研究所） 纠错

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

AI总结 探讨社会模拟从基于主体建模到数字孪生的演变，阐述了各阶段范式的方法论基础、应用等，强调从抽象模型到特定社会系统逼真计算表示的转变。

Comments Entry for Encyclopedia of Social Network Analysis and Mining

Playful AI in Professional Email: A Field Experiment on Tone and Recipient Engagement

专业邮件中的趣味人工智能：关于语气和收件人参与度的实地实验

Ziv Ben-Zion, Teddy Lazebnik

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

AI总结 研究人工智能辅助写作对职场沟通的影响，通过随机交叉实地实验，让员工分三种情况发邮件，发现趣味编辑增情感积极性，专业编辑降之，且两者均未直接改邮件相关率，而是发件人积极性间接影响行为，揭示语言情感基调塑造职场参与度。

Motif: Discovering and Automating Personal Web Workflows

Motif：发现并自动化个人网络工作流程

Shaokang Jiang, Daye Nam

机构 * University of California, Irvine（加州大学伊文斯顿分校） 纠错

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

AI总结 Motif系统通过被动观察浏览器活动发现可编程交互模式，向用户推荐并生成程序，经多日研究评估，其发现的可自动化模式多于用户识别出的，多数模式有用，多数用户会继续使用Motif生成的程序。

Toward Stronger Code Watermarking: A Grammar-Driven Approach to Optimizing the Trade-off Between Quality and Detectability

迈向更强的代码水印：一种语法驱动的方法来优化质量与可检测性之间的权衡

Licheng Yu, Aiwei Liu, Songze Li

机构 * Southeast University（东南大学） ； Tsinghua University（清华大学） 纠错

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

AI总结 针对大语言模型代码生成中质量与可检测性权衡难题，提出语法驱动水印方法（GDW），通过语法引导机制和角色感知调制注入水印，设计加权检测统计量，实验表明其在多方面优于现有方法且具鲁棒性。

Refused in Chat, Written in Code: Workflow-Level Jailbreak Construction in IDE Coding Agents

在聊天中被拒绝，用代码编写：IDE 编码代理中的工作流级越狱构造

Abhishek Kumar, Carsten Maple

机构 * The Alan Turing Institute（阿尔法·图灵研究院） 纠错

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

AI总结 研究 IDE 编码代理安全评估问题，介绍工作流级越狱构造，通过对特定模型在不同基准测试下表现研究发现，对话拒绝基准可能高估其安全性，需跨多轮 IDE 工作流评估安全。

DocMaster: A Hierarchical Structure-Aware System for Document Analysis

DocMaster：一种用于文档分析的分层结构感知系统

Ziqi Chen, Yingli Zhou, Fangyuan Zhang, Quanqing Xu, Chuanhui Yang, Yixiang Fang

机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； The Chinese University of Hong Kong（香港中文大学） 纠错

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

AI总结 针对利用大语言模型分析复杂文档时现有系统丢弃分层结构致性能下降的问题，提出DocMaster系统，它能解析文档为分层树并构建语义索引，通过网页界面展示，可实现文档筛选与问答等功能。

Comments 4 pages, demo paper, under revision

Best-Arm Identification with Generative Proxy

基于生成代理的最佳臂识别

Tianyi Ma, Hanzhang Qin, Ruihao Zhu, Jierui Zuo

机构 * School of Operations Research and Information Engineering, Cornell University（康奈尔大学运营研究与信息工程学院） ； Department of Industrial Systems Engineering and Management, National University of Singapore（新加坡国立大学工业系统工程与管理系） ； SC Johnson College of Business, Cornell University（康奈尔大学SC约翰逊商学院） ； Michael G. Foster School of Business, University of Washington（华盛顿大学迈克尔·G·福斯特商学院） 纠错

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

AI总结 研究固定置信度最佳臂识别，将其与廉价代理分数配对，提出PROBE算法，通过控制变量调整转化为异方差问题，证明算法是δ - PAC的，能达到已知相关性神谕样本复杂度，实验证实样本节省与相关性强度成比例。

POPS: Recovering Unlearned Multi-Modality Knowledge in MLLMs with Prompt-Optimized Parameter Shaking

POPS：通过提示优化参数抖动恢复多模态大语言模型中未学习的多模态知识

Zhangheng LI, Jianing Zhu, Junyuan Hong, Sungmin Eum, Shuowen Hu, Suya You, Zhangyang Wang

机构 * University of Texas at Austin（德克萨斯大学奥斯汀分校） ； DEVCOM Army Research Laboratory（陆军研究实验室） 纠错

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

AI总结 研究针对多模态大语言模型中隐私敏感信息擦除不彻底问题，提出POPS对抗策略，通过提示后缀优化生成潜在私人示例并微调模型，实验揭示现有MMU算法弱点，POPS能近乎完全恢复敏感信息，暴露隐私保护漏洞。

A Guiding Framework for K-12 Teachers in Creating AI-powered Learning Technologies through Vibe Coding

一个为K-12教师通过氛围编码创建人工智能驱动的学习技术的指导框架

Yukyeong Song, Seoyeon Choi, Jinhee Kim, Yeongje Kim, Lauren Weisberg, Jewoong Moon

机构 * University of Tennessee, Knoxville（田纳西大学） 纠错

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

AI总结 研究旨在为K-12教师通过氛围编码创建人工智能驱动的学习技术提供指导框架。提出GAIDE框架，基于设计思维和INTERACT构建，经交互分析验证及访谈定性分析，发现可提升教师人工智能素养，凸显创建式学习对专业发展的潜力。

How Personas Can Influence Agents to Play Split or Steal

角色如何影响智能体进行“分赃或偷窃”游戏

Carlos Leon, Alexandre Rodrigues, Pedro Gamito, Thomas D. Parsons

机构 * Universidade Lusófona（卢索福纳大学） ； Universitat de Barcelona（巴塞罗那大学） ； Université Paris Cité（巴黎城市大学） ； Computational Neuropsychology and Simulation (CNS) Laboratory（计算神经心理学与模拟（CNS）实验室） ； Arizona State University（亚利桑那州立大学） 纠错

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

AI总结 研究角色提示对智能体在“分赃或偷窃”游戏中行为的影响，通过智能体与虚拟人类互动实验，发现模型选择影响行为，亲社会等角色合作性强，揭示了相关互动特点，为虚拟现实研究提供基线。

What is Left for Us? Second Scholarship Against the Degradation of Research by AI

我们还剩下什么？抵制人工智能导致研究退化的第二种学术研究

Claudio Novelli, Luciano Floridi

机构 * Digital Ethics Center, Yale University（耶鲁大学数字伦理中心） 纠错

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

AI总结 探讨生成式人工智能侵蚀学术判断形成和学术信任建立的实践致研究退化，指出仅让人参与AI输出流程不足，需重归将研究作为实践的承诺，提出第二种学术研究。

SwarmResearch: Orchestrating Coding Agents for Open-Ended Discovery

群体研究：编排编码智能体以进行开放式发现

Yuvraj Virk, Zack Edds, Chunqiu Steven Xia, Lingming Zhang

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

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

AI总结 研究长期运行的编码智能体存在的问题，假设两个设计选择导致该问题，介绍SwarmResearch，一种编排器-子智能体架构，在开放式优化任务中表现良好，其编排器引导扩展能发现更好方案。

Improving LLMs via Validator-to-Generator Alignment

通过验证器与生成器对齐改进大语言模型

Juan Diego Rodriguez, Jocelyn Zhang, Katrin Erk, Greg Durrett

机构 * Department of Computer Science, The University of Texas at Austin（德克萨斯大学奥斯汀分校计算机科学系） ； Departments of Linguistics and Computer Science, University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校语言学与计算机科学系） ； Department of Computer Science & Center for Data Science, New York University（纽约大学计算机科学系及数据科学中心） 纠错

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

AI总结 研究大语言模型不一致问题，提出基于话语频率的生成器-验证器一致性新公式，介绍\FCPA方法，实验表明该方法能提升生成器性能及两者一致性，且保持验证器质量。

DA-Studio: An Agentic System for End-to-End Data Analysis

DA-Studio：用于端到端数据分析的智能体系统

Yizhe Liu, Shaolei Zhang, Ju Fan

机构 * Renmin University of China（中国人民大学） 纠错

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

AI总结 提出DA-Studio，一个集成了沙盒执行与可检查工作流的端到端数据分析系统，通过迭代动作生成与代码执行，从原始文件与自然语言请求逐步构建可执行分析步骤。

Comments VLDB 2026 Demo submission

AI-Assisted Discovery of Convex Relaxations via Dual Agents

通过双智能体实现凸松弛的AI辅助发现

Sungyoon Kim, Mert Pilanci

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

AI总结 提出一种双智能体自动研究范式，通过编码智能体提议约束、理论智能体验证并搜索反例，结合区间算术验证，改进了两个优化常数的下界。

The cognitive, affective, and behavioral expression of self-stigma among people who use drugs in online substance use communities

药物使用在线社区中药物使用者的自我污名认知、情感和行为表达

Layla Bouzoubaa, Hyung Wook Choi, Milan Varghese, Valerie Earnshaw, Rezvaneh Rezapour

机构 * Department of Information Science, Drexel University（德雷塞尔大学信息科学系） ； Department of Human Development and Family Sciences, University of Delaware（特拉华大学人类发展与家庭科学系） 纠错

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

AI总结 本研究开发了涵盖认知、情感和行为三个领域的自我污名编码本，利用大语言模型分析Reddit帖子，发现自我污名普遍存在且行为指标常先于核心指标出现，挑战了渐进模型。

Uniform Sampling from High-dimensional Spectral Norm Balls

从高维谱范数球中均匀采样

Michael R. Metel

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

AI总结 针对机器学习优化中的采样问题，证明从单位谱范数球均匀采样的矩阵的奇异值几乎必然收敛到1，并据此提出适用于大语言模型规模矩阵的简单采样方法。

AgentRivet: an automated system for producing Rivet routines from journal publications

AgentRivet：从期刊论文自动生成Rivet例程的系统

Antonio J. Costa, Caterina Doglioni, Christian Gütschow, Andrew D. Pilkington, Sukanya Sinha

机构 * Department of Physics & Astronomy, University of Manchester（曼彻斯特大学物理与天文学系） ； Centre for Advanced Research Computing, University College London（伦敦大学学院先进计算中心） 纠错

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

AI总结 提出基于大语言模型的自动化工作流AgentRivet，从论文提取物理分析信息并生成缺失的Rivet例程，经代码和物理审查实现质量控制，在ATLAS和CMS测量中生成语法错误少、物理保真度合理的例程。

Text-to-Image Generative AI for Modeling and Simulation: Methods, Opportunities, and Applications

面向建模与仿真的文本到图像生成式人工智能：方法、机遇与应用

Philippe J. Giabbanelli

机构 * National Center for Collaboration in Medical Modeling & Simulation and Office of Enterprise Research & Innovation（医学建模与模拟协作国家中心和企业研究与创新办公室） 纠错

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

AI总结 本教程介绍文本到图像生成技术如何支持建模与仿真的多个任务，包括概念模型沟通、仿真结果可视化、教育材料生成及多尺度仿真中的异构模型接口，并提供实用工作流。

Comments To appear at the 2026 Winter Simulation Conference

MIRAGE: Stealthy Visual Prompt Injection for Vulnerability Detection in Web Agents

MIRAGE: 针对Web代理的隐蔽视觉提示注入漏洞检测

Xuelong Dai, Jianyu Ma, Boyang Ma, Biwei Yan, Yijun Yang, Yue Zhang

机构 * SDU（山东大学） 纠错

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

AI总结 提出MIRAGE框架，利用扩散模型在受限区域生成视觉上无害的对抗图像，实现针对多模态大模型Web代理的隐蔽间接提示注入攻击，以检测其视觉漏洞。

Generative Engine Optimization at Scale: Measuring Brand Visibility Across AI Search Engines

生成式引擎优化规模化：衡量AI搜索引擎中的品牌可见性

Pratyush Kumar

机构 * Ranqo 纠错

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

AI总结 本研究通过分析10万+提示响应，提出衡量AI搜索引擎中品牌可见性的方法，发现品牌成熟度形成三级阶梯，并识别出最受引用的内容格式和情感不稳定性。

Comments 14 pages, 4 tables; v1.0 preprint

What sentiment analysis can't see: Measuring whether customers were helped, and what went wrong, across 70,000 support conversations

情感分析看不到的：衡量客户是否得到帮助以及出了什么问题——基于70,000次客服对话

Jason Potteiger

机构 * Dimension Labs（Dimension实验室） 纠错

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

AI总结 本研究使用GPT-5.4从70,450次客服对话中估计客户满意度并标记具体问题，发现满意度估计比情感分析更准确，且能揭示情感分析无法捕捉的客户状态和问题原因。

Comments 25 pages, 6 figures