语言大模型 / LLM

The Classics at SemEval-2026 Task 3: Combining Transformer Models and LLM-Generated Annotations for Dimensional Aspect-Based Sentiment Analysis

2026年语义评价任务3中的经典方法：结合变压器模型和大语言模型生成的注释进行维度方面的情感分析

Rafif Alshawi, Amit Raj, Aleksey Kudelya, Alexander Shirnin

机构 * HSE University（俄罗斯高等经济研究大学） 纠错

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

AI总结 研究超越传统分类情感，预测情感“效价”和“唤醒”细粒度实值分数的方法。回归任务用基于变压器的编码器模型加权集成，俄语用大语言模型增强输入，提取任务微调解码器大语言模型进行结构化预测。

When Embedding-Based Defenses Fail: Rethinking Safety in LLM-Based Multi-Agent Systems

基于嵌入的防御失效：重新思考基于大语言模型的多智能体系统的安全性

Lingxi Zhang, Guangtao Zheng, Hanjie Chen

机构 * Rice University（稻属大学） ； University of Virginia（弗吉尼亚大学） 纠错

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

AI总结 研究探讨了基于嵌入的防御在多智能体系统中的失效模式，提出利用置信度信号提升系统鲁棒性，通过实验验证了早期干预的重要性。

CORE-BREW: LLR-Based Soft Decoding for Robust Multi-Bit LLM Watermarking

CORE-BREW：基于LLR的软解码用于鲁棒多比特LLM水印

Joeun Kim, HoEun Kim, Young-Sik Kim

机构 * Department of AI DGIST（人工智能系DGIST） 纠错

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

AI总结 提出CORE-BREW方法，通过固定命中率校准水印信道并计算逐token对数似然比，实现软解码，在保持语义质量的同时提升多比特水印在编辑攻击下的低FPR区分性和鲁棒性。

Black-Box Forensics for Conversational LLM Agents

对话式LLM代理的黑盒取证

Isadora White, Yasaman Jafari, Taylor Berg-Kirkpatrick

机构 * University of California, San Diego（加州大学圣地亚哥分校） 纠错

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

AI总结 研究通过非对抗对话识别对话代理的基座模型（归因）和系统提示（指纹识别），归因准确率达98%，指纹识别对未见提示的AUC达0.943。

Don't Blindly Trust It: How Unreliable Feedback Breaks Tool-Using LLM Agents

不要盲目信任：不可靠反馈如何破坏使用工具的LLM智能体

Chubin Zhang, Zhenglin Wan, Xingrui Yu, Pengfei Zhou, Wangbo Zhao, Jingxuan Wu, Yaxin Zhou, Ivor Tsang

机构 * Nanyang Technological University（南洋理工大学） ； National University of Singapore（新加坡国立大学） ； CFAR Agency for Science Technology and Research（新加坡科技研究局计算与推理中心） ； IHPC Agency for Science Technology and Research（新加坡科技研究局高性能计算研究所） ； Department of Statistics and Operations Research UNC-Chapel Hill（北卡罗来纳大学教堂山分校统计与运筹学系） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

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

AI总结 研究不可靠反馈对工具增强型LLM智能体的影响，通过匹配循环对比实验发现，误导性反馈会导致价值反转，使智能体表现低于无反馈基线，并强调无反馈回退控制对评估的必要性。

Comments 16 pages

High-Dimensional Random Projection for Activation Steering in Language Models

高维随机投影用于语言模型中的激活引导

Minh-Hieu Pham, Bach Do, Laziz Abdullaev, Tan Minh Nguyen, Khoat Than

机构 * Hanoi University of Science and Technology（河内科技大学） ； National University of Singapore（新加坡国立大学） 纠错

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

AI总结 针对现有激活引导方法仅捕捉均值差异的局限，提出无训练的高维随机投影激活引导方法（HiDRA），通过在投影高维空间中进行激活加法，捕获非线性特征子空间中的判别信号，实验证明其优于基线方法。

PANDA: An LLM-Enhanced Performance-Driven Analog Design Framework Bridging Design Intent and Layout Generation

PANDA：一种LLM增强的性能驱动模拟设计框架，弥合设计意图与版图生成

Haoyi Zhang, Weijian Fan, Xiaohan Gao, Bingyang Liu, Runsheng Wang, Yibo Lin

机构 * School of Integrated Circuits, Peking University（集成电路学院，北京大学） ； Beijing Advanced Innovation Center for Integrated Circuits（北京集成电路先进创新中心） ； Institute of Electronic Design Automation, Peking University（电子设计自动化研究所，北京大学） 纠错

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

AI总结 提出PANDA框架，利用大语言模型将高层设计意图转化为最终版图，通过引导拓扑综合、子结构感知尺寸优化和约束驱动版图生成，实现跨阶段协同设计，将设计周期从数天/周缩短至数小时并提升性能。

Communication Policy Evolution for Proactive LLM Agents

主动式LLM智能体的通信策略演化

Xinbei Ma, Jiyang Qiu, Yao Yao, Zheng Wu, Yijie Lu, Xiangmou Qu, Jiaxin Yin, Xingyu Lou, Jun Wang, Weiwen Liu, Weinan Zhang, Zhuosheng Zhang, Hai Zhao

机构 * Shanghai Jiao Tong University（上海交通大学） ； OPPO Research Institute（OPPO研究院） 纠错

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

AI总结 针对用户与智能体间信息不对称问题，形式化通信策略，提出基于文本和UI的策略，并引入自演化框架CPE，通过提示优化提升任务成功率。

SAIGuard: Communication-State Simulation for Proactive Defense of LLM Multi-Agent Systems

SAIGuard: 面向LLM多智能体系统主动防御的通信状态模拟

Ruxue Shi, Yili Wang, Mengnan Du, Qinggang Zhang, Rui Miao, Yixin Liu, Xin Wang

机构 * School of Artificial Intelligence, Jilin University（吉林大学人工智能学院） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； School of Information and Communication Technology, Griffith University（格里菲斯大学信息与通信技术学院） 纠错

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

AI总结 提出SAIGuard主动防御框架，通过通信状态模拟检测并净化风险消息，降低攻击成功率并保持系统效用。

"That's AI Slop, You Bot!" Studying Accusations, Evidence, and Credibility in Online Discourse Towards LLM-Generated Comments

“那就是AI垃圾，你这个机器人！”：研究针对LLM生成评论的指责、证据与可信度

Jason Miklian, John E. Katsos

机构 * University of Oslo（奥斯陆大学） ； American University of Sharjah（沙迦美国大学） 纠错

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

AI总结 分析2023-2026年Hacker News和Reddit上2500万条评论，发现对AI生成文本的指责增长超十倍，但被指责的文本并非真正由AI生成，而是基于感知真实性的社会把关行为。

Brain-Prompt Injection: A Route-Safety Audit for BCI-LLM Agents

脑提示注入：BCI-LLM代理的路径安全审计

Jianwei Tai

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

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

AI总结 提出路径安全审计契约，通过分离定理和共形校准量化BCI-LLM代理中脑信号注入攻击的风险，实验证明确认通道可降低路由风险。

Causal Semantic Alignment for LLM-based Time Series Forecasting

基于大语言模型的时间序列预测的因果语义对齐

Kexuan Zhang, Xiaobei Zou, Cesare Alippi, Gary G. Yen, Yang Tang

机构 * University of Science and Technology of China（中国科学技术大学） ； University of California, Berkeley（加州大学伯克利分校） 纠错

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

AI总结 提出CVAformer框架，通过因果干预解耦变量中的动态和不变成分，消除对齐中的混杂偏差，在多种预测场景下达到或超越最先进性能。

Does Persona Make LLMs K-pop Fans? A Pilot Study of LLM-Based Online Concert Audience Agents

角色设定会让LLM成为K-pop粉丝吗？基于LLM的在线演唱会观众智能体初步研究

Kirak Kim, Hyojin Kim, Yejin Son, Sungyoung Kim, Kyung Myun Lee

机构 * Graduate School of Culture Technology, KAIST, Daejeon, South Korea（韩国成均馆大学文化科技研究生院） ； Department of Artificial Intelligence, Yonsei University, Seoul, South Korea（延世大学人工智能系） 纠错

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

AI总结 研究通过多智能体系统模拟K-pop演唱会实时粉丝聊天，发现角色设定能提升聊天质量和自然度，但未增强社交连接或情感反应，表明有意义的集体体验需更深层次对齐。

Comments Accepted at the ICML 2026 Workshop on Culture x AI: Evaluating AI as a Cultural Technology

Decomposing how prompting steers behavior

分解提示如何引导行为

Fan L. Cheng, Nikolaus Kriegeskorte

机构 * Columbia University（哥伦比亚大学） 纠错

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

AI总结 提出嵌套几何分解框架，通过刺激不变映射分析提示如何重塑表示几何，揭示跨维度线性混合是提示引导行为的关键机制。

Comments 59 pages, 41 figures

A Registry-Bound LLM Pipeline for Evidence-Grounded Trait Extraction across Tropical Plants, Aquatic Species, and Exotic Pets

面向热带植物、水生生物和外来宠物的证据驱动性状提取的注册约束LLM流水线

Jeff Wang

机构 * NEXLY LLC, United States（NEXLY LLC，美国） 纠错

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

AI总结 提出一种注册约束的大语言模型流水线，通过四种机制（受控词汇注册表、逐行证据引用、置信度标签、多版本保存）从热带物种百科全书中大规模提取证据驱动的结构化性状记录，在409,820个物种上实现99.985%的覆盖率和高置信度。

Comments 33 pages, 6 figures; methodology paper

SkillsInjector: Dynamic Skill Context Construction for LLM Agents

SkillsInjector: 面向LLM智能体的动态技能上下文构建

Yanchao Li, Wanhao Liu, Ben Gao, Jiaqing Xie, Zhehong Ai, Na Zou, Yuqiang Li, Tianfan Fu

机构 * Nanjing University（南京大学） ； Shanghai AI Lab（上海人工智能实验室） 纠错

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

AI总结 针对静态技能注入导致性能下降的问题，提出SkillsInjector两阶段自适应方法，通过上下文规划器学习技能偏好并自适应预算，结合集合感知渲染器优化描述呈现，在三个基准上分别提升3.9、6.1和7.3个百分点。

Evolve as a Team: Collaborative Self-Evolution for LLM-based Multi-Agent Systems

像团队一样进化：基于LLM的多智能体系统的协作自我进化

Zhezheng Hao, Tianfu Wang, Huanshuo Dong, Ziyan Liu, Hong Wang, Xiankun Lin, Qiang Lin, Can Wang, Hande Dong, Jiawei Chen

机构 * Zhejiang University（浙江大学） ； Hong Kong University of Science and Technology（香港科技大学） ； Tencent（腾讯） 纠错

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

AI总结 提出Meta-Team框架，通过协作自我进化机制，基于执行经验改进多智能体系统的行为、协调和团队组织，在长周期任务中显著优于单智能体、手工MAS及先前进化方法。

Defending LLM-based Multi-Agent Systems Against Cooperative Attacks with Sentence-Level Rectification

防御基于LLM的多智能体系统免受合作攻击：句子级纠正方法

Yaoyang Luo, Zhi Zheng, Ziwei Zhao, Tong Xu, Zhao Jielun, Wenjun Xue, Yong Chen, Enhong Chen

机构 * University of Science and Technology of China（中国科学技术大学） ； North Automatic Control Technology Institute（北自动控制技术研究所） ； Shenzhen Institute for Advanced Study, UESTC（深圳先进研究 institute, 中国科学技术大学） 纠错

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

AI总结 提出一种自适应合作攻击框架，并引入句子级可信度分析与纠正（STAR）防御框架，以识别和纠正多智能体通信中的误导信息，显著提升任务成功率。

LLM Watermark Evasion via Bias Inversion

通过偏差反转实现LLM水印规避

Jeongyeon Hwang, Sangdon Park, Jungseul Ok

机构 * Pohang University of Science and Technology (POSTECH)（浦项科学技术大学） 纠错

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

AI总结 提出偏差反转重写攻击（BIRA），通过理论分析证明降低绿色令牌平均条件概率可指数级衰减检测概率，实现黑盒下高规避率（>99%）且保持语义保真度。

Multi-Stakeholder LLM Alignment: Decomposing Estimation from Aggregation

多方利益相关者LLM对齐：从聚合中分解估计

Lulu Zheng, Wenjin Yang, Xiangwen Zhang, Rong Yin, Yulan Hu, Zheng Pan, Xin Li

机构 * AMAP, Alibaba Group（阿里集团AMAP） ； Beihang University（北京航空航天大学） 纠错

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

AI总结 针对多方利益相关者任务中用户偏好冲突的问题，提出DecompR方法，通过反事实校准权重固定查询结构，独立估计角色效用，消除候选依赖的权重漂移并降低估计噪声。

Sequential Behavioral Watermarking for LLM Agents

序列行为水印用于LLM代理

Hyeseon An, Shinwoo Park, Dongsu Kim, Yo-Sub Han

机构 * Department of Computer Science（计算机科学系） 纠错

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

AI总结 本文提出SeqWM，通过在历史条件下的转移模式中嵌入信号，实现对代理轨迹的无位置验证，提升水印鲁棒性与检测可靠性。

Comments 17 pages, 3 figures, preprint

Insider Attacks in Multi-Agent LLM Consensus Systems

多智能体大语言模型共识系统中的内部攻击

Xiaolin Sun, Zixuan Liu, Yibin Hu, Zizhan Zheng

机构 * Department of XXX, University of YYY, Location, Country（XXX系，YYY大学，Location，Country） ； School of ZZZ, Institute of WWW, Location, Country（ZZZ学院，WWW研究所，Location，Country） ； Department of Computer Science, Tulane University, New Orleans, United States of America（计算机科学系， Tulane大学，新奥尔良，美国） 纠错

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

AI总结 研究多智能体大语言模型共识系统中的内部攻击问题，提出基于世界模型的框架，通过学习良性智能体的潜在行为状态并利用强化学习训练攻击者，有效降低共识率并延长分歧时间。

Priming, Path-dependence, and Plasticity: Understanding the molding of user-LLM interaction and its implications from (many) chat logs in the wild

预设、路径依赖与可塑性：从（众多）真实聊天日志理解用户与大语言模型交互的塑造及其影响

Shengqi Zhu, Jeffrey M. Rzeszotarski, David Mimno

机构 * Cornell University（康奈尔大学） ； Loyola University Maryland（洛约拉大学马里兰分校） 纠错

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

AI总结 通过分析14万次聊天记录，研究发现用户与LLM的交互模式在早期迅速形成并稳定，长期结果与早期探索密切相关，揭示了用户行为的路径依赖和可塑性特征。

Representational Harms in LLM-Generated Narratives Against Global Majority Nationalities

大语言模型生成叙述中对全球多数民族的代表性伤害

Ilana Nguyen, Harini Suresh, Thema Monroe-White, Evan Shieh

机构 * Brown University（布朗大学） ； George Mason University（乔治·马歇尔大学） 纠错

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

AI总结 本文研究了广泛使用的LLM在开放性叙述生成提示下对不同民族身份的呈现，发现存在持续性的代表性伤害，包括有害刻板印象、抹除和一维化描述，且美国国籍提示会加剧这种伤害。

Comments FAccT '26, June 25-28, 2026, Montreal, QC, Canada

Construction of Knowledge Graph based on Language Model

基于语言模型的知识图谱构建

Qiubai Zhu, Qingwang Wang, Haibin Yuan, Wei Chen, Tao Shen

机构 * Faculty of Information Engineering and Automation, Kunming University of Science and Technology（信息工程与自动化学院，昆明理工大学） ； Yunnan Key Laboratory of Computer Technologies Application, Kunming University of Science and Technology（云南省计算机技术应用重点实验室，昆明理工大学） ； Tin Branch, Yunnan Tin Co., LTD.（云南锡业公司锡矿分公司） 纠错

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

AI总结 本文探讨了预训练语言模型在知识图谱构建中的应用，提出轻量级大语言模型构建的超关系知识图谱框架LLHKG，并展示了其与传统方法的对比。

Comments 10 pages,3 figures To be published in the proceedings of 2025 13th The International Conference on Information Systems and Computing Technology (ISCTech 2025)

Prompt Optimization Enables Stable Algorithmic Collusion in LLM Agents

提示优化使LLM代理实现稳定的算法共谋

Yingtao Tian

机构 * Sakana AI Tokyo, Japan（日本东京Sakana AI） 纠错

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

AI总结 研究探讨提示优化是否会导致市场模拟中出现共谋行为，提出元学习循环方法，发现优化后代理能发现更稳定的共谋策略，且在测试市场中表现良好，揭示了通用协调原理。

In Agents We Trust, but Who Do Agents Trust? Latent Source Preferences Steer LLM Generations

我们信任代理，但代理信任谁？潜在的来源偏好引导LLM生成

Mohammad Aflah Khan, Mahsa Amani, Soumi Das, Bishwamittra Ghosh, Qinyuan Wu, Krishna P. Gummadi, Manish Gupta, Abhilasha Ravichander

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

AI总结 研究发现LLM在处理信息时存在潜在的来源偏好，影响信息选择和呈现，需进一步探索其来源并提供透明机制。

Comments ICLR 2026

Behavioral Economics of AI: LLM Biases and Corrections

人工智能行为经济学：大语言模型的偏见与修正

Pietro Bini, Lin William Cong, Xing Huang, Lawrence J. Jin

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

AI总结 本文研究了大语言模型在经济决策中的偏见问题，通过实验发现模型在不同任务中表现出不同的行为模式，并提出通过提示使模型做出理性决策以减少偏见。

Equipping LLM with Directional Multi-Talker Speech Understanding Capabilities

为LLM配备方向性多说话人语音理解能力

Ju Lin, Jing Pan, Ruizhi Li, Ming Sun, Yuzong Liu, Alaa Hassan, Jing Zheng, Florian Metze

机构 * Meta, USA（Meta公司） 纠错

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

AI总结 本文提出两种方法，通过多麦克风阵列和级联系统，使LLM具备方向性多说话人语音理解能力，提升了语音识别和翻译性能。

Identity-Robust Language Model Generation via Content Integrity Preservation

通过内容完整性保护实现身份鲁棒的语言模型生成

Miao Zhang, Kelly Chen, Md Mehrab Tanjim, Rumi Chunara

机构 * New York University（纽约大学） ； Adobe Research（Adobe研究） 纠错

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

AI总结 本文提出了一种轻量级、无需训练的框架，通过保留语义关键属性并中和非关键身份信息，实现身份鲁棒的语言模型生成，有效减少身份依赖性偏见。