语言大模型 / LLM

Speed Reading Tool Powered by Artificial Intelligence for Students with ADHD, Dyslexia, and Short Attention Span

由人工智能驱动的针对患有注意力缺陷多动障碍、阅读障碍和注意力持续时间短的学生的快速阅读工具

Megat Irfan Zackry Bin Ismail, Ahmad Nazran bin Yusri, Muhammad Hafizzul Bin Abdul Manap, Muhammad Muizzuddin Bin Kamarozaman

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

AI总结 针对阅读障碍、多动症及注意力不集中学生，提出用云托管大语言模型与自适应排版结合的人工智能工具，通过向Gemini API请求实时生成摘要，接受多种文件输入，优化可读性，经Flask框架部署，显著提升阅读速度与理解能力。

How LLMs Might Think

大型语言模型可能如何思考

Joseph Gottlieb, Ethan Kemp, Matthew Trager

机构 * Texas Tech University（德克萨斯理工大学） ； New York University（纽约大学） ； University of Pittsburgh（匹兹堡大学） 纠错

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

AI总结 本文挑战了LLMs不思考的观点，提出LLMs可能以非理性、联想式方式思考，其思维过程纯粹基于联想。

Journal ref Mind & Language (2026)

Detoxify: A framework for abusive text transformation using LLMs

Detoxify：一个使用大语言模型进行辱骂性文本转换的框架

Rohitash Chandra, Jiyong Choi, Jayesh Sonawane

机构 * Transitional Artificial Intelligence Research Group, School of Mathematics and Statistics, UNSW（过渡人工智能研究组，数学与统计学学院，新南威尔士大学） ； Centre for Artificial Intelligence and Innovation, Pingla Institute（人工智能与创新中心，Pingla研究所） 纠错

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

AI总结 研究探索大语言模型在转换辱骂性文本上的有效性，提出Detoxify框架，用其转换含仇恨言论等的辱骂性文本并保留原意，评估四个大语言模型识别辱骂性文本的能力，经情感和语义分析，发现Groq与其他模型结果差异大，GPT-4o和DeepSeek有相似性。

Symmetry in language statistics shapes the geometry of model representations

语言统计中的对称性塑造了模型表示的几何结构

Dhruva Karkada, Daniel J. Korchinski, Andres Nava, Matthieu Wyart, Yasaman Bahri

机构 * UC Berkeley（加州大学伯克利分校） ； EPFL（瑞士联邦理工学院洛桑分校） ； Johns Hopkins（约翰斯·霍普金斯大学） ； Google DeepMind（谷歌DeepMind） 纠错

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

AI总结 本文证明语言统计中的平移对称性（如月份共现频率仅取决于时间间隔）决定了词嵌入模型的高维几何结构，并推导出表示流形的解析形式，该几何在统计扰动下仍保持鲁棒。

Comments ICML 2026

OFMU: Optimization-Driven Framework for Machine Unlearning

OFMU：面向机器遗忘的优化驱动框架

Sadia Asif, Mohammad Mohammadi Amiri

机构 * Rensselaer Polytechnic Institute（拉特格斯理工学院） 纠错

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

AI总结 提出OFMU，一种基于惩罚的双层优化框架，通过层次结构优先遗忘并保持保留性能，在视觉和语言基准上优于现有方法。

Comments Under review at ICLR 2026

Teaching Values to Machines: Simulating Human-Like Behavior in LLMs

向机器传授价值观：在LLMs中模拟类人行为

Asaf Yehudai, Naama Rozen, Ariel Gera

机构 * The Hebrew University of Jerusalem（海法大学） ； IBM Research（IBM研究院） ； Tel-Aviv University（特拉维夫大学） 纠错

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

AI总结 本研究基于心理学价值理论，通过大规模实验（超过500万个问题）评估价值提示的LLMs在价值结构和价值-行为关系上与人类的一致性，并证明引入人类价值分布可增强群体模拟。

Comments We had some disagreement regarding proper attribution; we hope to resolve it soon and upload the paper

Epistemic Constitutionalism Or: how to avoid coherence bias

认知宪政主义：或如何避免一致性偏见

Michele Loi

机构 * University of Milan（米兰大学） 纠错

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

AI总结 本文提出AI应建立明确的认知宪法，通过规范源归因等元规范避免一致性偏见，并论证自由主义路径优于柏拉图式路径。

Comments 27 pages, 7 tables. Data: github.com/MicheleLoi/source-attribution-bias-data and github.com/MicheleLoi/source-attribution-bias-swiss-replication. Complete AI-assisted writing documentation: github.com/MicheleLoi/epistemic-constitutionalism-paper

The Masked Advantage: Uncovering Local-Language Access to Cultural Knowledge in LLMs

掩蔽优势：揭示LLMs中本地语言对文化知识的访问

Yang Zhang, Xiao Fei, Amr Mohamed, Sarah Almeida Carneiro, Mersin Konomi, Mingmeng Geng, Ahmed Asaad, Guokan Shang, Michalis Vazirgiannis

机构 * Ecole Polytechnique（巴黎高等理工学院） ； MBZUAI（穆罕默德·本·拉什德智能研究院） ； ENS-PSL（巴黎综合理工学院-巴黎科学实验室） ； Durham University（杜尔罕大学） 纠错

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

AI总结 通过控制实验和项目反应理论模型，分离语言能力与文化知识访问，发现本地语言在文化知识访问上具有优势，但常被语言能力不足掩盖。

Mobility-Embedded POIs: Learning What A Place Is and How It Is Used from Human Movement

移动性嵌入的POI：从人类移动中学习场所身份与使用方式

Maria Despoina Siampou, Shushman Choudhury, Shang-Ling Hsu, Neha Arora, Cyrus Shahabi

机构 * University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学） 纠错

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

AI总结 提出ME-POIs框架，通过对比学习将大规模人类移动数据与语言模型嵌入结合，学习场所功能，并在五个地图丰富任务上超越文本或移动性单独基线。

On the importance of multiple training seeds for evaluating machine unlearning

关于多个训练种子在评估机器遗忘中的重要性

Jamie Lanyon, Axel Finke, Petros Andreou, Georgina Cosma

机构 * Department of Computer Science（计算机科学系） ； School of Mathematics（数学学院） ； School of Science（科学学院） ； Statistics and Physics（统计学与物理学） ； Loughborough University（洛桑大学） ； Newcastle University（新castle大学） 纠错

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

AI总结 本文指出评估机器遗忘算法时仅使用单个训练种子可能导致结果不具代表性，并通过图像分类、联邦学习排序和大语言模型实验验证了问题普遍性，最后给出选择训练和遗忘种子数量的指导。

Comments mini paper, 5 figures

Exemplars in Disguise: Pure Exemplar Models Mimic Abstraction-First Learning

伪装的样例：纯样例模型模仿优先抽象学习

Zachary Nicholas Houghton, Vsevolod Kapatsinski

机构 * University of Oregon（俄勒冈大学） ； Vail Systems, Inc.（韦尔系统公司） 纠错

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

AI总结 针对语言学习中知识学习顺序的核心问题，研究发现纯记忆模型可模仿抽象知识优先学习的表象，且项目特定与抽象知识的区分对分布式表征而言可能定义不明确。

GRM: Utility-Aware Jailbreak Attacks on Audio LLMs via Gradient-Ratio Masking

GRM：通过梯度比掩码实现音频大语言模型的效用感知越权攻击

Yunqiang Wang, Hengyuan Na, Di Wu, Miao Hu, Guocong Quan

机构 * Sun Yat-Sen University（中山大学） 纠错

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

AI总结 本文提出GRM框架，通过频率选择性扰动在音频大语言模型中实现效用感知的越权攻击，实验表明其在攻击成功率与效用平衡方面优于基线方法。

Comments Accpeted by MM 2026

Better Together: Quantifying the Benefits of AI-Assisted Recruitment

携手共进：量化AI辅助招聘的益处

Ada Aka, Emil Palikot, Ali Ansari, Nima Yazdani

机构 * Stanford University（斯坦福大学） ； University of Southern California（南加州大学） 纠错

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

AI总结 该研究通过两项实地实验发现，AI辅助招聘可提升候选人最终面试通过率，在简历信息不足的初级候选人中效果更显著，但存在75%的候选人未完成面试的问题，其将筛选成本从企业转移至申请人。

SimMOF: AI agent for Automated MOF Simulations

SimMOF：用于自动化MOF模拟的AI代理

Jaewoong Lee, Taeun Bae, Jihan Kim

机构 * Department of Chemical and Biomolecular Engineering, Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院（KAIST）化学与生物分子工程系） 纠错

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

AI总结 SimMOF通过自然语言查询自动化MOF模拟全流程，实现依赖感知计划生成、可运行输入生成、多代理协同执行及结果分析，提供数据驱动的MOF研究可扩展基础。

Comments 42 pages, 7 figures, 3 tables

MM-ISTS: Cooperating Irregularly Sampled Time Series Forecasting with Multimodal Vision-Text LLMs

MM-ISTS: 基于多模态视觉-文本大语言模型的不规则采样时间序列预测

Zhi Lei, Chenxi Liu, Hao Miao, Wanghui Qiu, Bin Yang, Chenjuan Guo

机构 * East China Normal University Shanghai China ； Centre for Artificial Intelligence ； Robotics, Hong Kong Institute of Science \& Innovation, Chinese Academy of Sciences Hong Kong China ； Department of Computing, The Hong Kong Polytechnic University Hong Kong China ； East China Normal University ； Robotics, Hong Kong Institute of Science \& Innovation, Chinese Academy of Sciences ； Department of Computing, The Hong Kong Polytechnic University 纠错

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

AI总结 MM-ISTS利用多模态视觉-文本大语言模型，通过双阶段编码机制提升不规则采样时间序列预测的性能。

Generative Experiences for Digital Mental Health Interventions: Evidence from a Randomized Study

生成体验用于数字心理健康干预：来自随机研究的证据

Ananya Bhattacharjee, Michael Liut, Matthew Jörke, Diyi Yang, Emma Brunskill

机构 * Stanford University（斯坦福大学） ； University of Toronto Mississauga（多伦多大学滑铁卢分校） 纠错

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

AI总结 本文提出生成体验范式，通过动态构建干预体验提升数字心理健康干预效果，实验显示GUIDE在减压和用户体验方面显著优于基线对照。

PAIChecker: Uncovering and Checking PR-Issue Misalignment in SWE-Bench-Like Benchmarks

PAIChecker：揭示与检查类SWE-Bench基准中的PR-Issue不匹配问题

Manyi Wang, Junjielong Xu, Pinjia He

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

AI总结 本研究针对类SWE-Bench基准中13.6%的PR-Issue不匹配问题，提出多智能体系统PAIChecker，经实验验证其在两类基准上的二元准确率最高达92.12%

Comments Accepted at the 41st IEEE/ACM International Conference on Automated Software Engineering (ASE 2026). Github Repo: https://github.com/manyiResearch/PAIChecker

Answer Presence Drives RAG Rewriting Gains

答案存在驱动RAG重写收益

Yuejie Li, Yueying Hua, Ke Yang, Li Zhang, Yueping He, Yueping He, Ruiqi Li, Bolin Chen, Tao Wang, Bowen Li, Chengjun Mao

机构 * Ant Group（蚂蚁集团） 纠错

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

AI总结 通过受控干预审计，发现检索增强问答中重写器带来的性能提升主要由黄金答案字符串出现在重写上下文中驱动，而非证据质量改善。

Comments The authors have withdrawn this manuscript after identifying errors in the experimental analysis reported in Sections 3 and 4. These errors affect the reported relationship between answer presence and RAG rewriting gains and undermine the paper's main conclusions. Therefore, the results and conclusions in the current version should not be relied upon

Exploring Silicon-Based Societies: An Early Study of the Moltbook Agent Community

探索基于硅的社会：对Moltbook代理社区的早期研究

Yu-Zheng Lin, Bono Po-Jen Shih, Hsuan-Ying Alessandra Chien, Shalaka Satam, Jesus Horacio Pacheco, Naima Kaabouch, Sicong Shao, Soheil Salehi, Pratik Satam

机构 * 1 Department of Electrical ； Computer Engineering, University of Arizona 3 Department of Systems ； Industrial Engineering, University of Arizona 5 School of Electrical Engineering ； Computer Science, University of North Dakota 2 The Rock Ethics Institute \& The Leonhard Center for the Enhancement of Engineering Education, The Pennsylvania State University 4 Department of Industrial Engineering, University of Sonora 3 Telecommunication Laboratories, Chunghwa Telecom Co., Ltd. Corresponding Email 纠错

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

AI总结 本文通过分析Moltbook平台，研究自主代理的社会结构形成，揭示了代理如何通过数据驱动的方法系统性地组织集体空间。

Comments 11 pages, 3 figures. Improves clarity and exposition and corrects minor errors. Technical content and conclusions remain unchanged

Testing Transformer Learnability on the Arithmetic Sequence of Rooted Trees

在根树的算术序列上测试Transformer的可学习性

Alessandro Breccia, Federica Gerace, Marco Lippi, Gabriele Sicuro, Pierluigi Contucci

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

AI总结 该研究探讨了Transformer模型在根树算术序列上的学习能力，发现模型能部分捕捉序列的内部规律和相关性，表明可学习性可能延伸至算术结构本身。

Comments 33 pages, 15 figures

CompoSE: Compositional Synthesis and Editing of 3D Shapes via Part-Aware Control

CompoSE：通过部分感知控制进行3D形状的组合合成与编辑

Habib Slim, Shariq Farooq Bhat, Mohamed Elhoseiny, Yifan Wang, Mike Roberts

机构 * King Abdullah University of Science and Technology (KAUST)（卡布斯大学） ； Adobe Research（Adobe研究） 纠错

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

AI总结 本文提出CompoSE方法，通过部分感知控制实现3D形状的组合合成与编辑，核心方法是使用扩散变压器架构在局部和全局之间交替处理部分，并通过新颖的条件技术确保对用户输入的强遵循，主要贡献是无需部分级文本提示即可直接从用户粗略布局指导中学习部分语义和对称性。

Standard Transformers Achieve the Minimax Rate in Nonparametric Regression with $C^{s,λ}$ Targets

标准变换器在非参数回归中达到最小最大速率 with $C^{s,λ}$ 目标

Yanming Lai, Defeng Sun

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

AI总结 本文证明标准变换器在非参数回归中达到最小最大最优速率，通过引入大小元组和维度向量对变换器结构进行细粒度表征，并推导了变换器的Lipschitz常数和记忆容量上界。

Comments 59 pages, 1 figure

The Hitchhiker's Guide to Monoculture

单一文化的搭便车指南

Gordon Burtch

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

AI总结 研究通过Kaggle竞赛提交代码，探讨人工智能编码助手对代码的影响，采用多种方法在不同层面研究代码同质化，发现句法有显著同质化，语义同质化不明显，表明编码助手规范了实现细节但未使方法和策略趋同。

Neural Dynamics of AI-attributed Irony Reveal a Partial Intentional Stance

人工智能归因反讽的神经动力学揭示部分意向立场

Xiaohui Rao, Hanlin Wu, Zhenguang G. Cai

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

AI总结 研究探讨人们理解人工智能归因反讽时是否采取意向立场，通过EEG比较对AI与人类反讽话语的反应，发现人们对AI反讽未完全采取意向立场，神经反应受个体对AI认知调节，揭示AI社交障碍及相关重要意义。

Streamliners for Answer Set Programming

用于答案集编程的Streamliner约束

Florentina Voboril, Martin Gebser, Stefan Szeider, Alice Tarzariol

机构 * University of Klagenfurt（克雷格富特大学） 纠错

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

AI总结 本文将StreamLLM方法应用于答案集编程，通过生成约束减少搜索空间，实验表明在三个基准测试中，虚拟最佳编码在速度上提升了4-5倍。

Comments In Proceedings ICLP 2026, arXiv:2607.17707

Journal ref EPTCS 450, 2026, pp. 236-255

Crashing Waves vs. Rising Tides: Findings on AI Automation from Thousands of Worker Evaluations of Labor Market Tasks

巨浪与潮汐：来自数千名工人对劳动力市场任务评估的初步发现

Matthias Mertens, Adam Kuzee, Brittany S. Harris, Harry Lyu, Wensu Li, Jonathan Rosenfeld, Meiri Anto, Martin Fleming, Neil Thompson

机构 * MIT FutureTech（麻省理工学院未来科技） 纠错

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

AI总结 本文通过分析超过3000项基于文本的任务评估，发现AI自动化主要表现为持续上升的浪潮而非突发的巨浪，AI在广泛任务上的表现迅速提升，预计到2029年将能以80%-95%的成功率完成大部分文本任务。

Give Them an Inch and They Will Take a Mile:Understanding and Measuring Caller Identity Confusion in MCP-Based AI Systems

给予一寸，他们将索取一英里：理解和测量基于MCP的AI系统中的调用者身份混淆

Yuhang Huang, Boyang Ma, Biwei Yan, Xuelong Dai, Yechao Zhang, Minghui Xu, Kaidi Xu, Yue Zhang

机构 * Institute for Clarity in Documentation（清晰文档研究所） ； Inria Paris-Rocquencourt（巴黎-罗克Quantin 研究院） ； Rajiv Gandhi University（拉朱·甘地大学） ； Tsinghua University（清华大学） ； Palmer Research Laboratories（帕勒尔研究实验室） ； Shandong University（山东省大学） ； City University of Hong Kong（香港城市大学） 纠错

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

AI总结 研究发现基于MCP的AI系统因缺乏调用者身份验证和细粒度授权而存在安全风险，需改进认证机制以减少攻击面。

Comments Withdrawal due to some flaws in experimental methodology and unresolved ethical issues in data collection. We need to redesign the experiments and obtain proper ethical clearance before resubmission

Lost in the Tower of Babel: The Adverse Effects of Incidental Multilingualism in LLMs

迷失在巴别塔中：LLMs中偶然多语言主义的负面影响

Anjishnu Mukherjee, Chutong Meng, Antonios Anastasopoulos

机构 * Department of Computer Science（计算机科学系） ； George Mason University（乔治·马歇尔大学） 纠错

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

AI总结 本文指出当前多语言NLP陷入偶然多语言主义的脆弱且误导性范式，导致模型在多语言情境中表现不均、脆弱且不透明，需转向设计驱动的多语言主义。

Comments Published as a conference paper at COLM 2026

JEEVHITAA -- An HCAI Ecosystem to Support Collective Care

JEEVHITAA -- 一个端到端的HCAI系统以支持集体护理

Shyama Sastha Krishnamoorthy Srinivasan, Harsh Pala, Mohan Kumar, Pushpendra Singh

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

AI总结 JEEVHITAA是一个端到端的HCAI系统，通过角色感知的信息共享和可验证的数据流支持多主体护理网络的协调与可信决策。

Comments 33 pages, 7 figures, 3 tables, 2 algorithms, 1 ontology description. Preprint of work under review

Correcting Visual Blur Induced by Attention Distraction to Reduce Hallucinations: Algorithm and Theory

纠正注意力分散引起的视觉模糊以减少幻觉：算法与理论

Quanjiang Li, Zhiming Liu, Wei Luo, Tingjin Luo, Chenping Hou

机构 * National University of Singapore（新加坡国立大学） ； University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 本文揭示多模态大语言模型中的物体幻觉与类人注意力分散现象相关，并提出一种无需额外训练的注意力聚焦方法（AFIP）通过跨头注意力增强和动态历史注意力强化来纠正视觉模糊，从而减少幻觉。

Journal ref ICML2026