语言大模型 / LLM

Liberating Logic in the Age of AI: Going Beyond Programming with Computational Thinking

人工智能时代解放逻辑：超越编程的计算思维

Douglas C. Schmidt, Dan Runfola

专题命中 领域大模型 ：large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 本文探讨人工智能时代计算思维的转变，强调自然语言编程对软件开发的影响及课程改革的必要性。

Comments 15 pages and 17 figures

Chatbots to strengthen democracy: An interdisciplinary seminar to train identifying argumentation techniques of science denial

聊天机器人强化民主：跨学科研讨会训练识别科学否认论技巧

Ingo Siegert, Jan Nehring, Aranxa Márquez Ampudia, Matthias Busch, Stefan Hillmann

机构 * Mobile Dialog Systems, Otto-von-Guericke-University Magdeburg, Germany（移动对话系统，马格德堡奥托·冯·格里克大学） ； German Research Centre for Artificial Intelligence, Berlin（德国人工智能研究中心） ； Usability Lab, TU Berlin, Germany（可用性实验室，柏林技术大学） 纠错

专题命中 领域大模型 ：large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 本文提出通过跨学科研讨会训练学生利用AI聊天机器人识别科学否认论技巧，以提高公众对虚假信息的抵抗力。

Comments 6 pages, 4 figures

Empa: An AI-Powered Virtual Mentor for Developing Global Collaboration Skills in HPC Education

Empa：一种基于AI的虚拟导师，用于HPC教育中培养全球协作能力

Ashish, Aparajita Jaiswal, Sudip Vhaduri, Niveditha Nerella, Shubham Jha

机构 * Purdue University（普渡大学） 纠错

专题命中 领域大模型 ：large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 Empa通过AI技术为HPC教育提供跨文化交流培训，帮助学生提升国际协作能力，满足全球计算环境的需求。

DAS: Dual-Aligned Semantic IDs Empowered Industrial Recommender System

DAS: 基于双对齐语义ID的工业推荐系统

Wencai Ye, Mingjie Sun, Shaoyun Shi, Peng Wang, Wenjin Wu, Peng Jiang

专题命中 领域大模型 ：large language model(abstract)；language model(abstract)

AI总结 DAS通过双对齐语义ID方法，提升推荐系统中多模态内容整合与协同信号对齐效率，有效解决信息损失与灵活性问题。

Comments Accepted by CIKM 2025

SciEducator: Scientific Video Understanding and Educating via Deming-Cycle Multi-Agent System

SciEducator: 基于Deming循环多智能体系统的科学视频理解与教育

Zhiyu Xu, Weilong Yan, Yufei Shi, Xin Meng, Tao He, Huiping Zhuang, Ming Li, Hehe Fan

机构 * Jinan University（济南大学） ； National University of Singapore（新加坡国立大学） ； Nanyang Technological University（南洋理工大学） ； Peking University（北京大学） ； University of Electronic Science and Technology of China（电子科技大学） ； South China University of Technology（华南理工大学） ； Guangming Laboratory（光明实验室） ； Zhejiang University（浙江大学） 纠错

专题命中 领域大模型 ：large language model(abstract)；language model(abstract)

AI总结 SciEducator通过Deming循环多智能体系统实现科学视频的自演化理解与教育，生成多模态教学内容并超越现有大语言模型和视频智能体。

Medusa: Cross-Modal Transferable Adversarial Attacks on Multimodal Medical Retrieval-Augmented Generation

Medusa: 跨模态可转移的对抗攻击用于多模态医疗检索增强生成

Yingjia Shang, Yi Liu, Huimin Wang, Furong Li, Wenfang Sun, Wu Chengyu, Yefeng Zheng

机构 * Westlake University（西湖大学） ； Heilongjiang University（黑龙江大学） ； City University of Hong Kong（香港城市大学） ； Tencent（腾讯） 纠错

专题命中 领域大模型 ：language model(abstract)；分类 cs.AI、cs.LG

AI总结 Medusa提出了一种针对多模态医疗检索增强生成系统的跨模态可转移对抗攻击方法，通过优化扰动和双循环策略实现高攻击成功率并抵御主流防御措施。

Comments Accepted at KDD 2026 First Cycle (full version). Authors marked with * contributed equally. Yi Liu is the lead author

ReplicationBench: Can AI Agents Replicate Astrophysics Research Papers?

ReplicationBench: 人工智能代理能否复制天体物理学研究论文？

Christine Ye, Sihan Yuan, Suchetha Cooray, Steven Dillmann, Ian L. V. Roque, Dalya Baron, Philipp Frank, Sergio Martin-Alvarez, Nolan Koblischke, Frank J Qu, Diyi Yang, Risa Wechsler, Ioana Ciuca

机构 * Stanford University（斯坦福大学） ； University of Toronto（多伦多大学） 纠错

专题命中 领域大模型 ：language model(abstract)；分类 cs.CL

AI总结 ReplicationBench旨在评估人工智能代理复制天体物理学研究论文的能力，通过测试代理在实验设置、推导、数据分析和代码库等任务上的表现，揭示代理在科学研究中的可靠性及挑战。

Real-Time Personalized Content Adaptation through Matrix Factorization and Context-Aware Federated Learning

通过矩阵分解和上下文感知联邦学习实现实时个性化内容适应

Sai Puppala, Ismail Hossain, Md Jahangir Alam, Sajedul Talukder

机构 * Department of Computer Science（计算机科学系） ； The University of Texas at El Paso（德克萨斯理工大学） ； Southern Illinois University（伊利诺伊大学苏尔特分校） 纠错

专题命中 领域大模型 ：LLM(abstract)；分类 cs.LG

AI总结 本研究通过联邦学习与矩阵分解技术，实现社交媒体的实时个性化内容推荐，提升用户互动与内容相关性，同时保障隐私。

PromptMoE: Generalizable Zero-Shot Anomaly Detection via Visually-Guided Prompt Mixtures

PromptMoE: 通过视觉引导的提示混合实现通用零样本异常检测

Yuheng Shao, Lizhang Wang, Changhao Li, Peixian Chen, Qinyuan Liu

专题命中 领域大模型 ：language model(abstract)

AI总结 PromptMoE通过视觉引导的提示混合方法，实现了通用零样本异常检测，提升了模型对未见异常的泛化能力。

Comments 14 pages, 8 figures. Accepted to AAAI 2026

Towards Open-Ended Visual Scientific Discovery with Sparse Autoencoders

基于稀疏自编码器的开放性视觉科学发现

Samuel Stevens, Jacob Beattie, Tanya Berger-Wolf, Yu Su

机构 * The Ohio State University（俄亥俄州立大学） 纠错

专题命中 领域大模型 ：foundation model(abstract)

AI总结 本研究探讨稀疏自编码器在基础模型表示中实现开放性特征发现的潜力，通过生态图像案例展示其在无标签数据下的细粒度结构识别能力，为科学发现提供了新工具。

Beyond Protein Language Models: An Agentic LLM Framework for Mechanistic Enzyme Design

超越蛋白质语言模型：一种用于机制酶设计的代理LLM框架

Bruno Jacob, Khushbu Agarwal, Marcel Baer, Peter Rice, Simone Raugei

机构 * Pacific Northwest National Laboratory（太平洋西北国家实验室） 纠错

专题命中 知识编辑与模型理解 ：LLM(title,abstract)；language model(title,abstract)；分类 cs.AI

AI总结 Genie-CAT通过整合文献推理、结构解析、静电势计算和机器学习预测，实现蛋白质设计中可解释的科学假设生成，提升计算发现效率。

Comments 10 pages, 4 figures

Differentiated Directional Intervention A Framework for Evading LLM Safety Alignment

差异化方向干预：一种规避LLM安全对齐的框架

Peng Zhang, Peijie Sun

专题命中 知识编辑与模型理解 ：LLM(title,abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出DBDI框架，通过区分有害检测和拒绝执行方向，提升LLM安全对齐的规避效果。

Comments AAAI-26-AIA

Frame Representation Hypothesis: Multi-Token LLM Interpretability and Concept-Guided Text Generation

框架表示假说：多词LLM可解释性与概念引导的文本生成

Pedro H. V. Valois, Lincon S. Souza, Erica K. Shimomoto, Kazuhiro Fukui

专题命中 知识编辑与模型理解 ：LLM(title,abstract)；large language model(abstract)；language model(abstract)；分类 cs.CL

AI总结 本文提出框架表示假说，通过多词建模提升LLM的可解释性，利用概念引导解码实现更安全透明的文本生成。

UPLME: Uncertainty-Aware Probabilistic Language Modelling for Robust Empathy Regression

UPLME：面向鲁棒共情回归的不确定性感知概率语言建模

Md Rakibul Hasan, Md Zakir Hossain, Aneesh Krishna, Shafin Rahman, Tom Gedeon

机构 * School of Electrical Engineering, Computing and Mathematical Sciences, Curtin University（电气工程、计算与数学科学学院，科廷大学） ； North South University（北南大学） ； BRAC University（布拉克大学） ； The Australian National University（澳大利亚国立大学） ； University of ÓBuda（奥布达大学） 纠错

专题命中 知识编辑与模型理解 ：language model(title,abstract)；分类 cs.CL、cs.LG

AI总结 UPLME通过不确定性感知的概率语言建模框架，有效应对共情回归任务中的标签噪声问题，实现性能提升。

Comments Code available at https://github.com/hasan-rakibul/UPLME

Investigating Representation Universality: Case Study on Genealogical Representations

探讨表示通用性：谱系表示的案例研究

David D. Baek, Yuxiao Li, Max Tegmark

机构 * MIT（麻省理工学院） 纠错

专题命中 知识编辑与模型理解 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI、cs.LG

AI总结 本研究探讨了大型语言模型在表示谱系信息时的通用性，通过两种实验证据验证图结构表示的通用性，并指出缺乏地面真实表示的挑战。

Comments 14 pages, 7 figures

Journal ref NeurIPS 2025 Workshop on Responsible Foundation Models

Priors in Time: Missing Inductive Biases for Language Model Interpretability

时间中的先验：语言模型可解释性中缺失的归纳偏置

Ekdeep Singh Lubana, Can Rager, Sai Sumedh R. Hindupur, Valerie Costa, Greta Tuckute, Oam Patel, Sonia Krishna Murthy, Thomas Fel, Daniel Wurgaft, Eric J. Bigelow, Johnny Lin, Demba Ba, Martin Wattenberg, Fernanda Viegas, Melanie Weber, Aaron Mueller

机构 * Goodfire AI ； Independent（独立） ； SEAS, Harvard University（哈佛大学SEAS学院） ； EPFL（瑞士联邦理工学院） ； Kempner Institute at Harvard University（哈佛大学凯普内研究所） ； Department of Psychology, Stanford University（斯坦福大学心理学系） ； Department of Psychology, Harvard University（哈佛大学心理学系） ； Decode Research ； Boston University（波士顿大学） 纠错

专题命中 知识编辑与模型理解 ：language model(title,abstract)；分类 cs.LG

AI总结 本文提出时序特征分析方法，通过引入时序归纳偏置，改进语言模型表示的可解释性，有效区分抽象与新颖信息，克服现有方法的局限。

Comments Preprint

4D-VGGT: A General Foundation Model with SpatioTemporal Awareness for Dynamic Scene Geometry Estimation

4D-VGGT：一种具有时空意识的通用基础模型，用于动态场景几何估计

Haonan Wang, Hanyu Zhou, Haoyue Liu, Luxin Yan

机构 * National Key Lab of Multispectral Information Intelligent Processing Technology, School of Artificial Intelligence and Automation, Huazhong University of Science and Technology（多谱信息智能处理国家实验室，人工智能与自动化学院，华中科技大学） ； School of Computing, National University of Singapore（计算学院，新加坡国立大学） 纠错

专题命中 知识编辑与模型理解 ：foundation model(title,abstract)

AI总结 4D-VGGT通过分而治之的时空表示方法，提升动态场景几何估计的准确性和通用性。

For Those Who May Find Themselves on the Red Team

那些可能发现自己在红队中的人

Tyler Shoemaker

机构 * Texas A&M University（德克萨斯大学） 纠错

专题命中 知识编辑与模型理解 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.CL

AI总结 本文主张文学学者应参与LLM可解释性研究，强调红队作为思想斗争的可能场所。

Community-Aligned Behavior Under Uncertainty: Evidence of Epistemic Stance Transfer in LLMs

在不确定性下对齐的行为：LLMs中认知立场转移的证据

Patrick Gerard, Aiden Chang, Svitlana Volkova

专题命中 知识编辑与模型理解 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.CL

AI总结 本研究通过删除事件知识验证LLMs在无知情况下仍能保持社区特定的行为模式，证明对齐编码了结构化且可推广的行为，推动更安全的LLM部署。

Comments 37 pages, EurIPS 2025

"AGI" team at SHROOM-CAP: Data-Centric Approach to Multilingual Hallucination Detection using XLM-RoBERTa

SHROOM-CAP团队的AGI：基于XLM-RoBERTa的多语言幻觉检测数据导向方法

Harsh Rathva, Pruthwik Mishra, Shrikant Malviya

机构 * Sardar Vallabhbhai National Institute of Technology (SVNIT)（萨达尔·瓦拉布尔·尼蒂国家理工学院） 纠错

专题命中 知识编辑与模型理解 ：large language model(abstract)；language model(abstract)；分类 cs.CL

AI总结 SHROOM-CAP团队提出基于XLM-RoBERTa的多语言幻觉检测方法，通过数据集统一和平衡提升模型性能，尤其在印地语等低资源语言中取得显著成果。

Comments Accepted to the 1st Workshop on Confabulation, Hallucinations & Overgeneration in Multilingual and Practical Settings (CHOMPS) at AACL-IJCNLP 2025

Neural Transparency: Mechanistic Interpretability Interfaces for Anticipating Model Behaviors for Personalized AI

神经透明：用于预测模型行为的机制可解释性接口以实现个性化AI

Sheer Karny, Anthony Baez, Pat Pataranutaporn

机构 * MIT Media Lab（麻省理工学院媒体实验室） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

专题命中 知识编辑与模型理解 ：LLM(abstract)；language model(abstract)；分类 cs.AI

AI总结 本研究提出神经透明接口，通过可视化语言模型内部结构帮助用户预测AI行为，提升信任并促进更安全的人机交互。

Comments SK and AB are co-first authors

MindCraft: How Concept Trees Take Shape In Deep Models

MindCraft: 深度模型中概念树如何形成

Bowei Tian, Yexiao He, Wanghao Ye, Ziyao Wang, Meng Liu, Ang Li

机构 * University of Maryland, College Park（马里兰大学 College Park 分校） 纠错

专题命中 知识编辑与模型理解 ：foundation model(abstract)；分类 cs.AI、cs.LG

AI总结 MindCraft通过概念树框架揭示深度模型中概念的层次结构和分离过程，为可解释AI提供新的分析方法。

Pathway to Relevance: How Cross-Encoders Implement a Semantic Variant of BM25

相关性路径：交叉编码器如何实现语义变体的BM25

Meng Lu, Catherine Chen, Carsten Eickhoff

机构 * Brown University（布朗大学） ； University of Tübingen（图宾根大学） 纠错

专题命中 知识编辑与模型理解 ：language model(abstract)；分类 cs.AI

AI总结 本文通过分析交叉编码器的机制，揭示其如何通过结合传统相关性信号实现语义变体的BM25排序功能。

SCALER: SAM-Enhanced Collaborative Learning for Label-Deficient Concealed Object Segmentation

SCALER：基于SAM的增强协同学习用于标签匮乏的隐蔽物体分割

Chunming He, Rihan Zhang, Longxiang Tang, Ziyun Yang, Kai Li, Deng-Ping Fan, Sina Farsiu

机构 * Duke University（杜克大学） ； Harvard University（哈佛大学） ； Apple（苹果公司） ； Meta ； Nankai University（南开大学） 纠错

专题命中 知识编辑与模型理解 ：foundation model(abstract)；分类 cs.AI

AI总结 SCALER通过联合优化分割器和SAM，提升隐蔽物体分割在标签稀缺条件下的性能。

Comments 4 figures, 6 tables

Rethinking Intermediate Representation for VLM-based Robot Manipulation

重新思考基于VLM的机器人操作中的中间表示

Weiliang Tang, Jialin Gao, Jia-Hui Pan, Gang Wang, Li Erran Li, Yunhui Liu, Mingyu Ding, Pheng-Ann Heng, Chi-Wing Fu

机构 * CUHK（香港中文大学） ； Amazon（亚马逊） ； UNC（北卡罗来纳大学教堂山分校） 纠错

专题命中 知识编辑与模型理解 ：language model(abstract)

AI总结 本文提出SEAM表示方法，通过分解中间表示为词汇和语法，提升VLM在机器人操作中的可理解和通用性，结合检索增强的少样本学习策略实现高效操作，并在动作通用性和VLM可理解性上展示出优于主流方法的性能。

CUS-GS: A Compact Unified Structured Gaussian Splatting Framework for Multimodal Scene Representation

CUS-GS: 一种紧凑的统一结构高斯点扩散框架用于多模态场景表示

Yuhang Ming, Chenxin Fang, Xingyuan Yu, Fan Zhang, Weichen Dai, Wanzeng Kong, Guofeng Zhang

机构 * School of Computer Science, Hangzhou Dianzi University（杭州电子科技大学计算机科学学院） ； CAD & CG, Zhejiang University（浙江大学计算机辅助设计与图形学研究所） ； School of Computer Science, University of Bristol（布里斯托大学计算机科学学院） 纠错

专题命中 知识编辑与模型理解 ：foundation model(abstract)

AI总结 CUS-GS通过统一结构化高斯点扩散框架，实现多模态场景表示的高效建模与语义一致性。

Comments 15 pages, 8 figures, 4 tables

Evaluating Adversarial Vulnerabilities in Modern Large Language Models

评估现代大语言模型中的对抗漏洞

Tom Perel

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

AI总结 本文评估了现代大语言模型在对抗攻击中的安全漏洞，通过比较Gemini 2.5 Flash和GPT-4的易受性，揭示了安全机制的差异及Transformer架构的潜在漏洞。

Random Text, Zipf's Law, Critical Length,and Implications for Large Language Models

随机文本、齐夫定律、临界长度及对大语言模型的启示

Vladimir Berman

机构 * Aitiologia LLC（Aitiologia公司） 纠错

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

AI总结 该研究通过简单模型推导出词长、词汇增长和齐夫定律之间的关系，揭示了随机文本中词频分布的结构基础。

Comparative Analysis of the Code Generated by Popular Large Language Models (LLMs) for MISRA C++ Compliance

对流行大语言模型生成的代码在MISRA C++合规性方面的比较分析

Malik Muhammad Umer

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

AI总结 本文比较了多种大语言模型生成的C++代码在MISRA C++合规性上的表现，发现ChatGPT在合规性上表现最佳，而其他模型存在不同程度的违规问题。

Journal ref in IEEE Access, vol. 13, pp. 194815-194831, 2025

MASTEST: A LLM-Based Multi-Agent System For RESTful API Tests

MASTEST：基于LLM的多智能体系统用于RESTful API测试

Xiaoke Han, Hong Zhu

机构 * School of Engineering, Computing and Mathematics, Oxford Brookes University（工程、计算与数学学院，奥克斯伯里大学） 纠错

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

AI总结 MASTEST利用LLM和编程智能体构建多智能体系统，实现RESTful API测试的全流程自动化，通过生成测试场景、脚本及分析响应，验证LLM在测试任务中的高效性与准确性。

Comments 14 Page of main text plus 4 pages of appendix