语言大模型 / LLM

Emergent Lexical Semantics in Neural Language Models: Testing Martin's Law on LLM-Generated Text

神经语言模型中涌现的词义语义：在LLM生成文本中检验Martin定律

Kai Kugler

机构 * Trier University（特里尔大学） 纠错

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

AI总结 本研究通过分析神经语言模型生成文本中的词义语义，验证了马丁定律在训练过程中的非单调发展轨迹，并揭示了模型规模与语义稳定性之间的关系。

Comments paper draft

UniChange: Unifying Change Detection with Multimodal Large Language Model

UniChange: 通过多模态大语言模型统一变化检测

Xu Zhang, Danyang Li, Xiaohang Dong, Tianhao Wu, Hualong Yu, Jianye Wang, Qicheng Li, Xiang Li

机构 * TMCC, Computer Science, Nankai University（天津大学计算机学院，南开大学） ； VCIP, Computer Science, Nankai University（南开大学计算机科学系） ； NKIARI, Futian, Shenzhen（深圳福田国家工程研究中心） ； CMEE, Sichuan Agricultural University（四川农业大学） 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 UniChange通过多模态大语言模型统一变化检测任务，引入特殊标记和文本提示，实现BCD和SCD的统一，并在多个基准测试中取得最佳性能。

Context-Aware Pragmatic Metacognitive Prompting for Sarcasm Detection

面向上下文的元认知修辞提示用于讽刺检测

Michael Iskandardinata, William Christian, Derwin Suhartono

机构 * Computer Science Department（计算机科学系） ； School of Computer Science（计算机科学学院） ； Bina Nusantara University（宾努斯大学） 纠错

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

AI总结 本文提出一种基于检索的元认知修辞提示方法，通过整合上下文信息提升LLMs在讽刺检测中的性能，实验显示在多个数据集上均取得显著提升。

Adversarial Attack-Defense Co-Evolution for LLM Safety Alignment via Tree-Group Dual-Aware Search and Optimization

对抗攻击-防御共演进用于LLM安全对齐的树组双感知搜索与优化

Xurui Li, Kaisong Song, Rui Zhu, Pin-Yu Chen, Haixu Tang

机构 * Fudan University（复旦大学） ； Alibaba Group（阿里巴巴集团） ； Yale University（耶鲁大学） ； IBM Research AI（IBM人工智能研究） ； Indiana University（印第安纳大学） 纠错

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

AI总结 ACE-Safety通过树组双感知搜索与优化，共同优化攻击与防御模型，提升LLM的安全对齐能力。

Special-Character Adversarial Attacks on Open-Source Language Model

特殊字符对抗攻击对开源语言模型的攻击

Ephraiem Sarabamoun

机构 * University of Virginia（弗吉尼亚大学） 纠错

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

AI总结 本文研究了针对开源语言模型的特殊字符对抗攻击，评估了多种攻击方式并揭示了模型的安全漏洞及失败模式。

Even with AI, Bijection Discovery is Still Hard: The Opportunities and Challenges of OpenEvolve for Novel Bijection Construction

即使有AI，双射发现仍然困难：OpenEvolve在新型双射构造中的机遇与挑战

Davis Brown, Jesse He, Helen Jenne, Henry Kvinge, Max Vargas

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

AI总结 本文探讨了OpenEvolve在双射构造中的应用，发现尽管AI有潜力，但寻找新颖双射仍具挑战性，需人类数学家参与。

Comments 16 pages, 3 figures. This is an extended abstract submitted to FPSAC 2026

TrafficLens: Multi-Camera Traffic Video Analysis Using LLMs

TrafficLens: 多摄像头交通视频分析使用LLMs

Md Adnan Arefeen, Biplob Debnath, Srimat Chakradhar

机构 * NEC Laboratories America（NEC美国实验室） ； University of Missouri–Kansas City (UMKC)（密苏里大学-堪萨斯城分校） 纠错

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

AI总结 TrafficLens通过利用多摄像头重叠区域和对象相似性检测，高效地将视频转换为文本，减少处理时间并提升交通视频分析效率。

Comments 2024 IEEE 27th International Conference on Intelligent Transportation Systems (ITSC)

Safety Control of Service Robots with LLMs and Embodied Knowledge Graphs

服务机器人中结合大语言模型和具身知识图谱的安全控制

Yong Qi, Gabriel Kyebambo, Siyuan Xie, Wei Shen, Shenghui Wang, Bitao Xie, Bin He, Zhipeng Wang, Shuo Jiang

机构 * School of Electronic Information（电子信息学院） ； Artificial Intelligence, Shaanxi University of Science（人工智能，陕西科技大学） 纠错

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

AI总结 本文提出结合大语言模型与具身知识图谱的方法，提升服务机器人安全控制，通过预定义指令和知识库验证增强安全实践。

Semantic Anchors in In-Context Learning: Why Small LLMs Cannot Flip Their Labels

语义锚点在上下文学习中的作用：为何小规模大语言模型无法翻转其标签

Anantha Padmanaban Krishna Kumar

机构 * Department of Computer Science, Boston University（计算机科学系，波士顿大学） 纠错

专题命中 其他LLM ：prompting(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 研究探讨了上下文学习中语义锚点的作用，发现小规模LLM在翻转标签时无法有效覆盖语义，主要调整输入投射到预训练语义方向的方式。

Comments 13 pages total (7 pages main text, 3 pages references, 3 pages appendix), 2 figures, 14 tables. Code available at https://github.com/AnanthaPadmanaban-KrishnaKumar/semantic-anchors-icl

OVAL-Grasp: Open-Vocabulary Affordance Localization for Task Oriented Grasping

OVAL-Grasp：面向任务的开放词汇表征定位抓取

Edmond Tong, Advaith Balaji, Anthony Opipari, Stanley Lewis, Zhen Zeng, Odest Chadwicke Jenkins

机构 * University of Michigan, Ann Arbor, MI, USA（密歇根大学） ； J.P. Morgan AI Research（摩根大通AI研究） 纠错

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

AI总结 OVAL-Grasp通过结合大语言模型和视觉-语言模型，实现面向任务的开放词汇表征抓取，有效识别物体部分并提高抓取成功率。

Comments 10 pages, 7 figures, 3 tables. Presented at the 2025 International Symposium on Experimental Robotics (ISER)

UITron-Speech: Towards Automated GUI Agents Based on Speech Instructions

UITron-Speech: 向基于语音指令的自动化GUI代理迈进

Wenkang Han, Zhixiong Zeng, Jing Huang, Shu Jiang, Liming Zheng, Longrong Yang, Haibo Qiu, Chang Yao, Jingyuan Chen, Lin Ma

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

AI总结 UITron-Speech通过语音指令和截图处理，实现首个端到端GUI代理，提升无障碍人机交互的可行性。

Adam Simplified: Bias Correction Debunked

Adam简化：偏置校正被证伪

Sam Laing, Antonio Orvieto

机构 * ELLIS Institute Tübingen（图宾根埃利斯研究所） ； MPI-IS Tübingen（图宾根MPI-IS研究所） ； MPI-IS Tübingen AI Center（图宾根MPI-IS人工智能中心） 纠错

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

AI总结 本文通过实验表明，Adam优化器中的偏置校正在最优超参数配置下对性能无帮助，且不当使用可能损害性能，挑战了其普遍应用的观念。

MUSE: Manipulating Unified Framework for Synthesizing Emotions in Images via Test-Time Optimization

MUSE：通过测试时优化实现图像情感合成的统一框架

Yingjie Xia, Xi Wang, Jinglei Shi, Vicky Kalogeiton, Jian Yang

机构 * VCIP & TMCC & DISSec, College of Computer Science, Nankai University（南开大学计算机学院） ； LIX, Ecole Polytechnique, IP Paris（巴黎高等理工学院） ； Key Lab of SCCI, Dalian University of Technology（大连理工大学SCCI重点实验室） 纠错

专题命中 其他LLM ：LLM(abstract)

AI总结 MUSE通过测试时优化实现图像情感合成的统一框架，解决情感生成与编辑的整合问题，提升情感准确性和语义多样性。

Analytical Solvers for Common Algebraic Equations Arising in Kinematics Problems

运动学问题中常见代数方程的解析求解器

Hai-Jun Su

专题命中 其他LLM ：prompting(abstract)

AI总结 本文提出四种常见代数方程的解析求解器，用于机器人运动学问题，提供闭式表达式、数值算法和鲁棒性考虑，并通过Python实现和示例提示展示其有效性。