语言大模型 / LLM

A Hybrid Theory and Data-driven Approach to Persuasion Detection with Large Language Models

一种融合理论与数据驱动的方法用于大型语言模型中的说服检测

Gia Bao Hoang, Keith J Ransom, Rachel Stephens, Carolyn Semmler, Nicolas Fay, Lewis Mitchell

机构 * AAAI Press（AAAI出版社） 纠错

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

AI总结 本文提出一种融合理论与数据驱动的方法，利用大型语言模型预测说服效果，发现epistemic emotion和willingness to share是预测信念改变的关键因素。

Journal ref ICWSM Workshop Proceedings (2025)

Lost in the Pipeline: How Well Do Large Language Models Handle Data Preparation?

数据准备中迷失：大型语言模型如何处理数据准备？

Matteo Spreafico, Ludovica Tassini, Camilla Sancricca, Cinzia Cappiello

机构 * Politecnico di Milano（米兰理工学院） 纠错

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

AI总结 本文研究了大型语言模型在数据准备任务中的表现，通过对比传统工具和微调模型，评估其在数据概览和清理方面的有效性。

Epistemic Fragility in Large Language Models: Prompt Framing Systematically Modulates Misinformation Correction

大型语言模型中的知识脆弱性：提示框架系统性地调节 misinformation 的纠正

Sekoul Krastev, Hilary Sweatman, Anni Sternisko, Steve Rathje

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

AI总结 研究发现提示框架对大型语言模型纠正虚假信息的能力有显著影响，揭示了模型在知识准确性上的脆弱性。

Social Perceptions of English Spelling Variation on Twitter: A Comparative Analysis of Human and LLM Responses

社交媒体对英语拼写变异的感知：人类与大语言模型响应的比较分析

Dong Nguyen, Laura Rosseel

机构 * Utrecht University（乌得勒支大学） ； Vrije Universiteit Brussel（布鲁塞尔自由大学） 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 本研究比较了人类和大语言模型对英语拼写变异的社会感知，发现两者在评分上存在较强关联，但在评分分布和不同拼写变异类型间存在显著差异。

Distillability of LLM Security Logic: Predicting Attack Success Rate of Outline Filling Attack via Ranking Regression

LLM安全逻辑的可蒸馏性：通过排序回归预测轮廓填充攻击的成功率

Tianyu Zhang, Zihang Xi, Jingyu Hua, Sheng Zhong

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

AI总结 本文通过排序回归方法，研究LLM安全逻辑的可蒸馏性，提出改进的轮廓填充攻击以预测攻击成功率，实验表明代理模型在预测安全边界方面具有较高准确性。

When Harmless Words Harm: A New Threat to LLM Safety via Conceptual Triggers

有害词语的危害：通过概念触发器对LLM安全性的新威胁

Zhaoxin Zhang, Borui Chen, Yiming Hu, Youyang Qu, Tianqing Zhu, Longxiang Gao

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

AI总结 本文提出MICM方法，通过概念触发器针对LLM的价值结构进行劫持，揭示了现有安全机制对隐含价值观操控的脆弱性。

Exploring the Human-LLM Synergy in Advancing Theory-driven Qualitative Analysis

探索人与大语言模型协同在推动理论驱动的定性分析中的作用

Han Meng, Yitian Yang, Wayne Fu, Jungup Lee, Yunan Li, Yi-Chieh Lee

机构 * Department of Computer Science, National University of Singapore（计算机科学系，国立新加坡大学） ； Amazon Research, Amazon.com Inc（亚马逊研究，亚马逊公司） ； Department of Social Work, National University of Singapore（社会工作系，国立新加坡大学） 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 本文提出CHALET方法，通过人与大语言模型的协同合作，推动理论驱动的定性分析，揭示心理健康污名的潜在主题。

Comments 51 pages, 6 figures, accepted by ACM Trans. Comput.-Hum. Interact (TOCHI)

LLM-Empowered Event-Chain Driven Code Generation for ADAS in SDV systems

基于大语言模型的事件链驱动的ADAS代码生成方法

Nenad Petrovic, Norbert Kroth, Axel Torschmied, Yinglei Song, Fengjunjie Pan, Vahid Zolfaghari, Nils Purschke, Sven Kirchner, Chengdong Wu, Andre Schamschurko, Yi Zhang, Alois Knoll

机构 * Federal Ministry of Research, Technology and Space of Germany（德国联邦研究、技术和空间部） 纠错

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

AI总结 本文提出基于事件链驱动和大语言模型的ADAS代码生成方法，通过RAG层提高代码生成的准确性和一致性，无需重新训练大语言模型。

Guiding Generative Protein Language Models with Reinforcement Learning

通过强化学习引导生成蛋白质语言模型

Filippo Stocco, Maria Artigues-Lleixa, Andrea Hunklinger, Talal Widatalla, Marc Guell, Noelia Ferruz

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

AI总结 通过强化学习引导生成蛋白质语言模型，实现EGFR结合物设计中结合亲和力的显著提升。

Comments 28 pages including main text and supporting information

Investigating AI in Peer Support via Multi-Module System-Driven Embodied Conversational Agents

通过多模块系统驱动的具身对话代理探究AI在同伴支持中的应用

Ruoyu Wen, Xiaoli Wu, Kunal Gupta, Simon Hoermann, Mark Billinghurst, Alaeddin Nassani, Dwain Allan, Thammathip Piumsomboon

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

AI总结 本文通过多模块系统驱动的具身对话代理，探讨了AI在同伴支持中的应用，评估了基于CBT的LLM系统在心理健康支持中的有效性与用户感知。

EASL: Multi-Emotion Guided Semantic Disentanglement for Expressive Sign Language Generation

EASL: 多情绪引导的语义解耦用于表达性手语生成

Yanchao Zhao, Jihao Zhu, Yu Liu, Weizhuo Chen, Yuling Yang, Kun Peng

机构 * Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； University of Health and Rehabilitation Sciences（康复科学大学） ； The University of Aberdeen（阿伯丁大学） 纠错

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

AI总结 EASL通过多情绪引导的语义解耦架构，提升手语生成的表达性和情感表现力。

Improving Robotic Manipulation Robustness via NICE Scene Surgery

通过NICE场景手术提升机器人操作的鲁棒性

Sajjad Pakdamansavoji, Mozhgan Pourkeshavarz, Adam Sigal, Zhiyuan Li, Rui Heng Yang, Amir Rasouli

机构 * Huawei Technologies Canada（华为技术加拿大公司） 纠错

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

AI总结 NICE通过增强场景上下文减少分布外差距，提升机器人操作在复杂环境中的鲁棒性和安全性。

Comments 11 figures, 3 tables

Biased by Design: Leveraging AI Biases to Enhance Critical Thinking of News Readers

设计偏见：利用AI偏见增强新闻读者的批判性思维

Liudmila Zavolokina, Kilian Sprenkamp, Zoya Katashinskaya, Daniel Gordon Jones

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

AI总结 本文提出利用AI偏见提升新闻读者批判性思维的设计策略，通过用户选择和个性化方法增强信息辨别能力。

Comments European Conference on Information Systems (ECIS)

Unexplored flaws in multiple-choice VQA evaluations

多选式视觉问答评估中的未探索缺陷

Fabio Rosenthal, Sebastian Schmidt, Thorsten Graf, Thorsten Bagodonat, Stephan Günnemann, Leo Schwinn

机构 * Technical University of Munich（慕尼黑技术大学） ； Volkswagen AG（大众集团） ； Munich Data Science Institute（慕尼黑数据科学研究所） 纠错

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

AI总结 本文揭示了多选式视觉问答评估中因提示格式变化导致的未探索偏差，指出其对MLLM评估结果的显著影响，并表明现有缓解策略无法有效应对这些新发现的偏见。

Tacit Bidder-Side Collusion: Artificial Intelligence in Dynamic Auctions

隐性投标方合谋：动态拍卖中的人工智能

Sriram Tolety

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

AI总结 本文研究了大型语言模型在动态拍卖中通过隐性协调实现投标方合谋的可能性，并展示了市场结构对缓解合谋的影响。

See, Rank, and Filter: Important Word-Aware Clip Filtering via Scene Understanding for Moment Retrieval and Highlight Detection

见、排、滤：通过场景理解的重要词感知Clip过滤用于片段检索和亮点检测

YuEun Lee, Jung Uk Kim

机构 * YuEun Lee, Jung Uk Kim 纠错

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

AI总结 本文提出通过识别查询中的重要词，结合多模态大语言模型实现视频片段检索和亮点检测的细粒度过滤方法，提升检索和检测性能。

Standard Occupation Classifier -- A Natural Language Processing Approach

标准职业分类器——一种自然语言处理方法

Sidharth Rony, Jack Patman

机构 * Royal Holloway, University of London（伦敦大学皇家霍洛威学院） 纠错

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

AI总结 本文提出利用自然语言处理技术构建职业分类器，通过集成BERT与神经网络模型，实现招聘广告到职业代码的高准确率分类，提升劳动力市场分析的时效性与准确性。

Test-time scaling of diffusions with flow maps

扩散模型测试时间缩放与流映射

Amirmojtaba Sabour, Michael S. Albergo, Carles Domingo-Enrich, Nicholas M. Boffi, Sanja Fidler, Karsten Kreis, Eric Vanden-Eijnden

机构 * NVIDIA（NVIDIA公司） ； University of Toronto（多伦多大学） ； Vector Institute（向量研究所） ； Harvard University（哈佛大学） ； Kempner Institute（凯姆纳研究所） ； IAIFI（IAIFI机构） ； Microsoft Research（微软研究院） ； Carnegie Mellon University（卡内基梅隆大学） ； Courant Institute, New York University（纽约大学应用数学学院） ； ML Lab at Capital Fund Management (CFM)（Capital Fund Management (CFM)机器学习实验室） 纠错

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

AI总结 本文提出通过流映射改进扩散模型测试时间性能，通过流映射与速度场关系构建FMTT算法，实现更优奖励上升并支持复杂图像编辑。

WalkCLIP: Multimodal Learning for Urban Walkability Prediction

WalkCLIP: 城市步行性预测的多模态学习

Shilong Xiang, JangHyeon Lee, Min Namgung, Yao-Yi Chiang

机构 * University of Minnesota Twin Cities（明尼苏达大学双城分校） 纠错

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

AI总结 WalkCLIP通过整合视觉和行为数据，实现了对城市步行性的高精度预测。

Leveraging Ontologies to Document Bias in Data

利用本体论来记录数据中的偏见

Mayra Russo, Maria-Esther Vidal

机构 * Leibniz Universität Hannover（莱比锡大学汉诺威分校） ； TIB Leibniz Information Center for Science and Technology（TIB莱比锡科学与技术信息中心） 纠错

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

AI总结 本文提出Doc-BiasO本体，旨在整合偏见相关术语和关系，以提升对数据偏见的理解和AI领域偏见研究的术语清晰度。

DINO-Foresight: Looking into the Future with DINO

DINO-Foresight: 用DINO展望未来

Efstathios Karypidis, Ioannis Kakogeorgiou, Spyros Gidaris, Nikos Komodakis

机构 * Archimedes, Athena Research Center（阿基米德研究所，雅典研究学院） ； National Technical University of Athens（雅典国立技术大学） ； University of Crete（克里特大学） ； IACM-Forth（福伊恩研究所） 纠错

专题命中 其他LLM ：foundation model(abstract)

AI总结 DINO-Foresight通过在预训练视觉基础模型的语义特征空间中训练，实现了对未来动态的预测，提升了自动驾驶和机器人领域的环境理解能力。

Comments NeurIPS 2025

Kalib: Easy Hand-Eye Calibration with Reference Point Tracking

Kalib: 通过参考点跟踪实现易于的机眼标定

Tutian Tang, Minghao Liu, Wenqiang Xu, Cewu Lu

机构 * School of Electronic Information and Electrical Engineering, Shanghai Jiao Tong University（电子信息与电气工程学院，上海交通大学） ； Meta Robotics Institute, Shanghai Jiao Tong University（元机器人研究所，上海交通大学） ； Qing Yuan Research Institute（青元研究院） ； MoE Key Lab of Artificial Intelligence, AI Institute, Shanghai Jiao Tong University（人工智能联合重点实验室，人工智能学院，上海交通大学） 纠错

专题命中 其他LLM ：foundation model(abstract)

AI总结 Kalib通过利用视觉基础模型的通用性，提出了一种无需复杂设置的机眼标定方法，实现了高精度与低手动工作量的平衡。

Comments The code, data, and supplementary materials are available at https://sites.google.com/view/hand-eye-kalib

A 160 ° x 160 ° Dynamic Holographic Meta-Projector

一种160°×160°动态全息元投影仪

Feng-Jun Li, Ruixing Xia, Qianmei Deng, Yuze Lu, Xiangping Li, Fangwen Sun, Dong Zhao, Zi-Lan Deng, Kun Huang

专题命中 其他LLM ：SLM(abstract)

AI总结 本文提出一种160°×160°动态全息元投影仪，通过集成次波长元表面像素实现大视场动态全息显示，突破传统SLM的限制。

Comments 5 figures

MoRe: Monocular Geometry Refinement via Graph Optimization for Cross-View Consistency

MoRe: 通过图优化改进单目几何以实现跨视角一致性

Dongki Jung, Jaehoon Choi, Yonghan Lee, Sungmin Eum, Heesung Kwon, Dinesh Manocha

机构 * University of Maryland, College Park（马里兰大学学院公园分校） ； DEVCOM Army Research Laboratory（陆军研究实验室） 纠错

专题命中 其他LLM ：foundation model(abstract)

AI总结 MoRe通过图优化改进单目几何以提升跨视角一致性与尺度对齐，增强3D重建与新视角合成性能。