语言大模型 / LLM

PATS: Personality-Aware Teaching Strategies with Large Language Model Tutors

PATS：基于大语言模型导师的个性感知教学策略

Donya Rooein, Sankalan Pal Chowdhury, Mariia Eremeeva, Yuan Qin, Debora Nozza, Mrinmaya Sachan, Dirk Hovy

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

AI总结 PATS通过结合学生性格特征优化大语言模型的教学策略，提升教学效果和学生参与度。

Analyzing Bias in False Refusal Behavior of Large Language Models for Hate Speech Detoxification

分析大型语言模型在仇恨言论净化中的虚假拒绝行为偏见

Kyuri Im, Shuzhou Yuan, Michael Färber

机构 * TU Dresden（德累斯顿理工大学） 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 研究分析了大型语言模型在仇恨言论净化中的虚假拒绝偏见，并提出通过中英互译策略减少此类拒绝行为。

Geometry of Knowledge Allows Extending Diversity Boundaries of Large Language Models

知识的几何结构使大语言模型的多样性边界得以扩展

Mateusz Bystroński, Doheon Han, Nitesh V. Chawla, Tomasz Kajdanowicz

机构 * Wrocław University of Science and Technology（沃拉布大学科学与技术学院） ； University of Notre Dame（诺特丹大学） 纠错

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

AI总结 基于知识的几何结构，通过流形条件调节扩展大语言模型的语义多样性边界，提升创造性发散思维。

ActiveLLM: Large Language Model-based Active Learning for Textual Few-Shot Scenarios

ActiveLLM: 基于大语言模型的文本少样本场景中的主动学习

Markus Bayer, Justin Lutz, Christian Reuter

机构 * PEASEC Technical University of Darmstadt（PEASEC技术大学达姆施塔特） 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 ActiveLLM利用大语言模型提升少样本场景下的分类性能，优于传统方法及ADAPET、PERFECT和SetFit等少样本学习方法。

Comments 20 pages, 10 figures, 7 tables

Journal ref Transactions of the Association for Computational Linguistics 14 (2026) 1-22

Towards Verifiably Safe Tool Use for LLM Agents

面向LLM代理工具使用的可验证安全性

Aarya Doshi, Yining Hong, Congying Xu, Eunsuk Kang, Alexandros Kapravelos, Christian Kästner

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

AI总结 本文提出一种基于STPA的框架，通过形式化规范数据流和工具序列，实现LLM代理的可验证安全性，减少对人工标注的依赖。

Comments 4 pages, 1 figure; accepted to ICSE NIER 2026

Subspace Alignment for Vision-Language Model Test-time Adaptation

子空间对齐用于视觉-语言模型测试时适应

Zhichen Zeng, Wenxuan Bao, Xiao Lin, Ruizhong Qiu, Tianxin Wei, Xuying Ning, Yuchen Yan, Chen Luo, Monica Xiao Cheng, Jingrui He, Hanghang Tong

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Amazon（亚马逊） 纠错

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

AI总结 SubTTA通过子空间对齐提升视觉-语言模型测试时适应性能，有效解决模态差距和视觉噪声问题。

Comments 17 pages, 10 figures

LWM-Spectro: A Foundation Model for Wireless Baseband Signal Spectrograms

LWM-Spectro：一种用于无线基带信号频谱图的基础模型

Namhyun Kim, Sadjad Alikhani, Ahmed Alkhateeb

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

AI总结 LWM-Spectro是一种基于变换器的基础模型，通过预训练大规模I/Q数据生成时频频谱图，用于无线信号的通用表示学习，能够有效提升调制分类和SNR/移动性识别等下游任务的性能。

Comments 6 pages, 5 figures

A Preliminary Agentic Framework for Matrix Deflation

一个初步的代理框架用于矩阵消去

Paimon Goulart, Evangelos E. Papalexakis

机构 * University of California, Riverside（加州大学河滨分校） 纠错

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

AI总结 本文提出了一种基于代理的矩阵消去方法，利用LLM和VLM实现无阈值的消去，通过上下文学习和排列优化，在不同数据集上取得有竞争力的结果。

Why AI Alignment Failure Is Structural: Learned Human Interaction Structures and AGI as an Endogenous Evolutionary Shock

为何AI对齐失败是结构性的：学习的人类互动结构与AGI作为内生性演化冲击

Didier Sornette, Sandro Claudio Lera, Ke Wu

机构 * Institute of Risk Analysis, Prediction and Management (Risks-X)（风险分析、预测与管理研究所） ； Southern University of Science and Technology (SUSTech)（南方科技大学） 纠错

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

AI总结 本文探讨AI对齐失败的结构性问题，指出AGI作为内生性演化冲击，其风险源于放大人类智能、权力与矛盾，而非对抗意图。

Comments 20 pages

SECite: Analyzing and Summarizing Citations in Software Engineering Literature

SECite: 分析和总结软件工程文献中的引用

Shireesh Reddy Pyreddy, Khaja Valli Pathan, Hasan Masum, Tarannum Shaila Zaman

机构 * Dept. of Computer Science SUNY Polytechnic Institute（计算机科学系圣尼古拉学院） ； Dept. of Information Systems University of Maryland Baltimore County（信息系统系马里兰大学巴尔的摩县） 纠错

专题命中 其他LLM ：LLM(abstract)；分类 cs.AI

AI总结 SECite通过分析文献引用中的情感倾向，结合生成式AI生成摘要，提供了一种评估学术贡献的综合框架。

Comments Accepted at IEEE CCWC 2026

ActiveVLA: Injecting Active Perception into Vision-Language-Action Models for Precise 3D Robotic Manipulation

ActiveVLA: 向视觉-语言-动作模型注入主动感知以实现精确的3D机器人操控

Zhenyang Liu, Yongchong Gu, Yikai Wang, Xiangyang Xue, Yanwei Fu

机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； Nanyang Technological University（南洋理工大学） 纠错

专题命中 其他LLM ：language model(abstract)

AI总结 ActiveVLA通过引入主动感知能力，提升机器人在复杂环境中的高精度3D操控性能。

VoxCog: Towards End-to-End Multilingual Cognitive Impairment Classification through Dialectal Knowledge

VoxCog: 通过方言知识实现端到端多语言认知障碍分类

Tiantian Feng, Anfeng Xu, Jinkook Lee, Shrikanth Narayanan

机构 * Ming Hsieh Department of Electrical and Computer Engineering, University of Southern California（明斯希德电气与计算机工程系，南加州大学） ； Dornsife College of Letters, Arts and Sciences, University of Southern California（多恩斯菲学院，南加州大学） 纠错

专题命中 其他LLM ：foundation model(abstract)

AI总结 VoxCog通过整合方言知识，实现了端到端的多语言认知障碍分类，其语音基础模型在AD和MCI检测中表现出优于多模态集成和大语言模型的性能。