语言大模型 / LLM

Unlocking the Potentials of Retrieval-Augmented Generation for Diffusion Language Models

解锁检索增强生成在扩散语言模型中的潜力

Chuanyue Yu, Jiahui Wang, Yuhan Li, Heng Chang, Ge Lan, Qingyun Sun, Jia Li, Jianxin Li, Ziwei Zhang

机构 * Nankai University（南开大学） ； Beihang University（北航） ； HKUST (Guangzhou)（香港科技大学（广州）） ； Huawei Technologies Co., Ltd.（华为技术有限公司） 纠错

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

AI总结 本文提出SPREAD框架，通过引入查询相关性引导的去噪策略，解决DLMs在RAG框架中生成精度低和语义漂移的问题。

Comments Preprints

Beyond Hard Masks: Progressive Token Evolution for Diffusion Language Models

超越硬掩膜：用于扩散语言模型的渐进性令牌演化

Linhao Zhong, Linyu Wu, Bozhen Fang, Tianjian Feng, Chenchen Jing, Wen Wang, Jiaheng Zhang, Hao Chen, Chunhua Shen

机构 * Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学） ； Zhejiang University of Technology（浙江工业大学） 纠错

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

AI总结 本文提出EvoToken-DLM，通过演化的软令牌分布替代硬二进制掩码，实现扩散语言模型中可修正的解码，提升模型性能。

Comments Project webpage: https://aim-uofa.github.io/EvoTokenDLM

How Good is Post-Hoc Watermarking With Language Model Rephrasing?

在语言模型重述中后置水印技术有多好？

Pierre Fernandez, Tom Sander, Hady Elsahar, Hongyan Chang, Tomáš Souček, Valeriu Lacatusu, Tuan Tran, Sylvestre-Alvise Rebuffi, Alexandre Mourachko

机构 * FAIR, Meta Superintelligence Labs（FAIR、Meta超智能实验室） 纠错

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

AI总结 本文研究了语言模型重述中后置水印技术的效果，发现简单方法在某些情况下表现优异，但对可验证文本效果不佳。

Comments Code at https://github.com/facebookresearch/textseal

Building AI Agents to Improve Job Referral Requests to Strangers

构建AI代理以提高对陌生人的求职推荐请求

Ross Chu, Yuting Huang

机构 * UC Berkeley（加州大学伯克利分校） 纠错

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

AI总结 本文提出利用AI代理增强求职推荐请求的撰写效果，通过检索增强生成技术提升较弱请求的成功率，同时保持较强请求的性能。

RITA: A Tool for Automated Requirements Classification and Specification from Online User Feedback

RITA：一个用于自动化需求分类和规范的工具从在线用户反馈

Manjeshwar Aniruddh Mallya, Alessio Ferrari, Mohammad Amin Zadenoori, Jacek Dąbrowski

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

AI总结 RITA通过整合轻量级开源大语言模型，实现从在线用户反馈自动分类需求、识别非功能需求并生成自然语言规范，提升需求工程的端到端支持能力。

Bidirectional Human-Robot Communication for Physical Human-Robot Interaction

双向人机通信用于物理人机交互

Junxiang Wang, Cindy Wang, Rana Soltani Zarrin, Zackory Erickson

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Honda Research Institute USA（本田研究院美国） 纠错

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

AI总结 本文提出BRIDGE系统，通过自然语言实现双向人机通信，提升物理交互中的互动性和透明性。

Comments 12 pages, 8 figures. To be published in 2026 ACM/IEEE International Conference on Human-Robot Interaction

How DDAIR you? Disambiguated Data Augmentation for Intent Recognition

How DDAIR you? 解歧数据增强用于意图识别

Galo Castillo-López, Alexis Lombard, Nasredine Semmar, Gaël de Chalendar

机构 * Université Paris-Saclay, CEA, List, Palaiseau, France（巴黎萨克雷大学、法国原子能委员会、List、Palaiseau、法国） 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 DDAIR通过解歧数据增强技术提升意图识别任务中低资源场景下的分类性能。

Comments Accepted for publication at EACL 2026

SceneFoundry: Generating Interactive Infinite 3D Worlds

SceneFoundry: 生成交互式无限3D世界

ChunTeng Chen, YiChen Hsu, YiWen Liu, WeiFang Sun, TsaiChing Ni, ChunYi Lee, Min Sun, YuanFu Yang

机构 * National Yang Ming Chiao Tung University（国家阳明交通大学） ； National Tsing Hua University（国立清华大学） ； NVIDIA AI Technology Center（NVIDIA AI技术中心） ； National Taiwan University（国立台湾大学） 纠错

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

AI总结 SceneFoundry通过语言引导的扩散框架生成功能性强的3D环境，用于机器人训练和具身智能研究。

Comments 15 pages

Wetland mapping from sparse annotations with satellite image time series and temporal-aware segment anything model

基于卫星影像时间序列和时序感知的分割任何模型进行稀疏标注的湿地制图

Shuai Yuan, Tianwu Lin, Shuang Chen, Yu Xia, Peng Qin, Xiangyu Liu, Xiaoqing Xu, Nan Xu, Hongsheng Zhang, Jie Wang, Peng Gong

机构 * Department of Geography, The University of Hong Kong, Hong Kong, China（香港大学地理系） ； Pengcheng Laboratory, Shenzhen, China（深圳鹏城实验室） ； Department of Electronics and Information Engineering, Harbin Institute of Technology (Shenzhen), Shenzhen, China（哈尔滨工业大学（深圳）电子与信息工程学院） ； Key Laboratory for Geo-Environmental Monitoring of Great Bay Area, Ministry of Natural Resources, Guangdong Key Laboratory of Urban Informatics, Shenzhen Key Laboratory of Spatial Smart Sensing and Services, Shenzhen University, Shenzhen, China（粤港澳大湾区地理环境监测重点实验室，自然资源部，广东省城市信息学重点实验室，深圳空间智能感知与服务重点实验室，深圳大学） 纠错

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

AI总结 WetSAM通过整合卫星影像时间序列和双分支设计，有效解决稀疏标注下的湿地制图问题，实现高精度分割与低标注成本。

Change And Cover: Last-Mile, Pull Request-Based Regression Test Augmentation

变更与覆盖：基于拉请求的回归测试增强

Zitong Zhou, Matteo Paltenghi, Miryung Kim, Michael Pradel

专题命中 其他LLM ：LLM(abstract)

AI总结 ChaCo通过LLM生成针对PR修改的测试，提高补丁覆盖率，有效发现并修复错误。