语言大模型 / LLM

The Paradigm Shift: A Comprehensive Survey on Large Vision Language Models for Multimodal Fake News Detection

范式转变：大型视觉语言模型在多模态虚假新闻检测中的全面调查

Wei Ai, Yilong Tan, Yuntao Shou, Tao Meng, Haowen Chen, Zhixiong He, Keqin Li

机构 * College of Computer and Mathematics, Central South University of Forestry and Technology（计算机与数学学院，中央南大学林业科技学院） ； College of Computer Science and Electronic Engineering, Hunan University（计算机科学与电子工程学院，湖南大学） ； College of Economics and Management, Central South University of Forestry and Technology（经济管理学院，中央南大学林业科技学院） ； Department of Computer Science, State University of New York（计算机科学系，纽约州立大学） 纠错

专题命中 评测与基准 ：language model(title,abstract)；foundation model(abstract)；分类 cs.AI

AI总结 本文通过大型视觉语言模型全面调查多模态虚假新闻检测，分析其发展历程、技术挑战及未来方向。

Gaming the Judge: Unfaithful Chain-of-Thought Can Undermine Agent Evaluation

操纵法官：不忠的推理链可能损害智能体评估

Muhammad Khalifa, Lajanugen Logeswaran, Jaekyeom Kim, Sungryull Sohn, Yunxiang Zhang, Moontae Lee, Hao Peng, Lu Wang, Honglak Lee

机构 * University of Michigan（密歇根大学） ； LG AI Research（LG人工智能研究） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

专题命中 评测与基准 ：LLM(abstract)；large language model(abstract)；language model(abstract)；prompting(abstract)

AI总结 本文揭示了LLM法官对智能体推理轨迹操纵的脆弱性，表明基于内容的操纵能显著提高假阳性率，凸显了需验证推理与证据的评估机制的重要性。

Sub-Region-Aware Modality Fusion and Adaptive Prompting for Multi-Modal Brain Tumor Segmentation

子区域感知模态融合与自适应提示的多模态脑肿瘤分割

Shadi Alijani, Fereshteh Aghaee Meibodi, Homayoun Najjaran

机构 * University of Victoria, BC, Canada（维多利亚大学） 纠错

专题命中 评测与基准 ：prompting(title,abstract)；foundation model(abstract)

AI总结 本文提出子区域感知模态融合与自适应提示方法，提升多模态脑肿瘤分割的准确性与鲁棒性。

Language Models Entangle Language and Culture

语言模型融合语言与文化

Shourya Jain, Paras Chopra

机构 * Lossfunk 纠错

专题命中 评测与基准 ：language model(title)；LLM(abstract)；分类 cs.CL、cs.LG

AI总结 研究发现语言选择影响LLM生成答案的文化上下文，导致低资源语言回答质量较低。

Comments Accepted at LM4UC Workshop at AAAI'26, Submitted to ACL 2026. 17 pages, 7 figures

Codebook-Injected Dialogue Segmentation for Multi-Utterance Constructs Annotation: LLM-Assisted and Gold-Label-Free Evaluation

用于多轮对话结构标注的代码表注入对话分割：LLM辅助且无需黄金标签的评估

Jinsook Lee, Kirk Vanacore, Zhuqian Zhou, Bakhtawar Ahtisham, Jeanine Grutter, Rene F. Kizilcec

机构 * Cornell University（康奈尔大学） ； LMU Muinich（慕尼黑大学） 纠错

专题命中 评测与基准 ：LLM(title,abstract)；分类 cs.CL、cs.AI

AI总结 本文提出一种基于LLM的对话分割方法，通过代码表注入提升分割一致性，并在无黄金标签情况下评估不同分割器的性能，发现需根据下游任务优化分割策略。

Comments Under Review for ACL 2026

PyTDC: A multimodal machine learning training, evaluation, and inference platform for biomedical foundation models

PyTDC: 一种用于生物医学基础模型的多模态机器学习训练、评估和推理平台

Alejandro Velez-Arce, Jesus Caraballo, Marinka Zitnik

机构 * arcellai（ArcellAI公司） ； calculus（The Residency公司） ； mit（麻省理工学院） ； hms（哈佛医学院生物医学信息学系） ； broad（MIT与哈佛大学Broad研究所） ； harvard-ds（哈佛大学数据科学倡议） ； kempner（哈佛大学Kempner研究所） 纠错

专题命中 评测与基准 ：foundation model(title,abstract)；分类 cs.AI、cs.LG

AI总结 PyTDC是一种多模态机器学习平台，旨在提升生物医学基础模型的训练、评估和推理能力，通过统一数据源和模型权重，促进多模态、上下文感知的研究。

Comments Proceedings of the 42nd International Conference on Machine Learning, Vancouver, Canada. PMLR 267, 2025

Improving Methodologies for LLM Evaluations Across Global Languages

提升跨全球语言的LLM评估方法

Akriti Vij, Benjamin Chua, Darshini Ramiah, En Qi Ng, Mahran Morsidi, Naga Nikshith Gangarapu, Sharmini Johnson, Vanessa Wilfred, Vikneswaran Kumaran, Wan Sie Lee, Wenzhuo Yang, Yongsen Zheng, Bill Black, Boming Xia, Frank Sun, Hao Zhang, Qinghua Lu, Suyu Ma, Yue Liu, Chi-kiu Lo, Fatemeh Azadi, Isar Nejadgholi, Sowmya Vajjala, Agnes Delaborde, Nicolas Rolin, Tom Seimandi, Akiko Murakami, Haruto Ishi, Satoshi Sekine, Takayuki Semitsu, Tasuku Sasaki, Angela Kinuthia, Jean Wangari, Michael Michie, Stephanie Kasaon, Hankyul Baek, Jaewon Noh, Kihyuk Nam, Sang Seo, Sungpil Shin, Taewhi Lee, Yongsu Kim, Daisy Newbold-Harrop, Jessica Wang, Mahmoud Ghanem, Vy Hong

专题命中 评测与基准 ：LLM(title,abstract)；分类 cs.AI

AI总结 本研究通过多语言评估活动，探讨了不同语言环境下LLM安全行为的差异，并提出了改进多语言安全评估的方法论建议。

Comments Author names have been organised by country, and in alphabetical order within countries

MALTopic: Multi-Agent LLM Topic Modeling Framework

MALTopic: 多智能体大语言模型主题建模框架

Yash Sharma

专题命中 评测与基准 ：LLM(title,abstract)；分类 cs.CL

AI总结 MALTopic通过多智能体框架整合结构化数据，提升调查数据的主题连贯性、多样性和可解释性。

Comments 6 pages. Published in 2025 IEEE World AI-IoT Congress. \c{opyright} 2025 IEEE. Project code and data available at: https://github.com/yash91sharma/MALTopic

Journal ref 2025 IEEE AI-IoT

Chunking, Retrieval, and Re-ranking: An Empirical Evaluation of RAG Architectures for Policy Document Question Answering

分块、检索与重排序：RAG架构在政策文件问答中的实证评估

Anuj Maharjan, Umesh Yadav

机构 * Computer Science (EECS) University of Toledo Toledo, OH, USA 纠错

专题命中 评测与基准 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI

AI总结 本文通过实证评估，比较了RAG架构在政策文件问答中的有效性，发现Advanced RAG在忠实度上表现更优，但文档分段限制影响多步骤推理。

Zero-Shot Product Attribute Labeling with Vision-Language Models: A Three-Tier Evaluation Framework

基于视觉-语言模型的零样本产品属性标注：一种三级评估框架

Shubham Shukla, Kunal Sonalkar

机构 * Nordstrom（诺德斯特拉姆） 纠错

专题命中 评测与基准 ：language model(title,abstract)

AI总结 本文提出一种三级评估框架，评估视觉-语言模型在多属性服装任务中的零样本属性标注性能，发现高效模型在成本较低时能实现接近旗舰级性能，揭示了属性适用性检测是关键瓶颈。

Comments Accepted to WACV 2026 Workshop on Physical Retail AI (PRAW)

AdversaRiskQA: An Adversarial Factuality Benchmark for High-Risk Domains

AdversaRiskQA: 面向高风险领域的对抗事实性基准

Adam Szelestey, Sofie van Engelen, Tianhao Huang, Justin Snelders, Qintao Zeng, Songgaojun Deng

机构 * Eindhoven University of Technology（埃因霍温理工大学） 纠错

专题命中 评测与基准 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.CL

AI总结 AdversaRiskQA是一个面向高风险领域的对抗事实性基准，通过评估LLM在不同领域和难度下的事实性表现，揭示模型弱点并提升高风险应用的可靠性。

Comments 13 pages, 4 figures, and 11 tables

From Quotes to Concepts: Axial Coding of Political Debates with Ensemble LMs

从引语到概念：利用集成语言模型进行政治辩论的轴向编码

Angelina Parfenova, David Graus, Juergen Pfeffer

机构 * Technical University of Munich（慕尼黑技术大学） ； Lucerne University of Applied Sciences and Arts（卢塞恩应用科学大学） ； Arts University of Amsterdam（阿姆斯特丹艺术大学） 纠错

专题命中 评测与基准 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.CL

AI总结 本文提出利用集成语言模型进行政治辩论的轴向编码，通过聚类和LLM分组方法生成层次化代码，提升辩论分析的结构化和语义对齐性。

Comments Accepted to ECIR2026

Being Kind Isn't Always Being Safe: Diagnosing Affective Hallucination in LLMs

善良并不总是安全：诊断大语言模型中的情感幻觉

Sewon Kim, Jiwon Kim, Seungwoo Shin, Hyejin Chung, Daeun Moon, Yejin Kwon, Hyunsoo Yoon

机构 * Department of Industrial Engineering, Yonsei University（工业工程系，延世大学） 纠错

专题命中 评测与基准 ：large language model(abstract)；language model(abstract)；preference optimization(abstract)；分类 cs.CL

AI总结 本文提出AHaBench和AHaPairs用于诊断LLM中的情感幻觉问题，通过DPO优化减少虚假社会存在感，提升模型的心理安全性和事实可靠性。

Comments EACL 2026 Findings

Accessibility Scout: Personalized Accessibility Scans of Built Environments

Accessibility Scout: 个性化建筑环境可及性扫描

William Huang, Xia Su, Jon E. Froehlich, Yang Zhang

机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； University of Washington（华盛顿大学） 纠错

专题命中 评测与基准 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 Accessibility Scout利用大型语言模型实现个性化建筑环境可及性扫描，通过协同人机评估，根据用户需求定制可及性评估，提升无障碍评估的适应性和扩展性。

Comments 18 pages, 16 figures. Presented at ACM UIST 2025

Changes in Coding Behavior and Performance Since the Introduction of LLMs

LLMs引入后编码行为与性能的变化

Yufan Zhang, Jaromir Savelka, Seth Copen Goldstein, Michael Conway

专题命中 评测与基准 ：LLM(abstract)；large language model(abstract)；language model(abstract)

AI总结 LLMs引入后，学生编码行为和学习效果显著下降，过度依赖LLM影响学习成果，需重新评估评估方法。

The Percept-V Challenge: Can Multimodal LLMs Crack Simple Perception Problems?

感知挑战：多模态大语言模型能否解决简单感知问题？

Samrajnee Ghosh, Naman Agarwal, Hemanshu Garg, Chinmay Mittal, Mausam, Parag Singla

机构 * IIT Delhi（德里印度理工学院） 纠错

专题命中 评测与基准 ：large language model(abstract)；language model(abstract)；分类 cs.CL

AI总结 Percept-V挑战通过简单感知任务测试多模态大语言模型的表现，发现其在基本感知任务上远低于人类水平。

SciArena: An Open Evaluation Platform for Non-Verifiable Scientific Literature-Grounded Tasks

SciArena: 一个用于非可验证科学文献基础任务的开放评估平台

Yilun Zhao, Kaiyan Zhang, Tiansheng Hu, Sihong Wu, Ronan Le Bras, Charles McGrady, Taira Anderson, Jonathan Bragg, Joseph Chee Chang, Jesse Dodge, Matt Latzke, Yixin Liu, Xiangru Tang, Zihang Wang, Chen Zhao, Hannaneh Hajishirzi, Doug Downey, Arman Cohan

专题命中 评测与基准 ：foundation model(abstract)；分类 cs.CL、cs.AI

AI总结 SciArena是一个开放平台，用于评估基础模型在科学文献基础任务上的表现，通过社区投票和元评估基准促进更可靠的自动评估方法研究。

Comments NeurIPS 2025 Datasets & Benchmarks Track (Spotlight)

Agentic Confidence Calibration

代理置信度校准

Jiaxin Zhang, Caiming Xiong, Chien-Sheng Wu

机构 * Salesforce AI Research（Salesforce人工智能研究） 纠错

专题命中 评测与基准 ：language model(abstract)；分类 cs.CL、cs.AI

AI总结 本文提出Holistic Trajectory Calibration (HTC)方法，通过提取代理轨迹上的过程级特征，提升AI代理的置信度校准能力，实现更可靠的自主系统。

Comments 37 pages, 15 figures, 12 tables

Skywork UniPic 3.0: Unified Multi-Image Composition via Sequence Modeling

Skywork UniPic 3.0：通过序列建模实现统一的多图像合成

Hongyang Wei, Hongbo Liu, Zidong Wang, Yi Peng, Baixin Xu, Size Wu, Xuying Zhang, Xianglong He, Zexiang Liu, Peiyu Wang, Xuchen Song, Yangguang Li, Yang Liu, Yahui Zhou

机构 * Skywork 纠错

专题命中 评测与基准 ：post-training(abstract)；分类 cs.AI

AI总结 Skywork UniPic 3.0通过序列建模实现统一的多图像合成，采用新颖的训练范式和高效的数据流程，在单图像编辑和多图像合成任务中均取得优异性能。

Agentic Persona Control and Task State Tracking for Realistic User Simulation in Interactive Scenarios

代理人格控制与任务状态跟踪用于交互场景中逼真用户模拟

Hareeshwar Karthikeyan

机构 * Toast Inc.（Toast公司） 纠错

专题命中 评测与基准 ：LLM(abstract)；分类 cs.AI

AI总结 本文提出了一种多代理框架，通过人格控制和任务状态跟踪模拟逼真用户交互，实验表明其在任务完成和真实性方面优于单LLM基线。

Comments - Accepted to 39th Conference on Neural Information Processing Systems (NeurIPS 2025) Workshop: Scaling Environments for Agents (SEA) - Paper contains 12 pages with 3 figures and 3 tables

AudioMotionBench: Evaluating Auditory Motion Perception in Audio LLMs

AudioMotionBench: 评估音频大语言模型中的听觉运动感知

Zhe Sun, Yujun Cai, Jiayu Yao, Yiwei Wang

机构 * Wuhan University（武汉大学） ； University of Queensland（昆士兰大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； University of California, Merced（加州大学默塞德分校） 纠错

专题命中 评测与基准 ：language model(abstract)；分类 cs.AI

AI总结 AudioMotionBench通过评估音频大语言模型对移动声源方向和轨迹的感知能力，揭示了当前模型在听觉空间推理方面的局限性。

Exploring Multidimensional Checkworthiness: Designing AI-assisted Claim Prioritization for Human Fact-checkers

探索多维可信度：为人类事实核查员设计AI辅助的声明优先级排序

Houjiang Liu, Jacek Gwizdka, Matthew Lease

专题命中 评测与基准 ：LLM(abstract)

AI总结 本研究通过设计和混合方法评估，开发AI辅助声明优先级排序原型，揭示事实核查员的多维可信度分层策略，并提出改进事实核查流程的设计建议。

Comments Accepted at CSCW 2025

Journal ref Proceedings of the ACM on Human-Computer Interaction 9, no. 7 (2025): 1-49

Keyframe-Based Feed-Forward Visual Odometry

基于关键帧的前馈视觉里程计

Weichen Dai, Wenhan Su, Da Kong, Yuhang Ming, Wanzeng Kong

机构 * Key Laboratory of Brain Machine Collaborative Intelligence of Zhejiang Province, School of Computer Science, Hangzhou Dianzi University（浙江省脑机协同智能重点实验室，计算机科学学院，杭州电子大学） ； Technion Autonomous Systems Program, Technion - Israel Institute of Technology（技术ion自主系统计划，技术ion-以色列理工学院） 纠错

专题命中 评测与基准 ：foundation model(abstract)

AI总结 本文提出基于关键帧的前馈视觉里程计方法，通过强化学习自适应选择关键帧，提升视觉里程计的性能。

Enhanced LULC Segmentation via Lightweight Model Refinements on ALOS-2 SAR Data

通过ALOS-2 SAR数据上的轻量模型细化提升土地利用/覆盖制图

Ali Caglayan, Nevrez Imamoglu, Toru Kouyama

机构 * National Institute of Advanced Industrial Science（国家先进工业科学促进机构） 纠错

专题命中 评测与基准 ：pretraining(abstract)

AI总结 本文通过轻量级模型细化方法，利用ALOS-2 SAR数据提升土地利用/覆盖分割精度，尤其改善了稀有类别和水体检测效果。

Comments 5 pages, 4 figures

RECAP: A Resource-Efficient Method for Adversarial Prompting in Large Language Models

RECAP：一种资源高效的对抗性提示方法用于大型语言模型

Rishit Chugh

机构 * Rishit Chugh（独立研究者） 纠错

专题命中 效率与部署 ：large language model(title,abstract)；language model(title,abstract)；prompting(title,abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 RECAP提出一种无需重新训练的高效对抗性提示方法，通过匹配预训练对抗性提示数据库，降低计算成本并提升攻击成功率。

Comments Code for RECAP is available at: https://github.com/R-C101/RECAP

Predictive Coding and Information Bottleneck for Hallucination Detection in Large Language Models

预测编码与信息瓶颈用于大语言模型中的幻觉检测

Manish Bhatt

机构 * AI Offensive Security Researcher, OWASP（AI攻击防御安全研究员，OWASP） 纠错

专题命中 效率与部署 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)；分类 cs.AI

AI总结 本研究提出了一种结合预测编码和信息瓶颈的轻量级框架，用于高效检测大语言模型中的幻觉，实现了比传统方法更高的准确率和效率。

Online Operator Design in Evolutionary Optimization for Flexible Job Shop Scheduling via Large Language Models

通过大语言模型进行进化优化的在线运算符设计用于灵活作业车间调度

Rongjie Liao, Junhao Qiu, Xin Chen, Xiaoping Li

机构 * School of Computer Science, Guangdong University of Technology（广东工业大学计算机科学学院） ； Department of Computer Science, City University of Hong Kong（香港城市大学计算机科学系） 纠错

专题命中 效率与部署 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)；分类 cs.AI

AI总结 本文通过大语言模型实现进化优化中的在线运算符设计，提升EAs的效率和适应性。

EfficientXpert: Efficient Domain Adaptation for Large Language Models via Propagation-Aware Pruning

EfficientXpert: 通过传播感知剪枝实现大语言模型的高效领域适应

Songlin Zhao, Michael Pitts, Zhuwei Qin

机构 * Univeristy of California, Berkeley（加州大学伯克利分校） ； San Francisco State University（旧金山州立大学） 纠错

专题命中 效率与部署 ：large language model(title,abstract)；language model(title,abstract)；分类 cs.CL、cs.LG

AI总结 EfficientXpert通过传播感知剪枝方法，实现大语言模型在领域适应中的高效压缩，达到接近密集性能的稀疏效果，同时保持训练时间和内存效率。

Efficient Multimodal Large Language Models: A Survey

高效多模态大语言模型：综述

Yizhang Jin, Jian Li, Yexin Liu, Tianjun Gu, Kai Wu, Zhengkai Jiang, Muyang He, Bo Zhao, Xin Tan, Zhenye Gan, Yabiao Wang, Chengjie Wang, Lizhuang Ma

机构 * Youtu Lab, Tencent（腾讯优图实验室） ； SJTU（上海交通大学） ； BAAI（北京人工智能研究院） ； ECNU（华东师范大学） 纠错

专题命中 效率与部署 ：large language model(title,abstract)；language model(title,abstract)；分类 cs.AI

AI总结 本文综述了高效多模态大语言模型的发展现状，探讨了其高效结构、策略及应用，并展望了未来研究方向。

Comments Accepted by Visual Intelligence

Journal ref Visual Intelligence, Volume 3, article number 27, (2025)

UniAttn: Reducing Inference Costs via Softmax Unification for Post-Training LLMs

UniAttn: 通过Softmax统一降低推理成本以适应训练后的LLM

Yizhe Xiong, Wei Huang, Xin Ye, Hui Chen, Zijia Lin, Haoran Lian, Zhenpeng Su, Jungong Han, Guiguang Ding

机构 * School of Software, Tsinghua University（清华大学软件学院） ； School of Computer Science, Beijing University of Posts and Telecommunications（北京邮电大学计算机学院） ； Beihang University（北航） ； Department of Automation, Tsinghua University（清华大学自动化系） 纠错

专题命中 效率与部署 ：post-training(title,abstract)；LLM(abstract)；large language model(abstract)；language model(abstract)

AI总结 UniAttn通过统一Softmax操作降低训练后LLM的推理成本，同时保持性能。

Comments 8 pages, 6 figures. Preprint, under review