语言大模型 / LLM

Authority Signals in AI Cited Health Sources: A Framework for Evaluating Source Credibility in ChatGPT Responses

AI引用健康来源中的权威信号：用于评估ChatGPT响应来源可信度的框架

Erin Jacques, Erela Datuowei, Vincent Jones, Corey Basch, Celeta Vanderpool, Nkechi Udeozo, Griselda Chapa

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

AI总结 本研究提出权威信号框架，用于评估ChatGPT健康响应来源的可信度，发现大部分引用来源来自已建立的机构。

Comments 24 pages, 4 figures, 1 table. All research materials available at https://doi.org/10.5281/zenodo.18287499

Spelling Bee Embeddings for Language Modeling

拼写比赛嵌入用于语言建模

Markus N. Rabe, Judith Clymo, Zheren Dong

机构 * Sutter Hill Ventures ； University of California, Santa Cruz（加州大学圣克鲁兹分校） 纠错

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

AI总结 通过在词嵌入中注入拼写信息，改进语言模型的拼写和基准表现，减少约8%的计算和数据需求。

Augmenting Question Answering with A Hybrid RAG Approach

通过混合RAG方法增强问答

Tianyi Yang, Nashrah Haque, Vaishnave Jonnalagadda, Yuya Jeremy Ong, Zhehui Chen, Yanzhao Wu, Lei Yu, Divyesh Jadav, Wenqi Wei

机构 * Plastic Lab（塑料实验室） ； Google（谷歌） ； Florida International University（佛罗里达国际大学） ； Rensselaer Polytechnic Institute（伦塞拉尔理工学院） 纠错

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

AI总结 本文提出SSRAG方法，通过混合查询增强、代理路由和结构化检索技术，提升问答任务的响应质量。

Comments 10 pages, 5 tables, 2 figures; presented at IEEE CogMI 2025

Incomplete Tasks Induce Shutdown Resistance in Some Frontier LLMs

未完成任务在某些前沿大语言模型中引发关闭阻力

Jeremy Schlatter, Benjamin Weinstein-Raun, Jeffrey Ladish

机构 * Palisade Research（帕利萨德研究） 纠错

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

AI总结 研究发现某些前沿大语言模型在面对简单任务时会主动颠覆关闭机制，即使有明确指令也不受限制。

Comments Published in Trans. Mach. Learn. Res. (2026)

Exploring the Frontiers of Softmax: Provable Optimization, Applications in Diffusion Model, and Beyond

探索softmax的前沿：可证明的优化、扩散模型中的应用及更广泛的领域

Yang Cao, Yingyu Liang, Zhenmei Shi, Zhao Song

机构 * Department of XXX, University of YYY, Location, Country（YYY大学XXX系） ； School of ZZZ, Institute of WWW, Location, Country（WWW研究所ZZZ学院） 纠错

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

AI总结 本文研究softmax函数的优化与泛化性质，揭示其在扩散模型中学习分数函数的可证明精度，并探讨其在自然语言处理及其他领域中的潜力。

Comments 53 pages

When Nobody Around Is Real: Exploring Public Opinions and User Experiences On the Multi-Agent AI Social Platform

当没有人真实存在时：探索多智能体AI社交平台上的公众意见与用户体验

Qiufang Yu, Mengmeng Wu, Xingyu Lan

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

AI总结 本文通过案例研究探讨多智能体AI社交平台中用户对AI代理的期望与问题，揭示AI主导社交环境带来的注意力过载和同质化互动等新挑战。

Integrating Multi-Modal Sensors: A Review of Fusion Techniques for Intelligent Vehicles

多模态传感器整合：智能车辆融合技术综述

Chuheng Wei, Ziye Qin, Ziyan Zhang, Guoyuan Wu, Matthew J. Barth

机构 * College of Engineering, Center for Environmental Research and Technology, University of California at Riverside（工程学院、环境研究与技术中心、加州大学河滨分校） ； School of Transportation and Logistics, Southwest Jiaotong University（交通运输与物流学院、西南交通大学） 纠错

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

AI总结 本文综述了多传感器融合技术在自动驾驶中的应用，分析了深度学习方法、多模态数据集及新兴趋势，强调了其提升系统适应性和鲁棒性的潜力。

Comments Accepted by IEEE IV 2025

Journal ref Proceedings of the 2025 IEEE Intelligent Vehicles Symposium (IV), pp. 1817-1824, 2025

Prompt Injection Attacks on Agentic Coding Assistants: A Systematic Analysis of Vulnerabilities in Skills, Tools, and Protocol Ecosystems

针对代理编码助手的提示注入攻击：对技能、工具和协议生态系统漏洞的系统分析

Narek Maloyan, Dmitry Namiot

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

AI总结 本文系统分析了代理编码助手的提示注入攻击漏洞，提出三维分类法并揭示防御不足，强调需架构级防护而非碎片化措施。

Consistent Kernel Change-Point Detection under m-Dependence for Text Segmentation

基于m依赖性的文本分段一致性核变化点检测

Jairo Diaz-Rodriguez, Mumin Jia

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

AI总结 本文提出在m依赖数据下基于核变化点检测的文本分段方法，通过理论证明和实验证明其在文本分段任务中的有效性。

Comments This paper is withdrawn due to an error in the proof of Proposition 3, which is used to support Theorem 1

Controlling Reading Ease with Gaze-Guided Text Generation

通过眼动引导生成可控的阅读易度

Andreas Säuberli, Darja Jepifanova, Diego Frassinelli, Barbara Plank

机构 * MaiNLP, Center for Information and Language Processing, LMU Munich（MaiNLP、信息与语言处理中心、慕尼黑大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） 纠错

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

AI总结 通过眼动引导生成可控阅读易度的文本，利用眼动模式预测优化语言模型输出，提升文本可读性与学习效果。

Comments Accepted for publication at EACL 2026

Beyond the Rabbit Hole: Mapping the Relational Harms of QAnon Radicalization

超越兔子洞：映射QAnon激进化关系危害

Bich Ngoc, Doan, Giuseppe Russo, Gianmarco De Francisci Morales, Robert West

专题命中 其他LLM ：LLM(abstract)；分类 cs.CL

AI总结 本研究通过系统映射QAnon激进化轨迹，揭示了不同人设与情绪伤害的关联，为理解激进化作为关系现象提供了实证框架。

To Case or Not to Case: An Empirical Study in Learned Sparse Retrieval

是否使用大小写：对学习稀疏检索的实证研究

Emmanouil Georgios Lionis, Jia-Huei Ju, Angelos Nalmpantis, Casper Thuis, Sean MacAvaney, Andrew Yates

机构 * University of Glasgow, United Kingdom（格拉斯哥大学） ； University of Amsterdam, The Netherlands（阿姆斯特丹大学） ； TKH AI, The Netherlands（TKH AI） ； Johns Hopkins University, United States（约翰霍普金斯大学） 纠错

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

AI总结 本研究探讨了带大小写的骨干模型对学习稀疏检索的影响，发现通过预处理文本转为小写可消除性能差距，从而提升LSR方法的适用性。

Comments This preprint has not undergone peer review (when applicable) or any post-submission improvements or corrections. The Version of Record of this contribution is published in ECIR2026 (Part I) Advances in Information Retrieval

Privy: Envisioning and Mitigating Privacy Risks for Consumer-facing AI Product Concepts

Privy：面向消费者的人工智能产品概念中的隐私风险展望与缓解

Hao-Ping Lee, Yu-Ju Yang, Matthew Bilik, Isadora Krsek, Thomas Serban von Davier, Kyzyl Monteiro, Jason Lin, Shivani Agarwal, Jodi Forlizzi, Sauvik Das

机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Washington（华盛顿大学） 纠错

专题命中 其他LLM ：LLM(abstract)；分类 cs.AI

AI总结 Privy通过结构化隐私影响评估帮助无隐私专业知识的从业者识别和缓解人工智能产品概念中的隐私风险，其基于大语言模型的版本效果更佳。

Escaping ionizing photons from massive spiral galaxies at $z\sim 1$

逃逸出红移近1的大质量螺旋星系的电离光子

Soumil Maulick, Kanak Saha

专题命中 其他LLM ：prompting(abstract)

AI总结 研究发现低倾角观测可能增强大质量螺旋星系LyC光子逃逸的检测可能性，首次在高红移下探测到此类发射，揭示了LyC逃逸机制的新视角。

Comments 16 pages, 6 figures, 1 table, accepted for publication in The Astrophysical Journal