语言大模型 / LLM

Paying Less Generalization Tax: A Cross-Domain Generalization Study of RL Training for LLM Agents

支付更少的泛化税：RL训练对LLM代理跨域泛化能力的研究

Zhihan Liu, Lin Guan, Yixin Nie, Kai Zhang, Zhuoqun Hao, Lin Chen, Asli Celikyilmaz, Zhaoran Wang, Na Zhang

机构 * Meta Superintelligence Labs（Meta超智能实验室） ； FAIR at Meta（Meta的FAIR） ； Northwestern University（西北大学） ； The Ohio State University（俄亥俄州立大学） ； University of Pennsylvania（宾夕法尼亚大学） 纠错

专题命中 领域大模型 ：LLM(title,abstract)；post-training(abstract)；SFT(abstract)；分类 cs.AI、cs.LG

AI总结 本研究探讨了RL训练对LLM代理跨域泛化能力的影响，发现增加状态信息丰富度可提升泛化性能，同时指出建模选择对泛化能力的关键作用。

LibLMFuzz: LLM-Augmented Fuzz Target Generation for Black-box Libraries

LibLMFuzz: 用于黑盒库的LLM增强模糊目标生成

Ian Hardgrove, John D. Hastings

机构 * The Beacom College of Computer and Cyber Sciences（计算机与网络科学学院） ； Dakota State University（达科他州立大学） 纠错

专题命中 领域大模型 ：LLM(title,abstract)；large language model(abstract)；language model(abstract)；分类 cs.LG

AI总结 LibLMFuzz通过结合LLM和轻量级工具链，实现对闭源库的自动模糊测试，生成正确驱动程序并提高覆盖率。

Comments 6 pages, 2 figures, 1 table, 2 listings

Journal ref 2025 IEEE Cyber Awareness and Research Symposium (CARS'25)

ctELM: Decoding and Manipulating Embeddings of Clinical Trials with Embedding Language Models

ctELM：利用嵌入语言模型解码和操控临床试验嵌入

Brian Ondov, Chia-Hsuan Chang, Yujia Zhou, Mauro Giuffrè, Hua Xu

机构 * Yale School of Medicine（耶鲁医学院） 纠错

专题命中 领域大模型 ：language model(title,abstract)；large language model(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 ctELM通过嵌入语言模型解码和操控临床试验嵌入，实现对未见过的临床试验描述和生成，提升生物医学领域语言模型与嵌入空间对齐的透明度和应用价值。

Token-level Collaborative Alignment for LLM-based Generative Recommendation

基于令牌级的协同对齐用于基于大语言模型的生成推荐

Fake Lin, Binbin Hu, Zhi Zheng, Xi Zhu, Ziqi Liu, Zhiqiang Zhang, Jun Zhou, Tong Xu

专题命中 领域大模型 ：LLM(title,abstract)；large language model(abstract)；language model(abstract)

AI总结 TCA4Rec通过令牌级协同对齐框架，将协同过滤与大语言模型生成结合，提升推荐系统的准确性和可控性。

Comments 11 pages, 2 figures, 7 tables, WWW 2026

Next Token Knowledge Tracing: Exploiting Pretrained LLM Representations to Decode Student Behaviour

下一个标记知识追踪：利用预训练大语言模型表示来解码学生行为

Max Norris, Kobi Gal, Sahan Bulathwela

专题命中 领域大模型 ：LLM(title)；large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI

AI总结 本文提出NTKT方法，利用预训练大语言模型预测学生行为，提升知识追踪任务的性能和泛化能力。

Who Fails Where? LLM and Human Error Patterns in Endometriosis Ultrasound Report Extraction

谁在何处失败？LLM和人类在内膜异位症超声报告提取中的错误模式

Haiyi Li, Yutong Li, Yiheng Chi, Alison Deslandes, Mathew Leonardi, Shay Freger, Yuan Zhang, Jodie Avery, M. Louise Hull, Hsiang-Ting Chen

专题命中 领域大模型 ：LLM(title,abstract)；language model(abstract)

AI总结 本研究比较了LLM与人类在内膜异位症超声报告提取中的表现，发现LLM在语法一致性上优于人类，而人类在语义解释上更优，支持人机协作的工作流程。

PairSem: LLM-Guided Pairwise Semantic Matching for Scientific Document Retrieval

PairSem: 基于大语言模型的成对语义匹配用于科学文档检索

Wonbin Kweon, Runchu Tian, SeongKu Kang, Pengcheng Jiang, Zhiyong Lu, Jiawei Han, Hwanjo Yu

专题命中 领域大模型 ：LLM(title)；large language model(abstract)；language model(abstract)

AI总结 PairSem通过实体-属性对捕捉科学概念的多面性，提升科学文档检索的精度和上下文感知能力。

Comments WWW 2026

Making medical vision-language models think causally across modalities with retrieval-augmented cross-modal reasoning

通过检索增强的跨模态推理使医疗视觉-语言模型在多模态中实现因果推理

Weiqin Yang, Haowen Xue, Qingyi Peng, Hexuan Hu, Qian Huang, Tingbo Zhang

机构 * University of Adelaide（阿德莱德大学） ； Hohai University（河海大学） ； Amap 纠错

专题命中 领域大模型 ：language model(title,abstract)；分类 cs.LG

AI总结 本文提出多模态因果检索增强生成框架，通过整合因果推理原理与多模态检索，提升医疗VLMs在诊断预测和视觉问答中的事实准确性与鲁棒性。

Learning the Wrong Lessons: Syntactic-Domain Spurious Correlations in Language Models

学习错误的教训：语言模型中的语法-领域虚假相关性

Chantal Shaib, Vinith M. Suriyakumar, Levent Sagun, Byron C. Wallace, Marzyeh Ghassemi

机构 * Northeastern University（东北大学） ； MIT（麻省理工学院） ； Meta 纠错

专题命中 领域大模型 ：language model(title)；LLM(abstract)；分类 cs.CL

AI总结 研究揭示了语言模型中语法与领域之间的虚假相关性问题，指出训练数据中语法模板可能影响模型性能，并提出需测试此类相关性及确保训练数据多样性以防止错误学习。

Comments NeurIPS 2025 Spotlight

LLM-Generated or Human-Written? Comparing Review and Non-Review Papers on ArXiv

LLM生成还是人工撰写？比较ArXiv上评论与非评论论文

Yanai Elazar, Maria Antoniak

机构 * Bar-Ilan University（巴伊兰大学） ； University of Colorado Boulder（科罗拉多大学波德摩尔分校） 纠错

专题命中 领域大模型 ：LLM(title,abstract)；分类 cs.CL

AI总结 本文通过分析ArXiv上评论与非评论论文中LLM生成内容的比例，发现评论论文中LLM生成内容更高，但非评论论文中实际LLM生成论文数量远多于评论论文，政策可能对某些领域造成显著影响。

neuralFOMO: Can LLMs Handle Being Second Best? Measuring Envy-Like Preferences in Multi-Agent Settings

neuralFOMO: LLMs能否处理第二好？在多智能体设置中测量类似嫉妒的偏好

Arnav Ramamoorthy, Shrey Dhorajiya, Ojas Pungalia, Rashi Upadhyay, Abhishek Mishra, Abhiram H, Tejasvi Alladi, Sujan Yenuganti, Dhruv Kumar

机构 * BITS Pilani, Pilani Campus（比斯学院，帕利尼校区） 纠错

专题命中 领域大模型 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI

AI总结 neuralFOMO研究了LLMs在多智能体环境中是否表现出类似嫉妒的偏好，通过点分配游戏和比较评估揭示了不同模型在竞争与合作中的不同表现。

Comments Under Review

Enhancing LLM-based Recommendation with Preference Hint Discovery from Knowledge Graph

基于知识图谱的偏好提示发现增强大语言模型推荐

Yuting Zhang, Ziliang Pei, Chao Wang, Ying Sun, Fuzhen Zhuang

专题命中 领域大模型 ：LLM(title,abstract)

AI总结 本文提出基于知识图谱的偏好提示发现模型，通过提取关键属性作为提示，提升大语言模型在推荐任务中的表现。

Multi-Agent Collaborative Filtering: Orchestrating Users and Items for Agentic Recommendations

多智能体协同过滤：为智能推荐 orchestrate 用户和物品

Yu Xia, Sungchul Kim, Tong Yu, Ryan A. Rossi, Julian McAuley

机构 * University of California, San Diego（加州大学圣地亚哥分校） ； Adobe Research（Adobe研究） 纠错

专题命中 领域大模型 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.CL

AI总结 本文提出多智能体协同过滤框架，通过动态协作机制提升智能推荐效果。

Comments WWW 2026

Autonomous Penetration Testing: Solving Capture-the-Flag Challenges with LLMs

自主渗透测试：利用大语言模型解决夺旗挑战

Isabelle Bakker, John Hastings

机构 * The Beacom College of Computer and Cyber Sciences（计算机与网络安全科学学院） ； Dakota State University（达科他州立大学） 纠错

专题命中 领域大模型 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 利用大语言模型自主解决初级渗透测试任务，展示其在自动化简单攻击流程中的潜力，同时揭示安全环境对LLM攻击的挑战。

Comments 6 pages, 2 figures, 3 tables

Journal ref 2025 IEEE Cyber Awareness and Research Symposium (CARS'25)

Do LLMs produce texts with "human-like" lexical diversity?

大语言模型生成的文本是否具有“人类般的”词汇多样性？

Kelly Kendro, Jeffrey Maloney, Scott Jarvis

专题命中 领域大模型 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.CL

AI总结 本研究发现，ChatGPT模型生成的文本在词汇多样性上与人类写作存在显著差异，新模型的文本比旧模型更不具有人类般的多样性。

A Review of Incorporating Psychological Theories in LLMs

对将心理理论纳入大语言模型的综述

Zizhou Liu, Ziwei Gong, Lin Ai, Zheng Hui, Run Chen, Colin Wayne Leach, Michelle R. Greene, Julia Hirschberg

机构 * Department of Computer Science, Columbia University（哥伦比亚大学计算机科学系） ； Department of Psychology, Barnard College（巴纳德学院心理学系） ； The Language Technology Lab, University of Cambridge（剑桥大学语言技术实验室） 纠错

专题命中 领域大模型 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.CL

AI总结 本文综述了心理学理论如何指导和增强大语言模型开发，整合了六个心理学子领域，旨在促进心理学更深入地融入NLP研究。

Introducing Axlerod: An LLM-based Chatbot for Assisting Independent Insurance Agents

引入Axlerod：一种基于大语言模型的聊天机器人，用于协助独立保险代理

Adam Bradley, John Hastings, Khandaker Mamun Ahmed

机构 * The Beacom College of Computer and Cyber Sciences, Dakota State University（计算机与网络安全学院，达科他州立大学） 纠错

专题命中 领域大模型 ：LLM(title)；分类 cs.CL、cs.AI

AI总结 Axlerod是一种基于大语言模型的聊天机器人，旨在通过自然语言处理、检索增强生成和领域知识整合，提高独立保险代理的工作效率。

Comments 6 pages, 2 figures, 1 table

Journal ref 2025 IEEE Cyber Awareness and Research Symposium (CARS'25)

Prompt-Based REST API Test Amplification in Industry: An Experience Report

基于提示的REST API测试放大在工业中的应用：经验报告

Tolgahan Bardakci, Andreas Faes, Mutlu Beyazit, Serge Demeyr

专题命中 领域大模型 ：LLM(abstract)；large language model(abstract)；language model(abstract)

AI总结 本文通过在工业环境中应用基于提示的REST API测试放大技术，验证了其在提高测试覆盖率和发现异常方面的有效性。

FedMentor: Domain-Aware Differential Privacy for Heterogeneous Federated LLMs in Mental Health

FedMentor: 域感知差分隐私用于心理健康领域异构联邦大语言模型

Nobin Sarwar, Shubhashis Roy Dipta

机构 * University of Maryland, Baltimore County（马里兰大学巴尔的摩县分校） 纠错

专题命中 领域大模型 ：large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 FedMentor通过整合LoRA和域感知差分隐私，实现对心理健康领域异构联邦大语言模型的隐私保护微调，提升安全性并保持模型效用。

Comments NeurIPS 2025 GenAI4Health Workshop

A Generative AI-Driven Reliability Layer for Action-Oriented Disaster Resilience

一种生成式AI驱动的可靠性层用于面向行动的灾害韧性

Geunsik Lim

专题命中 领域大模型 ：large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 本文提出一种基于生成式AI的可靠性层，旨在提升灾害预警系统中行动执行的效率与公平性。

Comments 19 pages

An autonomous living database for perovskite photovoltaics

一种用于钙钛矿光伏的自主生活数据库

Sherjeel Shabih, Hampus Näsström, Sharat Patil, Asmin Askin, Keely Dodd-Clements, Jessica Helisa Hautrive Rossato, Hugo Gajardoni de Lemos, Yuxin Liu, Florian Mathies, Natalia Maticiuc, Rico Meitzner, Edgar Nandayapa, Juan José Patiño López, Yaru Wang, Lauri Himanen, Eva Unger, T. Jesper Jacobsson, José A. Márquez, Kevin Maik Jablonka

专题命中 领域大模型 ：large language model(abstract)；language model(abstract)；分类 cs.LG

AI总结 PERLA通过整合大语言模型与物理验证，实现自主更新的钙钛矿光伏数据库，揭示了2021年后研究的进化趋势和持续电压损失减少轨迹。

PaperSearchQA: Learning to Search and Reason over Scientific Papers with RLVR

PaperSearchQA: 基于强化学习与验证奖励的学习科学论文搜索与推理

James Burgess, Jan N. Hansen, Duo Peng, Yuhui Zhang, Alejandro Lozano, Min Woo Sun, Emma Lundberg, Serena Yeung-Levy

机构 * Stanford University（斯坦福大学） ； Chan Zuckerberg Biohub Network（查纳·泽克拜尔生物枢纽网络） ； KTH Royal Institute of Technology（皇家理工学院） 纠错

专题命中 领域大模型 ：language model(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 PaperSearchQA通过训练搜索代理在科学论文中进行搜索与推理，提升技术问答能力，为未来的人工智能科学家系统奠定基础。

Comments EACL 2026

Exploring Customizable Interactive Tools for Therapeutic Homework Support in Mental Health Counseling

探索用于心理健康辅导中治疗作业支持的可定制交互工具

Yimeng Wang, Liabette Escamilla, Yinzhou Wang, Bianca R. Augustine, Yixuan Zhang

专题命中 领域大模型 ：large language model(abstract)；language model(abstract)

AI总结 TheraTrack是一款可定制的治疗师工具，利用大型语言模型整合多维数据，优化治疗作业跟踪，减少认知负荷并提高数据验证效率。

Comments 22 pages, 4 figures

MMedAgent-RL: Optimizing Multi-Agent Collaboration for Multimodal Medical Reasoning

MMedAgent-RL: 优化多智能体协作以实现多模态医疗推理

Peng Xia, Jinglu Wang, Yibo Peng, Kaide Zeng, Zihan Dong, Xian Wu, Xiangru Tang, Hongtu Zhu, Yun Li, Linjun Zhang, Shujie Liu, Yan Lu, Huaxiu Yao

机构 * UNC-Chapel Hill（北卡罗来纳大学教堂山分校） ； Microsoft Research（微软研究院） ； CMU（卡内基梅隆大学） ； Rutgers University（罗格斯大学） ； Yale University（耶鲁大学） 纠错

专题命中 领域大模型 ：language model(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 MMedAgent-RL通过强化学习优化多智能体协作，提升多模态医疗推理性能，实现23.6%的性能提升。

Comments ICLR 2026

AI and World Models

人工智能与世界模型

Robert Worden

专题命中 领域大模型 ：large language model(abstract)；language model(abstract)

AI总结 本文探讨了人工智能系统中世界模型的必要性，强调其在预测和控制人工智能行为后果中的关键作用，以及构建可靠世界模型的挑战。

Comments 15 pages, 2 figures

RAICL: Retrieval-Augmented In-Context Learning for Vision-Language-Model Based EEG Seizure Detection

RAICL：基于视觉-语言模型的EEG癫痫检测的检索增强上下文学习

Siyang Li, Zhuoya Wang, Xiyan Gui, Xiaoqing Chen, Ziwei Wang, Yaozhi Wen, Dongrui Wu

机构 * Ministry of Education Key Laboratory of Image Processing and Intelligent Control, School of Artificial Intelligence and Automation, Huazhong University of Science and Technology（教育部图像处理与智能控制重点实验室，人工智能与自动化学院，华中科技大学） ； State Key Laboratory of Brain Cognition and Brain-inspired Intelligence Technology, Institute of Automation, Chinese Academy of Sciences（脑认知与脑启发智能技术国家重点实验室，自动化研究所，中国科学院） 纠错

专题命中 领域大模型 ：language model(abstract)；分类 cs.AI、cs.LG

AI总结 RAICL通过利用视觉-语言模型分析EEG波形图，实现了更高效的癫痫检测，无需重新训练，具有广泛临床应用前景。

Intelligence Requires Grounding But Not Embodiment

智能需要具身但不需要身体

Marcus Ma, Shrikanth Narayanan

机构 * University of Southern California（南加州大学） 纠错

专题命中 领域大模型 ：LLM(abstract)；分类 cs.CL、cs.AI

AI总结 本文提出智能需要基础性而非具身，通过定义智能的四个属性并论证非具身智能体可实现这些属性，从而得出结论：基础性是智能的必要条件。

Mitigating the Modality Gap: Few-Shot Out-of-Distribution Detection with Multi-modal Prototypes and Image Bias Estimation

弥合模态差距：基于多模态原型和图像偏差估计的少样本分布外检测

Yimu Wang, Evelien Riddell, Adrian Chow, Sean Sedwards, Krzysztof Czarnecki

机构 * University of Waterloo（滑铁卢大学） 纠错

专题命中 领域大模型 ：language model(abstract)；分类 cs.CL、cs.LG

AI总结 本文提出SUPREME框架，通过引入多模态原型和图像偏差估计，有效缓解图像与文本之间的模态差距，提升少样本分布外检测性能。

Comments WACV 2026

The Triangle of Similarity: A Multi-Faceted Framework for Comparing Neural Network Representations

相似性的三角形：一种多维框架用于比较神经网络表示

Olha Sirikova, Alvin Chan

专题命中 领域大模型 ：language model(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出相似性三角形框架，通过静态、功能和稀疏性三个视角比较神经网络表示，揭示架构对表示相似性的影响及剪枝对模型核心的影响。

Comments Accepted to AAAI 2026 Workshop on AI for Scientific Research (AI4Research)

CHiRPE: A Step Towards Real-World Clinical NLP with Clinician-Oriented Model Explanations

CHiRPE：迈向真实世界临床NLP的一步：面向临床医生的模型解释

Stephanie Fong, Zimu Wang, Guilherme C. Oliveira, Xiangyu Zhao, Yiwen Jiang, Jiahe Liu, Beau-Luke Colton, Scott Woods, Martha E. Shenton, Barnaby Nelson, Zongyuan Ge, Dominic Dwyer

机构 * Orygen and The University of Melbourne（Orygen和墨尔本大学） ； AIM for Health Lab, Monash University（AIM for Health实验室，墨尔本大学） ； University of Liverpool（利物浦大学） ； Yale School of Medicine, Yale University（耶鲁医学院，耶鲁大学） ； Brigham and Women’s Hospital, Harvard Medical School（哈佛医学院布里奇沃特医院） 纠错

专题命中 领域大模型 ：LLM(abstract)；分类 cs.CL

AI总结 CHiRPE通过临床医生共同开发的新型SHAP解释格式，实现了高准确率的临床风险预测，并展示了临床指导的模型开发在真实世界中的应用潜力。

Comments This paper is accepted at EACL 2026