语言大模型 / LLM

Predicting Startup Success Using Large Language Models: A Novel In-Context Learning Approach

利用大型语言模型预测初创企业成功：一种新颖的上下文学习方法

Abdurahman Maarouf, Alket Bakiaj, Stefan Feuerriegel

机构 * Munich Center for Machine Learning (MCML) & LMU Munich（慕尼黑机器学习中心（MCML）及慕尼黑大学） 纠错

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

AI总结 本文提出了一种基于k-最近邻的上下文学习方法，利用少量标注数据预测初创企业成功，证明其在数据稀缺环境下具有较高的预测准确性。

MulVul: Retrieval-augmented Multi-Agent Code Vulnerability Detection via Cross-Model Prompt Evolution

MulVul: 通过跨模型提示进化实现检索增强的多智能体代码漏洞检测

Zihan Wu, Jie Xu, Yun Peng, Chun Yong Chong, Xiaohua Jia

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

AI总结 MulVul通过跨模型提示进化实现多智能体代码漏洞检测，采用由粗到细的策略，利用检索工具提升漏洞识别精度，达到34.79%的Macro-F1成绩。

Who's in Charge? Disempowerment Patterns in Real-World LLM Usage

谁在掌控？现实世界LLM使用中的去赋能模式

Mrinank Sharma, Miles McCain, Raymond Douglas, David Duvenaud

机构 * ACS Research Group（ACS研究组） ； University of Toronto（多伦多大学） 纠错

专题命中 其他LLM ：LLM(title)；分类 cs.CL、cs.AI

AI总结 研究揭示现实世界中AI助手交互中去赋能模式的分布与影响，指出其对人类赋权的潜在威胁，并呼吁设计更支持人类自主的AI系统。

Event Tokenization and Masked-Token Prediction for Anomaly Detection at the Large Hadron Collider

事件标记化与掩码-标记预测用于大型强子对撞机上的异常检测

Ambre Visive, Polina Moskvitina, Clara Nellist, Roberto Ruiz de Austri, Sascha Caron

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

AI总结 本文提出利用大型语言模型进行无监督异常检测，通过事件标记化和掩码-标记预测方法，在大型强子对撞机中有效识别异常信号。

Comments 5 pages, 3 figures, to be submitted to SciPost Physics Proceedings

RvB: Automating AI System Hardening via Iterative Red-Blue Games

RvB: 通过迭代红蓝游戏自动化AI系统加固

Lige Huang, Zicheng Liu, Jie Zhang, Lewen Yan, Dongrui Liu, Jing Shao

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； Shanghai Jiao Tong University（上海交通大学） 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 RvB通过迭代红蓝游戏自动化AI系统加固，有效提升防御性能并降低误报率。

On the Expressiveness of State Space Models via Temporal Logics

通过时序逻辑探讨状态空间模型的表达能力

Eric Alsmann, Lowejatan Noori, Martin Lange

机构 * University of Kassel（卡塞尔大学） 纠错

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

AI总结 本文探讨了状态空间模型在不同门控机制下的表达能力，通过时序逻辑分析其与变换器架构的表达力差异。

Exploring Weaknesses in Function Call Models via Reinforcement Learning: An Adversarial Data Augmentation Approach

通过强化学习探索函数调用模型的弱点：一种对抗性数据增强方法

Weiran Guo, Bing Bo, Shaoxiang Wu, Jingsheng Yang

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

AI总结 本文通过强化学习提出对抗性数据增强方法，系统识别和纠正函数调用模型的弱点，提升其与外部工具交互的鲁棒性。

CanaryBench: Stress Testing Privacy Leakage in Cluster-Level Conversation Summaries

CanaryBench: 集群级对话摘要中的隐私泄露压力测试

Deep Mehta

机构 * Adobe Inc（Adobe公司） 纠错

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

AI总结 CanaryBench通过生成包含秘密字符串的合成对话，测试集群级对话摘要中的隐私泄露风险，并提出最小防御措施以减少泄露。

Comments 13 pages, 4 figures. Code repository: https://github.com/researchaudio/canarybench

Reimagining Social Robots as Recommender Systems: Foundations, Framework, and Applications

重新构想社交机器人作为推荐系统：基础、框架与应用

Jin Huang, Fethiye Irmak Doğan, Hatice Gunes

机构 * University of Cambridge（剑桥大学） 纠错

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

AI总结 本文提出将推荐系统应用于社交机器人，以提升个性化能力，通过整合RS技术建立框架并促进跨领域合作。

Comments HRI 2026

Towards Pixel-Level VLM Perception via Simple Points Prediction

通过简单的点预测实现像素级VLM感知

Tianhui Song, Haoyu Lu, Hao Yang, Lin Sui, Haoning Wu, Zaida Zhou, Zhiqi Huang, Yiping Bao, Y. Charles, Xinyu Zhou, Limin Wang

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

AI总结 SimpleSeg通过简单点预测实现多模态大语言模型的像素级感知，无需复杂架构即可获得高精度分割性能。

Speaking Clearly: A Simplified Whisper-Based Codec for Low-Bitrate Speech Coding

清晰说话：一种简化版的Whisper语音编解码器用于低比特率语音编码

Xin Zhang, Lin Li, Xiangni Lu, Jianquan Liu, Kong Aik Lee

机构 * School of Computer Science and Artificial Intelligence（计算机科学与人工智能学院） ； Wuhan University of Technology（武汉理工大学） ； NEC Corporation（日本电气株式会社） ； The Hong Kong Polytechnic University（香港理工大学） 纠错

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

AI总结 本文提出SimWhisper-Codec，通过简化Whisper编码器实现低比特率下的高音质和语义保留。

Comments Accepted by ICASSP 2026

Accelerated design of proton exchange membranes for green hydrogen production with artificial intelligence

加速设计用于绿色氢气生产的质子交换膜 with 人工智能

Huan Tran, Akhlak Mahmood, Harshal Chaudhari, Kuldeep Mamtani, Chiho Kim, Rampi Ramprasad, Anand N. Krishnamoorthy, Abhirup Patra

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

AI总结 本文提出基于人工智能的策略，用于加速设计绿色氢气生产用的质子交换膜，通过虚拟合成和机器学习模型生成可合成候选膜材料。

LabelKAN -- Kolmogorov-Arnold Networks for Inter-Label Learning: Avian Community Learning

Marc Grimson, Joshua Fan, Courtney L. Davis, Dylan van Bramer, Daniel Fink, Carla P. Gomes

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

Youtu-VL: Unleashing Visual Potential via Unified Vision-Language Supervision

Youtu-VL: 通过统一的视觉-语言监督释放视觉潜力

Zhixiang Wei, Yi Li, Zhehan Kan, Xinghua Jiang, Zuwei Long, Shifeng Liu, Hongze Shen, Wei Liu, Xiaoyu Tan, Haojia Lin, Yubo Zhu, Qianyu Li, Di Yin, Haoyu Cao, Weibo Gu, Xin Li, Yinsong Liu, Deqiang Jiang, Xing Sun, Yunsheng Wu, Mingkong Tang, Shuangyin Liu, Lexiang Tang, Haodong Lin, Junru Lu, Jiarui Qin, Lingfeng Qiao, Ruizhi Qiao, Bo Ke, Jianfeng He, Ke Li, Yangning Li, Yunhang Shen, Mengdan Zhang, Peixian Chen, Kun Yin, Bing Liu, Yunfei Wu, Huang Chen, Zhongpeng Cai, Xiaotian Li

机构 * Youtu-VL Team（Youtu-VL 团队） 纠错

专题命中 其他LLM ：language model(abstract)

AI总结 Youtu-VL通过统一视觉-语言自回归监督范式，提升多模态理解能力，实现视觉与语言的协同优化。

Gazeify Then Voiceify: Physical Object Referencing Through Gaze and Voice Interaction with Displayless Smart Glasses

通过眼动和语音交互实现无显示屏智能眼镜的物理物体指认

Zheng Zhang, Mengjie Yu, Tianyi Wang, Kashyap Todi, Ajoy Savio Fernandes, Yue Liu, Haijun Xia, Tovi Grossman, Tanya Jonker

专题命中 其他LLM ：language model(abstract)

AI总结 无显示屏智能眼镜通过眼动和语音交互实现物理物体指认，结合先进分割与视觉-语言模型，提升交互准确性和用户满意度。

Towards Safety-Compliant Transformer Architectures for Automotive Systems

面向汽车系统的安全合规Transformer架构

Sven Kirchner, Nils Purschke, Chengdong Wu, Alois Knoll

专题命中 其他LLM ：foundation model(abstract)

AI总结 本文提出了一种安全合规的Transformer架构，通过多模态基础模型提升汽车系统的容错性和鲁棒性，实现自动驾驶中的可认证AI系统。