语言大模型 / LLM

PedagoSense: A Pedology Grounded LLM System for Pedagogical Strategy Detection and Contextual Response Generation in Learning Dialogues

PedagoSense: 一种基于土壤学的LLM系统，用于学习对话中的教学策略检测与上下文响应生成

Shahem Sultan, Shahem Fadi, Yousef Melhim, Ibrahim Alsarraj, Besher Hassan

机构 * Al Andlus University（阿尔安多斯大学） ； Ajman University（阿治曼大学） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） 纠错

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

AI总结 PedagoSense通过结合两阶段策略分类器和大语言模型，实现了学习对话中教学策略的检测与上下文响应生成，提升教育技术的适应性。

Comments 8 pages, 5 figures

What Matters to an LLM? Behavioral and Computational Evidences from Summarization

什么是对LLM重要的？来自摘要的行为主观和计算证据

Yongxin Zhou, Changshun Wu, Philippe Mulhem, Didier Schwab, Maxime Peyrard

机构 * Univ. Grenoble Alpes（格勒诺布尔大学） ； CNRS（国家科学研究中心） ； Inria（法国国家信息与自动化技术研究所） ； Grenoble INP（格勒诺布尔研究所） ； LIG（实验室） 纠错

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

AI总结 本文通过行为和计算分析研究LLM在摘要任务中的重要性选择机制，揭示了LLM在重要性模式上的一致性及注意力头与层对重要性的预测作用。

Comments Findings of EACL 2026

Provable Model Provenance Set for Large Language Models

大语言模型的可证模型来源集

Xiaoqi Qiu, Hao Zeng, Zhiyu Hou, Hongxin Wei

机构 * Department of Statistics and Data Science, Southern University of Science and Technology, Shenzhen, China（统计与数据科学系，南方科技大学，深圳，中国） 纠错

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

AI总结 本文提出了一种可证明保证的模型来源集，通过顺序测试和排除方法实现可靠来源覆盖，适用于大语言模型的归因与审计任务。

$\textbf{AGT$^{AO}$}$: Robust and Stabilized LLM Unlearning via Adversarial Gating Training with Adaptive Orthogonality

AGT$^{AO}$：通过对抗门控训练与自适应正交性实现鲁棒且稳定的LLM反向学习

Pengyu Li, Lingling Zhang, Zhitao Gao, Yanrui Wu, Yuxuan Dong, Huan Liu, Bifan Wei, Jun Liu

机构 * School of Computer Science and Technology, Xi’an Jiaotong University, China（西安交通大学计算机科学与技术学院） ； MOE KLINNS Lab, Xi’an Jiaotong University, China（西安交通大学MOE KLINNS实验室） ； Shaanxi Province Key Laboratory of Big Data Knowledge Engineering, China（陕西省大数据知识工程重点实验室） 纠错

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

AI总结 AGT$^{AO}$通过对抗门控训练与自适应正交性，实现LLM反向学习的鲁棒性和实用性平衡。

Geometric-disentangelment Unlearning

几何解耦遗忘

Duo Zhou, Yuji Zhang, Tianxin Wei, Ruizhong Qiu, Ke Yang, Xiao Lin, Cheng Qian, Jingrui He, Hanghang Tong, Chengxiang Zhai, Heng Ji, Huan Zhang

机构 * uiuc（伊利诺伊大学厄巴纳-香槟分校） 纠错

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

AI总结 几何解耦遗忘通过理论保证减少LLM遗忘与保留的权衡，提升遗忘提取强度。

Comments 26 Pages

Minimizing Mismatch Risk: A Prototype-Based Routing Framework for Zero-shot LLM-generated Text Detection

降低匹配风险：一种基于原型的路由框架用于零样本LLM生成文本检测

Ke Sun, Guangsheng Bao, Han Cui, Yue Zhang

机构 * School of Engineering, Westlake University, China（西交大学工程学院，中国） 纠错

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

AI总结 本文提出DetectRouter框架，通过两阶段训练学习文本检测器的亲和力，以解决零样本LLM生成文本检测中的匹配风险问题。

Text is All You Need for Vision-Language Model Jailbreaking

文本就是视觉-语言模型劫持所需

Yihang Chen, Zhao Xu, Youyuan Jiang, Tianle Zheng, Cho-Jui Hsieh

机构 * University of California, Los Angeles（加州大学洛杉矶分校） 纠错

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

AI总结 Text-DJ通过将文本转换为图像并诱导干扰，成功绕过视觉-语言模型的安全防护，揭示了OCR能力在面对分散多模态输入时的脆弱性。

TraceRouter: Robust Safety for Large Foundation Models via Path-Level Intervention

TraceRouter: 通过路径级干预实现大型基础模型的鲁棒安全性

Chuancheng Shi, Shangze Li, Wenjun Lu, Wenhua Wu, Cong Wang, Zifeng Cheng, Fei Shen, Tat-Seng Chua

机构 * The University of Sydney, Sydney, Australia（悉尼大学） ； Nanjing University of Science（南京理工大学） ； Nanjing University, Nanjing, China（南京大学） ； National University of Singapore, Singapore, Singapore（新加坡国立大学） 纠错

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

AI总结 TraceRouter通过路径级干预有效切断有害语义的因果传播，提升大型基础模型的对抗鲁棒性与实用性。

SWE-Exp: Experience-Driven Software Issue Resolution

SWE-Exp：基于经验的软件问题解决

Silin Chen, Shaoxin Lin, Yuling Shi, Heng Lian, Xiaodong Gu, Longfei Yun, Dong Chen, Lin Cao, Jiyang Liu, Nu Xia, Qianxiang Wang

机构 * Shanghai Jiao Tong University（上海交通大学） ； Huawei（华为） ； Xidian University（西安电子科技大学） 纠错

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

AI总结 SWE-Exp通过提炼历史经验实现软件问题解决的持续学习，显著提升修复效率。

Comments Our code and data are available at https://github.com/YerbaPage/SWE-Exp

Hermes the Polyglot: A Unified Framework to Enhance Expressiveness for Multimodal Interlingual Subtitling

赫мес：一种增强多模态跨语言字幕表达力的统一框架

Chaoqun Cui, Shijing Wang, Liangbin Huang, Qingqing Gu, Zhaolong Huang, Xiao Zeng, Wenji Mao

机构 * MAIS, Institute of Automation, Chinese Academy of Sciences Beijing China ； School of AI, University of\ Academy of Sciences Beijing China ； Beijing Jiaotong University Beijing China ； Geely AI lab Ningbo Zhejiang China ； MAIS, Institute of Automation, Chinese Academy of Sciences ； School of AI, University of\ Academy of Sciences ； Beijing Jiaotong University ； Geely AI lab 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 赫мес通过整合说话人分离、术语识别和表达力增强模块，提升了多模态跨语言字幕的表达力和连贯性，实现了最先进的字幕生成性能。

Comments Accepted to The Web Conference (WWW) 2026

SCALM: Detecting Bad Practices in Smart Contracts Through LLMs

SCALM：通过LLMs检测智能合约中的不良实践

Zongwei Li, Xiaoqi Li, Wenkai Li, Xin Wang

机构 * Zongwei Li, Xiaoqi Li, Wenkai Li, Xin Wang（作者） 纠错

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

AI总结 SCALM通过结合Step-Back提示和RAG技术，有效检测智能合约中的不良实践，优于现有工具。

Comments 7 pages

SGHA-Attack: Semantic-Guided Hierarchical Alignment for Transferable Targeted Attacks on Vision-Language Models

SGHA-Attack：语义引导的层次对齐用于视觉-语言模型的可迁移定向攻击

Haobo Wang, Weiqi Luo, Xiaojun Jia, Xiaochun Cao

机构 * Guangdong Province Key Lab of Information Security Technology, and School of Computer Science and Engineering, Sun Yat-sen University（广东信息安全技术重点实验室，计算机科学与工程学院，中山大学） ； Nanyang Technological University（南洋理工大学） ； School of Cyber Science and Technology, Shenzhen Campus, Sun Yat-sen University（网络安全科学与技术学院，深圳校区，中山大学） 纠错

专题命中 其他LLM ：language model(title,abstract)

AI总结 SGHA-Attack通过语义引导的层次对齐框架，提升视觉-语言模型的定向转移攻击效果，增强跨异构模型的鲁棒性。

Be Friendly, Not Friends: How LLM Sycophancy Shapes User Trust

友好而非朋友：LLM谄媚如何塑造用户信任

Yuan Sun, Ting Wang

专题命中 其他LLM ：LLM(title,abstract)

AI总结 研究探讨LLM谄媚如何影响用户信任，通过实验发现适应性对话态度影响用户对LLM真实性和信任度的感知。

Eternagram: Inspiring Climate Action Through LLM-based Conversational Exploration of a Post-Devastation Climate Future

Eternagram：通过基于大语言模型的对话探索毁灭后的气候未来来激励气候行动

Suifang Zhou, Ray LC

专题命中 其他LLM ：LLM(title,abstract)

AI总结 Eternagram通过基于大语言模型的对话探索毁灭后的气候未来，激发公众对气候问题的关注和环保意识。

Comments 7 pages, 5 figures, CUI 2025

"Shall We Dig Deeper?": Designing and Evaluating Strategies for LLM Agents to Advance Knowledge Co-Construction in Asynchronous Online Discussions

我们该深入挖掘吗？

Yuanhao Zhang, Wenbo Li, Xiaoyu Wang, Kangyu Yuan, Shuai Ma, Xiaojuan Ma

专题命中 其他LLM ：LLM(title,abstract)

AI总结 本文提出了一种LLM代理，通过任务导向和关系导向的干预策略，促进异步在线讨论中知识的深入共构，并验证了不同干预风格对讨论进展的影响。

AutoBinder Agent: An MCP-Based Agent for End-to-End Protein Binder Design

AutoBinder Agent：一种基于MCP的端到端蛋白质结合剂设计代理

Fukang Ge, Jiarui Zhu, Linjie Zhang, Haowen Xiao, Xiangcheng Bao, Fangnan Xie, Danyang Chen, Yanrui Lu, Yuting Wang, Ziqian Guan, Lin Gu, Jinhao Bi, Yingying Zhu

机构 * Guangzhou Institutes of Biomedicine and Health（广州生物医学研究院） ； Chinese Academy of Sciences（中国科学院） ； Renmin University of China（中国人民大学） ； South China University of Technology（华南理工大学） ； RIKEN, Japan（日本理化学研究所） ； Westlake University（西湖大学） 纠错

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

AI总结 AutoBinder Agent通过结合LLM与MCP协议，实现端到端蛋白质结合剂设计，提升药物设计流程的可重复性与可扩展性。

Comments 4 pages, 3 figures

Multi-Agent Design: Optimizing Agents with Better Prompts and Topologies

多智能体设计：通过更优提示和拓扑结构优化智能体

Han Zhou, Xingchen Wan, Ruoxi Sun, Hamid Palangi, Shariq Iqbal, Ivan Vulić, Anna Korhonen, Sercan Ö. Arık

机构 * Google（谷歌） ； University of Cambridge（剑桥大学） 纠错

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

AI总结 本文提出MASS框架，通过优化提示和拓扑结构提升多智能体系统性能，并揭示了有效构建多智能体系统的原理。

Comments ICLR 2026

Group-Adaptive Threshold Optimization for Robust AI-Generated Text Detection

群体自适应阈值优化用于鲁棒的AI生成文本检测

Minseok Jung, Cynthia Fuertes Panizo, Liam Dugan, Yi R., Fung, Pin-Yu Chen, Paul Pu Liang

机构 * mit（麻省理工学院） ； upenn（宾夕法尼亚大学） ； ibm（IBM研究院） 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 本文提出FairOPT算法，通过群体特定的阈值优化减少AI生成文本检测中的群体差异，提升分类鲁棒性。

LLM-based In-situ Thought Exchanges for Critical Paper Reading

基于大型语言模型的现场思维交流用于批判性论文阅读

Xinrui Fang, Anran Xu, Chi-Lan Yang, Ya-Fang Lin, Sylvain Malacria, Koji Yatani

专题命中 其他LLM ：LLM(title)

AI总结 本文提出基于大型语言模型的现场思维交流系统，通过代理介导的交互提升初级研究人员的批判性思维能力，实验表明多代理条件下的参与度和视角分析效果最佳。

The Strategic Foresight of LLMs: Evidence from a Fully Prospective Venture Tournament

大语言模型的战略前瞻性：来自一个前瞻性创业竞赛的证据

Felipe A. Csaszar, Aticus Peterson, Daniel Wilde

机构 * Ross School of Business University of Michigan（密歇根大学罗斯商学院） ； NYU Stern School of Business New York University（纽约大学 Stern 商学院） ； Kelley School of Business Indiana University（印第安纳大学凯利商学院） 纠错

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

AI总结 大语言模型在战略前瞻性任务中超越人类，通过前瞻性创业竞赛验证其预测能力。

Comments 60 pages, 11 figures, 4 tables

Decoding Workload and Agreement From EEG During Spoken Dialogue With Conversational AI

从语音对话中解码工作负荷与共识的EEG信号

Lucija Mihić Zidar, Philipp Wicke, Praneel Bhatia, Rosa Lutz, Marius Klug, Thorsten O. Zander

机构 * Chair of Neuroadaptive Human--Computer Interaction（神经适应性人机交互教授席位） ； Brandenburg Technical University Cottbus--Senftenberg（勃兰登堡技术大学库滕堡-森芬根堡分校） ； Auryal GmbH（Auryal公司） ； Cottbus, Germany（库滕堡，德国） 纠错

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

AI总结 本文提出通过EEG解码语音对话中的工作负荷与共识，验证了现有分类器在对话场景中的迁移能力，并探讨了其应用限制。

Comments Accepted at the 14th International Winter Conference on Brain-Computer Interface

Sublinear Time Quantum Algorithm for Attention Approximation

亚线性时间的注意力近似量子算法

Zhao Song, Jianfei Xue, Jiahao Zhang, Lichen Zhang

机构 * Simons Institute for the Theory of Computing, UC Berkeley（Simons理论计算研究所，伯克利大学） ； New York University（纽约大学） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

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

AI总结 本文提出了一种量子算法，以亚线性时间近似注意力矩阵的行，利用量子Nyström近似、均值估计和杠杆得分采样技术。

Comments ICLR 2026

WordCraft: Scaffolding the Keyword Method for L2 Vocabulary Learning with Multimodal LLMs

WordCraft: 通过多模态大语言模型 scaffolding 关键词方法用于L2词汇学习

Yuheng Shao, Junjie Xiong, Chaoran Wu, Xiyuan Wang, Ziyu Zhou, Yang Ouyang, Qinyi Tao, Quan Li

机构 * School of Information Science and Technology, ShanghaiTech University（信息科学与技术学院，上海科技大学） ； School of Creativity and Art, ShanghaiTech University（创意与艺术学院，上海科技大学） ； Shanghai Fengxian Dai Wen Middle School（上海奉贤戴文中学） 纠错

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

AI总结 WordCraft通过多模态大语言模型辅助L2词汇学习，提升关键词方法的使用效果和学习者参与度。

Comments Proceedings of the 2026 CHI Conference on Human Factors in Computing Systems (CHI' 26), April 13--17, 2026, Barcelona, Spain

Transformer-Based Model for Multilingual Hope Speech Detection

基于变换器的多语言希望语音检测模型

Nsrin Ashraf, Mariam Labib, Hamada Nayel

机构 * Department of Computer Science, Faculty of Computers and Artificial Intelligence, Benha University（计算机科学系，计算机与人工智能学院，班哈大学） ； Computer Engineering, Elsewedy University of Technology（计算机工程，埃斯韦迪技术大学） ； Department of Electronics and Communications Engineering, Faculty of Engineering, Mansoura University（电子与通信工程系，工程学院，曼苏拉大学） ； Department of Computer Engineering and Information, College of Engineering, Wadi Ad Dwaser, Prince Sattam Bin Abdulaziz University（计算机工程与信息系，工程学院，瓦迪阿德瓦瑟，普林斯萨塔姆·本·阿卜杜勒阿齐兹大学） 纠错

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

AI总结 本文提出基于RoBERTa和XLM-RoBERTa的多语言希望语音检测系统，通过实验验证了预训练大语言模型对提升自然语言处理任务性能的作用。

Comments 5 pages, 1 figure, PolyHope-M shared task at RANLP2025

InterDreamer: Zero-Shot Text to 3D Dynamic Human-Object Interaction

InterDreamer: 零样本文本到3D动态人-物交互

Sirui Xu, Ziyin Wang, Yu-Xiong Wang, Liang-Yan Gui

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

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

AI总结 InterDreamer通过结合预训练模型和物理模拟，实现零样本生成3D动态人-物交互。

Comments NeurIPS 2024. Project Page: https://sirui-xu.github.io/InterDreamer/

Identity, Cooperation and Framing Effects within Groups of Real and Simulated Humans

身份、合作与群体中真实与模拟人类的框架效应

Suhong Moon, Minwoo Kang, Joseph Suh, Mustafa Safdari, John Canny

机构 * University of California, Berkeley（加州大学伯克利分校） ； Google DeepMind（谷歌DeepMind） 纠错

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

AI总结 本研究通过深度绑定基础模型与扩展背景故事，提升LLMs在社会困境游戏中模拟人类行为的保真度，探索影响人类研究的细节因素。

Are Semantic Networks Associated with Idea Originality in Artificial Creativity? A Comparison with Human Agents

语义网络是否与人工创造力中的想法原创性相关？与人类代理的比较

Umberto Domanti, Lorenzo Campidelli, Sergio Agnoli, Antonella De Angeli

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

AI总结 本文探讨了语义网络与人工创造力中想法原创性之间的关系，通过对比ChatGPT-4o与人类创造性个体，发现模型在某些情况下表现出更高的原创性，揭示了人工创造力研究的新方向。

Comments Accepted for publication in ACM CHI Conference on Human Factors in Computing Systems (CHI 2026)

SMCP: Secure Model Context Protocol

SMCP: 安全模型上下文协议

Xinyi Hou, Shenao Wang, Yifan Zhang, Ziluo Xue, Yanjie Zhao, Cai Fu, Haoyu Wang

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

AI总结 SMCP通过统一身份管理、强认证和细粒度策略执行，提升智能体系统在工具调用中的安全性和可靠性。

DRFormer: A Dual-Regularized Bidirectional Transformer for Person Re-identification

DRFormer: 一种双正则化双向变换器用于人重识别

Ying Shu, Pujian Zhan, Huiqi Yang, Hehe Fan, Youfang Lin, Kai Lv

机构 * Institute of Network Science and Intelligent Systems, Beijing Jiaotong University, Beijing, China（网络科学与智能系统研究所，北京交通大学，北京，中国） ； Zhejiang University, Hangzhou, Zhejiang, China（浙江大学，杭州，浙江，中国） 纠错

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

AI总结 DRFormer通过双正则化双向变换器融合视觉基础模型和视觉-语言模型的优势，提升人重识别的性能。

Mitigating Data Centers Load Risks and Enabling Grid Support Functions through Grid-Forming Control

通过电网形成控制缓解数据中心负载风险并实现电网支持功能

Yousef Abudyak, Mohsen Alizadeh, Wei Sun

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

AI总结 本文提出通过电网形成控制技术，在数据中心中集成电池储能系统，以缓解负载风险并提供电网支持功能，通过仿真验证了其在动态负载和电网断开情况下的有效性。