语言大模型 / LLM

Are Large Language Models Sensitive to the Motives Behind Communication?

大型语言模型对沟通动机是否敏感？

Addison J. Wu, Ryan Liu, Kerem Oktar, Theodore R. Sumers, Thomas L. Griffiths

机构 * Princeton University（普林斯顿大学） ； Anthropic 纠错

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

AI总结 本文研究了LLMs对沟通动机的敏感性，通过实验发现LLMs能以人类方式处理偏见信息，但需改进以适应更复杂的现实场景。

Comments NeurIPS 2025

Large Language Models for Mental Health: A Multilingual Evaluation

大语言模型在心理健康领域的应用：多语言评估

Nishat Raihan, Sadiya Sayara Chowdhury Puspo, Ana-Maria Bucur, Stevie Chancellor, Marcos Zampieri

机构 * George Mason University（乔治·马歇尔大学） ； Interdisciplinary School of Doctoral Studies, University of Bucharest（布加勒斯特大学跨学科博士研究学院） ； PRHLT Research Center, Universitat Politècnica de València（瓦伦西亚理工大学PRHLT研究中心） ； University of Minnesota（明尼苏达大学） 纠错

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

AI总结 本文评估了多语言环境下大语言模型在心理健康任务中的表现，发现其在部分数据集上表现优异，但翻译质量对性能有显著影响。

Large Language Models for Scientific Idea Generation: A Creativity-Centered Survey

用于科学思想生成的大型语言模型：以创造力为中心的综述

Fatemeh Shahhosseini, Arash Marioriyad, Ali Momen, Mahdieh Soleymani Baghshah, Mohammad Hossein Rohban, Shaghayegh Haghjooy Javanmard

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

AI总结 本文综述了大型语言模型在科学思想生成中的应用，分析了不同方法在创新性与科学合理性之间的权衡，并提出了评估框架以指导未来研究方向。

Comments 75 Pages

Beyond Training for Cultural Awareness: The Role of Dataset Linguistic Structure in Large Language Models

超越文化意识的训练：大型语言模型中数据集语言结构的作用

Reem I. Masoud, Chen Feng, Shunta Asano, Saied Alshahrani, Philip Colin Treleaven, Miguel R. D. Rodrigues

机构 * University College London（伦敦大学学院） ； Queen’s University Belfast（贝尔法斯特女王大学） ； The University of Tokyo（东京大学） ； University of Bisha（比沙大学） ； King Abdulaziz University（阿卜杜勒阿齐兹国王大学） ； AI Centre, University College London（伦敦大学学院人工智能中心） 纠错

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

AI总结 本文研究了数据集语言结构对大型语言模型文化表现的影响，发现词汇导向的成分在不同模型中表现更稳定，而语义或多样性极端成分可能产生中性或有害效果。

MalCVE: Malware Detection and CVE Association Using Large Language Models

MalCVE: 使用大语言模型进行恶意软件检测与CVE关联

Eduard Andrei Cristea, Petter Molnes, Jingyue Li

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

AI总结 MalCVE利用大语言模型检测恶意软件并关联CVE，实现高准确率的恶意软件识别和漏洞关联。

Evolution of Benchmark: Black-Box Optimization Benchmark Design through Large Language Model

基准的演变：通过大语言模型进行黑盒优化基准设计

Chen Wang, Sijie Ma, Zeyuan Ma, Yue-Jiao Gong

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

AI总结 本文提出EoB，一种基于大语言模型的自动黑盒优化基准设计师，通过双目标优化提升基准的多样性和算法区分能力，适用于多维应用场景。

From Evaluation to Enhancement: Large Language Models for Zero-Knowledge Proof Code Generation

从评估到增强：大型语言模型在零知识证明代码生成中的应用

Zhantong Xue, Pingchuan Ma, Zhaoyu Wang, Yuguang Zhou, Xiaoqin Zhang, Shuai Wang, Juergen Rahmel

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

AI总结 本文提出ZK-Eval和ZK-Coder，通过评估和增强大型语言模型在零知识证明代码生成中的能力，显著提高了ZK程序的生成成功率。

Indications of Belief-Guided Agency and Meta-Cognitive Monitoring in Large Language Models

信念引导的代理与元认知监控在大语言模型中的迹象

Noam Steinmetz Yalon, Ariel Goldstein, Liad Mudrik, Mor Geva

机构 * Blavatnik School of Computer Science and AI（Blavatnik计算机科学与人工智能学院） ； Tel Aviv University（特拉维夫大学） ； School of Psychological Sciences（心理学学院） ； Sagol School of Neuroscience（神经科学学院） ； Canadian Institute for Advanced Research (CIFAR)（加拿大高级研究 institute） ； University of Cambridge（剑桥大学） 纠错

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

AI总结 本研究通过HOT-3指标探讨大语言模型中信念引导的代理与元认知监控的存在，揭示了信念形成对行动选择的影响及模型自我监控的能力。

Semantically Aware UAV Landing Site Assessment from Remote Sensing Imagery via Multimodal Large Language Models

基于多模态大语言模型的语义感知无人机着陆地评估：从遥感图像

Chunliang Hua, Zeyuan Yang, Lei Zhang, Jiayang Sun, Fengwen Chen, Chunlan Zeng, Xiao Hu

机构 * School of Information Science and Engineering, Southeast University（信息科学与工程学院，东南大学） ； LASER, International Digital Economy Academy（LASER，国际数字经济学院） ； Department of Electronic Engineering, East China Normal University（电子工程系，华东师范大学） 纠错

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

AI总结 本文提出基于多模态大语言模型的无人机着陆地评估方法，通过语义感知与多模态融合提升风险识别精度与可解释性。

Faithful-Patchscopes: Understanding and Mitigating Model Bias in Hidden Representations Explanation of Large Language Models

Faithful-Patchscopes: 理解和缓解大语言模型隐藏表示解释中的模型偏差

Xilin Gong, Shu Yang, Zehua Cao, Lynne Billard, Di Wang

机构 * University of Georgia（佐治亚大学） ； King Abdullah University of Science（国王阿卜杜勒-阿齐兹大学） ； Hong Kong Center for Construction Robotics（香港建筑机器人中心） 纠错

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

AI总结 本文提出BALOR方法，通过logit校准缓解大语言模型隐藏表示解释中的模型偏差，提升解释的忠实度和上下文信息的准确性。

Seeing Is Believing? A Benchmark for Multimodal Large Language Models on Visual Illusions and Anomalies

看见即相信？多模态大语言模型在视觉错觉和异常上的基准测试

Wenjin Hou, Wei Liu, Han Hu, Xiaoxiao Sun, Serena Yeung-Levy, Hehe Fan

机构 * Zhejiang University（浙江大学） ； Tencent Hunyuan Team（腾讯文言团队） ； Stanford University（斯坦福大学） 纠错

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

AI总结 本文提出VIA-Bench基准测试，评估多模态大语言模型在视觉错觉和异常上的性能，揭示其在复杂视觉任务中的鲁棒性问题。

Chained Prompting for Better Systematic Review Search Strategies

链式提示法提升系统综述搜索策略

Fatima Nasser, Fouad Trad, Ammar Mohanna, Ghada El-Hajj Fuleihan, Ali Chehab

机构 * Electrical and Computer Engineering（电气与计算机工程系） ； American University of Beirut（贝鲁特美国大学） ； Department of Internal Medicine（内科系） 纠错

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

AI总结 本文提出基于LLM的链式提示框架，用于自动化生成系统综述的高召回率搜索策略，通过分解目标、提取PICO要素等方法提升检索效果。

Comments Accepted in the 3rd International Conference on Foundation and Large Language Models (FLLM2025)

Trajectory Data Management and Mining: A Survey from Deep Learning to the LLM Era

轨迹数据管理与挖掘：从深度学习到大语言模型时代的综述

Wei Chen, Yuanshao Zhu, Yanchuan Chang, Kang Luo, Haomin Wen, Lei Li, Yanwei Yu, Qingsong Wen, Chao Chen, Kai Zheng, Yunjun Gao, Yu Zheng, Xiaofang Zhou, Yuxuan Liang

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

AI总结 本文综述了轨迹计算从深度学习到大语言模型的发展，探讨了轨迹数据管理与挖掘的应用及未来研究方向。

Comments Version 2 of Trajectory Survey

Cross-Lingual Stability of LLM Judges Under Controlled Generation: Evidence from Finno-Ugric Languages

跨语言稳定性研究：在受控生成条件下LLM评判者的稳定性证据：基于芬兰-乌戈里语系语言

Isaac Chung, Linda Freienthal

机构 * Zendesk 纠错

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

AI总结 研究揭示了在受控生成条件下，LLM评判者在不同芬兰-乌戈里语系语言中的稳定性问题，发现语用判断存在排名不稳定性，需针对特定语言进行校准。

Comments First Workshop on Multilingual Multicultural Evaluation, co-located with EACL 2026

ChipBench: A Next-Step Benchmark for Evaluating LLM Performance in AI-Aided Chip Design

ChipBench: 用于评估LLM在人工智能辅助芯片设计中的性能的下一步基准

Zhongkai Yu, Chenyang Zhou, Yichen Lin, Hejia Zhang, Haotian Ye, Junxia Cui, Zaifeng Pan, Jishen Zhao, Yufei Ding

机构 * University of California San Diego（加州大学圣地亚哥分校） ； Columbia University（哥伦比亚大学） 纠错

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

AI总结 ChipBench提出了一项全面的基准测试，用于评估LLM在人工智能辅助芯片设计中的性能，揭示了现有模型在关键任务上的显著性能差距，并提供自动化工具箱促进相关研究。

PSM: Prompt Sensitivity Minimization via LLM-Guided Black-Box Optimization

PSM：通过LLM引导的黑盒优化实现提示敏感性最小化

Huseein Jawad, Nicolas Brunel

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

AI总结 本文提出PSM框架，通过LLM引导的黑盒优化，利用SHIELD层减少系统提示泄露，提升LLM安全性和隐私保护。

Comments accepted at the Trustworthy Agentic AI Workshop @ AAAI 2026 (Singapore, Jan 27, 2026). Workshop PDF: https://trustagenticai.github.io/AAAI2026/AAAI-Workshop/20.pdf

Toward Autonomous Laboratory Safety Monitoring with Vision Language Models: Learning to See Hazards Through Scene Structure

迈向自主实验室安全监控：通过场景结构学习识别危险

Trishna Chakraborty, Udita Ghosh, Aldair Ernesto Gongora, Ruben Glatt, Yue Dong, Jiachen Li, Amit K. Roy-Chowdhury, Chengyu Song

机构 * Electrical and Computer Engineering, University of California, Riverside, USA（加州大学河滨分校电气与计算机工程系） ； Computer Science and Engineering, University of California, Riverside, USA（加州大学河滨分校计算机科学与工程系） ； Lawrence Livermore National Laboratory（劳伦斯利弗莫尔国家实验室） 纠错

专题命中 评测与基准 ：language model(title,abstract)；large language model(abstract)；post-training(abstract)；分类 cs.LG

AI总结 本文提出通过场景图引导对齐方法，利用视觉语言模型提升实验室安全监控中危险识别的准确性。

Semantic-Aware Advanced Persistent Threat Detection Using Autoencoders on LLM-Encoded System Logs

基于语义的高级持续性威胁检测：使用自动编码器对LLM编码的系统日志进行分析

Waleed Khan Mohammed, Zahirul Arief Irfan Bin Shahrul Anuar, Mousa Sufian Mousa Mitani, Hezerul Abdul Karim, Nouar AlDahoul

机构 * Faculty of Artificial Intelligence and Engineering, Multimedia University Cyberjaya, Malaysia（人工智能与工程学院，多媒体大学（Cyberjaya校区）） ； Centre for Image and Vision Computing, Centre of Excellence for Artificial Intelligence, Faculty of Artificial Intelligence and Engineering, Multimedia University, Cyberjaya, Selangor, Malaysia（图像与视觉计算中心，人工智能卓越中心，人工智能与工程学院，多媒体大学（Cyberjaya校区，Selangor州）） ； Computer Science, New York University Abu Dhabi, UAE（计算机科学，纽约大学阿布扎克校区） 纠错

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

AI总结 本文提出利用LLM生成的语义嵌入和自动编码器，提升对高级持续性威胁的检测能力，实验显示其在复杂威胁场景中表现更优。

DoVer: Intervention-Driven Auto Debugging for LLM Multi-Agent Systems

DoVer：基于干预的LLM多智能体系统自动调试

Ming Ma, Jue Zhang, Fangkai Yang, Yu Kang, Qingwei Lin, Saravan Rajmohan, Dongmei Zhang

机构 * Institute of Neuroscience, State Key Laboratory of Brain Cognition and Brain-inspired Intelligence Technology, Center for Excellence in Brain Science and Intelligence Technology, Chinese Academy of Sciences, Shanghai, 200031, China（中国科学院神经科学研究所、脑认知与脑启发智能技术重点实验室、脑科学与智能技术卓越中心、中国科学院、上海） ； University of Chinese Academy of Sciences, School of Future Technology, Beijing, 100049, China（中国科学院大学、未来技术学院、北京） ； Microsoft（微软公司） 纠错

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

AI总结 DoVer通过干预驱动的调试方法，显著提高了LLM多智能体系统的可靠性，实现了高比例的失败试验修复和任务进展。

LeagueBot: A Voice LLM Companion of Cognitive and Emotional Support for Novice Players in Competitive Games

LeagueBot: 一款为竞技游戏新手玩家提供认知与情感支持的语音大语言模型伴侣

Jungmin Lee, Inhee Cho, Youngjae Yoo

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

AI总结 LeagueBot通过语音大语言模型为竞技游戏新手提供认知与情感支持，减轻学习压力和心理负担，提升游戏体验。

Drift-Bench: Diagnosing Cooperative Breakdowns in LLM Agents under Input Faults via Multi-Turn Interaction

Drift-Bench: 通过多轮交互诊断LLM代理在输入故障下的合作破裂

Han Bao, Zheyuan Zhang, Pengcheng Jing, Zhengqing Yuan, Kaiwen Shi, Yanfang Ye

机构 * University of Notre Dame（内布拉斯加大学） 纠错

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

AI总结 Drift-Bench通过多轮交互评估LLM代理在输入故障下的合作破裂，采用角色驱动的用户模拟器和Rise评估协议，揭示澄清效果随用户角色和故障类型的变化，推动代理安全评估。

Comments 65 pages, 40 figures

Watch and Listen: Understanding Audio-Visual-Speech Moments with Multimodal LLM

Watch and Listen: 通过多模态大语言模型理解音频-视觉-语音时刻

Zinuo Li, Xian Zhang, Yongxin Guo, Mohammed Bennamoun, Farid Boussaid, Girish Dwivedi, Luqi Gong, Qiuhong Ke

机构 * University of Western Australia（西澳大学） ； Alibaba Group（阿里巴巴集团） ； Zhejiang Laboratory（浙江实验室） ； Monash University（墨尔本大学） 纠错

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

AI总结 TriSense通过整合视觉、音频和语音模态，提升视频时间理解能力，采用基于查询的连接器实现多模态鲁棒性，并通过TriSense-2M数据集推动多模态视频分析发展。

Comments Accepted by NeurIPS 2025

Synthetic Student Responses: LLM-Extracted Features for IRT Difficulty Parameter Estimation

合成学生响应：基于LLM提取的IRT难度参数估计

Matias Hoyl

机构 * School of Education, Stanford University（教育学院，斯坦福大学） 纠错

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

AI总结 利用LLM提取的特征，通过模拟学生响应过程准确估计IRT难度参数，实现高相关性预测。

Comments 17 pages, 7 figures

Visual Affect Analysis: Predicting Emotions of Image Viewers with Vision-Language Models

视觉情感分析：利用视觉-语言模型预测图像观看者的感受

Filip Nowicki, Hubert Marciniak, Jakub Łączkowski, Krzysztof Jassem, Tomasz Górecki, Vimala Balakrishnan, Desmond C. Ong, Maciej Behnke

机构 * Faculty of Mathematics and Computer Science, Adam Mickiewicz University（数学与计算机科学学院，亚当·密茨凯维奇大学） ； Faculty of Computer Science and Information Technology, Universiti Malaya（计算机科学与信息技术学院，马来亚大学） ； Department of Computer Science and Engineering, Korea University（计算机科学与工程系，韩国大学） ； Department of Psychology, University of Texas at Austin（心理学系，德克萨斯大学奥斯汀分校） ； Cognitive Neuroscience Center, Adam Mickiewicz University（认知神经科学中心，亚当·密茨凯维奇大学） 纠错

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

AI总结 本文研究了视觉-语言模型在预测图像观众情感方面的性能，发现其在离散情绪分类上表现良好，但在连续评分预测中存在偏差，揭示了其在情感计算中的潜力与局限。

CUS-QA: Local-Knowledge-Oriented Open-Ended Question Answering Dataset

CUS-QA：面向局部知识的开放性问答数据集

Jindřich Libovický, Jindřich Helcl, Andrei Manea, Gianluca Vico

机构 * Charles University（查尔斯大学） ； University of Oslo（奥斯陆大学） 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 CUS-QA数据集旨在评估开放性区域问答性能，通过文本和视觉模态问题测试，揭示LLM在不同任务上的准确率差异及评估指标的有效性。

LinearizeLLM: An Agent-Based Framework for LLM-Driven Exact Linear Reformulation of Nonlinear Optimization Problems

LinearizeLLM: 一个基于代理的框架，用于由LLM驱动的非线性优化问题的精确线性重 formulations

Paul-Niklas Ken Kandora, Simon Caspar Zeller, Aaron Jeremias Elsing, Elena Kuss, Steffen Rebennack

机构 * Institute for Operations Research, Karlsruhe Institute of Technology, Karlsruhe, Germany（运营研究学院，卡尔斯鲁厄技术大学） ； Institute for Information Systems, Reutlingen University, Reutlingen, Germany（信息系统研究所，鲁特lingen大学） 纠错

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

AI总结 LinearizeLLM通过基于代理的LLM框架实现非线性优化问题的自动精确线性化，显著提升线性化效率和准确性。

Comments This version is a major revision with a new abstract, updated workflow logic and description, an expanded instance set, additional numerical experiments, and corrected bibliography entries

Semantics-Preserving Evasion of LLM Vulnerability Detectors

保持语义的LLM漏洞检测器逃避

Luze Sun, Alina Oprea, Eric Wong

机构 * Northeastern University（东北大学） ； University of Pennsylvania（宾夕法尼亚大学） 纠错

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

AI总结 研究发现基于LLM的漏洞检测器在保持语义的逃避攻击下存在系统性失效，提出联合鲁棒性指标以评估检测器的鲁棒性。

Interpretable Tabular Foundation Models via In-Context Kernel Regression

通过上下文核回归实现可解释的表格基础模型

Ratmir Miftachov, Bruno Charron, Simon Valentin

机构 * Amazon（亚马逊） ； AWS AI Labs（AWS人工智能实验室） 纠错

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

AI总结 KernelICL通过在最终层引入核函数，实现表格基础模型的可解释性，同时保持性能表现。

Longitudinal Progression Prediction of Alzheimer's Disease with Tabular Foundation Model

阿尔茨海默病纵向进展预测的表格基础模型

Yilang Ding, Jiawen Ren, Jiaying Lu, Gloria Hyunjung Kwak, Armin Iraji, Shengpu Tang, Alex Fedorov

机构 * Department of Computer Science Emory University Atlanta GA USA（埃默里大学计算机科学系） ； Center for Data Science Nell Hodgson Woodruff School of Nursing Emory University Atlanta GA USA（埃默里大学数据科学中心） ； Department of Computer Science Georgia State University Atlanta GA USA（佐治亚州立大学计算机科学系） ； Tri-Institutional Center for Translational Research in Neuroimaging and Data Science (TReNDS) Atlanta GA USA（神经影像与数据科学转化研究三机构中心（TReNDS）） 纠错

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

AI总结 本文提出L2C-TabPFN方法，结合纵向到横断面转换与预训练表格基础模型，用于预测阿尔茨海默病的临床相关生物标志物，特别是在脑室体积预测上取得突破性成果。

Comments preprint

Model Specific Task Similarity for Vision Language Model Selection via Layer Conductance

为视觉语言模型选择而基于模型特定任务相似性的层导电性

Wei Yang, Hong Xie, Tao Tan, Xin Li, Defu Lian, Enhong Chen

机构 * School of Computer Science and Technology, University of Science and Technology of China（计算机科学与技术学院，科学技术大学） ； School of AI and Data Science, University of Science and Technology of China（人工智能与数据科学学院，科学技术大学） 纠错

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

AI总结 本文提出了一种基于模型特定任务相似性的视觉语言模型选择方法，通过层导电性分析和方向导电性发散度度量，提升模型选择效果。

Comments Preprint. Under review