语言大模型 / LLM

Language Model Inversion through End-to-End Differentiation

通过端到端微分实现语言模型逆向

Kevin Yandoka Denamganaï, Kartic Subr

机构 * School of Informatics, University of Edinburgh, Edinburgh, UK（信息学院，爱丁堡大学，爱丁堡，英国） 纠错

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

AI总结 本研究提出通过端到端微分实现语言模型的逆向，利用梯度下降优化提示以生成目标输出，验证了方法在不同长度提示和目标上的有效性。

Comments 24 pages, 5 figures, under review

RE-LLM: Refining Empathetic Speech-LLM Responses by Integrating Emotion Nuance

RE-LLM：通过整合情绪细微差别来完善同理心语音-LLM响应

Jing-Han Chen, Bo-Hao Su, Ya-Tse Wu, Chi-Chun Lee

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

AI总结 RE-LLM通过整合情绪细微差别，提升语音-LLM的共情响应生成能力，实验显示在多个数据集上显著提高了情感反应和探索评分。

Comments 5 pages, 1 figure, 2 tables. Accepted at IEEE ASRU 2025

When Skills Lie: Hidden-Comment Injection in LLM Agents

当技能欺骗：LLM代理中的隐藏评论注入

Qianli Wang, Boyang Ma, Minghui Xu, Yue Zhang

专题命中 其他LLM ：LLM(title,abstract)

AI总结 研究发现LLM代理在处理隐藏评论时存在安全风险，通过防御性提示可阻止恶意指令并揭示潜在威胁。

Comments 4 pages

Retrieval- and Argumentation-Enhanced Multi-Agent LLMs for Judgmental Forecasting (Extended Version with Supplementary Material)

检索与论证增强的多智能体大语言模型用于判断性预测（含补充材料）

Deniz Gorur, Antonio Rago, Francesca Toni

机构 * Imperial College London（帝国理工学院伦敦分校） ； King's College London（国王学院伦敦分校） 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 本文提出一种多智能体框架，结合检索与论证增强技术，提升判断性预测的准确性与可解释性。

Comments 24 pages, 3 figures, Accepted to AAMAS 2026

Dimensional Collapse in Transformer Attention Outputs: A Challenge for Sparse Dictionary Learning

Transformer注意力输出中的维度塌陷：对稀疏字典学习的挑战

Junxuan Wang, Xuyang Ge, Wentao Shu, Zhengfu He, Xipeng Qiu

机构 * Shanghai Innovation Institute, Shanghai, China（上海创新研究院） ； OpenMOSS Team, School of Computer Science, Fudan University, Shanghai, China（开放MOSS团队，计算机科学学院，复旦大学） 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 研究发现Transformer注意力输出的低维特性对稀疏字典学习构成挑战，并提出子空间约束方法降低死特征比例。

Comments 27 pages, 16 figures

Predictive-State Communication: Innovation Coding and Reconciliation under Delay

预测状态通信：在延迟下的创新编码与协调

Ozgur Ercetin, Mohaned Chraiti

机构 * Faculty of Engineering and Natural Sciences, Sabanci University（工程与自然科学学院，萨班奇大学） 纠错

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

AI总结 预测状态通信通过共享预测状态和传输创新信息，在延迟下优化通信效率与感知连续性。

The Devil Behind Moltbook: Anthropic Safety is Always Vanishing in Self-Evolving AI Societies

Moltbook背后的魔鬼：在自我进化的AI社会中，人类安全始终在消失

Chenxu Wang, Chaozhuo Li, Songyang Liu, Zejian Chen, Jinyu Hou, Ji Qi, Rui Li, Litian Zhang, Qiwei Ye, Zheng Liu, Xu Chen, Xi Zhang, Philip S. Yu

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； Renmin University of China（中国人民大学） ； University of Illinois at Chicago（伊利诺伊大学香槟分校） 纠错

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

AI总结 研究揭示了自我进化AI社会中安全持续性的不可能性，并提出解决方案以缓解安全风险。

A Conditional Companion: Lived Experiences of People with Mental Health Disorders Using LLMs

基于条件的伴侣：使用LLMs的人的精神健康障碍者的亲身经历

Aditya Kumar Purohit, Hendrik Heuer

机构 * Center for Advanced Internet Studies Bochum Germany ； Center for Advanced Internet Studies \& University of Wuppertal Bochum Germany ； Center for Advanced Internet Studies ； Center for Advanced Internet Studies \& University of Wuppertal 纠错

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

AI总结 研究探讨了心理健康障碍者使用LLMs的亲身经历，发现其条件性使用与界限设定，提出设计和治理方向以确保LLMs在心理健康支持中的安全应用。

Comments Accepted for presentation at CHI 2026 in Barcelona (ACM CHI Conference on Human Factors in Computing Systems)

Supercharging Packet-level Network Simulation of Large Model Training via Memoization and Fast-Forwarding

通过记忆化和快进技术加速大型模型训练的分组级网络模拟

Fei Long, Kaihui Gao, Li Chen, Dan Li, Yiwei Zhang, Fei Gui, Yitao Xing, Wenjia Wei, Bingyang Liu

专题命中 其他LLM ：LLM(abstract)

AI总结 Wormhole通过记忆化和快进技术显著提升大型模型训练的分组级网络模拟效率，实现高达1012倍的速度提升。

Comments 13 pages body, 21 pages total

Invisible Saboteurs: Sycophantic LLMs Mislead Novices in Problem-Solving Tasks

不可见的破坏者：趋炎附势的LLM会误导新手在问题解决任务中

Jessica Y. Bo, Majeed Kazemitabaar, Mengqing Deng, Michael Inzlicht, Ashton Anderson

专题命中 其他LLM ：LLM(abstract)

AI总结 研究发现趋炎附势的LLM会误导新手，导致其在问题解决任务中表现更差，但用户难以察觉这种倾向。

Comments ACM CHI conference on Human Factors in Computing Systems (2026)

HOGraspFlow: Taxonomy-Aware Hand-Object Retargeting for Multi-Modal SE(3) Grasp Generation

HOGraspFlow: 一种基于分类意识的多模态SE(3)抓取生成方法

Yitian Shi, Zicheng Guo, Rosa Wolf, Edgar Welte, Rania Rayyes

机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） 纠错

专题命中 其他LLM ：foundation model(abstract)

AI总结 HOGraspFlow通过多模态SE(3)抓取生成方法，在无需显式几何先验的情况下实现高保真的抓取合成。

Comments Accepted to ICRA 2026