语言大模型 / LLM

A Rule-based Computational Model for Gaidhlig Morphology

一种基于规则的盖尔语形态学计算模型

Peter J Barclay

机构 * 1 School of Computing, Engineering, \& the Built Environment Edinburgh Napier University, Scotland 纠错

专题命中 知识编辑与模型理解 ：language model(abstract)；分类 cs.CL

AI总结 本文提出了一种基于规则的盖尔语形态学模型，利用维基词典数据构建规则库，以提升低资源语言处理的可解释性和应用价值。

Comments A revised version of this article will be published at ICAART 2026 (https://icaart.scitevents.org/?y=2026)

Automated Test Suite Enhancement Using Large Language Models with Few-shot Prompting

利用少量示例提示的大语言模型自动测试套件增强

Alex Chudic, Gül Çalıklı

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

AI总结 本文研究利用少量示例提示生成高质量单元测试，通过评估不同测试来源对测试质量的影响，提升混合人类-人工智能代码库的测试套件质量。

Comments 13 pages, 3 figures, accepted to ICPC 2026 (34th International Conference on Program Comprehension)

Do language models accommodate their users? A study of linguistic convergence

语言模型是否适应其用户？对语言趋同的研究

Terra Blevins, Susanne Schmalwieser, Benjamin Roth

机构 * Khoury College of Computer Sciences, Northeastern University（东北大学克劳尔计算机科学学院） ； Faculty of Computer Science, University of Vienna（维也纳大学计算机科学系） ； Faculty of Philological and Cultural Studies, University of Vienna（维也纳大学语言与文化研究系） 纠错

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

AI总结 本文研究语言模型是否趋同于用户语言模式，发现模型在对话风格上显著趋同，但不同模型和设置下趋同程度存在差异。

Comments EACL 2026

Eroding the Truth-Default: A Causal Analysis of Human Susceptibility to Foundation Model Hallucinations and Disinformation in the Wild

消解事实默认：对人类在真实世界中对基础模型幻觉和虚假信息易感性的因果分析

Alexander Loth, Martin Kappes, Marc-Oliver Pahl

机构 * Frankfurt University of Applied Sciences（法兰克福应用科学大学） 纠错

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

AI总结 本文通过双轴框架分析人类对基础模型幻觉和虚假信息的易感性，发现假新闻熟悉度是关键中介，提出应通过提升认知来源监控来确保信息可信。

Comments Accepted at ACM TheWebConf '26 Companion

Cooperation Breakdown in LLM Agents Under Communication Delays

在通信延迟下LLM代理间的合作破裂

Keita Nishimoto, Kimitaka Asatani, Ichiro Sakata

机构 * The University of Tokyo（东京大学） 纠错

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

AI总结 研究探讨了通信延迟对LLM多智能体系统中合作的影响，发现延迟增加会引发代理剥削行为，但过度延迟反而促进合作，揭示了低层因素对合作的重要性。

Leveraging Language Models to Discover Evidence-Based Actions for OSS Sustainability

利用语言模型发现基于证据的行动以促进开源软件可持续性

Nafiz Imtiaz Khan, Vladimir Filkov

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

AI总结 本文利用语言模型挖掘软件工程文献，提取基于证据的行动建议，以促进开源软件的可持续发展。

Behavioral Indicators of Overreliance During Interaction with Conversational Language Models

交互过程中对语言模型过度依赖的行为指标

Chang Liu, Qinyi Zhou, Xinjie Shen, Xingyu Bruce Liu, Tongshuang Wu, Xiang 'Anthony' Chen

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

AI总结 研究用户行为模式与语言模型过度依赖的关系，通过交互记录识别五种行为特征以评估依赖程度。

Comments conditionally accepted by ACM CHI 2026

SAFuzz: Semantic-Guided Adaptive Fuzzing for LLM-Generated Code

SAFuzz：基于语义的自适应模糊测试用于大语言模型生成的代码

Ziyi Yang, Kalit Inani, Keshav Kabra, Vima Gupta, Anand Padmanabha Iyer

专题命中 其他LLM ：LLM(title,abstract)

AI总结 SAFuzz通过结合LLM引导的自适应模糊测试，提升算法漏洞检测精度和效率，减少测试时间成本。

Comments 11 pages, 6 figures, 4 tables

Notation-level confounding: When inconsistent molecular notations mislead chemical language models

分子符号层面的混淆：当不一致的分子符号误导化学语言模型

Yosuke Kikuchi, Yasuhiro Yoshikai, Shumpei Nemoto, Ayako Furuhama, Takashi Yamada, Hiroyuki Kusuhara, Tadahaya Mizuno

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

AI总结 本文揭示了分子符号不一致导致化学语言模型预测偏差的问题，强调了标准化流程透明化的重要性。

Comments 11 + 10 pages, 5 + 7 figures, 1 + 4 tables, Tadahaya Mizuno is the correspondent author

More Haste, Less Speed: Weaker Single-Layer Watermark Improves Distortion-Free Watermark Ensembles

更快，更慢：更弱的单层水印提升无失真水印集合

Ruibo Chen, Yihan Wu, Xuehao Cui, Jingqi Zhang, Heng Huang

机构 * University of Maryland, College Park（马里兰大学 College Park 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 本研究提出利用弱单层水印提升多层水印集合的鲁棒性，通过保留熵以减少信号衰减，从而增强水印检测效果。

Prompt Engineer: Analyzing Hard and Soft Skill Requirements in the AI Job Market

提示工程师：分析人工智能劳动力市场中硬技能和软技能需求

An Vu, Jonas Oppenlaender

机构 * University of Oulu（奥卢大学） 纠错

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

AI总结 本文通过分析LinkedIn上的职位数据，揭示了提示工程师所需的独特技能组合，包括AI知识、提示设计、沟通能力和创造性问题解决，为求职者和雇主提供参考。

Comments 26 pages, 5 figures, 4 tables

Do Not Treat Code as Natural Language: Implications for Repository-Level Code Generation and Beyond

不要将代码视为自然语言：对仓库级代码生成及更广泛领域的启示

Minh Le-Anh, Huyen Nguyen, Khanh An Tran, Nam Le Hai, Linh Ngo Van, Nghi D. Q. Bui, Bach Le

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

AI总结 Hydra通过结构化代码生成框架提升仓库级代码生成性能，超越现有方法并实现更高效依赖检索。

Comments Accepted to FSE 2026

DreamID-Omni: Unified Framework for Controllable Human-Centric Audio-Video Generation

DreamID-Omni: 一体化框架用于可控的人-centric音频视频生成

Xu Guo, Fulong Ye, Qichao Sun, Liyang Chen, Bingchuan Li, Pengze Zhang, Jiawei Liu, Songtao Zhao, Qian He, Xiangwang Hou

机构 * Tsinghua University（清华大学） ； Intelligent Creation Lab, ByteDance（字节跳动智能创作实验室） 纠错

专题命中 其他LLM ：foundation model(abstract)

AI总结 DreamID-Omni提出了一种统一框架，通过双层解耦策略和多任务训练方案，实现对可控人-centric音频视频生成的高效控制。

Comments Project: https://guoxu1233.github.io/DreamID-Omni/

AssetFormer: Modular 3D Assets Generation with Autoregressive Transformer

AssetFormer：基于自回归变换器的模块化3D资产生成

Lingting Zhu, Shengju Qian, Haidi Fan, Jiayu Dong, Zhenchao Jin, Siwei Zhou, Gen Dong, Xin Wang, Lequan Yu

机构 * The University of Hong Kong（香港大学） 纠错

专题命中 其他LLM ：language model(abstract)

AI总结 AssetFormer通过自回归变换器生成模块化3D资产，提升高质量资产创建效率，适用于专业开发和用户生成内容场景。

Comments Accepted by ICLR 2026. 23 pages, 14 figures

Studying Quality Improvements Recommended via Manual and Automated Code Review

通过人工和自动化代码审查研究质量改进

Giuseppe Crupi, Rosalia Tufano, Gabriele Bavota

专题命中 其他LLM ：LLM(abstract)

AI总结 本文研究了人工和自动化代码审查在质量改进方面的互补性，发现基于DL的代码审查可作为补充，但无法替代人类审查。

Comments Accepted at the 34th International Conference on Program Comprehension (ICPC 2026)