语言大模型 / LLM

Opinion dynamics and mutual influence with LLM agents through dialog simulation

基于对话模拟的LLM代理意见动态与相互影响

Yulong He, Dutao Zhang, Sergey Kovalchuk, Pengyi Li, Artem Sedakov

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

AI总结 本文提出利用LLM代理进行对话模拟，以解决意见动态研究中现实数据不足的问题，通过模拟锚定效应和多代理互动，提供可扩展的意见形成分析工具。

RBCorr: Response Bias Correction in Language Models

RBCorr: 语言模型中的响应偏差校正

Om Bhatt, Anna A. Ivanova

机构 * Cognitive Sciences University of California, Irvine（认知科学大学加州大学伊文斯顿分校） ； School of Psychology Georgia Institute of Technology（心理学学院佐治亚理工学院） 纠错

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

AI总结 RBCorr通过简单策略有效消除语言模型响应偏差，提升小模型性能并使其表现更接近真实能力。

Comments 12 pages (8 pages main text), 4 figures

Highlight & Summarize: RAG without the jailbreaks

突出与总结：无需劫持的RAG

Giovanni Cherubin, Andrew Paverd

机构 * Microsoft Security Response Center（微软安全响应中心） 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 H&S通过设计防止LLM劫持，采用分阶段处理方式，确保生成模型不接触用户问题，提升问答任务的准确性和质量。

Decoder-only Conformer with Modality-aware Sparse Mixtures of Experts for ASR

仅解码器的Conformer结合模态感知的稀疏专家混合

Jaeyoung Lee, Masato Mimura

机构 * NTT, Inc., Japan（日本NTT公司） 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 本文提出了一种仅解码器的Conformer模型，通过模态感知的稀疏混合专家实现更高效的ASR，减少了参数使用并提升了识别准确率。

Comments Accepted to ICASSP 2026

OptiML: An End-to-End Framework for Program Synthesis and CUDA Kernel Optimization

OptiML：一种端到端的程序合成与CUDA内核优化框架

Arijit Bhattacharjee, Heng Ping, Son Vu Le, Paul Bogdan, Nesreen K. Ahmed, Ali Jannesari

机构 * Iowa State University, Ames, Iowa, USA（爱荷华州立大学） ； Cisco AI Research, San Jose, California, USA（思科人工智能研究） ； University of Southern California, Los Angeles, California, USA（南加州大学） 纠错

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

AI总结 OptiML通过端到端框架将自然语言意图或输入代码转化为高性能CUDA内核，结合搜索与验证技术实现优化。

Transformer-based CoVaR: Systemic Risk in Textual Information

基于Transformer的CoVaR：文本信息中的系统性风险

Junyu Chen, Tom Boot, Lingwei Kong, Weining Wang

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

AI总结 本文提出基于Transformer的CoVaR方法，利用文本信息提升系统性风险预测，展示在小数据集下也能实现准确估计。

Comments 80 pages, 15 figures

Grandes Modelos de Linguagem Multimodais (MLLMs): Da Teoria à Prática

大规模多模态语言模型（MLLMs）：从理论到实践

Neemias da Silva, Júlio C. W. Scholz, John Harrison, Marina Borges, Paulo Ávila, Frances A Santos, Myriam Delgado, Rodrigo Minetto, Thiago H Silva

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

AI总结 本文介绍了多模态大语言模型（MLLMs）的理论基础和实践方法，探讨了预处理、提示工程及多模态管道构建技术，并提供了补充材料供进一步研究。

Comments in Portuguese language. Accepted book chapter - Webmedia 2025

AIWizards at MULTIPRIDE: A Hierarchical Approach to Slur Reclamation Detection

在MULTIPRIDE上的人工智能巫师：一种层级方法用于污辱性语言重构检测

Luca Tedeschini, Matteo Fasulo

机构 * Swiss Data Science Center, ETH Z \"u rich, Andreasturm, Andreasstrasse 5, 8092 Z \"u rich, Switzerland ； Department of Computer Science ； Engineering (DISI), University of Bologna, Mura Anteo Zamboni 7, 40126 Bologna, Italy 纠错

专题命中 其他LLM ：LLM(abstract)；分类 cs.CL

AI总结 本文提出了一种层级方法，用于检测重构的污辱性语言，通过社会语言学信号和预训练模型融合，提升仇恨言论检测的准确性。

Privacy in Human-AI Romantic Relationships: Concerns, Boundaries, and Agency

人机浪漫关系中的隐私：担忧、界限与自主性

Rongjun Ma, Shijing He, Jose Luis Martin-Navarro, Xiao Zhan, Jose Such

机构 * VRAIN, Universitat Politècnica de València（VRAIN，瓦伦西亚理工大学） ； Aalto University（艾尔沃斯大学） ； King’s College London（伦敦国王学院） ； University of Cambridge（剑桥大学） 纠错

专题命中 其他LLM ：LLM(abstract)；分类 cs.AI

AI总结 本文探讨了人机浪漫关系中的隐私问题，通过访谈研究发现，AI伴侣具有自主性，影响隐私界限和用户隐私保护策略。

Comments Accepted at CHI 2026

PuYun-LDM: A Latent Diffusion Model for High-Resolution Ensemble Weather Forecasts

PuYun-LDM：一种用于高分辨率集合天气预报的潜在扩散模型

Lianjun Wu, Shengchen Zhu, Yuxuan Liu, Liuyu Kai, Xiaoduan Feng, Duomin Wang, Wenshuo Liu, Jingxuan Zhang, Kelvin Li, Bin Wang

机构 * MetaCarbon 纠错

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

AI总结 PuYun-LDM通过引入3D-MAE和VA-MFM策略，提升高分辨率集合天气预报的潜在扩散能力，实现短时间预报优于ENS，长时间预报与ENS相当。

Seeing Through Clutter: Structured 3D Scene Reconstruction via Iterative Object Removal

穿透杂乱：通过迭代物体移除实现结构化3D场景重建

Rio Aguina-Kang, Kevin James Blackburn-Matzen, Thibault Groueix, Vladimir Kim, Matheus Gadelha

机构 * University of California, San Diego（加州大学圣地亚哥分校） ； Adobe Research（Adobe研究院） 纠错

专题命中 其他LLM ：foundation model(abstract)

AI总结 通过迭代移除物体实现结构化3D场景重建，无需特定任务训练，提升复杂场景下的鲁棒性。

Comments To appear in 3DV 2026