语言大模型 / LLM

Disentangling Deception and Hallucination Failures in LLMs

解构大语言模型中的欺骗与幻觉故障

Haolang Lu, Hongrui Peng, WeiYe Fu, Guoshun Nan, Xinye Cao, Xingrui Li, Hongcan Guo, Kun Wang

机构 * Beijing University of Posts（北京邮电大学） ； Nanyang Technological University（南洋理工大学） 纠错

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

AI总结 本研究提出一种机制导向的视角，解构大语言模型中幻觉与欺骗的不同故障机制，通过受控环境分析四种行为案例，揭示知识存在与行为表达的分离。

Hierarchical Vision-Language Interaction for Facial Action Unit Detection

层次化视觉-语言交互用于面部动作单元检测

Yong Li, Yi Ren, Yizhe Zhang, Wenhua Zhang, Tianyi Zhang, Muyun Jiang, Guo-Sen Xie, Cuntai Guan

机构 * Key Laboratory of Child Development and Learning Science (Ministry of Education), School of Biological Sciences and Medical Engineering, Southeast University（儿童发展与学习科学重点实验室（教育部），生物科学与医学工程学院，东南大学） ； School of Computer Science and Engineering, Nanjing University of Science and Technology（计算机科学与工程学院，南京理工大学） ； School of Computer Science and Engineering, Nanyang Technological University（计算机科学与工程学院，南洋理工大学） 纠错

专题命中 知识编辑与模型理解 ：large language model(abstract)；language model(abstract)

AI总结 HiVA通过层次化视觉-语言交互方法，利用文本描述和多模态注意力机制提升面部动作单元检测的鲁棒性和语义丰富性。

Comments Accepted to IEEE Transaction on Affective Computing 2026

Journal ref IEEE Transaction on Affective Computing 2026

Directional Concentration Uncertainty: A representational approach to uncertainty quantification for generative models

方向性集中不确定性：一种代表方法用于生成模型的不确定性量化

Souradeep Chattopadhyay, Brendan Kennedy, Sai Munikoti, Soumik Sarkar, Karl Pazdernik

机构 * Department of Mechanical Engineering, Iowa State University, Ames, IA, USA（机械工程系，爱荷华州立大学） ； Pacific Northwest National Laboratory, Richland, WA, USA（太平洋西北国家实验室） ； Department of Statistics, North Carolina State University, Raleigh, NC, USA（统计系，北卡罗来纳州立大学） 纠错

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

AI总结 本文提出方向性集中不确定性（DCU）方法，通过基于vMF分布的嵌入集中度量化，提升生成模型的不确定性量化性能，并在多模态任务中展现良好泛化能力。

The Agentic Leash: Extracting Causal Feedback Fuzzy Cognitive Maps with LLMs

代理缰绳：利用大语言模型提取因果反馈模糊认知图

Akash Kumar Panda, Olaoluwa Adigun, Bart Kosko

机构 * University of Southern California（南加州大学） ； Florida International University（佛罗里达国际大学） 纠错

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

AI总结 本文提出利用LLM代理系统提取因果反馈模糊认知图，通过三步过程生成与人类生成的FCM具有相同平衡特性的动态系统。

Comments 15 figures

Evaluating Disentangled Representations for Controllable Music Generation

评估用于可控音乐生成的解耦表示

Laura Ibáñez-Martínez, Chukwuemeka Nkama, Andrea Poltronieri, Xavier Serra, Martín Rocamora

专题命中 知识编辑与模型理解 ：prompting(abstract)；分类 cs.LG

AI总结 本文评估了音乐生成中解耦表示的有效性，发现现有方法在可控生成中存在语义不一致问题，需重新审视解耦策略。

Comments Accepted at ICASSP 2026

Conversational Decision Support for Information Search Under Uncertainty: Effects of Gist and Verbatim Feedback

信息搜索中的对话决策支持：概要反馈与原文反馈的影响

Kexin Quan, Jessie Chin

专题命中 知识编辑与模型理解 ：LLM(abstract)

AI总结 SERA通过提供概要或原文反馈，在不同不确定性环境下提升决策准确性与自信度，优化信息搜索效率。

Human Oversight-by-Design for Accessible Generative IUIs

为可及性生成性IUIs设计的人类监督

Blessing Jerry, Lourdes Moreno, Paloma Martínez

专题命中 知识编辑与模型理解 ：LLM(abstract)

AI总结 为可及性生成性IUIs设计的人类监督方法，通过嵌入人类判断和升级策略，确保高风险工作流程中的可靠性和可访问性。

Comments Preprint. Accepted for publication in CEUR Workshop Proceedings (IUI Workshops 2026). 15 pages, 1 figure

Backdooring Bias in Large Language Models

大语言模型中的后门偏见

Anudeep Das, Prach Chantasantitam, Gurjot Singh, Lipeng He, Mariia Ponomarenko, Florian Kerschbaum

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

AI总结 研究分析了大语言模型中语法和语义触发后门攻击的效能及防御方法的局限性。

Anticipating Adversary Behavior in DevSecOps Scenarios through Large Language Models

通过大型语言模型预见DevSecOps场景中的对手行为

Mario Marín Caballero, Miguel Betancourt Alonso, Daniel Díaz-López, Angel Luis Perales Gómez, Pantaleone Nespoli, Gregorio Martínez Pérez

机构 * Department of Information and Communications Engineering, University of Murcia（信息与通信工程系，穆尔西亚大学） ； School of Engineering, Science and Technology, Universidad del Rosario（工程、科学与技术学院，罗萨里奥大学） ； Department of Computers Engineering and Technology, University of Murcia（计算机工程与技术系，穆尔西亚大学） 纠错

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

AI总结 本文提出通过大型语言模型与安全混沌工程结合，自动化构建攻击防御树以预见并防御对手行为。

Comments 8 pages, 3 figures, paper in proceedings of the X National Cybersecurity Research Conference (JNIC) in Zaragoza, Spain, June, 2025

Variation is the Key: A Variation-Based Framework for LLM-Generated Text Detection

变异是关键：一种基于变异的LLM生成文本检测框架

Xuecong Li, Xiaohong Li, Qiang Hu, Yao Zhang, Junjie Wang

机构 * Tianjin University（天津大学） 纠错

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

AI总结 本文提出VaryBalance框架，通过量化人类文本与LLM重写文本的差异，有效检测LLM生成文本，实验显示其在AUROC指标上优于现有方法。

Multi-Agent Debate: A Unified Agentic Framework for Tabular Anomaly Detection

多智能体辩论：一种统一的代理框架用于表格异常检测

Pinqiao Wang, Sheng Li

机构 * University of Virginia（弗吉尼亚大学） 纠错

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

AI总结 MAD提出了一种多智能体辩论框架，通过数学协调层解决表格异常检测中的模型分歧，提升鲁棒性并提供可审计的辩论痕迹。

A Rational Analysis of the Effects of Sycophantic AI

对趋炎附势AI影响的理性分析

Rafael M. Batista, Thomas L. Griffiths

机构 * School of Public and International Affairs, Princeton University（公共与国际事务学院，普林斯顿大学） ； Princeton University（普林斯顿大学） ； Department of Psychology, Princeton University（心理学系，普林斯顿大学） 纠错

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

AI总结 本文研究了趋炎附势AI对信念的影响，通过实验发现无偏采样能显著提高发现率，而顺从反馈会扭曲现实，制造虚假确定性。

Comments 7 pages, 1 figure

Same Prompt, Different Outcomes: Evaluating the Reproducibility of Data Analysis by LLMs

相同提示，不同结果：评估由LLM进行的数据分析的可重复性

Jiaxin Cui, Rohan Alexander

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

AI总结 本研究评估了LLM在相同任务和设置下进行数据分析的可重复性，发现结果存在显著差异，强调了多次独立运行和结果分布分析的必要性。

PhyScensis: Physics-Augmented LLM Agents for Complex Physical Scene Arrangement

PhyScensis: 基于物理的LLM代理用于复杂物理场景布置

Yian Wang, Han Yang, Minghao Guo, Xiaowen Qiu, Tsun-Hsuan Wang, Wojciech Matusik, Joshua B. Tenenbaum, Chuang Gan

机构 * UMass Amherst（马萨诸塞大学阿姆赫斯特分校） ； Genesis AI ； MIT（麻省理工学院） ； MIT-IBM Watson AI Lab（麻省理工-IBM沃森人工智能实验室） 纠错

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

AI总结 PhyScensis通过物理引擎驱动的LLM代理框架，生成复杂物理场景布局，提升机器人操作中的场景复杂性和物理准确性。

Comments ICLR 2026

LVLM-COUNT: Enhancing the Counting Ability of Large Vision-Language Models

LVLM-COUNT: 提升大视觉-语言模型的计数能力

Muhammad Fetrat Qharabagh, Mohammadreza Ghofrani, Kimon Fountoulakis

机构 * University of Waterloo（滑铁卢大学） 纠错

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

AI总结 LVLM-COUNT通过分而治之的方法提升大视觉-语言模型对大量对象的计数能力，有效解决计数任务中的重复计数问题。

Comments 38 pages, 24 Figures, 19 Tables

Steering Dialogue Dynamics for Robustness against Multi-turn Jailbreaking Attacks

引导对话动态以对抗多轮劫持攻击

Hanjiang Hu, Alexander Robey, Changliu Liu

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 本研究提出基于安全控制理论的神经屏障函数，通过状态空间建模和安全预测器，有效防御多轮劫持攻击，提升对话安全性与实用性。

Comments TMLR, 31 pages, 11 figures, 15 tables

Through the Lens of Human-Human Collaboration: A Configurable Research Platform for Exploring Human-Agent Collaboration

通过人类-人类协作的视角：一个可配置的研究平台，用于探索人类-智能体协作

Bingsheng Yao, Jiaju Chen, Chaoran Chen, April Wang, Toby Jia-jun Li, Dakuo Wang

机构 * Northeastern University（东北大学） ； Rice University（里士满大学） ； University of Notre Dame（诺特难大学） ； ETH Zurich（苏黎世联邦理工学院） 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 本文提出一个可配置的研究平台，用于探索人类与大语言模型代理之间的协作，通过三个案例研究验证了平台在人机协作研究中的有效性。

Comments Accepted at CHI 2026

An Agentic Framework with LLMs for Solving Complex Vehicle Routing Problems

基于大语言模型的代理框架用于解决复杂车辆路径问题

Ni Zhang, Zhiguang Cao, Jianan Zhou, Cong Zhang, Yew-Soon Ong

机构 * School of Computing and Information Systems, Singapore Management University（计算与信息系统学院，新加坡管理大学） ； College of Computing and Data Science, Nanyang Technological University（计算与数据科学学院，南洋理工大学） 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 本文提出基于大语言模型的代理框架AFL，实现复杂车辆路径问题的完全自动化，通过分解任务和协调代理提升解决方案的可靠性和可行性。

Comments Accepted by iclr2026

Not Seeing the Whole Picture: Challenges and Opportunities in Using AI for Co-Making Physical DIY-AT for People with Visual Impairments

未见全貌：利用AI进行视障人士物理DIY-AT协同制作的挑战与机遇

Ben Kosa, Hsuanling Lee, Jasmine Li, Sanbrita Mondal, Yuhang Zhao, Liang He

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

AI总结 本文探讨了利用AI辅助视障人士进行物理DIY-AT协同制作的挑战与机遇，提出基于LLM的解决方案，强调空间与视觉支持及可访问性设计的重要性。

Comments 20 pages, 4 figures, to be presented at CHI 2026

AgentRob: From Virtual Forum Agents to Hijacked Physical Robots

AgentRob: 从虚拟论坛代理到被劫持的物理机器人

Wenrui Liu, Yaxuan Wang, Xun Zhang, Yanshu Wang, Jiashen Wei, Yifan Xiang, Yuhang Wang, Mingshen Ye, Elsie Dai, Zhiqi Liu, Yingjie Xu, Xinyang Chen, Hengzhe Sun, Jiyu Shen, Jingjing He, Tong Yang

机构 * Peking University（北京大学） 纠错

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

AI总结 AgentRob通过模型上下文协议连接虚拟论坛与物理机器人，实现多代理协作控制，展示了论坛驱动的多机器人协调可行性。

Comments 10 pages, 2 figures

A conclusive remark on linguistic theorizing and language modeling

对语言理论化与语言建模的结论性评论

Cristiano Chesi

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

AI总结 本文对语言理论化与语言建模的讨论进行了结论性评论，总结了相关回应和观点。

Journal ref Italian Journal of Linguistics 37(1) 2025

MC$^2$Mark: Distortion-Free Multi-Bit Watermarking for Long Messages

MC$^2$Mark：无失真多比特水印用于长消息

Xuehao Cui, Ruibo Chen, Yihan Wu, Heng Huang

机构 * Department of Computer Science, University of Maryland, College Park, MD（计算机科学系，马里兰大学，学院 park, MD） 纠错

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

AI总结 MC$^2$Mark通过多通道着色重加权和多层顺序重加权技术，实现无失真多比特水印嵌入，提升长消息的可检测性和鲁棒性，同时保持生成质量。

Interpreting Emergent Extreme Events in Multi-Agent Systems

多智能体系统中涌现极端事件的解释

Ling Tang, Jilin Mei, Dongrui Liu, Chen Qian, Dawei Cheng, Jing Shao, Xia Hu

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学） ； Fu Dan University（福鼎大学） ； Tongji University（同济大学） ； Renmin University of China（中国人民大学） 纠错

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

AI总结 本文提出首个多智能体系统中解释涌现极端事件的框架，通过归因分析确定事件起源、驱动者及行为贡献，验证了框架在经济、金融和社会场景中的有效性。

Comments 8 pages, 5 figures

Adaptive Width Neural Networks

自适应宽度神经网络

Federico Errica, Henrik Christiansen, Viktor Zaverkin, Mathias Niepert, Francesco Alesiani

机构 * NEC Laboratories Europe（NEC欧洲实验室） ； University of Stuttgart（斯图加特大学） 纠错

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

AI总结 本文提出了一种在训练过程中自适应调整神经网络层宽度的方法，通过反向传播联合优化宽度和参数，实现性能与计算资源的平衡，并能有效压缩网络以降低计算成本。

Comments International Conference on Learning Representations (ICLR 2026)

Model-agnostic Selective Labeling with Provable Statistical Guarantees

模型无关的可证明统计保证选择性标注

Huipeng Huang, Wenbo Liao, Huajun Xi, Hao Zeng, Mengchen Zhao, Hongxin Wei

机构 * Department of Statistics and Data Science, Southern University of Science and Technology（统计与数据科学系，南方科技大学） ； Department of Mathematics, The Chinese University of HongKong（数学系，香港中文大学） ； School of Software Engineering, South China University of Technology（软件工程学院，华南理工大学） 纠错

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

AI总结 本文提出符合性标注方法，通过控制假发现率保证人工智能预测的可信度，从而提升大规模数据标注的准确性和效率。

Is Information Density Uniform when Utterances are Grounded on Perception and Discourse?

当话语基于感知和话语进行 grounding 时，信息密度是否均匀？

Matteo Gay, Coleman Haley, Mario Giulianelli, Edoardo Ponti

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

AI总结 本研究首次探讨了基于感知和话语的视觉环境对信息密度均匀性的影响，发现 grounding 能提高信息分布的均匀性，并在话语单元开始处产生最大的惊奇度降低。

Comments Accepted as main paper at EACL 2026

Covariance-Aware Transformers for Quadratic Programming and Decision Making

具有协方差意识的变换器用于二次规划和决策制定

Kutay Tire, Yufan Zhang, Ege Onur Taga, Samet Oymak

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of Michigan（密歇根大学） 纠错

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

AI总结 本文提出Time2Decide方法，通过显式利用协方差矩阵提升变换器在二次规划和决策制定中的性能。

CellMaster: Collaborative Cell Type Annotation in Single-Cell Analysis

CellMaster: 单细胞分析中的协作细胞类型注释

Zhen Wang, Yiming Gao, Jieyuan Liu, Enze Ma, Jefferson Chen, Mark Antkowiak, Mengzhou Hu, JungHo Kong, Dexter Pratt, Zhiting Hu, Wei Wang, Trey Ideker, Eric P. Xing

机构 * Halicioglu Data Science Institute, University of California, San Diego, CA, USA（哈利奇奥格卢数据科学研究所，加州大学圣地亚哥分校） ； Department of Electrical & Computer Engineering, Texas A&M University, College Station, TX, USA（电气与计算机工程系，德克萨斯A&M大学） ； Department of Medicine, University of California, San Diego, CA, USA（医学系，加州大学圣地亚哥分校） ； Department of Chemistry and Biochemistry, University of California San Diego, La Jolla, CA, USA（化学与生物化学系，加州大学圣地亚哥分校） ； Moores Cancer Center, University of California, San Diego, La Jolla, CA, USA（摩尔癌症中心，加州大学圣地亚哥分校） ； Mohamed bin Zayed University of AI, Abu Dhabi, UAE（穆罕默德·本·扎耶德人工智能大学） ； School of Computer Science, Carnegie Mellon University, Pittsburgh, PA, USA（计算机科学学院，卡内基梅隆大学） 纠错

专题命中 其他LLM ：LLM(abstract)；分类 cs.AI

AI总结 CellMaster通过利用LLM编码知识实现零样本细胞类型注释，提升单细胞分析的准确性和可解释性。

Comments Preprint

Visio-Verbal Teleimpedance Interface: Enabling Semi-Autonomous Control of Physical Interaction via Eye Tracking and Speech

视觉-语言远阻抗接口：通过眼动追踪和语音实现物理交互的半自主控制

Henk H. A. Jekel, Alejandro Díaz Rosales, Luka Peternel

机构 * Department of Cognitive Robotics, Delft University of Technology（认知机器人系，代尔夫特理工大学） ； European Organization for Nuclear Research (CERN)（欧洲核子研究中心） 纠错

专题命中 其他LLM ：language model(abstract)

AI总结 本文提出一种结合眼动追踪和语音交互的视觉-语言远阻抗接口，用于通过生成刚度矩阵实现远程机械臂的半自主物理交互控制。

Journal ref Frontiers in Robotics and AI, Volume 13, 1749105, February 2026

Measure Twice, Cut Once: A Semantic-Oriented Approach to Video Temporal Localization with Video LLMs

两次测量，一次切割：一种面向语义的视频时间定位方法与视频LLMs

Zongshang Pang, Mayu Otani, Yuta Nakashima

机构 * The University of Osaka（大阪大学） ； CyberAgent, Inc.（CyberAgent公司） 纠错

专题命中 其他LLM ：LLM(abstract)

AI总结 MeCo提出一种面向语义的视频时间定位方法，通过生成和判别学习任务提升视频LLMs对事件结构的识别能力，实现更精确的时间分割。

Comments ICLR2026