Backdooring Bias in Large Language Models
大语言模型中的后门偏见
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。
AI 大模型
语言大模型 / LLM
大语言模型、预训练、指令微调、后训练和语言模型应用。
1. 其他LLM 23 篇
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
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）
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
机构 * Tianjin University（天津大学）
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
机构 * University of Virginia（弗吉尼亚大学）
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
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）
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
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
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）
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
机构 * University of Waterloo（滑铁卢大学）
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
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
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）
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
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）
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
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
机构 * Peking University（北京大学）
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
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
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）
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
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）
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
机构 * NEC Laboratories Europe（NEC欧洲实验室） ； University of Stuttgart（斯图加特大学）
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
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）
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？
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
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）
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
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）
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
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）
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
机构 * The University of Osaka（大阪大学） ； CyberAgent, Inc.（CyberAgent公司）
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
