语言大模型 / LLM

Moving Beyond Medical Exams: A Clinician-Annotated Fairness Dataset of Real-World Tasks and Ambiguity in Mental Healthcare

超越医学考试：一个由临床专家标注的现实任务及精神卫生领域模糊性公平性数据集

Max Lamparth, Declan Grabb, Amy Franks, Scott Gershan, Kaitlyn N. Kunstman, Aaron Lulla, Monika Drummond Roots, Manu Sharma, Aryan Shrivastava, Nina Vasan, Colleen Waickman

机构 * Stanford University（斯坦福大学） ； University of Colorado（科罗拉多大学） ； Northwestern University（西北大学） ； University of Wisconsin（威斯康星大学） ； Yale School of Medicine（耶鲁医学院） ； University of Chicago（芝加哥大学） ； Ohio State University（俄亥俄州立大学） 纠错

专题命中 领域大模型 ：language model(abstract)；分类 cs.CL

AI总结 本文提出一个由临床专家标注的现实任务公平性数据集，用于评估模型在精神卫生领域决策中的性能和偏见问题。

Comments Camera-ready version for ICLR 2026

Semantics-Aware Denoising: A PLM-Guided Sample Reweighting Strategy for Robust Recommendation

语义感知去噪：一种基于预训练语言模型的样本重加权策略用于鲁棒推荐

Xikai Yang, Yang Wang, Yilin Li, Sebastian Sun

专题命中 领域大模型 ：language model(abstract)

AI总结 本文提出SAID方法，通过预训练语言模型识别语义不一致的点击交互，有效提升推荐系统的鲁棒性与准确性。

Seeing to Generalize: How Visual Data Corrects Binding Shortcuts

看见以泛化：视觉数据如何纠正绑定捷径

Nicolas Buzeta, Felipe del Rio, Cristian Hinostroza, Denis Parra, Hans Lobel, Rodrigo Toro Icarte

机构 * Department of Computer Science, Pontificia Universidad Católica, Santiago, Chile（计算机科学系，天主教大学，圣地亚哥，智利） 纠错

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

AI总结 视觉数据训练可增强模型在单模态任务中的推理与泛化能力，通过改变绑定策略提升分布外性能。

Comments Submitted to ICML 2026

Fine-Refine: Iterative Fine-grained Refinement for Mitigating Dialogue Hallucination

细粒度细化：用于缓解对话幻觉的迭代细化

Xiangyan Chen, Yujian Gan, Matthew Purver

机构 * Queen Mary University of London（伦敦女王学院） ； Queen’s University Belfast（贝尔法斯特女王大学） ； Institut Jožef Stefan（乔泽夫·斯蒂芬研究所） 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.CL

AI总结 Fine-Refine通过细粒度细化框架提升对话系统事实准确性，实现7.63分的提升，同时牺牲少量对话质量。

One Agent to Guide Them All: Empowering MLLMs for Vision-and-Language Navigation via Explicit World Representation

一个引导所有代理：通过显式世界表示增强多模态大语言模型用于视觉-语言导航

Zerui Li, Hongpei Zheng, Fangguo Zhao, Aidan Chan, Jian Zhou, Sihao Lin, Shijie Li, Qi Wu

机构 * Australian Institute for Machine Learning, Adelaide University（澳大利亚机器学习研究所，阿德莱德大学） ； The University of Manchester（曼彻斯特大学） ； Zhejiang University（浙江大学） ； Agency for Science, Technology and Research (A*STAR)（科技研究局（A*STAR）） 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 通过显式世界表示增强多模态大语言模型，实现视觉-语言导航的解耦框架，提升导航性能与现实应用能力。

Rethinking Metrics for Lexical Semantic Change Detection

重新思考词义变化检测的度量方法

Roksana Goworek, Haim Dubossarsky

机构 * Queen Mary University of London（伦敦女王学院） ； The Alan Turing Institute（艾伦·图灵研究所） ； University of Cambridge（剑桥大学） 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AMD和SAMD两种新度量方法，用于更稳健地检测词义变化，适用于不同编码器和表示空间。

Comments Accepted to the LChange 2026 Workshop, colocated with EACL 2026

Concept-Enhanced Multimodal RAG: Towards Interpretable and Accurate Radiology Report Generation

概念增强的多模态RAG：迈向可解释且准确的放射科报告生成

Marco Salmè, Federico Siciliano, Fabrizio Silvestri, Paolo Soda, Rosa Sicilia, Valerio Guarrasi

机构 * Department of Engineering（工程系） ； Research Unit of Artificial Intelligence and Computer Systems（人工智能与计算机系统研究单位） ； Università Campus Bio-Medico of Roma（罗马大学生物医学校园） ； Department of Computer, Control and Management Engineering（计算机、控制与管理工程系） ； Sapienza University of Rome（罗马萨皮恩扎大学） ； Department of Diagnostics and Intervention, Radiation Physics, Biomedical Engineering（诊断与介入、辐射物理、生物医学工程系） ； Umeå University（乌梅拉大学） ； UniCamillus-Saint Camillus International University of Health Sciences（UniCamillus-圣卡米卢斯国际健康科学大学） 纠错

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

AI总结 概念增强的多模态RAG通过分解视觉表示为可解释的临床概念，提升放射科报告生成的可解释性和准确性。

Revisiting Northrop Frye's Four Myths Theory with Large Language Models

重新审视北rop弗里耶的四 myth 理论与大语言模型

Edirlei Soares de Lima, Marco A. Casanova, Antonio L. Furtado

机构 * Academy for AI, Games and Media（人工智能、游戏与媒体学院） ； Breda University of Applied Sciences（布雷达应用科学大学） ； Department of Informatics PUC-Rio（信息学院（PUC-Rio）） 纠错

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

AI总结 本文提出基于角色功能的分析框架，利用大语言模型验证角色对应关系，揭示叙事结构的系统性模式。

ViTaB-A: Evaluating Multimodal Large Language Models on Visual Table Attribution

ViTaB-A：在视觉表格归因上评估多模态大语言模型

Yahia Alqurnawi, Preetom Biswas, Anmol Rao, Tejas Anvekar, Chitta Baral, Vivek Gupta

机构 * School of Computing and Augmented Intelligence（计算与增强智能学院） 纠错

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

AI总结 ViTaB-A研究了多模态大语言模型在视觉表格归因中的表现，发现其在证据归因方面存在显著缺陷，影响透明性和可追溯性应用。

In Agents We Trust, but Who Do Agents Trust? Latent Source Preferences Steer LLM Generations

我们信任代理，但代理信任谁？潜在的来源偏好引导LLM生成

Mohammad Aflah Khan, Mahsa Amani, Soumi Das, Bishwamittra Ghosh, Qinyuan Wu, Krishna P. Gummadi, Manish Gupta, Abhilasha Ravichander

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

AI总结 研究发现LLM在处理信息时存在潜在的来源偏好，影响信息选择和呈现，需进一步探索其来源并提供透明机制。

Comments ICLR 2026

Social Contagion and Bank Runs: An Agent-Based Model with LLM Depositors

社会传染与银行挤兑：一种带有大语言模型存款人的基于代理的模型

Chris Ruano, Shreshth Rajan

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

AI总结 本文提出了一种基于代理的模型，通过大语言模型模拟存款人行为，揭示社会传染对银行挤兑风险的放大作用。

Tabular Foundation Models Can Learn Association Rules

表格基础模型可以学习关联规则

Erkan Karabulut, Daniel Daza, Paul Groth, Martijn C. Schut, Victoria Degeler

机构 * Amsterdam UMC, location VUmc, Vrije Universiteit Amsterdam, the Netherlands（阿姆斯特丹大学医学中心，位于VUmc，荷兰代尔夫特自由大学） ； University of Amsterdam, The Netherlands（阿姆斯特丹大学，荷兰） ； Vrije Universiteit Amsterdam, The Netherlands（荷兰阿姆斯特丹自由大学） 纠错

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

AI总结 本文提出基于表格基础模型的关联规则学习框架，通过TabProbe无需频繁项集挖掘即可学习高质量关联规则，适用于低数据场景。

On Surprising Effectiveness of Masking Updates in Adaptive Optimizers

自适应优化器中掩码更新的意外有效性

Taejong Joo, Wenhan Xia, Cheolmin Kim, Ming Zhang, Eugene Ie

机构 * Northwestern University（西北大学） ； Google（谷歌） 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 Magma通过动量对齐梯度掩码提升自适应优化器性能，显著降低大型语言模型的困惑度。

Comments Preprint

AudioRAG+: Feedback-driven Retrieval-augmented Audio Generation with Large Audio Language Models

AudioRAG+: 基于反馈的检索增强音频生成与大音频语言模型

Junqi Zhao, Chenxing Li, Jinzheng Zhao, Rilin Chen, Dong Yu, Mark D. Plumbley, Wenwu Wang

机构 * Centre for Vision, Speech and Signal Processing (CVSSP), University of Surrey, UK（视觉、语音和信号处理中心（CVSSP），英国萨里大学） ； Tencent AI Lab, Beijing, China（腾讯人工智能实验室，中国北京） ； Tencent AI Lab, Seattle, USA（腾讯人工智能实验室，美国西雅图） 纠错

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

AI总结 AudioRAG+利用大音频语言模型提升文本到音频生成中特定声音事件的合成能力，通过反馈驱动检索增强生成过程。

Iterative LLM-Based Assertion Generation Using Syntax-Semantic Representations for Functional Coverage-Guided Verification

基于语法-语义表示的迭代LLM断言生成用于功能覆盖率引导的验证

Yonghao Wang, Jiaxin Zhou, Yang Yin, Hongqin Lyu, Zhiteng Chao, Wenchao Ding, Jing Ye, Tiancheng Wang, Huawei Li

专题命中 其他LLM ：LLM(title,abstract)

AI总结 本文提出CoverAssert，一种基于语法-语义表示的迭代LLM断言生成框架，通过反馈机制提升功能覆盖率，实验显示在分支、语句和切换覆盖率上分别提升9.57%、9.64%和15.69%。

Comments 6 pages, 6 figures

Hierarchical Refinement of Universal Multimodal Attacks on Vision-Language Models

面向视觉语言模型的层次化通用多模态攻击

Peng-Fei Zhang, Zi Huang

机构 * School of Electrical Engineering and Computer Science, the University of Queensland（电气工程与计算机科学学院，昆士兰大学） ； Department of Computer Science, City University of Hong Kong（计算机科学系，香港城市大学） 纠错

专题命中 其他LLM ：language model(title)

AI总结 本文提出HRA框架，通过层次化优化路径和文本重要性建模，实现对视觉语言模型的通用多模态攻击，验证了其在多种任务和数据集上的优越迁移性能。

Comments 10 pages, 7 figures

Causal Effect Estimation with Latent Textual Treatments

利用潜在文本干预进行因果效应估计

Omri Feldman, Amar Venugopal, Jann Spiess, Amir Feder

机构 * School of Computer Science and Engineering, The Hebrew University of Jerusalem（计算机科学与工程学院，特拉维夫大学） ； Department of Economics, Stanford University（斯坦福大学经济系） ； Graduate School of Business, Stanford University（斯坦福大学商学院） 纠错

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

AI总结 本文提出了一种端到端流程，通过稀疏自编码器生成假设并引导，结合协变量残差化方法，解决文本作为治疗实验中的因果效应估计问题。

The geometry of online conversations and the causal antecedents of conflictual discourse

在线对话的几何结构与冲突性言论的因果前因

Carlo Santagiustina, Caterina Cruciani

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

AI总结 本文研究了在线对话中冲突性语言的因果因素，通过分析时间、对话结构等特征，揭示了回复语气和情感框架的趋同现象。

Automated Multi-Source Debugging and Natural Language Error Explanation for Dashboard Applications

自动化多源调试与自然语言错误解释用于仪表盘应用

Devendra Tata, Mona Rajhans

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

AI总结 本文提出了一种自动化多源调试系统，利用大型语言模型生成自然语言错误解释，以提高仪表盘应用的调试效率和用户体验。

Comments Accepted for publication at the 12th (Springer CCIS) International Conference on Information Management, March 27-29, 2026, Oxford, UK

Multimodal Peer Review Simulation with Actionable To-Do Recommendations for Community-Aware Manuscript Revisions

多模态同行评审模拟：面向社区意识的论文修订可操作待办推荐系统

Mengze Hong, Di Jiang, Weiwei Zhao, Yawen Li, Yihang Wang, Xinyuan Luo, Yanjie Sun, Chen Jason Zhang

机构 * Hong Kong Polytechnic University（香港理工大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； Independent Researcher（独立研究者） 纠错

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

AI总结 本研究提出一个多模态同行评审模拟系统，通过整合文本和视觉信息，利用检索增强生成技术提升评审质量，并生成可操作的待办列表，以提高论文修订的效率和准确性。

Comments Accepted by TheWebConf 2026 Demo Track

The Next Paradigm Is User-Centric Agent, Not Platform-Centric Service

下一个范式是用户导向的智能体，而非平台导向的服务

Luankang Zhang, Hang Lv, Qiushi Pan, Kefen Wang, Yonghao Huang, Xinrui Miao, Yin Xu, Wei Guo, Yong Liu, Hao Wang, Enhong Chen

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

AI总结 本文主张数字服务应从平台导向转向用户导向的智能体，通过提升隐私保护和用户控制来实现真正的用户利益。

Language Markers of Emotion Flexibility Predict Depression and Anxiety Treatment Outcomes

情绪灵活性的语言标记预测抑郁症和焦虑的治疗结果

Benjamin Brindle, George A. Bonanno, Thomas Derrick Hull, Nicolas Charon, Matteo Malgaroli

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

AI总结 研究通过分析远程治疗转录文本，发现情绪灵活性的语言标记可预测抑郁症和焦虑的治疗结果，揭示情绪动态对治疗反应的影响。

GMAIL: Generative Modality Alignment for generated Image Learning

GMAIL: 生成模态对齐用于生成图像学习

Shentong Mo, Sukmin Yun

机构 * Department of Machine Learning, CMU, USA（卡内基梅隆大学机器学习系） ； Department of Machine Learning, MBZUAI, UAE（马斯克大学人工智能研究所） ； Department of Artificial Intelligence, Hanyang University ERICA, South Korea（翰阳大学ERICA人工智能系） 纠错

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

AI总结 GMAIL通过多模态学习方法对齐生成图像与真实图像，提升视觉-语言任务中的生成图像学习效果。

AIC CTU@AVerImaTeC: dual-retriever RAG for image-text fact checking

AIC CTU@AVerImaTeC：双检索器RAG用于图像-文本事实核查

Herbert Ullrich, Jan Drchal

专题命中 其他LLM ：LLM(abstract)；分类 cs.CL

AI总结 AIC CTU@AVerImaTeC提出双检索器RAG方法，通过结合文本和图像检索模块，实现高效的图像-文本事实核查，具有低运行成本和易复现性。

CLARITY: Contextual Linguistic Adaptation and Accent Retrieval for Dual-Bias Mitigation in Text-to-Speech Generation

CLARITY: 语境语言适应与口音检索用于文本到语音生成中双偏见缓解

Crystal Min Hui Poon, Pai Chet Ng, Xiaoxiao Miao, Immanuel Jun Kai Loh, Bowen Zhang, Haoyu Song, Ian Mcloughlin

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

AI总结 CLARITY通过双信号优化缓解文本到语音生成中的双偏见问题，通过语境语言适应和检索增强口音提示提高口音准确性和公平性。

Comments under review