语言大模型 / LLM

Heuristic Search as Language-Guided Program Optimization

启发式搜索作为语言引导的程序优化

Mingxin Yu, Ruixiao Yang, Chuchu Fan

机构 * Massachusetts Institute of Technology, Cambridge, MA, USA（麻省理工学院） 纠错

专题命中 评测与基准 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.LG

AI总结 本文提出了一种结构化框架，通过分解启发式发现过程为模块化阶段，提升LLM驱动的自动启发式设计在组合优化中的性能。

Comments 8 pages, 3 figures, under review

SecCodeBench-V2 Technical Report

SecCodeBench-V2 技术报告

Longfei Chen, Ji Zhao, Lanxiao Cui, Tong Su, Xingbo Pan, Ziyang Li, Yongxing Wu, Qijiang Cao, Qiyao Cai, Jing Zhang, Yuandong Ni, Junyao He, Zeyu Zhang, Chao Ge, Xuhuai Lu, Zeyu Gao, Yuxin Cui, Weisen Chen, Yuxuan Peng, Shengping Wang, Qi Li, Yukai Huang, Yukun Liu, Tuo Zhou, Terry Yue Zhuo, Junyang Lin, Chao Zhang

机构 * Tsinghua University（清华大学） ； Alibaba Group（阿里巴巴集团） 纠错

专题命中 评测与基准 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 SecCodeBench-V2 通过动态执行和LLM-as-a-judge oracle评估AI编程助手的安全能力，提供可复现的基准测试框架。

A Multimodal Conversational Assistant for the Characterization of Agricultural Plots from Geospatial Open Data

一种多模态对话助手，用于从遥感开放数据中表征农业地块

Juan Cañada, Raúl Alonso, Julio Molleda, Fidel Díez

机构 * Dept. AI \& Data Analytics CTIC Technology Center Gijón, Spain ； Dept. IT CTIC Technology Center Gijón, Spain ； Eng. University of Oviedo Gijón, Spain ； Dept. R \& D CTIC Technology Center Gijón, Spain 纠错

专题命中 评测与基准 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 本研究提出一种多模态对话助手，通过自然语言交互整合遥感和农业数据，降低专业信息访问门槛，实现农业地块表征。

Comments Accepted at 2025 4th International Conference on Geographic Information and Remote Sensing Technology

Journal ref Proc. Int. Conf. GIRST 2025 (2025) 127-132

MAEB: Massive Audio Embedding Benchmark

MAEB：大规模音频嵌入基准

Adnan El Assadi, Isaac Chung, Chenghao Xiao, Roman Solomatin, Animesh Jha, Rahul Chand, Silky Singh, Kaitlyn Wang, Ali Sartaz Khan, Marc Moussa Nasser, Sufen Fong, Pengfei He, Alan Xiao, Ayush Sunil Munot, Aditya Shrivastava, Artem Gazizov, Niklas Muennighoff, Kenneth Enevoldsen

机构 * Carleton University（卡尔顿大学） ； Durham University（杜伦大学） ； Stanford University（斯坦福大学） ； Aarhus University（奥胡斯大学） ； Indian Institute of Technology, Kharagpur（印度理工学院，卡里格普） ； Harvard University（哈佛大学） 纠错

专题命中 评测与基准 ：large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 MAEB是一个涵盖多语言音频任务的基准，揭示了不同模型在音频与语言任务上的性能差异，展示了音频编码器在跨模态任务中的表现关联性。

Secure Coding with AI -- From Detection to Repair

安全编码与AI——从检测到修复

Vladislav Belozerov, Peter J Barclay, Ashkan Sami

专题命中 评测与基准 ：LLM(abstract)；large language model(abstract)；language model(abstract)

AI总结 本文研究了GPT生成代码的安全性，评估了LLMs在检测和修复漏洞方面的能力，发现LLMs在真实世界中能显著提高漏洞检测和修复率。

Test-Time Adaptation for Tactile-Vision-Language Models

测试时适应用于触觉-视觉-语言模型

Chuyang Ye, Haoxian Jing, Qinting Jiang, Yixi Lin, Qiang Li, Xing Tang, Jingyan Jiang

机构 * Shenzhen Technology University（深圳技术大学） ； New York University（纽约大学） ； Shenzhen University（深圳大学） ； Tsinghua University（清华大学） 纠错

专题命中 评测与基准 ：language model(title)；分类 cs.AI

AI总结 本文提出了一种可靠性感知框架，用于提升触觉-视觉-语言模型在测试时的适应能力，通过估计各模态可靠性来过滤不可靠样本并优化融合过程，有效提升了在模态损坏情况下的准确率。

Semantic Chunking and the Entropy of Natural Language

语义分块与自然语言的熵

Weishun Zhong, Doron Sivan, Tankut Can, Mikhail Katkov, Misha Tsodyks

机构 * School of Natural Sciences, Institute for Advanced Study, Princeton, NJ, 08540, USA（自然科学学院，普林斯顿高级研究院） ； Department of Brain Sciences, Weizmann Institute of Science, Rehovot, 76100, Israel（脑科学系，魏茨曼科学研究所） ； Department of Physics, Emory University, Atlanta, GA 30322, USA（物理系，埃默里大学） 纠错

专题命中 评测与基准 ：large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI

AI总结 该研究提出了一种统计模型，通过自相似分割文本为语义连贯的块，揭示自然语言熵率随语义复杂度增加而上升的特性。

Comments 29 pages, 9 figures; typos fixed

FeatBench: Towards More Realistic Evaluation of Feature-level Code Generation

FeatBench: 向更真实的特征级代码生成评估迈进

Haorui Chen, Chengze Li, Jia Li

机构 * College of AI, Tsinghua University（清华大学人工智能学院） ； University of Electronic Science and Technology of China（电子科技大学） ； Nanjing University（南京大学） 纠错

专题命中 评测与基准 ：large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI

AI总结 FeatBench提出了一种新的特征级代码生成评估基准，通过真实任务输入和动态数据构建，解决现有基准的局限性，并揭示了代理在实现中的激进行为问题。

DocSplit: A Comprehensive Benchmark Dataset and Evaluation Approach for Document Packet Recognition and Splitting

DocSplit: 一个全面的基准数据集和评估方法用于文档包识别与分割

Md Mofijul Islam, Md Sirajus Salekin, Nivedha Balakrishnan, Vincil C. Bishop, Niharika Jain, Spencer Romo, Bob Strahan, Boyi Xie, Diego A. Socolinsky

机构 * Amazon Web Services（亚马逊网络服务） 纠错

专题命中 评测与基准 ：large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI

AI总结 DocSplit提出首个全面的文档包识别与分割基准数据集及评估方法，涵盖多类型文档和复杂场景，揭示当前模型在处理复杂文档分割任务中的性能差距。

Memes-as-Replies: Can Models Select Humorous Manga Panel Responses?

基于漫画面板的回复：模型能否选择幽默的漫画面板回应？

Ryosuke Kohita, Seiichiro Yoshioka

机构 * Ryosuke Kohita ； Seiichiro Yoshioka 纠错

专题命中 评测与基准 ：large language model(abstract)；language model(abstract)；分类 cs.CL、cs.LG

AI总结 本文提出MaMe-Re基准，探讨模型在动态语境中选择幽默漫画回复的挑战，揭示LLMs在捕捉社交线索和区分微妙幽默方面的局限性。

Randomized Masked Finetuning: An Efficient Way to Mitigate Memorization of PIIs in LLMs

随机掩码微调：一种缓解LLM中PII记忆的有效方法

Kunj Joshi, David A. Smith

机构 * Khoury College of Computer Sciences, Northeastern University, Boston, MA, USA（东北大学科里学院计算机科学学院） 纠错

专题命中 评测与基准 ：large language model(abstract)；language model(abstract)；分类 cs.CL、cs.LG

AI总结 本文提出随机掩码微调方法，有效减少LLM中PII记忆，同时保持模型性能，通过实验验证其在隐私保护和效用之间的平衡。

CitiLink-Summ: Summarization of Discussion Subjects in European Portuguese Municipal Meeting Minutes

CitiLink-Summ：欧洲葡萄牙语市政会议记录中讨论主题的摘要

Miguel Marques, Ana Luísa Fernandes, Ana Filipa Pacheco, Rute Rebouças, Inês Cantante, José Isidro, Luís Filipe Cunha, Alípio Jorge, Nuno Guimarães, Sérgio Nunes, António Leal, Purificação Silvano, Ricardo Campos

机构 * University of Beira Interior（贝拉内华大学） ； University of Macau（澳门大学） 纠错

专题命中 评测与基准 ：large language model(abstract)；language model(abstract)；分类 cs.CL

AI总结 本文提出CitiLink-Summ数据集，包含欧洲葡萄牙语市政会议记录及人工摘要，用于研究该领域自动摘要技术。

VIRENA: Virtual Arena for Research, Education, and Democratic Innovation

VIRENA：虚拟竞技场用于研究、教育和民主创新

Emma Hoes, K. Jonathan Klueser, Fabrizio Gilardi

机构 * University of Zurich（苏黎世大学） 纠错

专题命中 评测与基准 ：large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 VIRENA是一个基于开源技术的无代码平台，用于在现实社交环境中进行受控实验，研究人类与AI的互动、审核干预比较及群体 deliberation。

Comments VIRENA is under active development and currently in use at the University of Zurich. This preprint will be updated as new features are released. For the latest version and to inquire about demos or pilot collaborations, contact the authors

MultiCW: A Large-Scale Balanced Benchmark Dataset for Training Robust Check-Worthiness Detection Models

MultiCW: 一个大规模平衡基准数据集，用于训练鲁棒的检查性声明检测模型

Martin Hyben, Sebastian Kula, Jan Cegin, Jakub Simko, Ivan Srba, Robert Moro

机构 * Kempelen Institute of Intelligent Technologies（智能技术研究所） ； West Pomeranian University of Technology in Szczecin（西波美拉尼技术大学） 纠错

专题命中 评测与基准 ：large language model(abstract)；language model(abstract)；分类 cs.CL

AI总结 MultiCW数据集通过平衡多语言和多领域样本，为训练鲁棒的检查性声明检测模型提供基准，验证微调模型在零样本设置下的优势。

Comments 18 pages, 8 figures, 19 tables, EACL-2026

From Transcripts to AI Agents: Knowledge Extraction, RAG Integration, and Robust Evaluation of Conversational AI Assistants

从语音记录到AI代理：知识提取、RAG整合及对话式AI助手的鲁棒评估

Krittin Pachtrachai, Petmongkon Pornpichitsuwan, Wachiravit Modecrua, Touchapon Kraisingkorn

机构 * Amity Research and Application Center (ARAC)（阿米蒂研究与应用中心） 纠错

专题命中 评测与基准 ：large language model(abstract)；language model(abstract)；分类 cs.CL

AI总结 本文提出了一种端到端框架，通过历史通话记录构建和评估对话式AI助手，利用知识提取和RAG整合提升事实准确性和鲁棒性。

Comments 9 pages, 2 figures, 1 table

Bibby AI -- AI Latex Editor writing assistant for researchers vs Overleaf Alternative vs OpenAI Prism. (Bibby AI Latex Editor)

Nilesh jain, Rohit Yadav, Andrej Karpathy

专题命中 评测与基准 ：large language model(abstract)；language model(abstract)

Predicting Training Re-evaluation Curves Enables Effective Data Curriculums for LLMs

预测训练重新评估曲线可实现LLMs的有效数据课程

Shane Bergsma, Nolan Dey, Joel Hestness

专题命中 评测与基准 ：LLM(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 通过预测训练重新评估曲线（TREC）实现LLMs的有效数据课程设计，利用AdamW的隐含EMA系数提前预测TREC，优化数据放置以提升模型性能。

Comments ICLR 2026

Unveiling the Role of ChatGPT in Software Development: Insights from Developer-ChatGPT Interactions on GitHub

揭示ChatGPT在软件开发中的作用：来自GitHub上开发者与ChatGPT交互的洞察

Ruiyin Li, Peng Liang, Yifei Wang, Yangxiao Cai, Weisong Sun, Zengyang Li

专题命中 评测与基准 ：large language model(abstract)；language model(abstract)

AI总结 本研究通过分析GitHub上的开发者与ChatGPT交互数据，揭示了ChatGPT在软件开发中的应用特点及实际作用。

Comments Preprint accepted for publication in ACM Transactions on Software Engineering and Methodology (TOSEM), 2026

GDGB: A Benchmark for Generative Dynamic Text-Attributed Graph Learning

GDGB：生成动态文本属性图学习的基准

Jie Peng, Jiarui Ji, Runlin Lei, Zhewei Wei, Yongchao Liu, Chuntao Hong

机构 * Renmin University of China（中国人民大学） ； Ant Group（蚂蚁集团） 纠错

专题命中 评测与基准 ：LLM(abstract)；分类 cs.CL、cs.AI

AI总结 GDGB提出一个生成动态文本属性图学习的基准，包含高质量数据集和两个新任务，用于评估生成DyTAG的结构、时间和文本质量。

Comments ICLR2026

Are Object-Centric Representations Better At Compositional Generalization?

基于对象中心表示的组合泛化能力是否更强？

Ferdinand Kapl, Amir Mohammad Karimi Mamaghan, Maximilian Seitzer, Karl Henrik Johansson, Carsten Marr, Stefan Bauer, Andrea Dittadi

机构 * Technical University of Munich（慕尼黑技术大学） ； Helmholtz AI, Munich（慕尼黑海德堡人工智能研究所） ； KTH Royal Institute of Technology（皇家理工学院） ； MPI for Intelligent Systems, Tübingen（图宾根人工智能研究所） ； Institute of AI for Health, Computational Health Center, Helmholtz Munich（健康人工智能研究所，计算健康中心，海德堡慕尼黑） 纠错

专题命中 评测与基准 ：foundation model(abstract)；分类 cs.LG

AI总结 本研究通过三个视觉世界基准，发现对象中心表示在组合泛化任务中表现更优，尤其在数据受限时。

The Validity of Coreference-based Evaluations of Natural Language Understanding

基于核心参照的自然语言理解评估的有效性

Ian Porada

机构 * McGill University（麦吉尔大学） ； School of Computer Science（计算机科学学院） 纠错

专题命中 评测与基准 ：language model(abstract)；分类 cs.CL

AI总结 本文探讨了基于核心参照的自然语言理解评估的有效性，发现当前语言模型在标准基准上表现优异，但对评估条件敏感，存在泛化能力不足的问题。

Comments PhD Thesis

Arc2Morph: Identity-Preserving Facial Morphing with Arc2Face

Arc2Morph：基于Arc2Face的身份保持面部变形

Nicolò Di Domenico, Annalisa Franco, Matteo Ferrara, Davide Maltoni

机构 * Department of Computer Science and Engineering, University of Bologna（计算机科学与工程系，博洛尼亚大学） 纠错

专题命中 评测与基准 ：foundation model(abstract)

AI总结 Arc2Morph基于Arc2Face提出的新方法，通过深度学习技术在面部变形攻击检测中实现了与传统关键点方法相当的性能，有效保持身份信息。

Precise Attribute Intensity Control in Large Language Models via Targeted Representation Editing

通过针对性表征编辑实现大语言模型中的精确属性强度控制

Rongzhi Zhang, Liqin Ye, Yuzhao Heng, Xiang Chen, Tong Yu, Lingkai Kong, Sudheer Chava, Chao Zhang

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Adobe Research（Adobe研究） ； Harvard University（哈佛大学） 纠错

专题命中 效率与部署 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 本研究通过针对性表征编辑方法，实现大语言模型中精确属性强度控制，提升模型对用户需求的适应能力。

WINA: Weight Informed Neuron Activation for Accelerating Large Language Model Inference

WINA：基于权重的神经元激活以加速大语言模型推理

Sihan Chen, Dan Zhao, Jongwoo Ko, Colby Banbury, Huiping Zhuang, Luming Liang, Pashmina Cameron, Tianyi Chen

专题命中 效率与部署 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)；分类 cs.AI、cs.LG

AI总结 WINA提出一种无需训练的稀疏激活框架，通过结合隐藏状态大小和权重矩阵列向量ℓ2范数，提升大语言模型推理性能。

ChatBCI: A P300 Speller BCI Leveraging Large Language Models for Improved Sentence Composition in Realistic Scenarios

ChatBCI: 一种利用大语言模型改进真实场景中句子组成的P300拼写BCI

Jiazhen Hong, Weinan Wang, Laleh Najafizadeh

机构 * Integrated Systems and NeuroImaging Laboratory（集成系统与神经成像实验室） ； Department of Electrical and Computer Engineering, Rutgers University（电气与计算机工程系，罗格斯大学） 纠错

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

AI总结 ChatBCI利用大语言模型提升真实场景中句子组成的效率和效果。

Journal ref Scientific Reports, 2026

Universal Properties of Activation Sparsity in Modern Large Language Models

现代大语言模型中激活稀疏性的通用性质

Filip Szatkowski, Patryk Będkowski, Alessio Devoto, Jan Dubiński, Pasquale Minervini, Mikołaj Piórczyński, Simone Scardapane, Bartosz Wójcik

专题命中 效率与部署 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)；分类 cs.LG

AI总结 本研究提出了一种通用框架，系统研究了现代大语言模型中激活稀疏性的通用性质，并揭示了其随着模型规模增大而增强的潜力。

Comments ICLR 2026, main track

Efficient Robot Design with Multi-Objective Black-Box Optimization and Large Language Models

基于多目标黑盒优化与大语言模型的高效机器人设计

Kento Kawaharazuka, Yoshiki Obinata, Naoaki Kanazawa, Haoyu Jia, Kei Okada

机构 * The University of Tokyo（东京大学） 纠错

专题命中 效率与部署 ：large language model(title,abstract)；language model(title,abstract)；LLM(comments)

AI总结 本文提出利用大语言模型提升黑盒优化在机器人本体设计中的效率，通过结合LLMs与传统黑盒优化方法，实现更高效的解决方案探索。

Comments Accepted to IEEE Access, website: https://haraduka.github.io/urdf-llm-opt/ , video: https://www.youtube.com/watch?v=N9iMjx7of1w

Language Model Representations for Efficient Few-Shot Tabular Classification

用于高效少样本表格分类的语言模型表示

Inwon Kang, Parikshit Ram, Yi Zhou, Horst Samulowitz, Oshani Seneviratne

机构 * Rensselaer Polytechnic Institute（罗格斯理工学院） ； IBM Research（IBM研究） 纠错

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

AI总结 本文提出TaRl方法，利用语言模型的语义嵌入进行少样本表格分类，通过移除公共组件和校准温度提升性能，实现高效利用现有LLM基础设施。

Comments Accepted to WWW'26

Align Once, Benefit Multilingually: Enforcing Multilingual Consistency for LLM Safety Alignment

一次对齐，多语言受益：为LLM安全对齐强制多语言一致性

Yuyan Bu, Xiaohao Liu, ZhaoXing Ren, Yaodong Yang, Juntao Dai

机构 * Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； National University of Singapore（新加坡国立大学） ； Institute for Artificial Intelligence, Peking University（北京大学人工智能研究院） 纠错

专题命中 效率与部署 ：LLM(title)；large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 本文提出一种资源高效的多语言一致性对齐方法，通过多语言一致性损失实现多语言同时对齐，提升跨语言安全性和泛化能力。

Comments Accepted by ICLR 2026

LLM-Driven Intent-Based Privacy-Aware Orchestration Across the Cloud-Edge Continuum

基于大语言模型的意图驱动的隐私意识云-边连续体协同

Zijie Su, Muhammed Tawfiqul Islam, Mohammad Goudarzi, Adel N. Toosi

专题命中 效率与部署 ：LLM(title,abstract)；large language model(abstract)；language model(abstract)

AI总结 本文提出了一种动态管道重新配置方法，用于在云-边连续体上实现意图驱动的隐私意识协同，通过减少服务停机时间和性能损失来优化LLM推理效率。

Journal ref 24th Australasian Symposium on Parallel and Distributed Computing (AusPDC 2026)