语言大模型 / LLM

VQPP: Video Query Performance Prediction Benchmark

VQPP：视频查询性能预测基准

Adrian Catalin Lutu, Eduard Poesina, Radu Tudor Ionescu

机构 * University of Bucharest / Bitdefender（布加勒斯大学/Bitdefender） ； University of Bucharest（布加勒斯大学） 纠错

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

AI总结 本文提出VQPP基准，用于视频查询性能预测，包含两个数据集和两个系统，探索预检索和后检索预测器，并展示其在训练大型语言模型上的应用。

ADAPT: Hybrid Prompt Optimization for LLM Feature Visualization

ADAPT：LLM特征可视化中的混合提示优化

João N. Cardoso, Arlindo L. Oliveira, Bruno Martins

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

AI总结 ADAPT通过结合束搜索与自适应梯度突变，改进LLM特征可视化方法，实现更高效的特征激活优化。

DeCEAT: Decoding Carbon Emissions for AI-driven Software Testing

DeCEAT：为AI驱动的软件测试解码碳排放

Pragati Kumari, Novarun Deb

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

AI总结 DeCEAT框架通过评估SLMs在测试生成中的环境与性能权衡，揭示了提示设计对可持续性的影响。

Cluster Workload Allocation: Semantic Soft Affinity Using Natural Language Processing

集群工作负载分配：利用自然语言处理的语义软亲和力

Leszek Sliwko, Jolanta Mizeria-Pietraszko

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

AI总结 本文提出利用自然语言处理实现语义软亲和力的集群工作负载分配方法，通过LLM提升调度准确性，验证了其在复杂场景中的有效性。

Comments This is the accepted version of the paper published in IEEE Access (2026). The final version is available at: https://doi.org/10.1109/ACCESS.2026.3665989

MUCH: A Multilingual Claim Hallucination Benchmark

MUCH：一个多语言声称幻觉基准

Jérémie Dentan, Alexi Canesse, Davide Buscaldi, Aymen Shabou, Sonia Vanier

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

AI总结 MUCH是一个多语言声明幻觉基准，通过提供24个生成logits和高效分割算法，评估声明级不确定性量化方法在现实条件下的性能和效率。

Comments To appear in Proceedings of LREC 2026

The Statistical Signature of LLMs

大语言模型的统计特征

Ortal Hadad, Edoardo Loru, Jacopo Nudo, Niccolò Di Marco, Matteo Cinelli, Walter Quattrociocchi

机构 * Department of Computer Science, Sapienza University of Rome（计算机科学系，罗马萨皮恩扎大学） ； Department of Computer, Control and Management Engineering, Sapienza University of Rome（计算机、控制与管理工程系，罗马萨皮恩扎大学） ； Department of Legal, Social, and Educational Sciences, Tuscia University（法律、社会与教育科学系，图斯西亚大学） 纠错

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

AI总结 本研究通过无损压缩分析揭示大语言模型生成文本的统计特征，发现其在受控和中介情境中比人类文本更具规律性和可压缩性，但小尺度下这种差异会减弱。

Framing Responsible Design of AI for Mental Well-Being: AI as Primary Care, Nutritional Supplement, or Yoga Instructor?

为心理健康福祉负责任地设计AI：AI作为初级保健、营养补充剂或瑜伽导师？

Ned Cooper, Jose A. Guridi, Angel Hsing-Chi Hwang, Beth Kolko, Emma Elizabeth McGinty, Qian Yang

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

AI总结 本文探讨了如何负责任地设计用于心理健康支持的AI工具，通过类比不同角色（如初级保健、营养补充剂或瑜伽导师）来界定其责任和评估标准。

Comments 16 pages, 1 figure, 2 tables. To appear at CHI '26

FLUKE: A Linguistically-Driven and Task-Agnostic Framework for Robustness Evaluation

FLUKE：一种基于语言驱动且任务无关的鲁棒性评估框架

Yulia Otmakhova, Hung Thinh Truong, Rahmad Mahendra, Zenan Zhai, Rongxin Zhu, Daniel Beck, Jey Han Lau

机构 * The University of Melbourne（墨尔本大学） ； Oracle（Oracle公司） ； Universitas Indonesia（印度尼西亚大学） ； RMIT University（皇家墨尔本理工学院） 纠错

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

AI总结 FLUKE通过系统性语言变化评估模型鲁棒性，揭示任务依赖性、模型脆弱性和语言特征使用与鲁棒性无关的结论。

Comments Accepted to EACL 2026 Findings

LeafNet: A Large-Scale Dataset and Comprehensive Benchmark for Foundational Vision-Language Understanding of Plant Diseases

LeafNet：一个大规模数据集和全面基准，用于植物病害的基础视觉-语言理解

Khang Nguyen Quoc, Phuong D. Dao, Luyl-Da Quach

机构 * School of Electrical Engineering, Korea University（韩国大学电气工程学院） ； Department of Integrative Biology, The University of Texas at Austin（德克萨斯大学奥斯汀分校整合生物学系） ； Department of Software Engineering, FPT University（FPT大学软件工程系） 纠错

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

AI总结 LeafNet通过大规模多模态数据集和基准测试，揭示了VLMs在植物疾病理解中的性能差异，强调了多模态架构在提升诊断精度中的关键作用。

Comments 26 pages, 13 figures and 8 tables

Cultivating Pluralism In Algorithmic Monoculture: The Community Alignment Dataset

在算法单一性中培育多元主义：社区对齐数据集

Lily Hong Zhang, Smitha Milli, Karen Jusko, Jonathan Smith, Brandon Amos, Wassim Bouaziz, Manon Revel, Jack Kussman, Yasha Sheynin, Lisa Titus, Bhaktipriya Radharapu, Jane Yu, Vidya Sarma, Kris Rose, Maximilian Nickel

机构 * FAIR at Meta（Meta 的 FAIR 部门） ； Governance at Meta（Meta 的治理部门） ； AI at Meta（Meta 的人工智能部门） ； Social Issues Research at Meta（Meta 的社会问题研究部门） ； AI Policy Team at Meta（Meta 的人工智能政策团队） ； Center for Data Science, New York University（纽约大学数据科学中心） 纠错

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

AI总结 本文通过构建社区对齐数据集，探讨如何通过负相关采样提升LLM对不同偏好的适应能力，推动算法多元主义发展。

IRPAPERS: A Visual Document Benchmark for Scientific Retrieval and Question Answering

IRPAPERS: 一个用于科学检索和问答的视觉文档基准

Connor Shorten, Augustas Skaburskas, Daniel M. Jones, Charles Pierse, Roberto Esposito, John Trengrove, Etienne Dilocker, Bob van Luijt

机构 * Weaviate 纠错

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

AI总结 IRPAPERS基准通过比较图像和文本检索系统，揭示了多模态混合搜索在科学文档检索和问答中的优势。

Comments 23 pages, 6 figures

Perceived Political Bias in LLMs Reduces Persuasive Abilities

感知到的LLM政治偏见会降低说服能力

Matthew DiGiuseppe, Joshua Robison

机构 * Leiden University（莱顿大学） 纠错

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

AI总结 研究发现，感知到的LLM政治偏见会降低其在对话中的说服效果，表明说服力受政治中立性感知的影响。

Comments 39 pages, 10 figures

VILLAIN at AVerImaTeC: Verifying Image-Text Claims via Multi-Agent Collaboration

VILLAIN 在 AVerImaTeC 上：通过多智能体协作验证图像-文本声明

Jaeyoon Jung, Yejun Yoon, Kunwoo Park

机构 * School of AI Convergence, Soongsil University（人工智能融合学院，顺世大学） ； MAUM AI Inc.（MAUM人工智能公司） ； Department of Intelligent Semiconductors, Soongsil University（智能半导体系，顺世大学） 纠错

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

AI总结 VILLAIN 通过多智能体协作验证图像-文本声明，实现事实核查系统的高效准确验证。

Comments A system description paper for the AVerImaTeC shared task at the Ninth FEVER Workshop (co-located with EACL 2026)

View Invariant Learning for Vision-Language Navigation in Continuous Environments

连续环境中视觉语言导航的视角不变学习

Josh Qixuan Sun, Huaiyuan Weng, Xiaoying Xing, Chul Min Yeum, Mark Crowley

机构 * Department of Electrical and Computer Engineering, University of Waterloo（电气与计算机工程系，滑铁卢大学） ； Department of Civil and Environmental Engineering, University of Waterloo（土木与环境工程系，滑铁卢大学） ； Department of Electrical and Computer Engineering, Northwestern University（电气与计算机工程系，西北大学） 纠错

专题命中 评测与基准 ：post-training(abstract)；分类 cs.LG

AI总结 本文提出VIL框架，通过对比学习和教师-学生机制提升连续环境中视觉语言导航的视角鲁棒性，实验表明其在多个基准数据集上性能优越。

Comments This paper is accepted to RA-L 2026

Comparative Assessment of Multimodal Earth Observation Data for Soil Moisture Estimation

多模态地球观测数据在土壤含水量估计中的比较评估

Ioannis Kontogiorgakis, Athanasios Askitopoulos, Iason Tsardanidis, Dimitrios Bormpoudakis, Ilias Tsoumas, Fotios Balampanis, Charalampos Kontoes

机构 * BEYOND EO Centre, IAASARS, National Observatory of Athens（BEYOND EO中心、IAASARS、雅典国家天文台） ； Artificial Intelligence, Wageningen University & Research（人工智能，瓦赫宁根大学与研究所） 纠错

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

AI总结 本研究通过多模态地球观测数据结合机器学习，提出高分辨率土壤含水量估计框架，验证了传统特征工程在稀疏数据回归任务中的有效性。

Comments This paper has been submitted to IEEE IGARSS 2026

Alignment in Time: Peak-Aware Orchestration for Long-Horizon Agentic Systems

时间对齐：面向长时间 horizon 代理系统的峰值感知 orchestration

Hanjing Shi, Dominic DiFranzo

机构 * Lehigh University（莱维大学） 纠错

专题命中 评测与基准 ：LLM(abstract)；分类 cs.AI

AI总结 APEMO通过时间-情感信号优化计算分配，提升长horizon代理系统轨迹质量和重用概率。

ChoiceMates: Supporting Unfamiliar Online Decision-Making with Multi-Agent Conversational Interactions

ChoiceMates: 通过多智能体对话交互支持陌生在线决策

Jeongeon Park, Bryan Min, Kihoon Son, Jean Y. Song, Xiaojuan Ma, Juho Kim

机构 * University of California, San Diego（加州大学圣迭戈分校） ； School of Computing, KAIST（韩国科学技术院计算机学院） ； Information and Interaction Design, Yonsei University（延世大学信息与交互设计） ； Hong Kong University of Science（香港科学大学） 纠错

专题命中 评测与基准 ：LLM(abstract)；分类 cs.AI

AI总结 ChoiceMates通过多智能体对话交互帮助用户更高效地进行陌生在线决策。

Comments Accepted to IUI 2026

ReqElicitGym: An Evaluation Environment for Interview Competence in Conversational Requirements Elicitation

ReqElicitGym: 一种用于会话需求 elicitation 中面试能力评估的评估环境

Dongming Jin, Zhi Jin, Zheng Fang, Linyu Li, XiaoTian Yang, Yuanpeng He, Xiaohong Chen

专题命中 评测与基准 ：LLM(abstract)

AI总结 ReqElicitGym通过引入新数据集和交互式评估机制，系统评估LLM在会话需求 elicitation 中的面试能力，揭示其在隐含需求识别上的不足。

Comments 22page, 7 figures

KPM-Bench: A Kinematic Parsing Motion Benchmark for Fine-grained Motion-centric Video Understanding

KPM-Bench: 一种用于细粒度运动中心视频理解的运动解析动作基准

Boda Lin, Yongjie Zhu, Xiaocheng Gong, Wenyu Qin, Meng Wang

机构 * Kuaishou Technology（快手科技） 纠错

专题命中 评测与基准 ：post-training(abstract)

AI总结 KPM-Bench通过整合运动学计算与语言解析，构建了一个用于细粒度运动中心视频理解的开源基准，提出MoPE算法以提升运动描述的准确性与可靠性。

Comments 26 pages

SPQ: An Ensemble Technique for Large Language Model Compression

SPQ：一种用于大语言模型压缩的集成技术

Jiamin Yao, Eren Gultepe

机构 * Dept. of Computer Science, Southern Illinois University Edwardsville（计算机科学系，南方伊利诺伊大学爱德华兹维尔分校） 纠错

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

AI总结 SPQ通过结合SVD、剪枝和量化技术，实现大语言模型的有效压缩，提升推理效率并保持模型性能。

Comments Accepted to LREC 2026 Main Conference

Causality by Abstraction: Symbolic Rule Learning in Multivariate Timeseries with Large Language Models

通过抽象实现因果关系：利用大语言模型在多变量时间序列中进行符号规则学习

Preetom Biswas, Giulia Pedrielli, K. Selçuk Candan

机构 * Arizona State University（亚利桑那州立大学） 纠错

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

AI总结 ruleXplain利用大语言模型提取多变量时间序列中的因果规则，通过生成反事实输入轨迹和闭环细化确保规则的可验证性和有效性。

Jailbreaking Leaves a Trace: Understanding and Detecting Jailbreak Attacks from Internal Representations of Large Language Models

对大型语言模型进行劫持留有痕迹：从内部表示理解并检测劫持攻击

Sri Durga Sai Sowmya Kadali, Evangelos E. Papalexakis

机构 * University of California, Riverside（加州大学河滨分校） 纠错

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

AI总结 本文提出了一种基于张量的潜在表示框架，通过分析LLM内部表示差异来检测劫持攻击，并在推理阶段主动干扰劫持执行。

AsynDBT: Asynchronous Distributed Bilevel Tuning for efficient In-Context Learning with Large Language Models

AsynDBT：异步分布式双层调优用于高效上下文学习与大语言模型

Hui Ma, Shaoyu Dou, Ya Liu, Fei Xing, Li Feng, Feng Pi

机构 * Xinjiang Key Laboratory of Intelligent Computing and Smart Applications, School of Software, Xinjiang University（新疆智能计算与智能应用重点实验室，软件学院，新疆大学） ； Department of Computer Science and Technology, Tongji University（计算机科学与技术系，同济大学） ； School of Information Science and Engineering, Zaozhuang University（信息科学与工程学院，枣庄大学） ； Xinjiang University, College of Geography and Remote Sensing Sciences（新疆大学，地理与遥感科学学院） ； Hochschule Bielefeld-University of Applied Sciences and Arts（比勒菲尔德应用科学与艺术大学） ； Xinjiang General Station of Exit and Entry Frontier Inspection（新疆出入境边防检查总站） 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.AI、cs.LG

AI总结 AsynDBT通过异步分布式双层调优优化上下文学习样本和提示片段，提升大语言模型在隐私保护和异构环境下的下游任务性能。

Comments Accepted in Scientific Reports

Qualitative Coding Analysis through Open-Source Large Language Models: A User Study and Design Recommendations

通过开源大语言模型进行定性编码分析：一项用户研究与设计建议

Tung T. Ngo, Dai Nguyen Van, Anh-Minh Nguyen, Phuong-Anh Do, Anh Nguyen-Quoc

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

AI总结 本文提出ChatQDA，一个基于开源LLMs的本地化定性分析工具，通过用户研究发现其在隐私保护和解释一致性方面的挑战，并提出设计建议以提升信任度。

Comments 6 pages. Accepted as Poster to CHI'26

MIMIC: Integrating Diverse Personality Traits for Better Game Testing Using Large Language Model

MIMIC：整合多样化人格特质以通过大型语言模型实现更有效的游戏测试

Yifei Chen, Sarra Habchi, Lili Wei

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

AI总结 MIMIC通过整合多样化人格特质，提升游戏测试的覆盖率和多样性，有效发现边缘情况。

Comments 13 pages, 7 figures, 6 tables. This paper is accepted by the 40th IEEE/ACM International Conference on Automated Software Engineering, ASE 2025

Towards LLM-centric Affective Visual Customization via Efficient and Precise Emotion Manipulating

面向高效精准情感操控的基于大语言模型的有情感视觉定制

Jiamin Luo, Xuqian Gu, Jingjing Wang, Jiahong Lu

机构 * School of Computer Science and Technology, Soochow University（计算机科学与技术学院，苏州大学） 纠错

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

AI总结 本文提出基于大语言模型的有情感视觉定制任务，通过高效精准的情感操控方法实现图像主观情感的生成与修改。

CDLM: Consistency Diffusion Language Models For Faster Sampling

CDLM：一致性扩散语言模型用于更快的采样

Minseo Kim, Chenfeng Xu, Coleman Hooper, Harman Singh, Ben Athiwaratkun, Ce Zhang, Kurt Keutzer, Amir Gholami

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

AI总结 CDLM通过一致性建模和块状因果注意力掩码，显著降低扩散语言模型的推断延迟，同时保持在数学和编码任务上的准确性。

Comments Accepted to MLSys 2026

Data-Efficient Inference of Neural Fluid Fields via SciML Foundation Model

通过SciML基础模型实现神经流场的高效推理

Yuqiu Liu, Jingxuan Xu, Mauricio Soroco, Yunchao Wei, Wuyang Chen

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

AI总结 本文提出利用SciML基础模型实现神经流场的高效推理，通过协同训练策略提升流体动力学重建的PSNR和泛化能力。

Comments Accepted by 3DV 2026

ScaleBITS: Scalable Bitwidth Search for Hardware-Aligned Mixed-Precision LLMs

ScaleBITS: 可扩展的位宽搜索用于硬件对齐的混合精度大语言模型

Xinlin Li, Timothy Chou, Josh Fromm, Zichang Liu, Yunjie Pan, Christina Fragouli

机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； Meta Superintelligence Labs, Meta Platforms, Inc.（Meta超智能实验室） ； Meta Platforms, Inc.（Meta公司） 纠错

专题命中 效率与部署 ：large language model(abstract)；language model(abstract)；post-training(abstract)；分类 cs.AI、cs.LG

AI总结 ScaleBITS通过硬件对齐的块级权重分区和约束优化方法，实现高效混合精度量化，提升低比特下的模型性能。

Aurora: Neuro-Symbolic AI Driven Advising Agent

Aurora：神经符号AI驱动的建议代理

Lorena Amanda Quincoso Lugones, Christopher Kverne, Nityam Sharadkumar Bhimani, Ana Carolina Oliveira, Agoritsa Polyzou, Christine Lisetti, Janki Bhimani

机构 * Florida International University（佛罗里达国际大学） ； Northeastern University（东北大学） 纠错

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

AI总结 Aurora通过神经符号AI结合检索增强生成、符号推理和课程数据库，实现大规模、可验证的学术建议，提升推荐准确性和效率。

Comments Accepted to 41st ACM/SIGAPP Symposium On Applied Computing. 8 Pages, 3 Figures