语言大模型 / LLM

Reshaping MOFs text mining with a dynamic multi-agents framework of large language model

用大语言模型的动态多智能体框架重塑MOFs文本挖掘

Zuhong Lin, Daoyuan Ren, Kai Ran, Jing Sun, Songlin Yu, Xuefeng Bai, Xiaotian Huang, Haiyang He, Pengxu Pan, Ying Fang, Zhanglin Li, Haipu Li, Jingjing Yao

机构 * Center for Environment and Water Resources, College of Chemistry and Chemical Engineering, Central South University（环境与水资源中心，化学与化工学院，中南大学） ； Key Laboratory of Hunan Province for Water Environment and Agriculture Product Safety（湖南省水环境与农产品安全重点实验室） ； School of Resources and Environment, Hunan University of Technology and Business（资源与环境学院，湖南工业大学） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（人工智能学院，中国科学院大学） ； Faculty of Data Science, City University of Macau（数据科学学院，澳门城市大学） ； State Key Laboratory of High Performance Ceramics and Superfine Microstructure, Shanghai Institute of Ceramics, Chinese Academy of Sciences（高性能陶瓷与超细微结构重点实验室，上海陶瓷研究所，中国科学院） ； Beijing Key Laboratory for Green Catalysis and Separation, Department of Chemical Engineering, College of Materials Science and Engineering, Beijing University of Technology（绿色催化与分离北京市重点实验室，化学工程系，材料科学与工程学院，北京理工大学） ； State Key Joint Laboratory of Environment Simulation and Pollution Control, School of Environment, Tsinghua University（环境模拟与污染控制国家重点联合实验室，环境学院，清华大学） ； School of Chemical Engineering and Materials Science, Yueyang University（化学工程与材料科学学院，岳阳大学） ； School of Computer Science and Engineering, Central South University（计算机科学与工程学院，中南大学） ； School of Software Engineering, Sun Yat-sen University（软件工程学院，中山大学） 纠错

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

AI总结 MOFh6利用大语言模型的动态多智能体框架，实现MOFs合成条件的高效提取与标准化，提升材料发现的效率和可扩展性。

Comments Accepted by TRAMAT 2 (2026) 100176

Journal ref Transactions of Materials Research, 2026, 2(1), 100176

Dark and Bright Side of Participatory Red-Teaming with Targets of Stereotyping for Eliciting Harmful Behaviors from Large Language Models

参与式红队行动的黑暗与光明面：针对刻板印象目标以激发大语言模型有害行为

Sieun Kim, Yeeun Jo, Sungmin Na, Hyunseung Lim, Eunchae Lee, Yu Min Choi, Soohyun Cho, Hwajung Hong

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

AI总结 本文通过参与式红队行动研究，探讨如何利用刻板印象目标的亲身经历揭示大语言模型的偏见，同时关注参与者心理福祉与赋权。

Comments 20 pages, 4 tables, 3 figures. Accepted to CHI 2026, April 13-17, 2026, Barcelona, Spain

Beyond Pass-by-Pass Optimization: Intent-Driven IR Optimization with Large Language Models

超越逐步优化：基于大语言模型的意图驱动的中间表示优化

Lei Qiu, Zi Yang, Fang Lyu, Ming Zhong, Huimin Cui, Xiaobing Feng

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

AI总结 IntOpt通过显式分离高层次优化意图与低层次转换，实现了更高效的中间表示优化，提升了正确性和性能。

Buy versus Build an LLM: A Decision Framework for Governments

买还是建一个大语言模型：政府的决策框架

Jiahao Lu, Ziwei Xu, William Tjhi, Junnan Li, Antoine Bosselut, Pang Wei Koh, Mohan Kankanhalli

机构 * National University of Singapore（新加坡国立大学） ； AI Singapore（AI新加坡） ； Salesforce AI Research（Salesforce AI研究） ； EPFL（苏黎世联邦理工学院） ； University of Washington（华盛顿大学） ； Allen Institute for AI（人工智能研究院） 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 本文提出政府在大语言模型决策中应考虑主权、安全、成本等因素的框架，帮助确定购买或建设更适合其需求的方法。

Comments The short version of this document is published as an ACM TechBrief at https://dl.acm.org/doi/epdf/10.1145/3797946, and this document is published as an ACM Technology Policy Council white paper at https://www.acm.org/binaries/content/assets/public-policy/buildvsbuyai.pdf

Role-Aware Language Models for Secure and Contextualized Access Control in Organizations

面向角色的语言模型：用于组织中的安全且上下文化的访问控制

Saeed Almheiri, Yerulan Kongrat, Adrian Santosh, Ruslan Tasmukhanov, Josemaria Loza Vera, Muhammad Dehan Al Kautsar, Fajri Koto

机构 * Mohamed bin Zayed University of Artificial Intelligence（莫扎德·本·扎耶德人工智能大学） ； Nazarbayev University（纳扎尔拜耶夫大学） ； University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； New York University Abu Dhabi（纽约大学阿布扎克分校） 纠错

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

AI总结 本文提出面向角色的语言模型，通过三种策略实现基于组织角色的安全访问控制，并通过实验验证其在不同组织结构下的性能和鲁棒性。

Comments AACL 2025 - Main

A Watermark for Black-Box Language Models

为黑盒语言模型设计的水印

Dara Bahri, John Wieting

机构 * Google DeepMind（谷歌DeepMind） 纠错

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

AI总结 本文提出了一种无需白盒访问即可检测LLM输出的水印方案，具备无失真和多密钥嵌套特性，并通过实验验证其优越性。

Comments Published at TMLR 2026

Prompt Optimization Via Diffusion Language Models

通过扩散语言模型实现提示优化

Shiyu Wang, Haolin Chen, Liangwei Yang, Jielin Qiu, Rithesh Murthy, Ming Zhu, Zixiang Chen, Silvio Savarese, Caiming Xiong, Shelby Heinecke, Huan Wang

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

AI总结 本文提出利用扩散语言模型实现提示优化，通过迭代精炼提升LLM性能。

Foundations of Top-$k$ Decoding For Language Models

语言模型中Top-k解码的基础理论

Georgy Noarov, Soham Mallick, Tao Wang, Sunay Joshi, Yan Sun, Yangxinyu Xie, Mengxin Yu, Edgar Dobriban

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

AI总结 本研究提出了一种理论框架，解释并推广了Top-k解码，展示了其在稀疏分布恢复中的有效性，并提出了新的解码策略。

Workflow-Level Design Principles for Trustworthy GenAI in Automotive System Engineering

汽车系统工程中可信生成式人工智能的工作流级设计原则

Chih-Hong Cheng, Brian Hsuan-Cheng Liao, Adam Molin, Hasan Esen

机构 * Carl von Ossietzky University of Oldenburg（奥尔登堡卡尔·冯·奥西特齐克大学） ； DENSO AUTOMOTIVE 纠错

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

AI总结 本文提出可信生成式人工智能在汽车系统工程中工作流级设计原则，通过需求增量识别、SysML架构更新及可追溯测试保障安全关键系统工程的可信度。

Botson: An Accessible and Low-Cost Platform for Social Robotics Research

Botson：一种易于获取且低成本的社会机器人研究平台

Samuel Bellaire, Abdalmalek Abu-raddaha, Natalie Kim, Nathan Morhan, William Elliott, Samir Rawashdeh

机构 * University of Michigan-Dearborn（密歇根大学迪尔伯恩分校） 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 Botson是一种基于大型语言模型的人形社会机器人，旨在为社会机器人研究提供低成本且易于获取的平台。

Comments 5 pages, 7 figures

promptolution: A Unified, Modular Framework for Prompt Optimization

promptolution: 一种统一的、模块化的提示优化框架

Tom Zehle, Timo Heiß, Moritz Schlager, Matthias Aßenmacher, Matthias Feurer

机构 * ELLIS Institute（ELLIS研究所） ； University of Freiburg（弗赖堡大学） ； LMU Munich（慕尼黑大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） ； Technical University of Munich（慕尼黑技术大学） ； TU Dortmund University（多特蒙德技术大学） ； Lamarr Institute for Machine Learning and Artificial Intelligence（Lamarr机器学习与人工智能研究所） 纠错

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

AI总结 promptolution 提供了一种统一的模块化框架，整合多种提示优化器，支持系统化的基准测试，并返回与框架无关的提示字符串，以提升大型语言模型在各种任务中的性能。

GLaDiGAtor: Language-Model-Augmented Multi-Relation Graph Learning for Predicting Disease-Gene Associations

GLaDiGAtor: 基于语言模型的多关系图学习用于预测疾病-基因关联

Osman Onur Kuzucu, Tunca Doğan

机构 * Biological Data Science Lab, Dept. of Computer Engineering, Hacettepe University（生物数据科学实验室，计算机工程系，哈切泰佩大学） ； Dept. of Bioinformatics, Graduate School of Health Sciences, Hacettepe University（生物信息学系，健康科学研究生院，哈切泰佩大学） ； Dept. of Health Informatics, Institute of Informatics, Hacettepe University（健康信息学系，信息学院，哈切泰佩大学） 纠错

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

AI总结 GLaDiGAtor通过整合语言模型特征的异构图学习方法，提升了疾病-基因关联预测的准确性和泛化能力。

Semantic Caching for OLAP via LLM-Based Query Canonicalization (Extended Version)

通过基于LLM的查询规范化实现OLAP的语义缓存

Laurent Bindschaedler

专题命中 其他LLM ：LLM(title)

AI总结 本文提出基于LLM的查询规范化方法，通过统一的OLAP意图签名提升OLAP缓存命中率，实现82%的高命中率，显著优于传统方法。

Comments 12 pages, 2 figures, 5 tables. Extended version of the short paper published at DOLAP 2026 (co-located with EDBT/ICDT 2026)

SAMAS: A Spectrum-Guided Multi-Agent System for Achieving Style Fidelity in Literary Translation

SAMAS：一种基于频谱的多智能体系统，用于实现文学翻译中的风格保真

Jingzhuo Wu, Jiajun Zhang, Keyan Jin, Dehua Ma, Junbo Wang

机构 * Beijing Normal University（北京师范大学） ； University of Science and Technology of China（中国科学技术大学） ； University of Coimbra（科英布拉大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； Northwestern Polytechnical University（西北工业大学） 纠错

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

AI总结 SAMAS通过将风格保真视为信号处理任务，利用小波包变换生成风格特征频谱，动态组装翻译智能体工作流程，从而提升文学翻译中的风格保真度。

ProPerSim: Developing Proactive and Personalized AI Assistants through User-Assistant Simulation

通过用户-助手模拟开发前瞻性与个性化的人工智能助手

Jiho Kim, Junseong Choi, Woosog Chay, Daeun Kyung, Yeonsu Kwon, Yohan Jo, Edward Choi

机构 * KAIST（韩国科学技术院） 纠错

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

AI总结 ProPerSim通过用户-助手模拟框架开发了能够主动和个性化推荐的AI助手，实验显示其在多样化的用户场景中有效提升了用户满意度。

Comments Accepted at ICLR 2026

Curiosity Over Hype: Modeling Motivation Language to Understand Early Outcomes in a Selective Quantum Track

好奇心胜过喧嚣：通过建模动机语言来理解选择性量子轨迹中的早期成果

Daniella Alexandra Crysti Vargas Saldana, Freddy Herrera Cueva

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

AI总结 研究通过分析申请人的动机语言，探讨其在早期量子计算课程中的表现预测，发现好奇心相关主题与学业成绩相关，但推断测试效果有限，需进一步研究。

Comments Published in the Proceedings of IEEE ICALTER 2025. 5 pages, 7 figures

Journal ref Proceedings of the IEEE International Conference on Advanced Learning Technologies (ICALTER), 2025

Tele-Omni: a Unified Multimodal Framework for Video Generation and Editing

Tele-Omni: 一种用于视频生成与编辑的统一多模态框架

Jialun Liu, Tian Li, Xiao Cao, Yukuo Ma, Gonghu Shang, Haibin Huang, Chi Zhang, Xiangzhen Chang, Zhiyong Huang, Jiakui Hu, Zuoxin Li, Yuanzhi Liang, Cong Liu, Junqi Liu, Robby T. Tan, Haitong Tang, Qizhen Weng, Yifan Xu, Liying Yang, Xiaoyan Yang, Peng Yu, Shiwen Zhang, Xuelong Li

机构 * TeleAI 纠错

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

AI总结 Tele-Omni是一种统一多模态框架，通过解析文本、图像和参考视频指令，实现视频生成与编辑的灵活控制，提升时间一致性和视觉一致性。

Tower of Babel in Cross-Cultural Communication: A Case Study of #Give Me a Chinese Name# Dialogues During the "TikTok Refugees'' Event

文化沟通中的巴别塔：#Give Me a Chinese Name# 在“TikTok难民”事件中的案例研究

Jielin Feng, Zhibo Yang, Jingyi Zhao, Yujia Li, Xinwu Ye, Xingyu Lan, Siming Chen

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

AI总结 研究通过分析TikTok难民请求中文名字的跨文化沟通事件，揭示了跨语言文化动态中的编码解码机制及影响参与度的策略。

Comments 21 pages, 6 figures, 6 tables

Can Emulating Semantic Translation Help LLMs with Code Translation? A Study Based on Pseudocode

通过模拟语义翻译能否帮助LLMs进行代码翻译？基于伪代码的研究

Songqiang Chen, Congying Xu, Jingyi Chen, Jialun Cao, Jiarong Wu, Shing-Chi Cheung

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

AI总结 本研究通过基于伪代码的翻译方法提升LLMs在代码翻译中的表现，发现其在复杂程序处理中具有优势，但受限于伪代码的准确性。

Comments Accepted by ACM Transactions on Software Engineering and Methodology (TOSEM)

Personalized Help for Optimizing Low-Skilled Users' Strategy

为优化低技能用户策略的个性化帮助

Feng Gu, Wichayaporn Wongkamjan, Jonathan K. Kummerfeld, Denis Peskoff, Jonathan May, Jordan Boyd-Graber

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

AI总结 本文提出通过CICERO生成个性化建议，帮助低技能玩家在Diplomacy游戏中提升策略表现，即使玩家不遵循建议，其存在也具有优势。

Comments 9 pages, 3 figures

RDFC-GAN: RGB-Depth Fusion CycleGAN for Indoor Depth Completion

RDFC-GAN：基于RGB-深度融合的循环GAN用于室内深度补全

Haowen Wang, Zhengping Che, Yufan Yang, Mingyuan Wang, Zhiyuan Xu, Xiuquan Qiao, Mengshi Qi, Feifei Feng, Jian Tang

机构 * State Key Laboratory of Networking and Switching Technology, Beijing University of Posts and Telecommunications, China（网络与交换技术国家重点实验室，北京邮电大学，中国） ； Midea Group, China（美的集团，中国） ； School of Computer Science, Beijing University of Posts and Telecommunications, China（计算机科学学院，北京邮电大学，中国） 纠错

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

AI总结 RDFC-GAN通过融合RGB和深度图像，利用循环GAN和自适应融合模块提升室内深度补全效果。

Comments Haowen Wang and Zhengping Che are with equal contributions. Paper accepted by IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI). An earlier version has been accepted by CVPR 2022 (arXiv:2203.10856). arXiv admin note: text overlap with arXiv:2203.10856

Journal ref IEEE Transactions on Pattern Analysis and Machine Intelligence (Volume: 46, Issue: 11, November 2024)

Limits of Convergence-Rate Control for Open-Weight Safety

开放权重安全性的收敛速率控制极限

Domenic Rosati, Xijie Zeng, Hong Huang, Sebastian Dionicio, Subhabrata Majumdar, Frank Rudzicz, Hassan Sajjad

机构 * Dalhousie University（达尔豪斯大学） ； Vector Institute（向量研究所） ； Indian Institute of Management Bangalore（班加罗尔印度管理学院） 纠错

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

AI总结 本文提出SpecDef算法，通过谱重参数化在非对抗性设置中减缓优化收敛速度，并揭示了对抗性环境下收敛速率控制方法的理论极限。

Comments Submitted to ICML 2026. 13 figures, 30 tables

Human-to-Robot Interaction: Learning from Video Demonstration for Robot Imitation

人机交互：从视频演示中学习机器人模仿

Thanh Nguyen Canh, Thanh-Tuan Tran, Haolan Zhang, Ziyan Gao, Nak Young Chong, Xiem HoangVan

专题命中 其他LLM ：language model(abstract)

AI总结 本研究提出了一种基于视频演示的机器人模仿学习方法，通过模块化框架结合时间位移模块和深度强化学习，实现机器人从无结构视频中学习基本操作技能。

Automatic, Expressive, and Scalable Fuzzing with Stitching

通过拼接实现自动、表达性强且可扩展的模糊测试

Harrison Green, Fraser Brown, Claire Le Goues

专题命中 其他LLM ：LLM(abstract)

AI总结 STITCH通过拼接技术实现自动、表达性强且可扩展的模糊测试，发现更多真实bug并提高精度。