语言大模型 / LLM

The Design Space of Tri-Modal Masked Diffusion Models

三模态掩码扩散模型的设计空间

Louis Bethune, Victor Turrisi, Bruno Kacper Mlodozeniec, Pau Rodriguez Lopez, Lokesh Boominathan, Nikhil Bhendawade, Amitis Shidani, Joris Pelemans, Theo X. Olausson, Devon Hjelm, Paul Dixon, Joao Monteiro, Pierre Ablin, Vishnu Banna, Arno Blaas, Nick Henderson, Kari Noriy, Dan Busbridge, Josh Susskind, Marco Cuturi, Irina Belousova, Luca Zappella, Russ Webb, Jason Ramapuram

机构 * Apple（苹果公司） ； Google Deepmind（谷歌DeepMind） ； University of Cambridge（剑桥大学） ； MIT（麻省理工学院） 纠错

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

AI总结 本文提出了一种从头开始预训练的三模态掩码扩散模型，通过分析多模态扩展定律和批大小效应，实现了优化的推理采样，并在文本生成、图像生成和语音生成任务中取得了显著成果。

Comments 41 pages, 29 figures, 10 tables

Embedding-Based Context-Aware Reranker

基于嵌入的上下文感知重排序器

Ye Yuan, Mohammad Amin Shabani, Siqi Liu

机构 * McGill University（麦吉尔大学） ； Mila - Quebec AI Institute（魁北克人工智能研究所） ； RBC Borealis 纠错

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

AI总结 本文提出EBCAR，一种基于嵌入的上下文感知重排序器，通过增强跨段落理解提升信息检索的准确性和效率。

Comments Accepted by ICLR 2026

Detecting UX smells in Visual Studio Code using LLMs

使用LLMs检测Visual Studio Code中的用户体验问题

Andrés Rodriguez, Juan Cruz Gardey, Alejandra Garrido

专题命中 效率与部署 ：LLM(abstract)

AI总结 本文提出利用LLMs检测Visual Studio Code中用户体验问题的方法，通过分析用户报告的问题发现信息性、清晰性、直观性和效率是主要的用户体验问题所在。

Comments 4 pages, 2 figures, 1 table, 3rd International Workshop on Integrated Development Environments (IDE 2026)

Pure-amplitude holograms for high-efficiency generation of phase radial grating based radial carpet beams: Theory and experiments under plane-wave and Gaussian illumination

纯幅度全息图用于高效生成基于径向光栅的径向地毯光束：平面波和高斯光束下的理论与实验

Saifollah Rasouli, Somaye Fathollazade, Mohammad Mohammadi

专题命中 效率与部署 ：SLM(abstract)

AI总结 本研究提出了一种纯幅度全息图，通过平面波和高斯光束生成高效径向地毯光束，显著提高功率效率。

Comments 28 pages and 7 figures

Enhancing Multi-Image Understanding through Delimiter Token Scaling

通过分隔符标记扩展提升多图像理解

Minyoung Lee, Yeji Park, Dongjun Hwang, Yejin Kim, Seong Joon Oh, Junsuk Choe

专题命中 效率与部署 ：language model(abstract)

AI总结 通过扩展分隔符标记的隐藏状态，提升多图像理解性能，有效减少跨图像信息泄露，提高模型区分和推理能力。

Comments Accepted at ICLR 2026

FlexiCodec: A Dynamic Neural Audio Codec for Low Frame Rates

FlexiCodec: 一种用于低帧率的动态神经音频编解码器

Jiaqi Li, Yao Qian, Yuxuan Hu, Leying Zhang, Xiaofei Wang, Heng Lu, Manthan Thakker, Jinyu Li, Sheng Zhao, Zhizheng Wu

机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Microsoft（微软公司） ； Shanghai Jiao Tong University（上海交通大学） ； Shenzhen Loop Area Institute（深圳河套学院） ； City University of Macau（澳门城市大学） ； Amphion Technology Co., Ltd.（Amphion科技有限公司） 纠错

专题命中 效率与部署 ：language model(abstract)

AI总结 FlexiCodec通过动态帧率方法和双流编码架构，提升低帧率下的语义保留和音频重建质量。

Comments Accepted to ICLR 2026

Small Language Models for Privacy-Preserving Clinical Information Extraction in Low-Resource Languages

小型语言模型在低资源语言中隐私保护的临床信息提取

Mohammadreza Ghaffarzadeh-Esfahani, Nahid Yousefian, Ebrahim Heidari-Farsani, Ali Akbar Omidvarian, Sepehr Ghahraei, Atena Farangi, AmirBahador Boroumand

机构 * Student Research Committee Isfahan University of Medical Sciences（伊斯法罕医学科学大学学生研究委员会） ； Department of Emergency Medicine Isfahan University of Medical Sciences（伊斯法罕医学科学大学急诊医学科） 纠错

专题命中 领域大模型 ：language model(title,abstract)；small language model(title,abstract)；prompting(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 本文提出利用小型语言模型结合翻译模型，实现低资源语言中隐私保护的临床信息提取，验证了模型规模和输入语言策略联合优化的重要性。

Comments 16 pages, 3 figures, 2 supplementary files

A Multi-faceted Analysis of Cognitive Abilities: Evaluating Prompt Methods with Large Language Models on the CONSORT Checklist

对认知能力的多维度分析：利用大型语言模型在CONSORT清单上评估提示方法

Sohyeon Jeon, Hyung-Chul Lee

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

AI总结 本研究通过比较通用和领域专用LLM在三种提示策略下的表现，揭示了其在评估临床试验报告时存在显著的校准错误和过度自信问题，强调了改进校准和提示工程的重要性。

Comments We have decided to withdraw this manuscript because we believe it requires further revision and substantial improvement before it is suitable for dissemination to the academic community

Small Wins Big: Comparing Large Language Models and Domain Fine-Tuned Models for Sarcasm Detection in Code-Mixed Hinglish Text

小胜大：比较大型语言模型与领域微调模型在混合英语文本中的讽刺检测

Bitan Majumder, Anirban Sen

机构 * Pondicherry University（彭迪奇里大学） ； Ashoka University（阿什oka大学） 纠错

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

AI总结 本研究比较了大型语言模型与领域微调模型在混合英语文本中的讽刺检测性能，发现微调的 DistilBERT 模型在准确性上优于所有 LLMs。

Acceptance Test Generation with Large Language Models: An Industrial Case Study

基于大语言模型的接受测试生成：一项工业案例研究

Margarida Ferreira, Luis Viegas, Joao Pascoal Faria, Bruno Lima

专题命中 领域大模型 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)

AI总结 本文研究了利用大语言模型生成Web应用验收测试的两步方法，通过工业案例验证了其在提高测试质量和效率方面的有效性。

Journal ref 2025 IEEE/ACM International Conference on Automation of Software Test (AST)

Dynamic Personality Adaptation in Large Language Models via State Machines

通过状态机实现大语言模型的动态人格适应

Leon Pielage, Ole Hätscher, Mitja Back, Bernhard Marschall, Benjamin Risse

机构 * Institute for Geoinformatics, University of Münster（地理信息研究所，穆尔斯特大学） ； Faculty of Mathematics and Computer Science, University of Münster（数学与计算机科学学院，穆尔斯特大学） ； Department of Psychology, University of Münster（心理学系，穆尔斯特大学） ； Institute of Medical Education and Student Affairs, University of Münster（医学教育与学生事务研究所，穆尔斯特大学） 纠错

专题命中 领域大模型 ：large language model(title,abstract)；language model(title,abstract)；分类 cs.CL、cs.LG

AI总结 本文提出通过状态机实现大语言模型动态人格适应的框架，通过模块化评分管道实现人格状态的动态调整，提升在复杂互动场景中的表现。

Comments 22 pages, 5 figures, submitted to ICPR 2026

Irresponsible Counselors: Large Language Models and the Loneliness of Modern Humans

不负责任的顾问：大型语言模型与现代人类的孤独

Abas Bertina, Sara Shakeri

专题命中 领域大模型 ：large language model(title,abstract)；language model(title,abstract)

AI总结 本文探讨大型语言模型在人类孤独时代作为多专长顾问的角色，指出其技术架构与社会地位结合产生无主体的咨询亲密关系，挑战传统AI伦理框架。

Comments Preprint. XX pages, X figures

Think like a Scientist: Physics-guided LLM Agent for Equation Discovery

像科学家一样思考：基于物理的LLM代理用于方程发现

Jianke Yang, Ohm Venkatachalam, Mohammad Kianezhad, Sharvaree Vadgama, Rose Yu

专题命中 领域大模型 ：LLM(title,abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI、cs.LG

AI总结 KeplerAgent通过模拟科学家的推理过程，利用物理知识和符号回归引擎，在方程发现任务中实现了更高的准确性和鲁棒性。

SERL: Self-Examining Reinforcement Learning on Open-Domain

SERL：面向开放域的自我审查强化学习

Weixuan Ou, Yanzhao Zheng, Shuoshuo Sun, Wei Zhang, Baohua Dong, Hangcheng Zhu, Ruohui Huang, Gang Yu, Pengwei Yan, Yifan Qiao

专题命中 领域大模型 ：LLM(abstract)；large language model(abstract)；language model(abstract)；RLHF(abstract)

AI总结 SERL通过自我审查机制提升开放域任务中的LLM性能，无需外部信号，实现演员与裁判的协同改进。

Comments Accepted by the 40th AAAI Conference on Artificial Intelligence (AAAI 2026)

EQ-5D Classification Using Biomedical Entity-Enriched Pre-trained Language Models and Multiple Instance Learning

利用生物医学实体增强的预训练语言模型和多实例学习进行EQ-5D分类

Zhyar Rzgar K Rostam, Gábor Kertész

机构 * Doctoral School of Applied Informatics and Applied Mathematics, Obuda University（应用信息与应用数学博士学校，奥布达大学） 纠错

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

AI总结 本文提出利用生物医学实体增强的预训练语言模型和多实例学习方法，提升EQ-5D在摘要中的检测精度，实现更高效的系统文献综述自动化筛选。

Comments 12 tables

SciTS: Scientific Time Series Understanding and Generation with LLMs

SciTS: 基于大语言模型的科学时间序列理解与生成

Wen Wu, Ziyang Zhang, Liwei Liu, Xuenan Xu, Jimin Zhuang, Ke Fan, Qitan Lv, Junlin Liu, Chen Zhang, Zheqi Yuan, Siyuan Hou, Tianyi Lin, Kai Chen, Bowen Zhou, Chao Zhang

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Tsinghua University（清华大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； University of Science and Technology of China（中国科学技术大学） 纠错

专题命中 领域大模型 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI、cs.LG

AI总结 SciTS提出了一种基于LLM的科学时间序列理解与生成框架，通过基准测试发现通用LLM在泛化能力上优于专门模型，并引入TimeOmni框架提升性能。

Comments Accepted to ICLR 2026

Toward Safe and Human-Aligned Game Conversational Recommendation via Multi-Agent Decomposition

迈向安全且人本对齐的游戏对话推荐的多智能体分解

Zheng Hui, Xiaokai Wei, Yexi Jiang, Kevin Gao, Chen Wang, Frank Ong, Se-eun Yoon, Rachit Pareek, Michelle Gong

机构 * Roblox Corporation（Roblox公司） ； University of Cambridge（剑桥大学） 纠错

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

AI总结 MATCHA通过多智能体框架提升游戏对话推荐的安全性与人本对齐，实现更精细的个性化和更强的对抗防御能力。

Comments ICML 2025 MAS, EACL 2026

A Hierarchical Multi-Agent System for Autonomous Discovery in Geoscientific Data Archives

面向地质数据档案的分层多智能体系统

Dmitrii Pantiukhin, Ivan Kuznetsov, Boris Shapkin, Antonia Anna Jost, Thomas Jung, Nikolay Koldunov

机构 * Alfred Wegener Institute for Polar and Marine Research（阿尔弗雷德·韦格ener极地和海洋研究所） 纠错

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

AI总结 PANGAEA-GPT通过分层多智能体框架实现地质数据自动发现与分析，具备复杂工作流执行能力，减少人工干预。

Comments 20 pages, 6 figures, 7 tables, supplementary material included

S-GRec: Personalized Semantic-Aware Generative Recommendation with Asymmetric Advantage

S-GRec: 基于非对称优势的个性化语义感知生成推荐

Jie Jiang, Hongbo Tang, Wenjie Wu, Yangru Huang, Zhenmao Li, Qian Li, Changping Wang, Jun Zhang, Huan Yu

专题命中 领域大模型 ：LLM(abstract)；large language model(abstract)；language model(abstract)

AI总结 S-GRec通过非对称优势策略优化，结合轻量级生成器和LLM语义判断器，实现个性化语义感知推荐，提升CTR和GMV效果。

FML-bench: Benchmarking Machine Learning Agents for Scientific Research

FML-bench: 用于科学研究的机器学习代理基准测试

Qiran Zou, Hou Hei Lam, Wenhao Zhao, Yiming Tang, Tingting Chen, Samson Yu, Tianyi Zhang, Chang Liu, Xiangyang Ji, Dianbo Liu

机构 * National University of Singapore, Singapore（新加坡国立大学） ； Tsinghua University, Beijing, China（清华大学） ； University of Minnesota, Minneapolis, MN, USA（明尼苏达大学） 纠错

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

AI总结 FML-bench 是一个用于评估机器学习代理在科学研究中能力的基准测试，包含8个基础任务并引入探索多样性指标，揭示探索策略对性能的影响。

Comments Our benchmark is available at: https://github.com/qrzou/FML-bench

The Dark Side of ChatGPT: Legal and Ethical Challenges from Stochastic Parrots and Hallucination

ChatGPT的阴暗面：来自随机鹦鹉和幻觉的法律与伦理挑战

Zihao Li

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

AI总结 本文探讨了ChatGPT等大型语言模型在法律和伦理方面带来的挑战，指出随机鹦鹉和幻觉问题需要欧盟监管框架进一步完善以应对相关风险。

Comments This is the preprint version of the paper 'Why the European AI Act transparency obligation is insufficient' (2023) Nature Machine Intelligence

Journal ref Nature Machine Intelligence 5 (2023)

Diversity Boosts AI-Generated Text Detection

多样性增强AI生成文本检测

Advik Raj Basani, Pin-Yu Chen

机构 * Birla Institute of Technology and Science, Goa（比拉理工学院和科学研究院，果阿） ； IBM Research（IBM研究院） 纠错

专题命中 领域大模型 ：LLM(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 DivEye通过捕捉文本中不可预测性的波动，提出了一种新的AI生成文本检测框架，实现了高达33.2%的检测性能提升，并提供可解释的检测原因分析。

Comments Accepted to Transactions on Machine Learning Research (TMLR '26). Project page and demos: https://diveye.vercel.app/

Brain3D: Brain Report Automation via Inflated Vision Transformers in 3D

Brain3D: 通过膨胀视觉变换器实现脑部报告自动化

Mariano Barone, Francesco Di Serio, Giuseppe Riccio, Antonio Romano, Marco Postiglione, Antonino Ferraro, Vincenzo Moscato

机构 * University of Naples Federico II, Department of Electrical Engineering and Information Technology（那不勒斯费德里科二世大学电子工程与信息技术系） ； Northwestern University, Dept. of Computer Science, McCormick School of Engineering and Applied Science（西北大学计算机科学系，工程与应用科学学院） ； Pegaso University, Department of Information Science and Technology（佩加索大学信息科学与技术系） 纠错

专题命中 领域大模型 ：language model(abstract)

AI总结 Brain3D通过膨胀视觉变换器实现3D脑肿瘤MRI的自动化报告生成，通过分阶段对齐提升神经放射学解读的准确性和结构化输出。

TIPS Over Tricks: Simple Prompts for Effective Zero-shot Anomaly Detection

TIPS Over Tricks: 简单提示用于有效的零样本异常检测

Alireza Salehi, Ehsan Karami, Sepehr Noey, Sahand Noey, Makoto Yamada, Reshad Hosseini, Mohammad Sabokrou

机构 * University of Tehran（塔里哈大学） ； Amirkabir University of Technology（阿米尔卡比尔技术大学） ； Okinawa Institute of Science and Technology（冲绳科学技术大学院） 纠错

专题命中 领域大模型 ：language model(abstract)

AI总结 本文提出TIPS模型，通过改进的backbone和解耦提示策略，在无需复杂模块的情况下提升零样本异常检测的图像和像素级性能。

Comments This is the extended version of the paper accepted in ICASSP'26, which will be publicly available in May. Authors' contributions may vary among the versions

Mechanistic Indicators of Understanding in Large Language Models

大语言模型中理解机制的指示器

Pierre Beckmann, Matthieu Queloz

机构 * École Polytechnique Fédérale de Lausanne (EPFL)（联邦理工学院） ； Idiap Research Institute（Idiap研究所） ； University of Bern, Department of Philosophy（伯尔尼大学哲学系） 纠错

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

AI总结 本文提出一个分层框架，探讨大语言模型中理解的三个层次，通过机制可解释性揭示AI理解的机制与人类认知的异同。

Comments 38 pages

Causal Decoding for Hallucination-Resistant Multimodal Large Language Models

因果解码用于抗幻觉的多模态大语言模型

Shiwei Tan, Hengyi Wang, Weiyi Qin, Qi Xu, Zhigang Hua, Hao Wang

机构 * Rutgers University（新泽西罗格斯大学） ； Meta Ranking AI（Meta 排名人工智能） 纠错

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

AI总结 本文提出因果解码框架，通过针对性干预减少多模态大语言模型中的物体幻觉，提升响应的准确性和忠实度。

Comments Published in Transactions on Machine Learning Research (TMLR), 2026

SELAUR: Self Evolving LLM Agent via Uncertainty-aware Rewards

通过不确定性感知奖励实现的自进化大语言模型代理

Dengjia Zhang, Xiaoou Liu, Lu Cheng, Yaqing Wang, Kenton Murray, Hua Wei

机构 * Johns Hopkins University（约翰霍普金斯大学） ； Arizona State University（亚利桑那州立大学） ； University of Illinois Chicago（伊利诺伊大学芝加哥分校） ； Purdue University（普渡大学） 纠错

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

AI总结 SELAUR通过将不确定性直接融入奖励设计，提升大语言模型在多步决策中的探索效率和学习稳定性。

Comments Accepted by PAKDD'26

LLM2CLIP: Powerful Language Model Unlocks Richer Cross-Modality Representation

LLM2CLIP: 强大语言模型解锁更丰富的跨模态表示

Weiquan Huang, Aoqi Wu, Yifan Yang, Xufang Luo, Yuqing Yang, Usman Naseem, Chunyu Wang, Chunyu Wang, Qi Dai, Xiyang Dai, Dongdong Chen, Chong Luo, Lili Qiu, Liang Hu

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

AI总结 LLM2CLIP通过将强大语言模型与CLIP结合，提升跨模态表示能力，实现多种下游任务的性能改进。

Journal ref AAAI 2026

NoLan: Mitigating Object Hallucinations in Large Vision-Language Models via Dynamic Suppression of Language Priors

NoLan: 通过动态抑制语言先验来缓解大视觉-语言模型中的对象幻觉

Lingfeng Ren, Weihao Yu, Runpeng Yu, Xinchao Wang

机构 * National University of Singapore, Singapore（新加坡国立大学） ； Peking University Shenzhen Graduate School, China（北京大学深圳研究生院） 纠错

专题命中 知识编辑与模型理解 ：language model(title,abstract)；分类 cs.CL、cs.AI

AI总结 NoLan通过动态抑制语言先验缓解大视觉-语言模型中的对象幻觉问题，有效提升模型准确性。

Comments Code: https://github.com/lingfengren/NoLan

Dynamic Multimodal Activation Steering for Hallucination Mitigation in Large Vision-Language Models

动态多模态激活引导用于大型视觉-语言模型中的幻觉缓解

Jianghao Yin, Qin Chen, Kedi Chen, Jie Zhou, Xingjiao Wu, Liang He

机构 * East China Normal University（华东师范大学） 纠错

专题命中 知识编辑与模型理解 ：language model(title,abstract)；分类 cs.AI

AI总结 本文提出动态多模态激活引导方法，通过构建语义真实性引导向量数据库，实现幻觉缓解，提升模型性能。

Comments Accepted by ICLR 2026