语言大模型 / LLM

Code-MIE: A Code-style Model for Multimodal Information Extraction with Scene Graph and Entity Attribute Knowledge Enhancement

Code-MIE: 一种基于代码风格的多模态信息提取模型，结合场景图和实体属性知识增强

Jiang Liu, Ge Qiu, Hao Fei, Dongdong Xie, Jinbo Li, Fei Li, Chong Teng, Donghong Ji

机构 * Key Laboratory of Aerospace Information Security and Trusted Computing, Ministry of Education, School of Cyber Science and Engineering, Wuhan University（航天信息安全部与可信计算重点实验室，教育部，武汉大学计算机科学与工程学院） ； University of Oxford（牛津大学） ； Wuhan Second Ship Design and Research Institute（武汉第二船舶设计研究所） ； China United Network Communications Co., Ltd. Research Institute（中国联合网络通信有限公司研究院） 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Code-MIE框架，通过统一代码理解和生成解决多模态信息提取问题，引入实体属性、场景图和文本参数，提升结构化信息提取性能。

Sycophancy Is Not One Thing: Causal Separation of Sycophantic Behaviors in LLMs

阿谀并非一物：在大型语言模型中因果分离阿谀行为

Daniel Vennemeyer, Phan Anh Duong, Tiffany Zhan, Tianyu Jiang

机构 * Department of Computer Science, University of Cincinnati（卡内基梅隆大学计算机科学系） ； School of Computer Science, Carnegie Mellon University（卡内基梅隆大学计算机科学学院） 纠错

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

AI总结 研究通过分解阿谀行为为阿谀同意与阿谀赞美，揭示其在潜在空间中的独立表示结构，表明不同阿谀行为可通过独立方式调控。

Diversidade linguística e inclusão digital: desafios para uma ia brasileira

语言多样性与数字包容：为巴西人工智能面临的挑战

Raquel Meister Ko Freitag

机构 * Departamento de Letras Vernáculas（本土语言系） ； Universidade Federal de Sergipe - UFS（塞尔希培联邦大学 - UFS） 纠错

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

AI总结 本文探讨语言多样性在生成AI发展中的威胁，分析技术应用中多样性选择偏差的影响及标准化语言的恶性循环。

Comments in Portuguese language. paper aceepted to LAAI-Ethics 2024

Group3D: MLLM-Driven Semantic Grouping for Open-Vocabulary 3D Object Detection

Group3D: 基于多模态大语言模型的开放词汇3D目标检测语义分组

Youbin Kim, Jinho Park, Hogun Park, Eunbyung Park

机构 * Department of Artificial Intelligence, Sungkyunkwan University（成均馆大学人工智能系） ； Department of Artificial Intelligence, Yonsei University（延世大学人工智能系） 纠错

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

AI总结 Group3D通过将语义约束整合到实例构建过程中，解决多视角开放词汇3D目标检测中的几何过合并问题，实现语义与几何一致性融合的检测框架。

Comments 24 pages, 7 figures, Project page: https://ubin108.github.io/Group3D/

Engineering Pitfalls in AI Coding Tools: An Empirical Study of Bugs in Claude Code, Codex, and Gemini CLI

人工智能编码工具中的工程陷阱：对Claude代码、Codex和Gemini CLI中bug的实证研究

Ruixin Zhang, Wuyang Dai, Hung Viet Pham, Gias Uddin, Jinqiu Yang, Song Wang

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

AI总结 本文通过分析超过3800个公开报告的bug，揭示了构建AI编码工具中的常见故障模式和工程挑战，发现功能相关bug占比超67%，主要症状包括API错误、终端问题和命令失败。

Expecting Too Much, Getting Too Little: Exploring the Challenges and Design Opportunities of Asynchronous AI Interviewers

期望过高，收获过低：探索异步AI面试官的挑战与设计机会

Md Nazmus Sakib, Naga Manogna Rayasam, Sanorita Dey

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

AI总结 研究探讨了异步AI面试系统对用户自主性的影响，通过分析和访谈揭示了期望不匹配问题，并设计了支持用户自主性的界面。

Comments This paper has been accepted at CSCW 2026 and will appear in the Proceedings of the ACM on Human-Computer Interaction

Generalization Limits of In-Context Operator Networks for Higher-Order Partial Differential Equations

上下文运算网络在高阶偏微分方程中的泛化极限

Jamie Mahowald, Tan Bui-Thanh

机构 * Department of Mathematics, University of Texas at Austin（德克萨斯大学奥斯汀分校数学系） 纠错

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

AI总结 研究上下文运算网络在处理高阶偏微分方程时的泛化能力，扩展了基础模型处理微分方程的类型和范围，证明模型在复杂输入下仍能保持解的动力学和整体行为的定性准确性。

Comments 16 pages, 9 figures

Neural collapse in the orthoplex regime

在正八面体 regime 中的神经坍缩

James Alcala, Rayna Andreeva, Vladimir A. Kobzar, Dustin G. Mixon, Sanghoon Na, Shashank Sule, Yangxinyu Xie

机构 * Department of Mathematics, University of Southern California（南加州大学数学系） ； School of Informatics, University of Edinburgh（爱丁堡大学信息学院） ； Department of Mathematics, The Ohio State University（俄亥俄州立大学数学系） ； Translational Data Analytics Institute, The Ohio State University（俄亥俄州立大学转化数据分析研究所） ； Department of Mathematics, University of Maryland（马里兰大学数学系） ； Department of Statistics and Data Science, University of Pennsylvania（宾夕法尼亚大学统计与数据科学系） 纠错

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

AI总结 研究在正八面体 regime 中神经网络特征向量的几何特性，利用Radon定理和凸性分析不同场景下的坍缩现象。

On the Fragility of AI Agent Collusion

AI代理合谋的脆弱性

Jussi Keppo, Yuze Li, Gerry Tsoukalas, Nuo Yuan

机构 * National University of Singapore（新加坡国立大学） ； Boston University（波士顿大学） 纠错

专题命中 其他LLM ：LLM(abstract)；分类 cs.AI

AI总结 本文研究了AI代理合谋的脆弱性，发现异质性会减少合谋均衡。实验显示，耐心异质性和数据访问异质性削弱合谋，而模型大小差异反而稳定合谋，讨论了反垄断政策。

Comments 48 pages, 7 figures, 8 tables (including appendix)

An Intent of Collaboration: On Agencies between Designers and Emerging (Intelligent) Technologies

协作的意图：设计者与新兴（智能）技术之间的机构

Pei-Ying Lin, Julie Heij, Iris Borst, Britt Joosten, Kristina Andersen, Wijnand IJsselsteijn

机构 * Eindhoven University of Technology（埃因霍温理工大学） 纠错

专题命中 其他LLM ：LLM(abstract)；分类 cs.AI

AI总结 研究探讨设计者与智能技术协作中的权力动态，提出通过反思创作过程、理解技术特性及调整人机关系来恢复创作自主性。

Comments Accepted by IASDR Conference 2025, Taipei, Taiwan 16 pages excluding references, 8 figures

Journal ref Proceedings of IASDR 2025: Design Next

Programming Manufacturing Robots with Imperfect AI: LLMs as Tuning Experts for FDM Print Configuration Selection

用不完美的AI编程制造机器人：LLMs作为FDM打印配置选择的调优专家

Ekta U. Samani, Christopher G. Atkeson

机构 * Robotics Institute at Carnegie Mellon University（卡内基梅隆大学机器人学院） 纠错

专题命中 其他LLM ：LLM(abstract)

AI总结 本文提出一种模块化闭环方法，将LLM作为调优专家嵌入贝叶斯优化循环中，通过结构化诊断提出自然语言调整，提升FDM打印配置选择的准确性，实验表明LLM在证据驱动的优化循环中比通用AI模型更有效。

HookLens: Visual Analytics for Understanding React Hooks Structures

HookLens：用于理解 React 钩子结构的可视化分析

Suyeon Hwang, Minkyu Kweon, Jeongmin Rhee, Soohyun Lee, Seokhyeon Park, Seokweon Jung, Hyeon Jeon, Jinwook Seo

专题命中 其他LLM ：LLM(abstract)

AI总结 HookLens 通过交互式可视化分析帮助开发者理解 React 钩子之间的依赖关系，识别反模式，提升代码可维护性。

Comments IEEE PacificVis 2026, conference track

UniLiPs: Unified LiDAR Pseudo-Labeling with Geometry-Grounded Dynamic Scene Decomposition

UniLiPs: 基于几何引导的动态场景分解的统一激光雷达伪标签方法

Filippo Ghilotti, Samuel Brucker, Nahku Saidy, Matteo Matteucci, Mario Bijelic, Felix Heide

机构 * TORC Robotics（TORC机器人公司） ； Politecnico of Milan（米兰理工学院） ； Princeton University（普林斯顿大学） 纠错

专题命中 其他LLM ：foundation model(abstract)

AI总结 本文提出UniLiPs方法，通过利用激光雷达扫描的时空几何一致性，将文本和2D视觉模型的线索直接融合到3D中，生成3D语义标签、包围盒和密集点云，验证了其在三个数据集上的鲁棒性。

Journal ref Proceedings of the International Conference on 3D Vision (3DV), 2026

Holographic correlators from multi-mode AdS$_5$ bubbling geometries

从多模AdS$_5$气泡几何构造共轭子系统

David Turton, Alexander Tyukov

专题命中 其他LLM ：LLM(abstract)

AI总结 本文通过构造新的闭式扰动LLM解，研究了超引力四点相关函数，揭示了背景解与四维$\mathcal{N}=4$超Yang-Mills理论中重或轻态的对应关系，并验证了单粒子chiral初级算符的相关函数表达式。

Comments 33 pages, v2: minor improvements

LAOF: Robust Latent Action Learning with Optical Flow Constraints

LAOF：基于光流约束的鲁棒潜在动作学习

Xizhou Bu, Jiexi Lyu, Fulei Sun, Ruichen Yang, Zhiqiang Ma, Wei Li

机构 * Fudan University（复旦大学） ； Northwestern Polytechnical University（西北工业大学） 纠错

专题命中 其他LLM ：foundation model(abstract)

AI总结 本文提出LAOF方法，通过利用光流作为动作驱动信号，学习鲁棒的潜在动作表示，以应对动作无关的干扰。实验表明，LAOF在下游模仿学习和强化学习任务中表现优异，尤其在标注稀缺条件下效果显著。

Comments CVPR 2026; Project page: https://github.com/XizoB/LAOF

Desirable Unfamiliarity: Insights from Eye Movements on Engagement and Readability of Dictation Interfaces

可取的陌生感：基于眼动的语音记录界面参与度与可读性洞察

Zhaohui Liang, Yonglin Chen, Naser Al Madi, Can Liu

专题命中 其他LLM ：LLM(abstract)

AI总结 研究通过眼动实验比较五种语音记录界面，发现摘要界面虽引入陌生词汇但更易读且受用户欢迎，表明用户能容忍LLM辅助下的语音修改。

AnchorNote: Exploring Speech-Driven Spatial Externalization for Co-Located Collaboration in Augmented Reality

AnchorNote：探索语音驱动的空间外部化以实现增强现实中的协同合作

Diya Hundiwala, Andrés Monroy-Hernández

专题命中 其他LLM ：LLM(abstract)

AI总结 AnchorNote通过语音转录和LLM摘要将语音想法转化为空间锚定便签，减少写作负担但改变协作方式，探索AR中语音驱动的空间外部化对协作认知的影响。

Comments 12 pages, 3 figures