语言大模型 / LLM

Beyond Perspectives: A Trio-Ethnography of Interpretation Evolution in LLM-Supported Programming Education

超越视角：大语言模型支持的编程教育中解释演变的三人民族志研究

Jennie Ren, Jordan H. McDowell, Kyrie Zhixuan Zhou

机构 * Mercer University（梅森大学） ； University of Texas at San Antonio（德克萨斯大学圣安东尼奥分校） 纠错

专题命中 领域大模型 ：LLM(title)；prompting(abstract)；分类 cs.AI

AI总结 研究通过三人民族志研究，探讨两位教学理念不同的计算机教育工作者和一名学生在大语言模型支持的编程教育中，如何通过对话使解释演变，揭示课堂外学习过程，促使教育工作者反思，为教学适应提供参考。

Towards Reducing Foreign Language Anxiety Using Level-Appropriate Embodied Conversational Agents

使用水平适配的具身对话代理降低外语焦虑

Krishan Rajaratnam, Wenbin Gan, Yuan Sun

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 研究针对外语焦虑影响二语习得问题，提出基于欧洲共同语言参考标准的多智能体具身对话系统，通过“生成-评估-再生”循环适配用户水平。小样本试点研究表明该系统生成的对话句子更适配学习者，虽未显著降低焦虑，但提供了相关见解。

Comments 8 pages, 6 figures, published in the proceedings of EDULEARN26

Journal ref K. Rajaratnam, W. Gan, Y. Sun (2026) TOWARDS REDUCING FOREIGN LANGUAGE ANXIETY USING LEVEL-APPROPRIATE EMBODIED CONVERSATIONAL AGENTS, EDULEARN26 Proceedings, Article 1459

Mapping Political-Elite Networks in Europe with a Multilingual Joint Entity-Relation Extraction Pipeline

用多语言联合实体关系抽取管道绘制欧洲政治精英网络

Kirill Solovev, Jana Lasser

机构 * IDea_Lab, University of Graz（格拉茨大学IDea_Lab） 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 提出模块化、全开放权重的多语言联合实体关系抽取管道，从大规模非结构化新闻语料中构建带符号的时间知识图谱，通过跨度命名实体识别、三阶段链接级联和约束混合专家模型实现高文本正确性，并在奥地利和波兰案例中验证其有效性。

Comments Updated NET-ROL citation per their request

IDEAgent: Agentic Quality-Diversity Search for Research Idea Generation

IDEAgent：用于研究想法生成的智能体质量多样性搜索

Varun Gumma, Navonil Majumder, Soumitra Sinhahajari, Soujanya Poria

机构 * DeCLaRe Lab, Nanyang Technological University（声明实验室，南洋理工大学） 纠错

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

AI总结 研究针对大语言模型在生成研究想法时质量与多样性独立导致的局限，提出将研究构思视为质量多样性搜索。介绍多智能体框架IDEAgent，通过多目标反馈驱动质量，轻量级记忆等实现多样性，开发Yield指标评估，实验表明其性能优于基线，还证实修复改进对质量提升的重要性并开源。

Comments Under Review

TextSLIP: Text Self-Supervised CLIP for Medical Report Generation

TextSLIP：用于医学报告生成的文本自监督CLIP

Haoyu Jiang, Ziping Cong

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

AI总结 研究针对现有CLIP方法在医学报告生成中语义监督不足问题，提出TextSLIP框架，通过模态内文本对比学习增强CLIP，经实验验证其在报告生成指标上有改进，表明文本级对比学习对改善医学视觉-文本对齐有潜力。

Comments 9 pages

SCALE: Self-Supervised Constraint-Aware Layout GEneration for Local P&R DRV Fixing at Advanced Nodes

SCALE：用于先进节点局部布局与布线设计规则违规修复的自监督约束感知布局生成

Chia-Tung Ho, Haoyu Yang, Guanglei Zhou, Yoshi Nishi, Yaguang Li, Walker Turner, Cunxi Yu, Yiran Chen, Brucek Khailany

机构 * NVIDIA（英伟达） ； Duke University（杜克大学） 纠错

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

AI总结 针对先进节点局部P&R DRV修复难题，提出SCALE框架，通过自监督布局生成、利用自然语言规则约束和高温采样等方法，生成DRC注释布局违规对微调DRC-VLM，有效提升了最先进代理的修复解决率。

Comments 8 pages, 5 Figures, 6 Tables

AdamNX: An Adam improvement algorithm based on a novel exponential decay mechanism for the second-order moment estimate

AdamNX：一种基于二阶矩估计的新型指数衰减机制的Adam改进算法

Meng Zhu, Quan Xiao, Weidong Min

机构 * School of Information Management and Mathematics, Jiangxi University of Finance and Economics（江西财经大学信息管理与数学学院） ； School of Mathematics and Computer Science, Nanchang University（南昌大学数学与计算机科学学院） ； Institute of Metaverse, Nanchang University（南昌大学元宇宙研究院） ； Jiangxi Provincial Key Laboratory of Virtual Reality（江西省虚拟现实重点实验室） 纠错

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

AI总结 研究Adam中二阶矩估计的指数衰减机制，提出AdamNX及新衰减率，使更新在训练平稳阶段接近动量-SGD行为，通过图像分类等任务实验报告结果，代码已开源。

Comments 29 pages, 6 figures, 12 tables

Natural Language Processing in Health Professions Education: A Scoping Review

卫生职业教育中的自然语言处理：一项范围综述

Javad Mohammad Alizadeh, Pegah Saebi, Mukesh Kumar Patel, Huanmei Wu

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

AI总结 该范围综述遵循特定框架和指南，综合64项研究，梳理NLP和AI在卫生职业教育中的应用，确定七个主题领域，发现有技术前景但也有挑战，强调公共卫生教育是证据空白区及未来研究投资重点。

Comments This manuscript has been accepted at the 14th IEEE International Conference on Healthcare Informatics (ICHI 2026)

Understanding Fortunetelling with Large Language Models in China: User Practices, Perceptions, and Impacts on Beliefs and Decisions

理解中国大语言模型的算命现象：用户实践、认知及其对信念和决策的影响

Xueer Lin, Chenyu Li, Shuai Ma, Yuhan Lyu, Zhenhui Peng

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

AI总结 研究中国用户用大语言模型算命的情况，通过分析社交媒体帖子和访谈用户，发现用户把它当情感支持工具，结果少改信念决策，但引发思维模式转变和小行为调整，探讨了从中获益的意义。

Comments Accepted at ICWSM 2027

Directional Hallucinations: Ideological Drift in News-Grounded LLM Question Answering

定向幻觉：基于新闻的语言模型问答中的意识形态漂移

Chendi Wang, Liam Cunningham, Tom Yishay, Jieying Chen

机构 * Vrije Universiteit Amsterdam（阿姆斯特丹自由大学） 纠错

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

AI总结 研究基于新闻的语言模型问答中的意识形态漂移，提出可重复测量框架，利用大量新闻文章对多个模型进行实验，发现幻觉率因模型和话题而异，幻觉内容有向左漂移现象，并探讨了相关意义。

Maximizing Local Entropy Where It Matters: Prefix-Aware Localized LLM Unlearning

最大化关键区域的局部熵：基于前缀的局部化大语言模型去敏感化

Naixin Zhai, Pengyang Shao, Binbin Zheng, Yonghui Yang, Fei Shen, Long Bai, Xun Yang

机构 * University of Science and Technology of China（中国科学技术大学） ； National University of Singapore（新加坡国立大学） 纠错

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

AI总结 本文提出PALU框架，通过局部熵最大化减少冗余优化，提升大语言模型的去敏感化效果与通用性能。

Comments Accepted to ACL 2026 main

Do VLMs Read or Rewrite? On Transcription Faithfulness in Vision-Language Models

视觉语言模型是读取还是重写？论视觉语言模型中的转录忠实性

Gwang Gook Lee, Kenan Emir Ak, Jay Mohta, Yan Xu, Dimitrios Dimitriadis

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 研究视觉语言模型在文档理解中是否忠实转录。引入FaithC4基准，评估通用、OCR专用VLMs及传统OCR管道。发现通用VLMs受扰WER降4.5分，OCR专用降0.2 - 2分，传统OCR降不到0.6分。还揭示重写与FFN表示及单词长度的关系。

Comments 15 pages, 6 figures

Learning to Reason for Factuality

学习进行事实性推理

Xilun Chen, Ilia Kulikov, Vincent-Pierre Berges, Barlas Oğuz, Rulin Shao, Gargi Ghosh, Jason Weston, Wen-tau Yih

机构 * FAIR at Meta（Meta 的 FAIR） ； University of Washington（华盛顿大学） 纠错

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

AI总结 研究推理大型语言模型在事实性推理方面的问题，提出同时考虑事实精度、响应细节和答案相关性的新型奖励函数，应用在线强化学习，使模型在长篇事实性基准测试中幻觉率降低、答案细节提升且响应帮助性无降。

Comments ICML 2026

Interpretable EEG biomarkers with bag-of-waves: Spatial and temporal waveform dictionaries for low-data regimes

基于波形包的可解释脑电生物标志物：低数据量情况下的时空波形字典

Athanasios Papastathopoulos-Katsaros, Steven T. Lee, Lin Yao, Ajay Thomas, Junseok Park, Matthew J. McGinley, Zhandong Liu

专题命中 知识编辑与模型理解 ：foundation model(abstract)；分类 cs.LG

AI总结 研究针对脑电分析难题，提出波形包框架，通过学习波形模板字典及扩展表示，在三个数据集上测试，能在低数据量下以少参数实现与先进模型竞争的性能，且具有完全可解释性。

Comments In Review

LunarFM: A Shared Multimodal Representation of the Moon's Surface

LunarFM：月球表面的共享多模态表示

Marc Girona-Mata, Jakob Gawlikowski, Sumit Goski, Gautier Bardi de Fourtou, Valentin T. Bickel, Ben Moseley, Abigail Calzada-Diaz, Sylvester Kaczmarek, Raúl Ramos-Pollán

机构 * University of Cambridge（剑桥大学） ； German Aerospace Center (DLR)（德国航空航天中心） ； SPAIDER SPACE（斯派德太空公司） ； Mines Paris - PSL University（巴黎矿业学院 - 巴黎文理研究大学） ； University of Bern（伯尔尼大学） ； Imperial College London（伦敦帝国理工学院） ； European Space Resources Innovation Center (ESRIC)（欧洲空间资源创新中心） ； Universidad de Antioquia（安蒂奥基亚大学） 纠错

专题命中 知识编辑与模型理解 ：foundation model(abstract)；分类 cs.LG

AI总结 因月球探索需求，针对多源观测致月球表面分析碎片化问题，提出LunarFM多模态基础模型，融合多仪器观测学习通用表示，支持多种下游应用，还提供相关数据集、预训练模型等，助力月球表面高效分析。

Comments 19 pages, 12 figures

dRAE: Representation Autoencoder with Hyper-Spherical Codes

dRAE：具有超球面码的表示自编码器

Tianren Ma, Lin Long, Chuyan Chen, Mu Zhang, Junbo Zhao, Tong Zhang, Qixiang Ye

机构 * University of Chinese Academy of Sciences（中国科学院大学） ； Zhejiang University（浙江大学） ； Peking University（北京大学） ； Ant Group（蚂蚁集团） 纠错

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

AI总结 研究旨在解决高维视觉表示离散化难题，提出超球面量化（HSQ），其离散表示自编码器（dRAE）能解耦语义与特征幅度，防止码本坍缩，实现高保真重建，实验证明性能提升、码本利用率高且训练流程简化。

Comments Preprint. Project Page: https://drae-hsq.github.io

Rethinking Multi-Branch and Cross-Backbone Fusion for Vehicle Re-Identification in the Foundation-Model Era

在基础模型时代重新思考用于车辆重识别的多分支和跨骨干融合

Yu Wang, Hongyu Yang

机构 * Huahuan (Yunnan) Technology Co., Ltd.（华环（云南）科技有限公司） 纠错

专题命中 知识编辑与模型理解 ：foundation model(abstract)；分类 cs.LG

AI总结 研究在基础模型时代车辆重识别中多分支和跨骨干融合方法，以单个DINOv3预训练ConvNeXt为强基线，经无训练重排提升性能，通过实验评估增加表示多样性的效果，发现改进单骨干加检索重排比增加架构复杂度更有效。

The 3D Mirage: Probing and Taming 3D Hallucinations

真实场景中的逼真幻影道路：从物理几何中解构3D幻觉

Hoang Nguyen, Xiaohao Xu, Xiaonan Huang

机构 * University of Michigan（密歇根大学） 纠错

专题命中 知识编辑与模型理解 ：foundation model(abstract)

AI总结 本文提出首个端到端框架，用于探测、量化和抑制单目深度模型中因几何平面输入而产生的3D幻觉现象，通过引入3D-幻影基准和基于拉普拉斯的评估框架，提升深度模型的结构和上下文鲁棒性。

Comments Accepted to ECCV 2026

Developing and Validating the Spanish Version of the Large Language Models Dependency Scale (LLM-D12-SP)

开发并验证大语言模型依赖量表的西班牙语版本（LLM-D12-SP）

Tran Gia Bao, Mo El-Haj, Sameha Al-Shakhsi, Antonio Garcia-Cabot, Raian Ali, Ala Yankouskaya

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

AI总结 研究针对说西班牙语人群对评估LLM心理依赖工具的需求，开发并验证了LLM-D12-SP量表，经分析其具有良好结构和效度，为研究LLM在组织环境中的心理使用情况提供了可靠工具。

Comments 32 pages

Journal ref Discover Psychology 2026

Can AI Debias the News? LLM Interventions Improve Cross-Partisan Receptivity but LLMs Overestimate Their Own Effectiveness

AI能否去偏新闻？LLM干预提升了跨党派接受度但LLM高估了自身效果

Faisal Feroz, Jonas R. Kunst

机构 * Department of Experimental Psychology, University of Oxford（心理学实验系，牛津大学） ； Uehiro Oxford Institute, University of Oxford（牛津大学欧胡罗研究所） ； Psychology Programme, School of Social Sciences, Nanyang Technological University（南洋理工大学社会科学学院心理学项目） ； Department of Communication and Culture, BI Norwegian Business School（BI挪威商学院传播与文化系） 纠错

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

AI总结 研究探讨LLM对新闻去偏的影响，发现实质性重构干预提升保守派对左派新闻的信任度，但LLM高估自身效果，需人类监督。

Large language models create an uneven informational layer over cities

大语言模型在城市之上创建了一个不均衡的信息层

Lin Chen, Guangyuan Weng, Esteban Moro

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

AI总结 研究大语言模型在城市信息层面的作用，通过审核其餐厅推荐，发现存在编造与忽略场所现象，且在不同人群中有选择性差异，模拟显示会影响消费需求，揭示其对城市信息分配不均及经济、不平等有潜在影响。

Control panels to clarify user intent with Large Language Models

使用大语言模型的控制面板以澄清用户意图

Ben Shneiderman

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

AI总结 研究大语言模型用户界面指导不足问题，提出视觉控制面板界面，通过强调识别帮助用户制定更有效提示来匹配意图。

Comments 4 pages, 1 figure

Analyzing the Ethical Logic of Eight Large Language Models

分析八个大语言模型的伦理逻辑

W. Russell Neuman, Chad Coleman, Manan Shah

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

AI总结 研究分析OpenAI等八个大语言模型的伦理逻辑，通过让模型回答伦理原则问题和道德困境，用多种理论分析其回答，发现模型伦理判断趋同但在做决定意愿等方面有差异，还能增进对人工智能工作及增强人类伦理行为的理解。

Tool-Guided Retrieval-Augmented Repair for Securing LLM-Generated C Code

用于保护大语言模型生成的C代码的工具引导检索增强修复

Vidyut Sriram, Saatvik Pradhan, Suman Saha

机构 * The Pennsylvania State University（宾夕法尼亚州立大学） 纠错

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

AI总结 研究大语言模型生成C代码可靠性问题，提出结合编译诊断、CodeQL静态分析等及检索先前修复模式的分析与修复工作流程，在相关C编程任务上评估，该方法有效降低了基线模型的编译失败率和安全缺陷率，提升了代码安全性。

Directed Symbolic Execution for Vulnerability Discovery: An LLM-Guided Approach in KLEE

用于漏洞发现的定向符号执行：KLEE中基于大语言模型的方法

Lingfeng Chen, Tao Xiao, Masanari Kondo, Yasutaka Kamei

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

AI总结 研究针对符号执行的路径爆炸问题，提出基于KLEE的KLEECopilot方法，用大语言模型引导定向符号执行，标记潜在漏洞代码、指导路径优先级并集成循环退出优先级，相比基线提升显著，各组件对有效性有贡献。

DWT-Fusion: A Signal-Based Framework for Training-Free LLM-Generated Text Detection

DWT-Fusion：一种用于无训练大语言模型生成文本检测的基于信号的框架

Mehmet Batuhan Özdaş, Murat Osmanoğlu

机构 * Ankara University（安卡拉大学） 纠错

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

AI总结 研究在零样本和无训练条件下检测大语言模型生成文本的挑战，提出基于离散小波分析的DWT-Fusion框架，通过多分辨率信号表示和校准引导投票融合检测文本，实验表明该方法能提供有效可解释信号，提升检测性能。

Comments 40 pages, 4 figures, 6 tables

Analysing Self-Harm Representations in Language Models: a Cross-Architecture Study

分析语言模型中的自我伤害表征：跨架构研究

Luis Espinosa-Anke, Carla Perez-Almendros

机构 * Cardiff University（卡迪夫大学） 纠错

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

AI总结 研究使用自然语言处理技术检测自我伤害内容的挑战，通过对两个数据集和四个模型进行两项实验，分析语言模型对自我伤害内容的表征，发现自我伤害信息在网络层特定深度结晶，且最准确探针不一定最线性可分，Gemma - 3 - 4B表征方式独特。

Not Birds of a Feather: Personality-Based Partner Selection in LLM Agents

并非一丘之貉：基于大语言模型代理的个性伙伴选择

Tao Wang, Hsiang-Ling Chiu, Chihang Wei, Zhonghao Hou, Yang Xiu

专题命中 其他LLM ：LLM(title,abstract)

AI总结 研究大语言模型代理中基于个性的伙伴选择，在能力不变时，通过实验发现选择遵循任务刻板印象映射，非同类相吸且与人类团队绩效证据校准错误，揭示了个性选择的特点及对代理市场偏差审计的影响。

When Machines Lie Differently: Detecting AI vs Human Fake News

当机器说谎方式不同时：检测人工智能与人类制造的假新闻

Canliv Ibenye, Aya-Vera Jimenez, Samuel Jaeger, Dhrubajyoti Ghosh

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

AI总结 研究通过两个二元分类任务，用词汇、可读性等特征及多种机器学习模型，区分真实新闻与人类及人工智能生成的假新闻，发现检测人工智能生成的假新闻准确率高，而人类撰写的较难区分，揭示了错误信息检测的不对称性。

Comments Accepted at ICMLA

Vibe Coding: An Experiment with Test-Driven Development

Vibe编码：一项测试驱动开发的实验

Moritz Mock, Barbara Russo

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

AI总结 研究探索人类与CLLMs通过vibe编码对等协作，设计四个交互模型并实现相应TDD工作流程。通过实验发现交互模型选择取决于开发目标，智能工作流程利于快速开发但有复杂性，协作工作流程产生更高质量测试套件。