语言大模型 / LLM

ReVoicer: Conversational Voice Annotation for Human-Centered, LLM-Assisted Peer Review

ReVoicer：以人为中心、由大语言模型辅助的同行评审对话式语音标注系统

Matt Gottsacker, Ahinya Alwin, Hiroshi Furuya, Robert W. Lindeman, Gerd Bruder, Gregory F. Welch

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

AI总结 该研究提出ReVoicer原型系统，支持评审人员阅读论文时对话式语音标注，借助大语言模型润色、分类并锚定评论，最终基于评审人员自身评论生成符合风格指南的评审意见，计划与ISMAR社区开展评估。

Comments IEEE ISMAR 2026 Alt'ISMAR workshop

The Beginning of ChatGPT Ads

ChatGPT 广告的开端

Emma Lurie, Ro Encarnación, Sorelle A. Friedler, Danaé Metaxa

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

AI总结 本文首次实证研究 ChatGPT 广告，采用傀儡审计方法，发现低收入账号更易收到广告，发布了广告存档并提出未来研究建议。

Comments To be published in AAAI/ACM AIES 2026

Test, then Route: How Language Models Execute In-Context Conditional Rules Across Models and Languages

测试再路由：语言模型如何跨模型和语言执行上下文条件规则

Luxshan Thavarasa, Sivasuthan Sukumar

机构 * University of Moratuwa（莫拉图瓦大学） 纠错

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

AI总结 该研究通过四捐赠者设计的激活修补实验，在三个开源模型、六种语言中揭示：中间层残差带承载谓词真值，路由模块无抽象性，测试具模块化而路由不具。

Comments 19 pages, 16 figures. Code and data: https://github.com/Luxshan2000/icl-conditional-circuits

On MUON optimization: From non-convergence to an error analysis with Polar Express and the Newton-Schulz polynomial from implementations

MUON优化：从非收敛性到结合Polar Express与Newton-Schulz多项式实现的误差分析

Thang Do, Steffen Dereich, Arnulf Jentzen

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

AI总结 本文针对2024年提出的MUON优化器，提出含任意NS步骤的广义变体，证明其在部分随机优化问题中无法收敛，建立误差分析并在多个实例中验证相关结论。

Comments 82 pages

When More Becomes Less: Position-Dependent Repetition Effects in Language Models

当多变为少：语言模型中与位置相关的重复效应

Han-yu Wang

机构 * The University of Hong Kong（香港大学） 纠错

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

AI总结 该研究发现语言模型中目标 token 的重复效应与读取位置相关，位移重复会呈现倒U型规律，且该效应经多语言和多模型验证，归因于精确词汇重复而非其他因素。

Representing Visual Evidence for Item Difficulty Prediction: Visual Textualization and Image-Native Modeling

为题目难度预测表征视觉证据：视觉文本化与原生图像建模

Han Chen, Ming Li, Hong Jiao, Tianyi Zhou

机构 * Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； University of Maryland（马里兰大学） 纠错

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

AI总结 本文针对题目难度预测的视觉证据表征问题，对比仅用文本、视觉文本化与原生图像建模三种方式，发现原生图像建模是有竞争力的替代方案，其有效性取决于VLMs的适配方式。

COMPAS: Difficulty-Aware Joint Search for Optimizing Code Generation

COMPAS：面向优化代码生成的感知难度联合搜索

Jingzhi Gong, Jie M. Zhang, Gunel Jahangirova, Dong Huang, Mohammad Reza Mousavi, Mark Harman

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

AI总结 本文提出感知难度的 COMPAS 方法，通过联合搜索模型、提示词和解码设置优化代码生成，在 LiveCodeBench 和 SWE-bench 上均实现性能提升且成本降低。

Generative Experiences for Digital Mental Health Interventions: Evidence from a Randomized Study

生成体验用于数字心理健康干预：来自随机研究的证据

Ananya Bhattacharjee, Michael Liut, Matthew Jörke, Diyi Yang, Emma Brunskill

机构 * Stanford University（斯坦福大学） ； University of Toronto Mississauga（多伦多大学滑铁卢分校） 纠错

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

AI总结 本文提出生成体验范式，通过动态构建干预体验提升数字心理健康干预效果，实验显示GUIDE在减压和用户体验方面显著优于基线对照。

"Allow" to Achieve, Over-Privileged Inadvertently: The Unintended Cost of Task-Completion-Driven Pop-up Decisions in Mobile GUI Agents

“允许”达成目标：移动GUI智能体中任务完成驱动的弹窗决策的意外代价

Dongsheng Chen, Yuxuan Li, Guanhua Chen, Jiaxin Zhang, Xiangyu Zhao, Lei Ma, Xin Yao, Xuetao Wei

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

AI总结 研究移动GUI智能体的权限素养，发现其存在应用信任偏差、任务优先级覆盖等问题，提示干预效果不一，建议将任务执行与权限授权分离。

REZE: Recognition-Based Zero-Shot Extraction for Video Temporal Grounding

REZE：基于识别的视频时间定位零样本提取方法

Boyang Li, Chenhui Gou, Jianfei Cai

专题命中 其他LLM ：language model(abstract,abstract_cn)

AI总结 该研究提出无训练的REZE方法，通过拆分视频为片段并聚合模型置信度，适配多种VTG任务，在多个数据集上优于现有无训练方法，部分指标超全监督SoTA，还能让旧模型性能接近同家族新模型。

Comments 18 pages, 7 figures, 13 tables. Appendices included

CornerCase: Automated Extremal Testing of Protocol Implementations using LLMs

CornerCase: 使用大语言模型对协议实现进行自动化极端测试

Rathin Singha, Kuan Qian, Srinath Saikrishnan, Tracy Zhao, Soheil Abbasloo, Ryan Beckett, Siva Kesava Reddy Kakarla, Todd Millstein, George Varghese

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

AI总结 提出CornerCase方法，利用大语言模型从协议规范中提取约束并生成边界测试用例，通过差分测试发现多个协议实现中的未知错误。

Terminal Agents Suffice for Enterprise Automation

终端代理足以实现企业自动化

Patrice Bechard, Orlando Marquez Ayala, Emily Chen, Jordan Skelton, Sagar Davasam, Srinivas Sunkara, Vikas Yadav, Sai Rajeswar

机构 * Mila -- Quebec AI Institute（Mila — 魁北克人工智能研究所） 纠错

专题命中 其他LLM ：foundation model(abstract)；分类 cs.CL、cs.AI

AI总结 本文探讨终端代理通过直接调用平台API在企业自动化中表现优异，证明简单接口结合强大基础模型足以替代复杂代理架构。

Comments Pre-print. Under review. 51 pages, 6 figures, 21 tables

Searching for Sound-Meaning Collisions: Graph-Based Affordance Retrieval and Multi-Evaluator Ranking for Pun Translation at CLEF 2026 JOKER Task 2

寻找音义碰撞：CLEF 2026 JOKER任务2中基于图的可供性检索与多评估者排名的双关语翻译

Russell Taylor, Adam Brikman, Prateek Awate

机构 * Georgia Institute of Technology（佐治亚理工学院） 纠错

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

AI总结 该研究针对CLEF 2026 JOKER任务2，提出基于图的可供性检索与多评估者排名的双关语翻译方法，证实检索音义可供性是计算双关语翻译的核心瓶颈，结果契合Low的设想。

Comments CLEF 2026 Working Notes, 21-24 September 2026, Jena, Germany

Corrigibility Transformation: Constructing Goals That Accept Updates

可修正性转换：构建接受更新的目标

Rubi Hudson

机构 * University of Toronto（多伦多大学） 纠错

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

AI总结 该研究提出一种可修正性转换方法，可在不牺牲性能的情况下将几乎任何目标转换为可修正版本，能诱导AI产生可修正行为，为AI安全提供了关键的可修正目标方案。

Language-Guided Hypotheses Generation for Sparse SMEFT Analyses

用于稀疏SMEFT分析的语言引导假设生成

Ahmed Hammad, Veronica Sanz

专题命中 其他LLM ：language model(abstract)

AI总结 研究解决稀疏SMEFT分析中算符假设选择难题，提出开源llm4smeft框架，结合微调语言模型与检索增强生成，可本地运行且能生成候选算符及费希尔信息。

Comments 34 pages, 2 figures and 6 tables