语言大模型 / LLM

LLMs as Acquisition Policies for Finite-Pool Materials Optimization: A Controlled Study

大语言模型作为有限池材料优化的获取策略：一项对照研究

Dino-Rober Demir, Florian Le Bronnec, Rio Yokota

机构 * RIKEN（理化学研究所） 纠错

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

AI总结 该研究探究开放权重大语言模型能否作为有限池材料优化的独立获取策略，经对照实验发现其无需任务特定训练即可提供有用获取信号，虽可靠性受多因素影响但显示出应用潜力。

When AI Writes, Who Gets Cited? Evidence of Citation Monoculture Across Language Models

当AI撰写时，谁会被引用？语言模型间的引用单一文化证据

Sina Alemohammad, Denghui Zhang, Bolong Tang, Anthony Qin, Gengchen Mai, Ahmed Abbasi, Richard Baraniuk, Zhangyang Wang

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

AI总结 该研究发现，即使引用真实，当前语言模型仍会产生引用单一文化，需改变其共享偏好图而非仅均衡检索或混合厂商。

Calibrated Triage, Not Autonomy: Confidence Estimation for Medical Vision-Language Models

校准的分诊，而非自主：医学视觉-语言模型的置信度估计

Reza Khanmohammadi, Kundan Thind, Mohammad M. Ghassemi

机构 * Michigan State University（密歇根州立大学） 纠错

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

AI总结 针对医学视觉-语言模型在回答时可能忽略图像而依赖语言先验的问题，提出使用置信度估计进行校准分诊，通过评估七种置信度估计器，发现高置信度区域是区分可用估计器的关键，最佳探针可将错误率从41-45%降至1-4%，但无估计器在所有领域和模型中一致最优。

Towards Better Understanding of Cybercrime: The Role of Fine-Tuned LLMs in Translation

Veronica Valeros, Anna Širokova, Carlos Catania, Sebastian Garcia

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

Comments 9 pages, 4 figures

Automatic bioinformatic software named entity recognition from literature

从文献中自动识别生物信息学软件命名实体

Hao Xuan, Rithvij Pasupuleti, Ben Liu, Haishuo Sun, Jun Zhang, Zijun Yao, Cuncong Zhong

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 本研究提出混合命名实体识别框架SNAIL，结合词汇与语义建模策略，在基准数据集及真实文献上识别生物信息学软件/数据库，性能优于现有方法，可用于大规模文献的资源元分析。

Where Facts Go Missing: A Layerwise Taxonomy and Per-Layer Attribution of Information Omission in Air-Gapped LLMAgent Pipelines

事实缺失的地方：气隙式大语言模型智能体管道中信息遗漏的分层分类和逐层归因

Santhiya Rajan, Samuel Mugel, Roman Orus

专题命中 领域大模型 ：LLM(title)

AI总结 研究气隙式大语言模型智能体管道中信息遗漏问题，提出九层分类法、归因方法、跨架构比较框架及运行时检测框架，经多模型多引擎试验，确定遗漏率及来源，为定位运营商干预位置提供依据。

Extended to Reality: Prompt Injection in 3D Environments

扩展到现实：3D环境中的提示注入

Zhuoheng Li, Ying Chen

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

AI总结 研究提出PI3D攻击，通过在3D环境中放置带文本的物理物体来注入提示，挑战多模态大语言模型的安全性。

TrustRAG: Blockchain-Enhanced RAG via Committee-Based Credibility Scoring

TrustRAG：基于区块链的检索增强生成系统，通过委员会机制实现可信度评分

Baixiang Liu, Haotian Che, Yuan Li

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

AI总结 针对RAG系统难以验证文档可信度的问题，提出TrustRAG，结合区块链与委员会机制，通过零知识协议、安全多方计算及哈希承诺实现可验证的文档信任评分，保障关键领域决策安全。

G-CARL: Grounded Checklist-Aligned Reward Learning for Patient-Oriented Medical Report Interpretation

G-CARL：面向患者的医学报告解读的基于 grounded 核对清单对齐的奖励学习

Shiao Xie, Siyu Chen, Jianwei Lv, Bo Yuan, Yujin Wang, Xiandong Li

专题命中 领域大模型 ：post-training(abstract)；分类 cs.CL、cs.AI

AI总结 本文针对现有医学视觉-语言任务无法兼顾医学事实性与患者语境沟通的问题，提出PMRI任务及G-CARL框架，构建MMedReport基准，实验证实其解读更贴合患者需求。

Explainable Transformer Models for Clinical Prediction Tasks on Structured Electronic Health Records

用于结构化电子健康记录临床预测任务的可解释Transformer模型

Jun Ni Du, Lukas Adamek, Maxim Kryukov, Flavio Dormont, Ziv Bar-Joseph, Sven Jager, Brandon Rufino

机构 * Sanofi（赛诺菲） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

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

AI总结 研究针对结构化EHR预测模型的可解释性缺口，提出BERT-LER模型，在EHRShot等任务中性能优于多数基准模型，归因符合临床风险因素，可推广至多领域。

Comments Accepted at MLHC 2026; to appear in Proceedings of Machine Learning Research (PMLR)

Towards Clinically Faithful Medical Image Captioning via Enhanced Vision-Language Alignment

基于增强型视觉-语言对齐的临床可信医学图像描述生成研究

Yunseo Lee, Hyun Jun Kim, Heeseung Shin, Changwon Lim

机构 * Chung-Ang University（中央大学） 纠错

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

AI总结 本研究针对医学图像描述生成的临床可信性问题，提出分离训练与推理对齐的框架，结合多编码器、辅助学习及MedPAIR-SCST方法，通过选择与强化学习对齐提升临床一致性，在数据受限场景下改善医学图像描述的可信度。

Comments 10 pages, 2 figures, 7 tables. Preprint submitted to IEEE for possible publication

A Neurosymbolic Approach for Explainable Early Diagnosis of Alzheimer's Disease

一种用于阿尔茨海默病可解释早期诊断的神经符号方法

Ranveer Singh, Pranuthi Tenali, Saurabh Mathur, Ameet Soni, Vaishali Phatak, Karla Lynch, Daniel Murman, Matthew Rizzo, Sriraam Natarajan

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

AI总结 该研究提出一种自动化流程，用预训练基础模型处理言语流畅性测试音频构建贝叶斯网络，以实现阿尔茨海默病的可解释早期诊断，成功恢复临床知识并识别语言标志物间新关系。

PRAXIS: Graph-Grounded Tacit Knowledge for Domain Code Generation

PRAXIS：面向领域代码生成的基于图的默会知识

Xue Jiang, Tianyu Zhang, Lingwei Wu, Ziyu Wang, Ge Li, Yuan Sui, Hao Zhu, Wenpin Jiao, Zhi Jin, Yihong Dong

专题命中 领域大模型 ：LLM(abstract)

AI总结 PRAXIS框架通过模拟人类开发工作流提取代码依赖图上的默会知识，提升智能体领域代码生成性能，优于现有方法且可适配多种智能体框架与大语言模型

Beyond Recognition: Compact Multi-Domain Arabic Manuscript HTR with Candidate-Selection Analysis and Evidence-Preserving Review

超越识别：结合候选选择分析与证据保留审核的紧凑多域阿拉伯手稿手写文本识别（HTR）

Abdullah Ahmed Ali, Mohammed Thamer Abdulhadi, Ali Haider Safaa, Dhulfiqar Mahdi Wadi

机构 * University of Technology（理工大学） 纠错

专题命中 领域大模型 ：language model(abstract)

AI总结 本研究提出Phoenix识别器与Athar审核工作流，通过多域适配技术提升阿拉伯手稿HTR性能，结果表明手稿HTR应作为可审计证据管理而非单纯文本替换进行评估。

Comments 13 pages, 4 figures, 12 tables

PILOT Technical Report

PILOT技术报告

Jiuning Lin, Ruiquan Lan, Xiaodong Zhu, Bin Zhang, Chengyu Lai, Chuxin Chen, Dimin Wang, Han Zhu, Hongtao Cheng, Jialin Zhu, Lingqing Zhang, Shuai Zhong, Tao Wang, Weipeng Huang, Yinjiang Cai, Yinnan Song, Yuan Liu, Zhibo Xiao, Zhixin Ma, Zihong Huang

专题命中 领域大模型 ：LLM(abstract)

AI总结 该研究针对现有推荐系统优化智能体方法的反应式缺陷，提出PILOT框架，通过三类角色构建控制循环，在淘宝平台对比ROAM验证，实现多项指标提升且搜索效率显著提高，无需人工干预。

Comments Technical Report, 42 pages, 10 figures

Navigating Through Turbulence: Charting Early Careers in Weather and Climate Science

在动荡中前行：规划天气与气候科学领域的早期职业生涯

Gan Zhang, Zhuo Wang, Kevin A Reed, Lucas M Harris, Stephen W Nesbitt

专题命中 领域大模型 ：prompting(abstract)

AI总结 本文针对天气与气候科学领域的职业不确定性，提出高分辨率模拟与AI带来的新兴前沿机遇，给出职业规划路径及教育培训改进建议，助力从业者服务公众应对大气变化。

Comments Essay for Bulletin of the American Meteorological Society (BAMS). Invited submission to go through peer review

Enforcing LLM Safety through DMD-based Classification of Prompt-Response Embedding Dynamics

基于DMD的提示-响应嵌入动态分类实现大语言模型安全

Mohamed Akrout, Olivera Kotevska, Dan Wilson

机构 * University of Tennessee（田纳西大学） ； Oak Ridge National Laboratory（橡树岭国家实验室） 纠错

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

AI总结 本文将幻觉检测的动力系统框架扩展到LLM安全分类，通过拟合安全与不安全状态的Koopman模型，利用差分残差评分分类不安全输出，在多基准测试中验证了纳入提示嵌入的改进效果。

Represented but Ignored: A Causal Account of Prosodic Underuse in Audio-Language Models

被表征却被忽视：音频语言模型中韵律使用不足的因果解释

Linkai Peng, Baorian Nuchged

机构 * University of Connecticut（康涅狄格大学） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

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

AI总结 本研究针对音频语言模型（audio-LLM）韵律使用不足的问题，通过阶段特定探测阶梯与隐藏状态干预实验，发现模型能表征韵律却未在输出中表达，瓶颈在于韵律的使用而非感知。

RepSelect: Robust LLM Unlearning via Representation Selectivity

RepSelect: 通过表示选择性实现鲁棒的大语言模型遗忘

Filip Sondej, Yushi Yang, Adam Mahdi

机构 * Independent（独立） ； University of Oxford（牛津大学） 纠错

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

AI总结 针对现有遗忘方法易被微调或少样本提示逆转的问题，提出RepSelect方法，通过梯度主成分坍塌隔离遗忘集表示，实现深度鲁棒遗忘。

Forking Fast: Efficiently Estimating Uncertainty Dynamics in Text Generation

快速分叉：高效估计文本生成中的不确定性动态

Eric Bigelow, Amir Zur, Satchel Grant, Tal Haklay, Can Rager, Owen Lewis, Thomas McGrath, Jack Merullo, Ekdeep Singh Lubana, Atticus Geiger

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

AI总结 针对文本生成中不确定性动态估计成本高的问题，本研究开发统计模型平滑低采样推理数据以近似高采样数据，提升重采样分析效率，揭示不确定性动态的稳定模式及噪声来源。

Seamlessly Integrating Tree-Based Positional Embeddings into Transformer Models for Source Code Representation

Patryk Bartkowiak, Filip Graliński

机构 * Adam Mickiewicz University（亚当·密茨凯维奇大学） 纠错

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

Comments Published at "The 1st Joint Workshop on Large Language Models and Structure Modeling"

Graphical Design of Interpretable Architectures

可解释架构的图形化设计

Pietro Barbiero

机构 * IBM Research（IBM研究院） 纠错

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

AI总结 该研究提出改编自Penrose张量表示法的图形符号，可直观呈现可解释AI架构的全局视图并与PyTorch einsum代码一一对应，还绘制了Steerling-8B的架构图并转换为代码。

The Concept Allocation Zone: Tracking How Concepts Form Across Transformer Depth

概念分配区：追踪概念如何跨越Transformer深度形成

James Henry

机构 * Independent Researcher（独立研究者） 纠错

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

AI总结 提出概念分配区（CAZ）框架，通过层间度量（分离度、概念一致性、概念速度）检测概念在残差流中逐渐形成的深度区间，并在34个模型上验证了分离曲线的多模态性及温和CAZ的因果活性。

Comments v2: substantial revision. Cross-architecture ordering statistic and MHA/GQA cohort-split claim retracted per recomputation; corpus and companion-paper citations refreshed. See paper's "Changes from Version 1" section for the full list of superseded values

Listening Forward: Next Patch Embedding Prediction Enables Scalable Audio Learners

向前听：下一个补丁嵌入预测可实现可扩展音频学习器

Umberto Cappellazzo, Xubo Liu, Stavros Petridis, Maja Pantic

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

AI总结 该研究提出自监督框架NAPE，通过因果Transformer预测下一个音频补丁嵌入，在六个音频语音基准上实现先进性能，可扩展编码器规模，获强线性探测结果，无显式监督时生成结构化注意力模式。

Comments Project website: https://umbertocappellazzo.github.io/nape

Algebraic Diversity: Group-Theoretic Spectral Estimation from Single Observations

代数多样性：从单次观测进行群论谱估计

Mitchell A. Thornton

机构 * Richardson, TX 75080 USA（美国德克萨斯州里奇蒙德市75080号） 纠错

专题命中 知识编辑与模型理解 ：LLM(abstract_cn)；分类 cs.LG

AI总结 本文通过群论方法揭示了单次观测下的谱估计问题，证明了时间平均是退化群作用的特例，并展示了群平均估计与多快门协方差估计的等效性，同时统一了DFT、DCT和KLT等变换。

Comments 41 pages, 14 figures. v3: Retracted six findings in Section 11, transformer application, due to error in spectral concentration metric. Corrected results deferred to separate publication. Remark added after Conjecture 23 on orbit-structure bias in psi criterion. v4: new result blind group matching; v5: updated metrics; v6: New Theorem 7 on MLE, added Nitzberg citation; v7:"group gain" update

Does Listening Matter? Backchanneling and Nodding in AI Clone

倾听重要吗？AI克隆中的反馈式回应与点头动作

Koji Inoue, Kazushi Kato, Tatsuya Kawahara, Shunichi Kasahara

专题命中 其他LLM ：LLM(summary_cn,abstract)；分类 cs.CL

AI总结 本研究将口头反馈式回应与头部点头整合到配备语音克隆及LLM响应的AI克隆中，经35人被试内研究证实，添加互动倾听行为可提升AI克隆的感知专注度、真实感与共同在场感，其保真度需涵盖倾听行为。

Comments This paper has been accepted to the Late-Breaking Results (LBR) track of the 28th International Conference on Multimodal Interaction (ICMI 2026)

Why AI Detection Fails for Academic Integrity

为什么AI检测无法保障学术诚信

Jonathan A. Karr, Grigorii Khvatskii, Ting Hua, Nitesh V. Chawla

机构 * University of Notre Dame（圣母大学） 纠错

专题命中 其他LLM ：LLM(summary_cn,abstract)；分类 cs.LG

AI总结 该研究发现商业AI检测器无法区分AI编辑与LLM完整生成稿，轻度AI辅助润色的论文标记率远高于未修改稿，且人性化处理可大幅规避检测，表明检测器分数不能单独作为学术不端证据。

Comments Accepted to ACM AI Leadership Summit

Delegating or Doing? Understanding User Behavior in Hybrid Human-Agent Interfaces

委托还是自行操作？理解混合人机界面中的用户行为

Gavin Raine Dizon, Tyrone Justin Sta Maria, Jordan Aiko Deja, Yasuyuki Sumi

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

AI总结 该研究通过被试间实验对比三种交互模式，发现混合人机界面可降低交互成本，委托行为更多反映用户个体特征而非任务需求。

Comments 9 pages, In Proceedings of the 14th International Conference on Human-Agent Interaction at Osaka, Japan on November 16-19, 2026

Pearl necklace knots with fewer vertices than an equivalent FCC lattice knot

与等效面心立方（FCC）格纽结相比，顶点数更少的珍珠项链纽结

Alexander R. Klotz

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

AI总结 该研究通过大语言模型寻找满足珍珠项链数小于等效面心立方格纽结格点数的构型，发现5-7交叉数纽结等可实现$N_P=N_L-1$，$8_1$纽结可实现$N_P=N_L-2$，未找到三叶结的14顶点构型。

Comments 4 pages, 2 figures, tables in appendix, four ancillary files

M3: A State-Event Generative Foundation Model for Market Microstructure Dynamics

M3：用于市场微观结构动态的状态-事件生成基础模型

Yanzhi Zhang, Yu Ma, Yilin Cheng, Jian Li, Yitong Duan

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

AI总结 针对现有金融生成模型忽略订单流与流动性动态交互的问题，提出M3状态-事件生成基础模型，经大规模订单级股票数据训练后可生成订单流轨迹，复现市场程式化事实，支持预测等反事实市场模拟应用。