语言大模型 / LLM

From Mastery Profile to Simulated Response: Stochastic Student Knowledge Graphs (SSKG) for Faithful LLM Student Simulation

从掌握轮廓到模拟响应：用于忠实LLM学生模拟的随机学生知识图谱（SSKG）

Yuan An, Emily Wang, Benjamin Wang, Ruhma Hashmi

机构 * Drexel University（德雷塞尔大学） ； Nick Howley College of Engineering and Computing（尼克·豪利工程与计算学院） ； School of Computer and Information Sciences（计算机与信息科学学院） 纠错

专题命中 预训练与数据 ：LLM(title,title_cn)；large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 针对现有LLM学生模拟难以区分高低掌握水平的局限，提出基于SSKG的方法，通过抽样三元组掌握概率确定答题结果并生成理由，有效区分了不同掌握水平的学生。

Toward Effective and Reliable LLM Agents via Dynamic Ontology

基于动态本体的有效可靠大语言模型智能体研究

Xiaohui Zhang, Zequn Sun, Chengyuan Yang, Yuanning Cui, Lingbing Guo, Wei Hu

专题命中 预训练与数据 ：LLM(title,summary_cn)；large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 本文提出OaK框架，通过动态构建优化面向任务的本体论，在TravelPlanner等数据集上验证其可提升LLM智能体的证据基础与多步推理可靠性。

RAG Collapse: LLM Responses Collapse When Retrieved Documents Are Self-Authored

RAG 坍缩：当检索到的文档为自主生成时，大语言模型（LLM）的响应会发生坍缩

Gregory Druck, Ethan Smith

机构 * Graphite Growth（石墨增长公司） 纠错

专题命中 预训练与数据 ：LLM(title,title_cn)；分类 cs.CL

AI总结 该研究发现，当基于LLM的AI系统检索自身生成的参考资料时会发生RAG坍缩，经大量模拟实验证实79.6%的模拟会坍缩，且仅一份自主生成参考资料即可触发该现象。

Comments 36 pages, 31 figures, 4 tables

XRFix: Exploring Performance Bug Repair of Extended Reality Applications with Large Language Models

XRFix：利用大语言模型探索扩展现实应用的性能缺陷修复

Jingwen Wu, Hanyang Guo, Hong-Ning Dai, Xiapu Luo

专题命中 预训练与数据 ：large language model(title,abstract)；language model(title,abstract)

AI总结 该研究针对XR应用性能缺陷修复的技术挑战，提出基于大语言模型的XRFix框架，构建缺陷数据集与定制检测工具，经实验验证其修复性能优于SOTA APR方法。

CyrillicQA: The Influence of Phonetically Encoded Secret Language on LLM Performance

CyrillicQA：语音编码的秘密语言对大语言模型性能的影响

Erik Thureck, Leo S. Rdian

机构 * Humboldt-Universität zu Berlin（柏林洪堡大学） 纠错

专题命中 预训练与数据 ：LLM(title,abstract_cn)；large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 该研究探讨大语言模型在处理拉丁字母标准语言时表现优异但对其他语言变体存在劣势的背景下，能否像人类一样解码语音编码的濒危语言，以评估其保护濒危语言的能力。

Comments 4 pages, in English; 4 pages, in German (original); German version originally published in: Rüdian, S. (2026). Prompt-Engineering in Education (1st ed., pp. 39-42). Humboldt-Universität zu Berlin. this https URL (https://doi.org/10.5281/zenodo.21413892)

Walking on the DARKSIDE

行走在DARKSIDE上

Aldo Gangemi, Emanuele Bottazzi

专题命中 预训练与数据 ：LLM(summary_cn,abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 该研究提出基于POLANYI++的DARKSIDE连贯性审计方法，以OWL2格式的扩展知识图谱为基础，通过凭证轴分类指称对象并设置升级规则，在BSBench上验证其可缩小LLM的模式与路径结构差距，提升对无意义输入的检测能力。

Comments 20 pages, 2 figures, several tables

DiaScriber: A Speech LLM for Joint Diarization and Transcription in Multi-Speaker Scenarios

DiaScriber：面向多说话人场景的联合说话人 diarization（语音分割）与转录的语音大语言模型

Bingshen Mu, Xian Shi, Xiong Wang, Zhifang Guo, Ting He, Xize Cheng, Yu Xi, Jin Xu, Lei Xie

专题命中 预训练与数据 ：LLM(title)；large language model(abstract)；language model(abstract)；pretraining(abstract)

AI总结 本研究提出基于Qwen3.5-Omni的端到端多说话人 diarization与转录模型DiaScriber，通过构建多样数据流程与三阶段训练策略，在多说话人场景测试集上性能优于对比方法且泛化能力出色。

The Geometry of Low-Resource Language Representations

低资源语言表示的几何特性

Francois Meyer, Jan Buys

机构 * University of Cape Town（开普敦大学） 纠错

专题命中 预训练与数据 ：LLM(summary_cn,abstract)；pretraining(abstract)；分类 cs.CL

AI总结 本研究从表示几何角度探究LLM中低资源与高资源语言的性能差异，发现低资源语言存在表示退化，提出几何正则化方法，实验表明该方法可降低退化并提升性能，为低资源语言CPT提供可行策略。

ATHENA: Knowledge-guided agentic neural architecture search for AutoFormer-based electronic health record modeling

ATHENA：面向基于AutoFormer的电子健康记录建模的知识引导型智能体神经架构搜索

Deyi Li, Qi Xu, Lingyao Li, Tiansheng Wang, Muxuan Liang, Mei Liu

机构 * University of Florida（佛罗里达大学） ； University of Arizona（亚利桑那大学） ； University of Houston（休斯顿大学） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； University of Texas MD Anderson Cancer Center（德克萨斯大学MD安德森癌症中心） 纠错

专题命中 预训练与数据 ：LLM(abstract,abstract_cn)；large language model(abstract)；language model(abstract)；pretraining(abstract)

AI总结 本研究提出知识引导型智能体NAS框架ATHENA，通过跨医院复用架构知识，在6项临床预测任务的12项评估中9项优于或匹配基线方法，可减少Transformer型EHR建模的手动架构调整。

HIRA: A Human-in-the-Loop Retrieval-Augmented Cascade for Document Classification in Regulated Industries

HIRA：面向受监管行业文档分类的人在回路检索增强级联模型

Shangxuan Tian, Yanhui Chen, Carlos Queiroz

机构 * Standard Chartered Bank（渣打银行） ； OCBC（华侨银行） 纠错

专题命中 预训练与数据 ：LLM(summary_cn,abstract)；分类 cs.AI、cs.LG

AI总结 HIRA是面向受监管行业的无训练本地检索增强级联文档分类模型，结合多模态检索与本地LLM及人工审核，仅需少量人工修正即可大幅提升Macro-F1，减少LLM调用，性能接近全标注神谕模型。

Comments CIKM 2026

An end-to-end-trained vision-language model for native-language prostate pathology report generation

用于生成本土语言前列腺病理报告的端到端训练视觉-语言模型

Christian Grashei, Fabian Gülhan, Maximilian Legnar, Fabian Stögbauer, Cleo-Aron Weis, Carolin Mogler, Peter Schüffler

机构 * Technical University of Munich（慕尼黑工业大学） ； Munich Data Science Institute（慕尼黑数据科学研究所） ； Munich Center for Machine Learning（慕尼黑机器学习中心） ； University Hospital Heidelberg（海德堡大学医院） ； Heidelberg University（海德堡大学） ； Interdisciplinary Center for Scientific Computing (IWR)（跨学科科学计算中心（IWR）） 纠错

专题命中 预训练与数据 ：language model(title,abstract)；large language model(abstract)

AI总结 该研究提出语言独立的切片级视觉-语言框架，用自动化流水线生成17344对图像-文本对，实现德语前列腺病理报告生成，恶性肿瘤检测F1达96.2%，可支持机构用自有档案训练本土语言报告模型。

Cross-Domain, Multi-Task Data-to-Text Generation without In-Domain Training Data

无域内训练数据的跨域多任务数据到文本生成

Yifei Song, Kun Efimov-Zhang, Claire Gardent

机构 * CNRS/LORIA（法国国家科学研究中心/洛林计算机科学与应用实验室） ； Université de Lorraine（洛林大学） 纠错

专题命中 预训练与数据 ：large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI

AI总结 本研究提出数据驱动知识蒸馏（DDKD）及保结构增强方法，在无域内训练数据的跨域多任务数据到文本生成任务中，17亿参数的DDKD性能优于零样本推理与微调，且构建了QUINTD-5数据集。

Comments Accepted by EMNLP Findings 2026

Real-TurnTurk: A Multimodal Turkish Corpus for Turn-Taking Prediction

Real-TurnTurk：用于话轮转换预测的多模态土耳其语语料库

Ahmet Tuğrul Bayrak, Fatma Nur Korkmaz, Bekir Berker Türker, Mustafa Sertaç Türkel, Alper Kaplan

机构 * Data Science and Innovation Ata Technology Platforms（阿塔技术平台数据科学与创新部） ； Digital Operations and Data（数字运营与数据部） 纠错

专题命中 预训练与数据 ：large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI

AI总结 本研究构建多模态土耳其语对话数据集，采用遗传算法优化规则，实现话轮转换预测，填补土耳其语相关自然对话语料库的空白。

Comments Accepted to INTCEC 2026. This is the author's pre-print version. The final authenticated version will be available through the conference proceedings

From Association to Causation: Improving Retrieval Precision of Retrieval-Augmented Generation via Causal Relations and an Attention Mechanism

从关联到因果：通过因果关系与注意力机制提升检索增强生成的检索精度

Jing Liu, Yongxing Qi, Muchen Jiang, Chengnan Hu, Qingqing Peng, Haoming Wang, Yuqing Wang, Yang Yu, Xu Zhang, Ting Wu

机构 * Hangzhou Innovation Institute, Beihang University（北京航空航天大学杭州创新研究院） 纠错

专题命中 预训练与数据 ：LLM(abstract,abstract_cn)；分类 cs.CL、cs.AI

AI总结 该研究针对RAG检索阶段仅捕捉关联关系的问题，通过建模检索过程的因果结构，提出一种无需训练的注意力式重评分规则，在企业知识库和关键词堆砌语料库上显著提升了检索精度。

Comments 16 pages, 2 figures, 4 tables, 1 algorithm. Code available at this https URL (https://github.com/Silk-Road/causal-rag-rerank)

Breaking the Assumptions: Auditing Input-Side Jailbreak Defenses Against Semantic Attacks

打破假设：针对语义攻击的输入端越狱防御审计

Aaditya Pratap, Harsh Kasyap, Somanath Tripathy

专题命中 预训练与数据 ：large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 本文针对本地部署大语言模型的输入端越狱防御开展审计，追溯防御失效的假设根源，在6款14B至35B参数的开源权重模型上，用100条来自40余公开源的越狱提示完成13800条评估记录的测试。

Physics Filtering Favors the Generalization of Robot Learning

物理滤波有利于机器人学习的泛化

Jindou Jia, Shixuan Han, Meng Wang, Gen Li, Zihan Yang, Sicheng Zhou, Kexin Guo, Jianfei Yang, Xiang Yu, Wei Wang, Lei Guo

机构 * Nanyang Technological University（南洋理工大学） ； Beihang University（北京航空航天大学） ； National University of Singapore（新加坡国立大学） ； Beijing Aerospace Control Instrument Research Institute（北京航天测控仪器研究所） 纠错

专题命中 预训练与数据 ：large language model(abstract)；language model(abstract)

AI总结 该研究提出轻量、模型无关的 PhyFilter 反馈机制，无需海量训练数据，即可提升机器人在动态不确定性下的泛化能力，在四类机器人系统上验证了其有效性。

Comments Accepted by npj Robotics

HeatTok: Enhancing Remote Sensing Image Understanding via Thermodiffusion-based Tokenization

HeatTok：基于热扩散分词的遥感图像理解增强方法

Yingying Yan, Jiaqi Tang, Wei Wei, Qianzhou Wang, Jinjian Wu, Botong Geng, Jianmin Chen, Yuyang Xia, Lei Zhang

机构 * Northwestern Polytechnical University（西北工业大学） ； Hong Kong University of Science and Technology（香港科技大学） 纠错

专题命中 预训练与数据 ：large language model(abstract)；language model(abstract)

AI总结 本文提出HeatTok分词器，结合热扩散聚合与G-MRoPE编码，在VRSBench、EarthVQA数据集上实现遥感图像理解的最优性能，保留对象级语义完整性。

Comments 19 pages (10 pages main text + appendix), 10 figures. Accepted at the 34th ACM International Conference on Multimedia (ACM MM 2026), Rio de Janeiro, Brazil, November 10--14, 2026

BIMScript: Material-Aware Structured Scene Programs for BIM Ingestion

BIMScript：用于BIM导入的材料感知结构化场景程序

Prakash Kondibhau Naikade, Thomas B. Moeslund, Andreas Møgelmose

机构 * Aalborg University（奥尔堡大学） ； Pioneer Centre for Artificial Intelligence（人工智能先锋中心） 纠错

专题命中 预训练与数据 ：LLM(abstract)；language model(abstract)

AI总结 本文提出BIMScript，通过扩展布局语言属性、优化解码方案、改进粒度处理，实现合成扫描数据到BIM工具的端到端自动导入，且支持大语言模型驱动的可持续性推理。

Comments Project Page: see this https URL (https://bimscriptworld.github.io/BIMScript/); to be published in ECCV 2026 TwinWorld Workshop

AI-Assisted Extraction of Follow-up Observations from GCN Circulars in Astro-COLIBRI

AI辅助从Astro-COLIBRI中的GCN Circulars提取后续观测数据

Fabian Schüssler, S. Bisero, M. Cellier, A. Ciric, B. Cornejo, I. Jaroschewski, A. Kaan Alkan, W. Kiendrébéogo, A. Saint-Paul

专题命中 预训练与数据 ：large language model(abstract)；language model(abstract)

AI总结 该研究开发了Astro-COLIBRI的AI辅助组件，可将GCN Circulars转换为结构化后续记录，经评估准确率达99.80%，已实时处理新Circulars并发布开源解析管道。

Mitigating Speaker Leakage in Cascaded Multi-talker ASR with Diarization-based Transcript Correction

基于说话人 diarization 的转录校正缓解级联多说话人自动语音识别中的说话人泄漏

Hermann Yepdjio Nkouanga, Minwei Luo, Maggie Wigness, Suresh Singh

专题命中 预训练与数据 ：foundation model(abstract)；分类 cs.CL

AI总结 该研究针对级联多说话人自动语音识别中的说话人泄漏问题，提出基于剪枝的校正范式，利用预训练说话人 diarization 模型剪枝转录片段，在多语料库上实现 cpW ER 最高相对降低 29%，提升了转录可靠性。

Comments Accepted to INTERSPEECH 2026

HelaBERT: Enhancing Sinhala Language Understanding with Dual Pooling Classification Head

HelaBERT：采用双池化分类头增强僧伽罗语理解能力

Thisen Ekanayake, Nisansa de Silva

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

专题命中 预训练与数据 ：language model(abstract)；分类 cs.CL

AI总结 该研究提出两款僧伽罗语BERT模型HelaBERT-Small与HelaBERT-Large，采用定制分词器，在四项下游分类任务上评估，提出双池化分类头并发布模型以推进僧伽罗语NLP研究。

From Exposure to Expectation: Frequency, Surprisal, and Language Across Development in Spanish

从暴露到预期：西班牙语发展中的频率、意外性与语言

Francisco Portillo López

机构 * Universidad de Navarra（纳瓦拉大学） 纠错

专题命中 预训练与数据 ：language model(abstract)；分类 cs.CL

AI总结 该研究通过两项西班牙语语料库研究，发现频率可预测儿童词汇习得年龄，意外性可预测成人阅读加工难度，二者在语言发展中作用不同。

Comments 30 pages; 4 figures; 5 tables

Free-Energy-Gated Plasticity for Real-Time Online Motor Learning in Physical Human--Robot Interaction

用于物理人机交互中实时在线运动学习的自由能门控可塑性

Hiroki Sawada, Jun Tani

机构 * Okinawa Institute of Science and Technology Graduate University（冲绳科学技术大学院大学） 纠错

专题命中 预训练与数据 ：pretraining(abstract)

AI总结 该研究针对物理人机交互的实时在线运动学习问题，扩展PV-RNN并提出FEGP方法，实验证实其能提升运动模式覆盖与保留能力，关键在于可塑性的时间分配而非平均幅度。

First Demonstration of Multi-Agent LLM System for Million-Scale Optical Link Management in Global Production AIDCs

面向全球生产型人工智能数据中心（AIDC）中百万级光链路管理的多智能体大语言模型（LLM）系统的首次演示

Jingyi Su, Yihao Zhang, Dianxuan Fu, Leiyan Fei, Juan Wang, Mengfan Dai, Qing Liu, Xiong Wu, Yufeng Jiang, Cheng Chen, Bowen Zhang, Peilong Wang, Xi Chen, Zonglong He, Hongchen Yu, Zhicheng Ye, Weisheng Hu, Qunbi Zhuge

专题命中 指令微调 ：LLM(title,title_cn)；SFT(summary_cn,abstract)

AI总结 该研究首次演示了用于全球生产型AIDC百万级光链路自主故障管理的多智能体LLM系统，经SFT和记忆演化优化，在十周现场数据中F1达97.7%、故障减少超60%，性能优于SOTA LLM。

Comments 4 pages, 3 figures

Enhancing Group Recommendation with Memory-Augmented Reasoning in LLM Agent

基于记忆增强推理的大语言模型智能体群组推荐增强方法

Qimeng Niu, Bowen Hao, Zixuan Zhang, Shuyu Qu, Hongzhi Yin

专题命中 指令微调 ：LLM(title,summary_cn)；SFT(abstract,abstract_cn)；large language model(abstract)；language model(abstract)

AI总结 本研究提出基于LLM智能体的AGR模型，通过记忆模块与推理模块建模群组偏好动态演变及决策过程，在公开数据集上显著提升了群组推荐的准确率与可解释性。

StrategyBench: Evaluating Explicit Strategy Induction in Large Language Models

StrategyBench：评估大语言模型中的显式策略归纳能力

Jinghan Tan, Yuanzheng Wang, Lu Chen, Zijun Chen, Yuqian Wang, Maosong Sun

专题命中 指令微调 ：large language model(title,abstract)；language model(title,abstract)；SFT(abstract,abstract_cn)；分类 cs.AI

AI总结 本研究提出StrategyBench基准，评估大语言模型显式策略归纳能力，通过多维度分析揭示策略效用的影响因素，相关基准已公开。

Beyond What Meets the Eye: Unveiling Situational Illusions for Multimodal Large Language Models

超越表象：揭示多模态大语言模型的情境错觉

Zhiming Yang, Zhuoxi Xiong, Donglin Zhou, Wenjun Wei, Shiyao Cui, Jinqiao Shi

专题命中 指令微调 ：large language model(title,abstract)；language model(title,abstract)；prompting(abstract)；分类 cs.CL、cs.AI

AI总结 本文针对多模态大语言模型（MLLMs）面临的情境错觉问题，构建分类体系并推出MSIBench基准，发现27种模型配置均易受6类错觉影响，通过提示工程和监督微调最多提升性能20%。

Comments 9 pages, 5 figures

Unveiling the Depth-Performance Dilemma in Split-Federated Fine-tuning of LLMs

揭示大语言模型的拆分式联邦微调中的深度-性能困境

Hariharan Ramesh, Someshwaran Murugaiyan, Jyotikrishna Dass

机构 * Vellore Institute of Technology（韦洛尔理工学院） ； University of Arizona（亚利桑那大学） 纠错

专题命中 指令微调 ：LLM(summary_cn,abstract)；large language model(abstract,abstract_cn)；language model(abstract,abstract_cn)；分类 cs.CL、cs.LG

AI总结 本研究针对拆分式联邦微调（SFF），识别出深度-性能困境，评估多种联邦适配器聚合方法后发现其无法缓解拆分架构缺陷，归因于Transformer拓扑，为分布式LLM微调提供结构基础。

Comments 24 pages, 10 figures, 10 tables

Retrieval-Augmented Visual Prompting: Guiding Foundation Models in Two-Photon Imaging

检索增强型视觉提示：引导基础模型用于双光子成像

Salvatore Calcagno, Marco Finocchiaro, Giovanni Bellitto, Daniela Giordano, Concetto Spampinato, Federica Proietto Salanitri

机构 * University of Catania（卡塔尼亚大学） 纠错

专题命中 指令微调 ：prompting(title,abstract)；foundation model(title,abstract)

AI总结 该研究提出RAVP框架，通过在推理阶段注入外部视觉记忆引导基础模型，经Allen Brain Observatory实验验证，可提升零样本神经元检测与实例分割性能，单示例提示效果优于多示例。

Comments 14 pages, 4 figures, 6 tables. Supplementary material included

BLADE: Bilevel Low-rank Augmented-Lagrangian Erasure for LLM Unlearning

BLADE：用于大语言模型遗忘的双层低秩增广拉格朗日擦除方法

Md Toufikuzzaman, Ahmad Mousavi, Dongwon Lee

机构 * The Pennsylvania State University（宾夕法尼亚州立大学） ； American University（美利坚大学） 纠错

专题命中 指令微调 ：LLM(title,summary_cn)；分类 cs.CL、cs.AI、cs.LG

AI总结 BLADE是一种受约束的双层框架，通过钳制熵遗忘损失、非对称增广拉格朗日和LoRA适配器双层结构解决LLM遗忘的鲁棒性问题，在三类基准上性能优于基线，且可应对规模扩大和连续遗忘步骤。

Comments To Appear in EMNLP 2026