语言大模型 / LLM

Stronger Alignment between Brain Activity and LLM Embeddings during Code Writing compared to Prose Writing

与散文写作相比，代码写作期间大脑活动与大语言模型（LLM）嵌入之间的对齐性更强

Zachary Karas, Catie Chang, Kevin Leach, Yu Huang

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

AI总结 该研究通过fMRI和VEMs发现，代码写作时大脑活动与LLM嵌入的对齐性显著强于散文写作，为相关AI系统设计提供了依据。

Belief Cascades Drive Persuasion in LLM Agent Networks

信念级联驱动LLM智能体网络中的说服行为

Haoyi Qiu, Genglin Liu, Pranav Narayanan Venkit, Kung-Hsiang Huang, Saadia Gabriel, Chien-Sheng Wu, Nanyun Peng

机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； Salesforce AI Research（Salesforce AI研究） 纠错

专题命中 其他LLM ：LLM(title,title_cn)；分类 cs.CL、cs.AI

AI总结 该研究构建受控测试平台，发现LLM智能体网络中说服动态受拓扑等因素影响，直接暴露可预测立场变化，需结合多维度数据评估多智能体说服。

Bolt-on, Verifiable Provenance for LLM-Powered Data Processing

用于大语言模型驱动数据处理的外挂式可验证来源

Yiming Lin, Sepanta Zeighami, Aditya G. Parameswaran

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

AI总结 针对LLM黑盒无法提供答案来源及可信度的问题，提出外挂式框架BLIP，可高效生成小尺寸可验证来源，在七个数据集上准确率较最优基线高30%以上且成本低。

Distinct dynamics of conceptual and referential disruptions in human reading and large language model processing

人类阅读与大语言模型处理中概念性与指称性干扰的不同动力学特征

Rui He, Nihal Altay, Wolfram Hinzen

机构 * Universitat Pompeu Fabra（庞培法布拉大学） ； Institut Català de Recerca i Estudis Avançats (ICREA)（加泰罗尼亚高级研究所） 纠错

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

AI总结 该研究对比人类阅读与大语言模型处理，发现概念性与指称性干扰的动力学特征存在差异，为两种意义类型的可区分处理机制提供了聚合证据。

SimLens for Early Exit in Large Language Models: Eliciting Accurate Latent Predictions with One More Token

SimLens用于大型语言模型中的早期退出：通过一个额外的标记获取准确的潜在预测

Ming Ma, Bowen Zheng, Zhongqiao Lin, Tianming Yang

机构 * Institute of Neuroscience, State Key Laboratory of Brain Cognition and Brain-inspired Intelligence Technology, Center for Excellence in Brain Science and Intelligence Technology, Chinese Academy of Sciences（中国科学院脑科学与智能技术卓越创新中心神经科学研究所，脑认知与脑启发智能技术国家重点实验室，脑科学与智能技术卓越创新中心） ； School of Future Technology, University of Chinese Academy of Sciences（中国科学院大学未来技术学院） 纠错

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

AI总结 本文提出SimLens，一种无需训练的解码器，通过保留起始标记和候选答案标记进行轻量级延续，提升潜在预测准确性。结合线性SimLens和SimExit机制，在多个数据集上实现更高的准确性和更快的推理速度。

Graph Engineering in the Era of LLM Agents: From Individual Intelligence to System Intelligence

大语言模型智能体时代的图工程：从个体智能到系统智能

Yuyuan Feng, Zhishang Xiang, Chaobin Yang, Qichao Ma, Zerui Chen, Yujing Zhang, Ke Huang, Chuanjie Wu, Zhaoxu Liu, Yili Wang, Xin He, Jiapu Wang, Zijin Hong, Hao Chen, Yuanchen Bei, Kun Wang, Shengyuan Chen, Ningyu Zhang, Enyan Dai, Linhao Luo, Qingyi Pan, Qi Wang, Wenqi Fan, Guangjing Wang, Na Zou, Yangqiu Song, Xin Wang, Zechao Li, Xia Hu, Qing Li, Xiao Huang, Zhihong Zhang, Jinsong Su, Qinggang Zhang, Yi Chang

专题命中 其他LLM ：LLM(title,summary_cn)；分类 cs.AI

AI总结 该研究针对LLM智能体复杂任务的个体智能局限，提出图工程范式，通过构建动态图结构组织协调异构智能体，为系统智能提供统一基础。

Generative AI-Enabled Mission-Aware Radio Orchestration for RIS-Assisted LEO Satellite ISAC Systems

面向RIS辅助低轨卫星一体化感知通信（ISAC）系统的生成式AI赋能任务感知无线电编排

Fitsum Debebe Tilahun, Chung G. Kang

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

AI总结 针对RIS辅助LEO ISAC系统，本文提出生成式AI赋能的无线电编排框架，利用LLM将任务映射为结构化策略，对比LLM-ZS与LLM-ICL在组合任务上的性能，验证生成式AI可增强无线电编排且不替代关键物理层优化。

ResMerge: Residual-based Spectral Merging of Large Language Models

ResMerge：基于残差的谱合并大型语言模型

Yandu Sun, Zhiyan Hou, Hongyan An, Weizhen Wang, Haokai Ma, Yuheng Jia, Junfeng Fang, Haiyun Guo, Jinqiao Wang

机构 * Southeast University（东南大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； National University of Singapore（新加坡国立大学） ； Wuhan University of Technology（武汉理工大学） ； Peking University（北京大学） ； Wuhan AI Research（武汉人工智能研究院） 纠错

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

AI总结 提出ResMerge框架，通过将RL任务向量分解为谱头部和残差组件，利用残差组件构建稳定骨干并选择性引入头部信息，实现无需训练的专家模型合并。

Comments 19 pages including appendix. Accepted to the EMNLP 2026 Main Conference

SwarmWorld: Stigmergic technological evolution in societies of language-model agents

SwarmWorld：语言模型智能体社会中的标记介导技术演化

Subhadeep Pal, Fiona Y. Wang, Markus J. Buehler

机构 * Laboratory for Atomistic and Molecular Mechanics (LAMM)（原子与分子力学实验室（LAMM）） ； Department of Civil and Environmental Engineering（土木与环境工程系） ； Department of Biological Engineering（生物工程系） ； Department of Mechanical Engineering（机械工程系） ； Center for Computational Science and Engineering（计算科学与工程中心） ； Schwarzman College of Computing（苏世民计算机学院） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

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

AI总结 该研究提出SwarmWorld框架，让无角色的LLM智能体自组织成技术社会，其协作构建的技术组合比独立搜索更具韧性，揭示了标记介导的技术演化机制。

Clarify User Expertise: Towards Proactive Conversational Agents Tailoring Responses to User Proficiency

明确用户专业能力：面向可根据用户熟练度调整响应的主动式对话智能体

Zhihong Cao, Chen Huang

机构 * School of Computing and Data Science, The University of Hong Kong（香港大学计算与数据科学学院） ； Institute of Data Science, National University of Singapore（新加坡国立大学数据科学研究所） ； College of Computer Science, Sichuan University（四川大学计算机学院） 纠错

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

AI总结 本研究针对现有对话智能体无法仅通过查询判断用户专业能力的缺陷，提出PASSING方法，通过LLM自博弈生成的询问策略主动明确用户专业能力，以调整响应提升用户理解，实验显示该方法具有优越性。

Comments Findings of EMNLP 2026

Query Expansion Is More Than Generation: Improving Dense Retrieval through Better Integration

查询扩展不止是生成：通过更好的集成改进密集检索

Siyuan Sun, Mihai Surdeanu

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

AI总结 该研究针对LLM生成查询扩展导致密集检索器性能下降的问题，提出无需训练的AnchorQE方法，通过编码原始查询与扩展内容并插值，在多个数据集上提升检索效果。

People readily follow personal advice from AI but it does not improve their well-being

人们轻易跟随AI的个人建议但其并未改善他们的幸福感

Lennart Luettgau, Vanessa Cheung, Magda Dubois, Keno Juechems, Jessica Bergs, Luke Symes, Henry Davidson, Bessie O'Dell, Hannah Rose Kirk, Max Rollwage, Christopher Summerfield

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

AI总结 研究探讨了人们是否遵循AI建议及其对幸福感的影响，发现尽管多数人遵循建议，但并未带来持续的幸福感提升。

Rotary Position Encodings for Graphs

图的旋转位置编码

Isaac Reid, Arijit Sehanobish, Cederik Höfs, Bruno Mlodozeniec, Leonhard Vulpius, Federico Barbero, Adrian Weller, Krzysztof Choromanski, Richard E. Turner, Petar Veličković

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

AI总结 研究旋转位置编码（RoPE）在图结构数据上的应用，提出基于图拉普拉斯谱的旋转方法（WIRE），提升图学习性能，并具有理论性质。

Vulnerable Code Search: Transferable Attack for Code Language Models

脆弱代码搜索：针对代码语言模型的可迁移攻击

Kaicheng Wang, Liyan Huang, Jesse Thomason, Weihang Wang

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

AI总结 本文提出一种针对代码语言模型的可迁移对抗攻击，通过扰动代码标识符实现代码检索攻击，可使部分模型的MRR最高下降77%，凸显现有代码搜索方法的脆弱性。

Comments EMNLP Findings 26

EVOMAL: Self-Poisoning in Self-Evolving Coding Agents

EVOMAL：自进化编码智能体中的自中毒

Xiaodong Wu, Yu Shi, Qi Li, Zhimin Zhao, Xiangman Li, Bram Adams, Ahmed E. Hassan, Jianbing Ni

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

AI总结 该研究发现自进化编码智能体存在自中毒漏洞，提出EvoMal攻击可实现自传播恶意技能，而counter-prompt防御能有效降低攻击成功率且不影响任务完成。

The Authority Expectancy Effect in Multi-Party Conflict

多用户冲突中的权威预期效应

Eunna Lee

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

AI总结 该研究在Claude、Gemini、GPT、Grok四个LLMs上开展三类实验，发现社会权威信号可重构模型判断，提出并表征了具有参考依赖、证据重新解释、方向敏感性特性的权威预期效应。

Conditional Total Correlation and the Serial Depth of Adaptive Parallel Sampling

条件总相关与自适应并行采样的序列深度

Chuling Wen, Weijie Liang, Jian Lu

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

AI总结 该研究针对离散向量自适应并行采样，通过推导条件总相关与采样散度的恒等式，明确序列深度的决定因素，并在马尔可夫链等场景验证其特性，为掩码扩散模型解码提供理论支撑。

Impact of AI Search Summaries on Website Traffic: Evidence from Google AI Overviews and Wikipedia

AI搜索摘要对网站流量的影响：来自谷歌AI概览和维基百科的证据

Mehrzad Khosravi, Hema Yoganarasimhan

机构 * University of Washington（华盛顿大学） 纠错

专题命中 其他LLM ：LLM(abstract_cn)；分类 cs.AI

AI总结 研究通过对比谷歌AI概览与维基百科多语言版本流量变化，发现AI摘要导致英文维基百科文章日均流量下降15%，且对文化类内容影响更大，揭示搜索引擎生成答案对信息类出版物注意力的再分配。