语言大模型 / LLM

An Embarrassingly Simple Detector for Model Extraction Attacks in Large Language Model API Traffic

一种用于大型语言模型API流量中模型提取攻击的极其简单的检测器

Shuze Liu, Qianwen Guo, Yushun Dong

机构 * Santa Clara University（圣克拉拉大学） ； Florida State University（佛罗里达州立大学） 纠错

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

AI总结 本文提出一种基于最大均值差异（MMD）的简单检测方法，通过将查询嵌入语义空间并比较其与历史良性流量的分布差异，有效检测LLM API中的模型提取攻击。

Comments Accepted to EMNLP 2026 Main Conference. Code available at this https URL (https://github.com/LabRAI/mmd-llm-mea-detection)

T-MAP: Red-Teaming LLM Agents with Trajectory-aware Evolutionary Search

T-MAP: 通过轨迹感知的进化搜索实现红队攻击LLM代理

Hyomin Lee, Sangwoo Park, Yumin Choi, Sohyun An, Seanie Lee, Sung Ju Hwang

机构 * KAIST（韩国科学技术院） ； University of California, Los Angeles（加州大学洛杉矶分校） 纠错

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

AI总结 本文提出T-MAP方法，通过轨迹感知的进化搜索发现对抗性提示，有效突破安全防护并实现有害目标，实验显示其在攻击实现率上优于基线方法，适用于多步骤工具执行的LLM代理安全测试。

Comments EMNLP 2026

Real-Time Deadlines Reveal Fragile Temporal Adaptation in LLM Strategic Dialogues

实时截止时间揭示了LLM战略对话中的时间意识失败

Neil K. R. Sehgal, Sharath Chandra Guntuku, Lyle Ungar

机构 * University of Pennsylvania（宾夕法尼亚大学） 纠错

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

AI总结 研究发现LLM在时间敏感任务中存在时间跟踪不足的问题，导致在实时截止条件下表现不佳，但能在回合制限制下表现良好。

TrainSDC: Characterizing and Mitigating Silent Data Corruption in Large Language Model Training

TrainSDC：大型语言模型训练中静默数据损坏的特征表征与缓解

Zhipeng Xia, Haotian Xu, Siyu Yun, Liqi Lin, Hu Liu, Yu Li, Cheng Zhuo

机构 * Zhejiang University（浙江大学） ； Huawei（华为） 纠错

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

AI总结 研究针对LLM训练的SDC问题，系统表征其在Transformer训练中的脆弱性，提出TrainSDC框架，经实验验证可有效缓解SDC且运行时开销较低。

Comments 12 pages, 5 figures, and 6 tables. Includes an appendix with additional experiments

TPvG: A Moral Decision Framework for Large Language Models from One-Shot to Sequential Feedback

TPvG：基于一次性反馈到序列反馈的大语言模型道德决策框架

Fangyuan Zhang, Dong Yu, Pengyuan Liu

机构 * Beijing Language and Culture University（北京语言大学） ； Peking University（北京大学） 纠错

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

AI总结 本研究提出TPvG道德决策框架，通过含结果反馈的任务评估发现，LLM道德决策受决策形式和接收者反馈影响，且与人类决策模式存在差异，需评估其高风险交互下的道德稳定性。

Comments 6 pages, 3 figures

Cultural Bias Without a Cultural Self:A Disassociation Study of LLM's Persona and Bias

LLM人格的双重性质：聚合倾向与框架依赖的几何结构

Yuan Yuan

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

AI总结 通过心理测量问卷评估LLM人格时，发现人格表达包含聚合特征（大五人格分数）和几何特征（SPD流形）两种可分离成分，其中几何特征并非内在属性，而是框架依赖的协调模式，揭示了LLM人格的双重性质。

Predicting the Unpredictable: LLM-powered Long-term Chaotic Time Series Forecasting under Short-term Observations

预测不可预测之物：基于大语言模型的短期观测下长期混沌时间序列预测

Yuhang Yao, Bohan Jiang

机构 * Nanjing University of Posts and Telecommunications（南京邮电大学） ； Arizona State University（亚利桑那州立大学） 纠错

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

AI总结 针对短期观测下长期混沌时间序列预测难题，提出PAC-LLM框架，结合相空间特征与LLMs能力，在多组混沌系统实验中优于现有基线方法。

Popular but Wrong: Understanding and Mitigating LLM Overconfidence through Knowledge Popularity

流行但错误：通过知识流行度理解和缓解大语言模型（LLM）的过度自信

Shiyu Ni, Keping Bi, Jiafeng Guo, Xueqi Cheng

机构 * CAS Key Lab of Network Data Science and Technology, ICT, CAS（中国科学院信息科技研究院网络数据科学与技术重点实验室） ； State Key Laboratory of AI Safety（人工智能安全国家重点实验室） ； University of Chinese Academy of Sciences（中国科学院大学） 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 该研究针对LLM过度自信问题，从知识流行度角度分析发现流行但错误的答案会加剧过度自信，通过融入知识流行度信号可显著缓解过度自信并提升置信度估计效果。

Comments EMNLP2026 Main

Vectors from Larger Language Models Predict Human Reading Time and fMRI Data More Poorly when Dimensionality Expansion is Controlled

当控制维度扩展时，来自更大语言模型的向量对人类阅读时间和fMRI数据的预测效果更差

Yi-Chien Lin, Hongao Zhu, William Schuler

机构 * The Ohio State University（俄亥俄州立大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

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

AI总结 本研究控制维度扩展后发现，当使用参数达660亿的未训练LLM评估时，更大LLM的向量对人类阅读时间和fMRI数据的预测效果更差，训练LLM的贡献在数十亿参数时归零。

Comments EMNLP 2026

How Identity and Opinion Shape Political Sycophancy in LLMs

身份与观点如何塑造大语言模型（LLM）中的政治奉承行为

Li-Ni Fu, Chang-Chih Meng, Chien-Hua Chen, Hen-Hsen Huang, I-Chen Wu

机构 * National Yang Ming Chiao Tung University（国立阳明交通大学） ； Academia Sinica（中央研究院） ； Research Center for Information Technology Innovation, Academia Sinica（中央研究院资讯科技创新研究中心） 纠错

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

AI总结 该研究提出框架区分LLM政治奉承的观点与身份触发因素，经450个政治困境评估13个指令调优LLM，发现二者易感性解离、信号次可加，表明LLM政治立场具交互可引导脆弱性。

Comments Accepted to EMNLP 2026 (Main Conference)

From Prompt to Prototype: Towards a Frontier LLM Driven RF Engineering Workflow

从提示到原型：面向前沿大语言模型驱动的射频工程工作流

Markus Heinrichs, Oscar Moschner, Simon Tewes, Volker Wienstroer, Aydin Sezgin, Rainer Kronberger

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

AI总结 该研究开发了前沿LLM驱动的射频工程工作流，让LLM智能体自主操作多款专业EDA工具完成射频硬件设计，仅需工程师提供关键输入，拓展了LLM在专业工程领域的应用。

AIA$^{2}$: Attribute-Agnostic Imbalance Augmentation for Subgroup Robustness

AIA²：面向子群体鲁棒性的属性无关不平衡增强

Hanshu Rao, Guangzeng Han, Xiaolei Huang

机构 * University of Memphis（孟菲斯大学） ； University of Missouri（密苏里大学） 纠错

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

AI总结 本文提出AIA²框架，通过潜在语义分布和LLM实现无明确子群体标注的子群体不平衡增强，在5个语料库上提升了模型最差子群体性能与鲁棒性。

CoCoA: Context-Conditional Cultural Alignment for Large Language Models

CoCoA：面向大语言模型的上下文条件文化对齐

Kyungdon Lee, Wei Xu, Alan Ritter, Dong-Ho Lee, JinYeong Bak

机构 * Sungkyunkwan University（成均馆大学） ； Georgia Institute of Technology（佐治亚理工学院） ； University of Southern California（南加利福尼亚大学） 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 CoCoA是面向大语言模型的上下文条件文化对齐框架，通过双上下文训练等方法，可降低实体文化偏见评分且对通用性能影响小，为缓解LLMs实体文化偏见提供新方向。

Comments Accepted to Findings of EMNLP 2026. 22 pages, 4 figures, 19 tables

Personas Differ from Native-Language Generation: Language Pathways Shape LLM Interpersonal Advice

角色设定与母语生成存在差异：语言路径塑造大语言模型的人际建议

Jinhee Won, Xinlan Emily Hu

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

AI总结 该研究对比了母语使用者角色设定（NP）与目标语言生成后翻译（NL）两种跨语言引出策略对LLM人际建议的影响，发现二者不可互换，NP会改变建议的风格、可操作性及动作选择。

Comments Accepted to EMNLP 2026 (Main Conference). 36 pages, 24 figures, 17 tables (9 pages main text; remainder references and appendices)

LLM-Based Knowledge Graph Completion Combining Discrete Structural Coding with Similar Entity Information

结合离散结构编码与相似实体信息的基于大语言模型的知识图谱补全

Jiaqi Wang, Dongying Lin, Yang Yang, Yinan Liu, Bin Wang, Xiaochun Yang

机构 * University of Galway（戈尔韦大学） 纠错

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

AI总结 针对现有基于LLM的知识图谱补全方法的不足，提出结合离散结构编码与相似实体信息的CoSC方法，在FB15k-237数据集上取得更优性能。

Comments Accepted by ISWC 26 Posters and Demos Track

Who Should Teach? Confidence-Aware Dual-Teacher Learning for Few-Shot Node Classification on Text-Attributed Graphs

谁应该做指导？面向文本属性图小样本节点分类的置信感知双教师学习

Hojin Kim, Sujin Yoon, Sungsu Lim, Dongwon Lee, David Yoon Suk Kang

机构 * Chungbuk National University（忠北国立大学） ； Chungnam National University（忠南国立大学） ； The Pennsylvania State University（宾夕法尼亚州立大学） 纠错

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

AI总结 针对文本属性图小样本节点分类中现有方法LLM信息利用不均、成本高的问题，提出置信感知双教师学习框架CoTeach，动态为节点选更可靠教师，提升性能并降低LLM成本。

Bye Bye Perspective API: Lessons for Building and Governing Measurement Infrastructure

再见视角API：NLP、CSS和LLM评估中的测量基础设施教训

David Hartmann, Manuel Tonneau, Angelie Kraft, LK Seiling, Dimitri Staufer, Pieter Delobelle, Jan Fillies, Anna Ricarda Luther, Jan Batzner, Mareike Lisker

机构 * Weizenbaum Institute（韦izenbaum研究所） ； TU Berlin（柏林技术大学） ； University of Oxford（牛津大学） ； KU Leuven（根特大学） ； Pleias（Pleias公司） ； Freie Universität Berlin（柏林自由大学） ； University of Bremen（不莱梅大学） ； ifib research（ifib研究） ； TU Munich（慕尼黑技术大学） ； Munich Center for Machine Learning（慕尼黑机器学习中心） ； HTW Berlin（柏林应用技术大学） ； University of Hamburg（汉堡大学） 纠错

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

AI总结 视角API的关闭使NLP、CSS和LLM评估领域失去自动化毒性测量的基准，本文探讨其依赖问题及对研究的影响，呼吁建立独立、可验证的测量基础设施。

Comments Accepted at EMNLP Findings 2026

Explanations, Prompts, and Formalizations: Arguments for New Norms in LLM-Enabled Mathematical Research

解释、提示与形式化：关于支持大语言模型的数学研究中新规范的论证

Axel Boldt

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

AI总结 本文针对用大语言模型解决数学猜想的研究，论证需补充披露所用提示与软件设置、要求成果形式化以利机器验证，且作者应提供直观解释的必要性。

Comments 5 pages

Which India Survives Translation? Narrative Homogenisation Across Indian Oral Traditions in LLMs

哪一个印度在翻译？大型语言模型中印度口头传统的叙事同质化

Paarth Singh Rathore

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

AI总结 本研究通过分析Claude Sonnet和Gemini两款LLMs对印度三种不同口头传统的文本生成，发现存在部分叙事同质化，且区域语言提示会降低传统文本保真度，为相关文化误解研究提供了轻量补充方法。

Using Grounded Theory for Agent Behavior Analysis at Scale

用扎根理论进行大规模智能体行为分析

Zhuoran Lu, Yangyang Yu, Zhuoyan Li, Yibo Meng, Nan Jiang, Chengxi Zang, Jie Gao, Ziang Xiao

机构 * Purdue University（普渡大学） ； Stevens Institute of Technology（史蒂文斯理工学院） ； Cornell University（康奈尔大学） ； University of Texas at El Paso（德克萨斯大学埃尔帕索分校） ； Johns Hopkins University（约翰斯·霍普金斯大学） 纠错

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

AI总结 该研究将扎根理论引入智能体轨迹分析，提出AutoTraceGT流程，在六个语料库上可恢复多数人类标注失败模式，其编码本在失败预测任务中优于LLM基线，为智能体行为分析提供可扩展工具。

Comments 33 pages. Accepted to the Findings of the 2026 Conference on Empirical Methods in Natural Language Processing (EMNLP 2026)

An Enclosed Mode Is a Gauge Choice: Topology Relative to Reach in Certified Code World Models

闭合模式是一种规范选择：认证代码世界模型中相对于可达性的拓扑结构

Javier Aguilar Martín

机构 * AGILabs 纠错

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

AI总结 该研究探讨认证代码世界模型中相对于可达性的拓扑，通过LLM合成实验得出三条原则，揭示危险与可达性的关联、修复的限制及缓解措施需匹配错误维度方向的结论。

Comments 33 pages, 2 figures. Paper 3 of a series (companion papers: arXiv:2607.14169 (https://arxiv.org/abs/2607.14169), arXiv:2608.17956 (https://arxiv.org/abs/2608.17956) ). Code, data, and Lean formalization: this https URL (https://github.com/JaviMaligno/code-world-models)

When Can We Work in Embedding Space? What Text Embeddings Preserve

我们何时能在嵌入空间中开展工作？文本嵌入保留了什么

Simon Freyaldenhoven

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

AI总结 该研究探讨文本嵌入用于实证分析的假设，在文档为潜在主题混合的生成模型下明确该假设，通过对363个美国大都市区的应用，发现基于LLM生成经济描述的嵌入聚类效果优于其他聚类方式。

Evaluating the Capabilities of LLMs for Persuasive Dialogue

评估大型语言模型（LLMs）在说服性对话中的能力

Jordan Robinson, Angus R. Williams, Katie Atkinson, Anthony G. Cohn

机构 * University of Liverpool（利物浦大学） ； The Alan Turing Institute（阿兰·图灵研究所） ； University of Leeds（利兹大学） 纠错

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

AI总结 该研究推出多智能体对话平台\textsc{Persuasio}，通过192场辩论发现LLMs主观说服力强但形式论证能力弱，人类在形式判定中仍具竞争力，二者存在系统性差距。

Comments 19 pages, 7 figures, 4 tables

Query Expansion Should Be Coordinated: Dense Expands, Sparse Anchors

密集扩展，稀疏锚点：用于混合检索的通道非对称查询扩展

Chunran Zhang

机构 * School of Computing and Artificial Intelligence（计算机与人工智能学院） ； Southwest Jiaotong University（西南交通大学） 纠错

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

AI总结 本研究提出DESA通道非对称查询扩展方法，在7个BEIR数据集上提升检索指标，同时降低访问深度，为生成段落的通道特定整合及检索效果与访问深度的联合评估提供支撑。

Comments 12 pages, 4 figures. Code and artifacts: this https URL (https://github.com/ln-one/dense-expands-sparse-anchors)

Agent-as-Peer-Debriefer: A Multi-Agent Framework with Perspective-Based Refinement for Qualitative Analysis

Agent-as-Peer-Debriefer: 一种基于视角精炼的多智能体定性分析框架

Zhimin Lin, Kun Cheng, Zhiyao Shu, Junhua Fang, Juntao Li, Fan Bai, Jie Gao

机构 * Soochow University（苏州大学） ； Johns Hopkins University（约翰霍普金斯大学） 纠错

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

AI总结 提出一种多智能体框架，通过模拟同行汇报（peer debriefing）并引入理论驱动、数据驱动和应用三种分析视角，提升大语言模型在定性数据分析中的编码质量。

Comments Accepted to EMNLP 2026 Main Conference

General Phrase Debiaser: Debiasing Masked Language Models at a Multi-Token Level

通用短语去偏器：在多词层面对掩码语言模型去偏

Bingkang Shi, Xiaodan Zhang, Dehan Kong, Yulei Wu, Zongzhen Liu, Honglei Lyu, Longtao Huang

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

AI总结 针对掩码语言模型的短语层面偏见，提出通用短语去偏器流水线，通过短语过滤与模型去偏阶段，在多词层面有效降低不同参数规模模型的职业及多学科性别偏见。

Comments Accepted by ICASSP 2024 as mian conference paper

InsightToast: Proactive Information Retrieval & Glanceable Visualization in the Side Channel of Data-Rich Meetings

InsightToast：数据密集型会议侧信道中的主动信息检索与概览式可视化

Mohammad Abolnejadian, Matthew Brehmer

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

AI总结 该研究提出InsightToast应用，可实时监控会议对话并主动检索信息生成见解，16人对比研究显示其能帮助参与者在维持对话的同时做出明智政策决策。

Comments 16 pages, 7 figures, 2 tables. To appear in the Proceedings of the 39th Annual ACM Symposium on User Interface Software and Technology (UIST '26)

AwareLLM: A Proactive Multimodal Ecosystem for Personalized Human-AI Collaboration to Enhance Productivity

AwareLLM: 一种主动多模态生态系统，用于个性化人机协作以提升生产力

Amog Rao, Utkarsh Agarwal, Amol Harsh, Siddharth Siddharth

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

AI总结 AwareLLM通过整合多模态数据与大语言模型，实现主动适应用户心理生理状态，提升任务表现并降低认知疲劳，推动人机协作新范式。

Seeing the Unseen: Visual Similarity for Pixel Language Model Adaptation

看见不可见之处：面向像素语言模型适配的视觉相似性

Ran Zhang, Miryam de Lhoneux, Wessel Poelman

机构 * KU Leuven（KU Leuven（天主教鲁汶大学）） 纠错

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

AI总结 本研究以藏语为案例，针对像素语言模型适配低资源语言的问题，提出四个渲染级视觉文字相似性指标，发现正字法邻近度可增强语义迁移，且多语言预训练的PIXEL-M4与混合文字的单语言模型PIXEL的适配表现存在不对称性。

Comments EMNLP 2026: Main Conference

Frontier vision-language models have overtaken young adults at detecting AI-generated portraits -- but not their calibration

前沿视觉语言模型在检测AI生成肖像方面已超过年轻人，但在校准能力上并未超越

Sunwhi Kim (1), Sunyul Kim (2), Meounggun Jo (3), Jini Tae (4) ((1) Hwasung Medi-Science University, Dept. of Bio-Healthcare, (2) Yonsei University, Graduate School of Engineering, Dept. of Artificial Intelligence, (3) Hoseo University, (4) Gwangju Institute of Science and Technology, School of Humanities and Social Sciences)

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

AI总结 本研究测试19个视觉语言模型检测AI生成肖像的能力，发现2026年7月发布的模型检测准确率已超年轻人，但在校准能力上仍不及人类。

Comments 35 pages, 8 figures, 5 supplementary figures. Human reference data reused (not newly collected) from arXiv:2603.24048 (https://arxiv.org/abs/2603.24048). Data and code: this https URL (https://doi.org/10.5281/zenodo.22148304)