语言大模型 / LLM

Learnings from Data Integration for Augmented Language Models

Alon Halevy, Jane Dwivedi-Yu

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

Language Models are Causal Knowledge Extractors for Zero-shot Video Question Answering

Hung-Ting Su, Yulei Niu, Xudong Lin, Winston H. Hsu, Shih-Fu Chang

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

Comments CVPR 2023 Workshop L3D-IVU

Chain of Explanation: New Prompting Method to Generate Higher Quality Natural Language Explanation for Implicit Hate Speech

Fan Huang, Haewoon Kwak, Jisun An

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

Comments Accepted by The Web Conference Companion, 2023

Spotlight: Mobile UI Understanding using Vision-Language Models with a Focus

Gang Li, Yang Li

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

Comments Published as a conference paper at ICLR 2023

Go-tuning: Improving Zero-shot Learning Abilities of Smaller Language Models

Jingjing Xu, Qingxiu Dong, Hongyi Liu, Lei Li

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

Atlas: Few-shot Learning with Retrieval Augmented Language Models

Gautier Izacard, Patrick Lewis, Maria Lomeli, Lucas Hosseini, Fabio Petroni, Timo Schick, Jane Dwivedi-Yu, Armand Joulin, Sebastian Riedel, Edouard Grave

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

Code Generation Tools (Almost) for Free? A Study of Few-Shot, Pre-Trained Language Models on Code

Patrick Bareiß, Beatriz Souza, Marcelo d'Amorim, Michael Pradel

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

Comments 12 pages, 5 figures

Attribute Alignment: Controlling Text Generation from Pre-trained Language Models

Dian Yu, Zhou Yu, Kenji Sagae

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

Journal ref EMNLP 2021 Findings

Transfer training from smaller language model

Han Zhang

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

Comments 7 pages 7 figures. arXiv admin note: text overlap with arXiv:2103.14636 by other authors

Structural Language Models of Code

Uri Alon, Roy Sadaka, Omer Levy, Eran Yahav

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

Comments Appeared in ICML'2020

Richer Syntactic Dependencies for Structured Language Modeling

Ciprian Chelba, Peng Xu

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

Comments Proceedings of ASRU 2001, 4 pages

Reflectance Estimation for Proximity Sensing by Vision-Language Models: Utilizing Distributional Semantics for Low-Level Cognition in Robotics

Masashi Osada, Gustavo A. Garcia Ricardez, Yosuke Suzuki, Tadahiro Taniguchi

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

Comments 24 pages, 13 figures, submitted to Advanced Robotics Special Issue on Real-World Robot Applications of the Foundation Models

Creative and Correct: Requesting Diverse Code Solutions from AI Foundation Models

Scott Blyth, Markus Wagner, Christoph Treude

专题命中 其他LLM ：foundation model(title,abstract)；prompting(abstract)

Comments 4 pages,Forge 2024

Journal ref AI Foundation Models and Software Engineering (FORGE '24), April 14, 2024, Lisbon, Portugal

Automated Construction of FAIR Digital Object Knowledge Graphs from Flat Cultural Heritage Records

从平面文化遗产记录自动构建FAIR数字对象知识图谱

Zeyd Boukhers, Lingxiao Kong, Xenophon Zabulis, Georgios Toubekis

机构 * Fraunhofer Institute for Applied Information Technology FIT（弗劳恩霍夫应用信息技术研究所FIT） ； University Hospital of Cologne（科隆大学医院） ； University of Cologne（科隆大学） ； Foundation for Research and Technology（希腊研究与技术基金会） 纠错

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

AI总结 该研究提出了基于大语言模型的管道，将平面欧洲数据模型记录转换为符合FDO规范的知识图谱，实现了高比例元数据链接与跨语言实体合并，提升了文化遗产数据的可机器操作性。

Comments Accepted for publication as a short paper at CIKM 2026 (The 35th ACM International Conference on Information and Knowledge Management)

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

Architecture as Capability Equalizer for Coding Agents

架构作为编码智能体的能力均衡器

Arquimedes Canedo

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

AI总结 该研究对比5种架构规范格式对6种LLM编码智能体的代码生成质量影响，发现结构化格式可作为能力均衡器，显著提升弱模型性能，对成本优化部署价值最大。

SKILL-RAG: Self-Knowledge Induced Learning and Filtering for Retrieval-Augmented Generation

SKILL-RAG：用于检索增强生成的自知识诱导学习与过滤方法

Tomoaki Isoda

机构 * Tomoaki Isoda（独立研究者） 纠错

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

AI总结 该研究针对RAG的幻觉问题，提出SKILL-RAG方法，通过强化学习框架引出模型自知识，过滤无关检索内容，在多个问答基准上提升生成质量并减少输入文档数量。

Comments The author has decided not to pursue further development or publication of this work. Since the current manuscript represents an incomplete research project and no revised version is planned, the author requests that the article be withdrawn

Aitomia: Your Intelligent Assistant for AI-Driven Atomistic and Quantum Chemical Simulations

Aitomia：用于AI驱动的原子和量子化学模拟的智能助手

Jinming Hu, Hassan Nawaz, Yi-Fan Hou, Yuting Rui, Lijie Chi, Yuxinxin Chen, Arif Ullah, Pavlo O. Dral

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

AI总结 Aitomia结合LLM和MLatom平台，通过Gaussian、ORCA等接口支持AI驱动的原子模拟和传统量子化学计算，降低原子模拟门槛，推动相关领域研究。

Making Implicit Premises Explicit in Logical Understanding of Enthymemes

在演绎推理中显式化隐含前提

Xuyao Feng, Anthony Hunter

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

AI总结 本文提出了一种整合大型语言模型和神经符号推理器的管道，用于将隐含前提显式化并解码逻辑蕴含。

Comments Accepted at the 17th International Conference on Scalable Uncertainty Management (SUM 2026)

An Omitted Mode Is a Rare Rule: The Sampling-Verification Danger Law in Continuous Code World Models

被遗漏的模式即罕见规则：连续代码世界模型中的采样-验证危险定律

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 该研究揭示连续代码世界模型中采样-验证机制的危险，通过理论分析与实验发现，LLM合成的模式盲模型易被利用，接受仅能证明样本一致性，无法保证连续控制任务的性能。

Comments 92 pages, 5 figures. Code, data and result artifacts: https://github.com/JaviMaligno/code-world-models

When AI Designs AI: Innovation or Imitation?

当AI设计AI：创新还是模仿？

Yikang Yang, Zhengxin Yang, Luzhou Peng, Minghao Luo, Yanqi Kan, Wanling Gao, Jianfeng Zhan

机构 * University of Chinese Academy of Sciences（中国科学院大学） ； Northwestern University（西北大学） 纠错

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

AI总结 该研究对比LLM智能体与人类设计AI方法的性能和算法差异，发现智能体偶达SOTA但无法泛化，96.8%的设计属人类推导空间，多为算法选择的复用重组。

When Personalization Becomes Bias: Structural and Discursive Religious Framing in AI-Generated Financial Advice

当个性化成为偏见：AI生成金融建议中的结构性与话语性宗教框架

Muhammad Salar Khan, Hamza Umer, Hasan Mahmud, Sandra Rothenberg

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

AI总结 该研究通过432次模拟互动分析3种LLMs在金融建议中的宗教偏见，揭示其结构性与话语性偏见机制，提出双维度框架并指出个性化与中立性的管理困境及相关启示。

Comments 50 pages

SkillComposer: Learning Reusable Skills for Natural-Language Robot Programming

SkillComposer：学习可复用技能的自然语言机器人编程系统

John Woods, Hasti Seifi

机构 * School of Computing and Augmented Intelligence, Arizona State University（亚利桑那州立大学计算与增强智能学院） 纠错

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

AI总结 SkillComposer是一款仿真环境下的交互式自然语言机器人编程系统，采用生成-测试架构，通过在线库学习算法生成可复用宏技能，经实验验证可提升任务成功率与可用性并减少用户工作量。

Comments 8 pages, 6 figures. Submitted to IEEE Humanoids 2026

A Modular Agentic Framework for Synthetically Constrained Multi-Objective Hit-to-Lead Optimization

用于合成约束多目标先导化合物优化的模块化智能体框架

Kelvin P. Idanwekhai, Enes Kelestemur, Benjamin Strickland, Matthew Hart, Steini Davidsson, Angelos Angelopoulos, Ron Alterovitz, Marcello DeLuca, Alexander Tropsha

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

AI总结 本研究提出开源模块化智能体框架SABLE，结合LLM与专用工具实现合成约束下的多目标先导化合物优化，可高效富集符合计算目标的候选集，为早期药物发现提供决策支持。

Comments 22 pages, 9 figures

AgentSnare: Learning to Delay, Divert, and Defuse Autonomous Penetration Agents

AgentSnare：学习延迟、转移和瓦解自主渗透智能体

Ruoyu Wang, Heng Zhao, Renjie Wu, Mengnan Zhao, Zhixuan Chu, Wanyu Lin, Tianhang Zheng

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

AI总结 AgentSnare是一种轨迹自适应欺骗系统，通过动态构建诱饵环境，吸收渗透智能体工具调用、转移其轨迹并瓦解攻击，在CVE-Bench实验中成功阻止了所有真实目标被利用。

Safety Cost of Steering Vectors Is Separable and Reducible

引导向量的安全代价是可分离且可降低的

Yuxiao Li, Gjergji Kasneci

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

AI总结 本研究针对引导向量破坏LLM安全机制的问题，通过识别并移除其安全退化分量，提出带约束的原始对偶优化方法，可在保留引导效果的同时大幅降低安全退化。

Comments COLM 2026

Progressive Content Refinement with Decaying Reward Joint LinUCB

结合衰减奖励的渐进式内容优化与联合LinUCB

Shion Ishikawa, Pablo Loyola, Young-joo Chung, Yun Ching Liu

机构 * Rakuten Group, Inc.（乐天集团） 纠错

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

AI总结 针对现有迭代优化方法忽略奖励衰减导致过度利用的问题，提出结合奖励衰减建模与EM算法的联合LinUCB算法，在Sentiment Reversal和GSM8K基准上显著优于强基线。

DualAnchor: Preserving Language Priors and Improving Lexical Fidelity in Gloss-Free Sign Language Translation

DualAnchor：无注释手语翻译中保留语言先验并提升词汇保真度

Hongbin Zhang, Junhao Liu, Xuefeng Bai, Youcheng Pan, Yang Xiang, Kehai Chen

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

AI总结 针对现有无注释手语翻译方法的语言先验退化与词汇保真度差距问题，提出结合TPA和OTA的DualAnchor框架，在两个基准数据集上取得良好性能。

Automated Reinforcement Learning: An Overview

自动化强化学习：综述

Reza Refaei Afshar, Joaquin Vanschoren, Uzay Kaymak, Rui Zhang, Yaoxin Wu, Wen Song, Yingqian Zhang

机构 * Eindhoven University of Technology（埃因霍温理工大学） ； Jheronimus Academy of Data Science（赫尔蒙尼乌斯数据科学学院） ； Shandong University（山东大学） 纠错

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

AI总结 本文综述了自动化强化学习的发展，包括基于大语言模型的技术，并探讨了其挑战和未来研究方向。

White-Box Sensitivity Auditing with Steering Vectors

白盒敏感性审计与引导向量

Hannah Cyberey, Yangfeng Ji, David Evans

机构 * University of Virginia（弗吉尼亚大学） 纠错

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

AI总结 本文提出白盒敏感性审计框架，通过激活引导进行更严格的模型内部评估，用于检测大语言模型中的偏见，揭示模型对保护属性的依赖。

Comments Accepted to Transactions on Machine Learning Research (TMLR)