Literary Non-Style in LLM-Generated Text
大语言模型生成文本中的文学非风格
专题命中 其他LLM ：LLM(title,abstract)；分类 cs.CL
AI总结 研究大语言模型生成文本与人类文本差异，通过分析n元语法统计分布及定性分析，揭示大语言模型风格不足，得出风格和语义问题不可完全分离的结论。
AI 大模型
语言大模型 / LLM
大语言模型、预训练、指令微调、后训练和语言模型应用。
1. 其他LLM 762 篇
Encoding EEG Signals to Examine Human-Like Next-Word Prediction Behaviour in Language Models
编码脑电信号以研究语言模型中类人下一个单词预测行为
机构 * Dublin City University（都柏林城市大学） ； VNUHCM – University of Science（越南国立大学胡志明市科学大学）
专题命中 其他LLM ：language model(title,abstract)；分类 cs.CL
AI总结 研究探讨语言模型下一词预测准确率与人类阅读理解认知信号的关系，基于两种信息度量为人类和模型生成回归器预测脑电信号的事件相关电位，发现只有意外性与语言处理电位相关，挑战了模型参数和预算增加必改善与人类语言处理收敛的假设。
Grokipedia vs Wikipedia: An LLM-Based Audit of Political Neutrality along Ideologies
Grokipedia与维基百科：基于大语言模型的意识形态政治中立性审计
机构 * Ghent University（根特大学）
专题命中 其他LLM ：LLM(title,abstract)；分类 cs.CL
AI总结 研究对比Grokipedia与维基百科的政治中立性，通过四位大语言模型评判员，分析1394对相关文章在九个维度的中立性，发现Grokipedia中立性逊于维基百科，两者对不同意识形态政治家有不同偏向。
CARPRT: Class-Aware Zero-Shot Prompt Reweighting for Black-Box Vision-Language Models
CARPRT：用于黑盒视觉语言模型的类感知零样本提示重加权
机构 * University of Melbourne（墨尔本大学） ； Southeast University（东南大学） ； RIKEN Center for Advanced Intelligence Project（理化学研究所先进智能项目中心） ； The University of Tokyo（东京大学）
专题命中 其他LLM ：language model(title,abstract)；分类 cs.LG
AI总结 研究针对预训练视觉语言模型零样本图像分类中提示与类独立性假设不成立的问题，提出类感知零样本提示重加权方法CARPRT，通过无训练方式量化提示与类的相关性并调整权重，实验表明该方法优于现有方法。
Comments Accepted at ICLR 2026
Auditing Belief-Conditioned LLM Agents in Hidden-Information Social Deduction Games
在隐藏信息社交推理游戏中审计基于信念的大语言模型智能体
机构 * University of Melbourne（墨尔本大学）
专题命中 其他LLM ：LLM(title,abstract)；分类 cs.AI
AI总结 研究在9人狼人杀环境中评估大语言模型智能体的难题，构建可审计框架，通过1080场游戏实验发现主动信念条件下好人方结果更好，虽未明确信念内容作用机制，但框架有使效应可测等贡献，将外部信念定位为可审计认知基线。
Comments 29 pages, 8 figures, 3 tables. Preprint
LeRoPE: Learnable RoPE Frequencies Improve Language Modeling
LeRoPE：可学习的RoPE频率提升语言建模
机构 * UC San Diego（加利福尼亚大学圣地亚哥分校）
专题命中 其他LLM ：language model(title,abstract)；分类 cs.LG
AI总结 研究改进语言模型中位置编码的方法，提出可学习RoPE频率的LeRoPE方法，通过训练不同规模语言模型验证，该方法在各规模下均优于RoPE和部分RoPE，提升了语言建模性能。
Comments 27 pages, 10 figures, 12 tables
Robustifying Vision-Language Models via Test-Time Prompt Adaptation
通过测试时提示自适应增强视觉语言模型的鲁棒性
机构 * University of Science（科学大学） ； National University of Singapore（新加坡国立大学） ； The Hong Kong University of Science（香港科学大学）
专题命中 其他LLM ：language model(title,abstract)；分类 cs.LG
AI总结 研究针对对抗扰动下视觉语言模型性能下降问题，提出RITA框架，通过最优传输实现分布级对齐，引入动态缓存积累线索，提升了模型对抗鲁棒性且不损干净准确率。
Comments ICML 2026 regular
Distributed Sparse Interventions in Language Models
语言模型中的分布式稀疏干预
机构 * Max Planck School of Cognition（马克斯·普朗克认知学院） ； Center for Lifespan Psychology, Max Planck Institute for Human Development（马克斯·普朗克人类发展研究所寿命心理学中心） ； Machine Learning Group, Technische Universität Berlin（柏林工业大学机器学习小组） ； Berlin Institute for the Foundations of Learning and Data (BIFOLD)（柏林学习与数据基础研究所）
专题命中 其他LLM ：language model(title,abstract)；分类 cs.LG
AI总结 研究语言模型组件在任务行为中的因果影响，提出分布式稀疏干预（DSI）方法，考虑跨层神经元非线性和相互作用，识别稀疏神经元集。实验表明DSI可通过少量神经元激活任务行为，实现细粒度控制，加深对任务构成的理解。
Comments 29 pages, 12 figures
Operational Reframing and Approval-Framed Delegation in Multi-Agent LLM Safety
多智能体大语言模型安全中的操作重构与批准框架委托
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Georgia Institute of Technology（佐治亚理工学院）
专题命中 其他LLM ：LLM(title,abstract)；分类 cs.AI
AI总结 研究多智能体大语言模型安全评估，引入五条件控制对比设计分离有害意图、规划器与执行器行为等因素，发现汇总管道安全非稳定架构属性，操作重构是关键风险信号，还揭示各因素对安全的影响及模型排名与实际行为的差异。
MetaSkill-Evolve: Recursive Self-Improvement of LLM Agents via Two-Timescale Meta-Skill Evolution
MetaSkill-Evolve：基于双时间尺度元技能演化的大语言模型智能体递归自改进方法
机构 * LMU Munich（慕尼黑大学） ； The Chinese University of Hong Kong（香港中文大学） ； MCML ； MemAgents Lab（MemAgents实验室）
专题命中 其他LLM ：LLM(title,abstract)；分类 cs.AI
AI总结 针对现有自改进智能体演化非递归的局限，提出双时间尺度框架，任务技能与元技能分层递归演化，在三类基准上显著提升测试精度。
Geometry of Ordinal Representations in Language Models
语言模型中序数表示的几何结构
机构 * Gemma Team（杰玛团队） ； Qwen Team（文生团队）
专题命中 其他LLM ：language model(title,abstract)；分类 cs.LG
AI总结 研究在多个语言模型中测试序数任务，发现当序数变量可从令牌身份局部计算时会出现具有位置细胞特征平铺的一维流形，几何计算与架构有关，激活修补证实流形子空间集中任务相关信息。
Journal ref Mechanistic Interpretability Workshop at the 43rd International Conference on Machine Learning, Seoul, South Korea, 2026
ZEBRA: Zero-Shot Entropy-Regularized Prompt Learning for Base-to-Novel Generalization in Audio-Language Models
ZEBRA：面向音频语言模型中基类到新类泛化的零样本熵正则化提示学习
机构 * Mohamed Bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）
专题命中 其他LLM ：language model(title,abstract)；分类 cs.AI
AI总结 提出ZEBRA框架，通过融合零样本logits与提示学习logits并采用自熵正则化，解决音频语言模型中提示学习导致的新类性能下降问题，实现基类到新类的泛化提升。
Comments Accepted in InterSpeech 2026
Steering Vision-Language Models with Joint Sparse Autoencoders
用联合稀疏自编码器引导视觉-语言模型
机构 * yunshanai（云山AI） ； HKUST(Guangzhou)（香港科技大学（广州）） ； Zidongtaichu（紫东太初） ； University of British Columbia（不列颠哥伦比亚大学）
专题命中 其他LLM ：language model(title,abstract)；分类 cs.AI
AI总结 提出联合稀疏自编码器（JSAE），通过显式对齐约束联合分解视觉和语言激活，得到可解释的跨模态特征，并在LLaVA等模型上验证了层依赖的干预效果。
Comments 19pages,10 figures
Semantic Robustness Certification for Vision-Language Models
视觉语言模型的语义鲁棒性认证
机构 * School of Computing \& Information Systems, University of Melbourne, Australia
专题命中 其他LLM ：language model(title,abstract)；分类 cs.LG
AI总结 提出首个无需额外数据即可认证视觉语言模型在语义层面（如形状、大小、风格）鲁棒性的框架，通过文本提示作为语义代理并量化决策边界，确保预测类别在语义变换下不变。
Comments Accepted to ICML
Semantic DLM+: Improving Diffusion Language Models through Bias-variance Trade-off in Transition Kernel Design
语义DLM+：通过转移核设计中的偏差-方差权衡改进扩散语言模型
机构 * Alibaba Group（阿里巴巴集团） ； Fudan University（复旦大学） ； University College London（伦敦大学学院） ； Nanyang Technological University（南洋理工大学） ； University of Oxford（牛津大学）
专题命中 其他LLM ：language model(title,abstract)；分类 cs.LG
AI总结 本文通过分析泛化误差的三个关键因素，提出SemDLM+模型，通过全局转移和语义频率惩罚解决语义盆地问题，在LM1B和OpenWebText上提升了训练动态和生成质量。
SENTINEL: Failure-Driven Reinforcement Learning for Training Tool-Using Language Model Agents
SENTINEL: 用于训练工具使用语言模型智能体的失败驱动强化学习
机构 * Northeastern University（东北大学） ； Independent Researcher（独立研究员） ； Northwestern University（西北大学）
专题命中 其他LLM ：language model(title,abstract)；分类 cs.CL
AI总结 提出SENTINEL框架，通过将智能体失败转化为针对性训练任务，在Tau2-Bench Retail上提升Qwen3-4B模型Pass@1从66.4到74.9，优于通用合成任务上的强化学习。
Viral Proteins Reveal Geometry of Protein Language Models
病毒蛋白质揭示蛋白质语言模型的几何结构
机构 * University of Washington（华盛顿大学） ； DeepMind（深度思维）
专题命中 其他LLM ：language model(title,abstract)；分类 cs.LG
AI总结 研究蛋白质语言模型在不平衡数据下对病毒蛋白的表示，发现嵌入空间中存在主导的“天然性”轴，该轴按模型困惑度排序序列，且缩放效果因病毒家族而异，但嵌入仍保留病毒特异性信号。
Comments Accepted at ICML 2026 GenBio Workshop and FM4LS Workshop. Code available at https://github.com/MisteFr/viral-proteins-plms
MotionEnhancer: Leveraging Video Diffusion for Motion-Enhanced Vision-Language Models
MotionEnhancer: 利用视频扩散模型增强运动感知的视觉-语言模型
机构 * School of Computer Science and Engineering, Beihang University（北航计算机科学与工程学院） ； Beijing Digital Native Digital City Research Center（北京数字原生数字城研究中心） ； School of Computer Science, Peking University（北京大学计算机学院） ； School of Artificial Intelligence, Beijing University of Posts and Telecommunications（北京邮电大学人工智能学院）
专题命中 其他LLM ：language model(title,abstract)；分类 cs.AI
AI总结 提出MotionEnhancer，通过从视频扩散模型中提取运动先验并利用注意力对齐增强视觉-语言模型的运动理解能力，无需额外参数或架构修改，在运动级视频理解基准上取得一致提升。
Comments Accepted by CVPR 2026
SHIFT: Gate-Modulated Activation Steering for Knowledge Conflict Mitigation in Retrieval-Augmented Generation
SHIFT: 门控调制激活引导用于检索增强生成中的知识冲突缓解
机构 * School of Computer Science and Engineering, Northeastern University, Shenyang, China（东北大学计算机科学与工程学院，沈阳，中国） ； Department of Computer Science and Technology, Tsinghua University, Beijing, China（清华大学计算机科学与技术系，北京，中国）
专题命中 其他LLM ：LLM(summary_cn,abstract_cn)；分类 cs.CL、cs.AI
AI总结 提出SHIFT框架，通过轻量级门控模块调节LLM内部激活，以自适应解决检索上下文与参数知识间的冲突，仅优化0.01%参数，在六个数据集上验证有效性。
Comments 19 pages, 13 Figures
Understanding Why Foundation Models Work for Diffusion-Generated Image Detection
探究基础模型为何适用于扩散生成图像检测
机构 * University Federico II of Naples（那不勒斯费德里科二世大学）
专题命中 其他LLM ：foundation model(title,abstract)
AI总结 本研究探究基础模型用于扩散生成图像检测的原因，通过DDIM反演、频率交换及潜在空间分析，发现其利用中低频分布差异实现检测，为该类方法的可解释性提供了新方向。
Detecting Behavioral Changes in Python Refactoring Implementations with Foundation Models
用基础模型检测Python重构实现中的行为变化
专题命中 其他LLM ：foundation model(title,abstract)
AI总结 本研究提出基于基础模型Oracle的方法，通过分析git风格差异检测Python重构的行为变化，在Rope上评估发现13个bug，12个被接受，凸显需提升Python重构工具鲁棒性。
Comments Accepted at Brazilian Symposium on Software Engineering (SBES) 2026
VOICE: A Vision-Omics Foundation Model Integrating Direct and Retrieval-Based Prediction of In-situ Single-Cell Gene Expression
VOICE：一种融合原位单细胞基因表达直接预测与基于检索预测的视觉-组学基础模型
机构 * University of Michigan（密歇根大学） ； Weill Cornell Medicine（威尔康奈尔医学院）
专题命中 其他LLM ：foundation model(title,abstract)
AI总结 该研究提出多模态基础模型 VOICE，通过对比学习对齐 H&E 形态与单细胞表达嵌入，融合直接回归与参考检索分支，泛化性良好且在七项指标上优于现有方法，可从 H&E 图像预测单细胞基因表达。
From Prompting to Describing: A Cross-Cultural Study of Language for AI-Generated Music
从提示到描述：针对AI生成音乐语言的跨文化研究
专题命中 其他LLM ：prompting(title,abstract)
AI总结 该研究对比了TTM系统提示与音乐描述的语言差异，构建了音乐提示词汇分类法，发现提示与感知存在结构不对称，且不同文化背景的描述特征存在差异，引发对现有TTM系统文化适应性的思考。
Comments Accepted to the 27th International Society for Music Information Retrieval (ISMIR) Conference, 2026
Journal ref ISMIR 2026
USP-Mamba: Unmixing-Derived Spectral and Structural Prompting for Hyperspectral Image Super-Resolution
USP-Mamba：基于解混的光谱与结构提示的高光谱图像超分辨率方法
专题命中 其他LLM ：prompting(title,abstract)
AI总结 本文针对现有Mamba模型用于高光谱图像超分辨率时破坏空间邻接性、未对齐图像固有特征的问题，提出USP-Mamba框架，通过解混光谱提示、结构提示及互补扫描，在多数据集上性能优于现有方法。
Foveated Probes Recover Localized Binding Information in Vision Foundation Models
凹点探测法在视觉基础模型中恢复局部绑定信息
专题命中 其他LLM ：foundation model(title,abstract)
AI总结 该研究通过对比全局读出、凹点读出和神谕读出，发现冻结视觉基础模型的空间盲性源于全局嵌入界面，而非 patch 标记缺乏空间信息，凹点读出可有效恢复局部绑定信息。
Comments 15 pages, 6 figures
Attention-Steered Vision-Language Models for Sign Language Translation
用于手语翻译的注意力引导视觉-语言模型
机构 * Rochester Institute of Technology（罗切斯特理工学院） ； University of Virginia（弗吉尼亚大学） ； National Technical Institute for the Deaf（国家聋人技术学院）
专题命中 其他LLM ：language model(title,abstract)
AI总结 针对视觉-语言模型在手语翻译中时空视觉定位差的问题，提出AttnSign框架，通过空间注意力监督和RL运动节奏引导提升性能，在How2Sign和OpenASL基准上表现优于现有方法。
Do Music Foundation Models Embed Pitch in Helical Structure?
音乐基础模型是否以螺旋结构嵌入音高？
专题命中 其他LLM ：foundation model(title,abstract)
AI总结 该研究分析音乐基础模型的中间表征，发现其音高表征形成反映八度周期性的螺旋结构，且结构特征随模型和输入声学特性变化，为阐明模型内部机制提供新方法。
Comments Accepted by ISMIR 2026
The Innate Economic Preferences of Language Models
语言模型的固有经济偏好
专题命中 其他LLM ：language model(title,abstract)
AI总结 该研究揭示语言模型生成规则与离散选择随机效用模型同构，通过12种模型的投资组合任务发现其普遍存在异质风险厌恶，且微调可实现目标风险态度的工程化构建。
A Comparative Study of MCP and A2A for Inter-Agent Coordination in LLM-Based Systems
基于大语言模型的系统中用于智能体间协调的MCP和A2A的比较研究
专题命中 其他LLM ：LLM(title,abstract)
AI总结 本文从多智能体系统工程角度，以涉及基于大语言模型智能体的协调场景，比较MCP和A2A协议。针对多项要求评估同一软件工程任务的两种多智能体实现，发现MCP协调复杂度低，A2A支持更丰富，但都有特点，为智能体间协调协议设计提供了经验和权衡要点。
Comments 18 pages
Are Diversity Metrics Measuring Diversity? A Capability-Controlled Audit of Majority-Vote Gain in LLM Ensembles
多样性指标真的在衡量多样性吗？对大语言模型集成中多数投票增益的能力控制审计
机构 * Aidentyx Inc.（艾登泰克斯公司）
专题命中 其他LLM ：LLM(title)；分类 cs.CL、cs.AI、cs.LG
AI总结 探讨大语言模型集成中多样性指标与多数投票增益的关系，在能力控制下审计五个多样性指标，发现潜在互补性普遍、指标与准确率共线且统计量不可分离，揭示了多样性指标在衡量多样性方面的问题及相关关联。
Comments 10 figures, 9 tables
