语言大模型 / LLM

Correct codes for the wrong reasons? validating LLMs as measurement instruments for theoretical constructs

错误原因的正确编码？验证LLM作为理论构念的测量工具

Manuel Pita

机构 * Artificial Intelligence, Social Interaction and Complexity Laboratory（人工智能、社会互动与复杂性实验室） ； CICANT, Universidade Lusófona（CICANT，卢斯之ona大学） 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 针对LLM编码文本构念时仅依赖可靠性而忽略构念效度的问题，提出粒度校准方法，通过将构念分解为子句级组件、提取证据并基于理论规则组合，揭示编码过程而非结果，从而区分真实测量与虚假相关。

A retrieval conditioned rebinding circuit for dynamic entity tracking in large language models

一种用于大语言模型中动态实体追踪的检索条件重绑定电路

Soyoung Oh, Vera Demberg

机构 * Saarland University（萨尔兰大学） ； Max Planck Institute for Informatics（马克斯·普朗克信息学研究所） 纠错

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

AI总结 通过因果干预识别出大语言模型中实现动态状态追踪的检索条件重绑定机制，该机制由紧凑的注意力头电路编码并恢复绑定信息，在不同模型家族中表现不同。

More Capable, Less Cooperative? When LLMs Fail At Zero-Cost Collaboration

能力越强，合作越少？当LLM在零成本协作中失败时

Advait Yadav, Sid Black, Oliver Sourbut

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 研究LLM在多智能体系统中零成本协作的失败原因，通过构建去战略复杂性的环境，发现能力更强的模型（如o3）反而合作更差，并区分了能力失败与主动信息隐瞒，提出针对性干预措施。

Comments Accepted to the ICML 2026 main conference

Learning to Route Queries to Heads for Attention-based Re-ranking with Large Language Models

基于大语言模型的注意力重排序中查询依赖的头部选择学习

Yuxing Tian, Fengran Mo, Zhiqi Huang, Weixu Zhang, Jian-Yun Nie

机构 * McGill University \& MILA Montreal Canada ； McGill University \& MILA 纠错

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

AI总结 本文提出RouteHead方法，通过学习轻量级路由器选择最优头部集合以提升注意力重排序性能，实验表明优于现有基线。

Comments Accepted by SIGIR 2026

Inertia in Moral and Value Judgments of Large Language Models

大语言模型中的道德与价值观判断中的惯性

Bruce W. Lee, Yeongheon Lee, Hyunsoo Cho

机构 * University of Pennsylvania（宾夕法尼亚大学） ； Ewha Womans University（成均馆大学） 纠错

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

AI总结 研究发现大语言模型在不同角色设定下仍保持一致的价值取向，存在道德和价值观维度的惯性倾向，揭示了模型内部的偏见和价值偏好。

Comments ACL 2026

Daily and Weekly Periodicity in Large Language Model Performance and Its Implications for Research

大语言模型性能的每日和每周周期性及其对研究的影响

Paul Tschisgale, Peter Wulff

机构 * Leibniz Institute for Science and Mathematics Education（莱布尼茨科学和数学教育研究所） ； Ludwigsburg University of Education（路德维希堡教育大学） 纠错

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

AI总结 研究发现GPT-4o在固定条件下性能存在显著周期性变化，挑战了时间不变性假设，对LLM研究有重要影响。

Comments The Supplementary Information can be found in the OSF repository cited in the Data Availability Statement

Framing Effects in Independent-Agent Large Language Models: A Cross-Family Behavioral Analysis

独立代理大语言模型中的框架效应：跨家族行为分析

Zice Wang, Zhenyu Zhang

机构 * Northeastern University（东北大学） ； Beijing Institute of Technology（北京理工大学） 纠错

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

AI总结 研究探讨了在非交互多代理部署中，提示框架如何影响独立代理在阈值投票任务中的决策，发现框架效应显著影响选择分布，倾向于风险规避选项，揭示了非交互多代理部署中的重要偏差源。

Inducing Sustained Creativity and Diversity in Large Language Models

诱导大型语言模型的持续创造力与多样性

Queenie Luo, Gary King, Michael Puett, Michael D. Smith

机构 * Department of East Asian Languages and Civilizations, Harvard University（哈佛大学东亚语言与文明系） ； Institute for Quantitative Social Science, Harvard University（哈佛大学定量社会科学研究所） ； Harvard University（哈佛大学） 纠错

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

AI总结 本文提出一种新的解码方法，通过诱导持续创造力和多样性，使LLM能生成更多概念上独特的结果，从而更有效地探索搜索空间。

SOMP: Scalable Gradient Inversion for Large Language Models via Subspace-Guided Orthogonal Matching Pursuit

SOMP：通过子空间引导的正交匹配追踪实现大规模语言模型的可扩展梯度反向

Yibo Li, Qiongxiu Li

机构 * Politecnico di Milano（米兰理工学院） ； Aalborg University（奥胡斯大学） 纠错

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

AI总结 本文提出SOMP框架，通过子空间引导的正交匹配追踪解决大规模语言模型在大批次和长序列下的梯度反向问题，实现更高的重建保真度和计算效率。

Comments 18 pages, 4 figures, 13 tables

Under the Influence: Quantifying Persuasion and Vigilance in Large Language Models

受其影响：量化大型语言模型中的说服力与警觉性

Sasha Robinson, Katherine M. Collins, Ilia Sucholutsky, Kelsey R. Allen

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

AI总结 研究探讨了大型语言模型在说服和警觉性方面的表现，发现其在任务执行中存在独立的能力差异，强调需单独监控这三个方面以保障AI安全。

Enriching Taxonomies Using Large Language Models

利用大型语言模型丰富分类体系

Zeinab Ghamlouch, Mehwish Alam

机构 * Télécom Paris, Institut Polytechnique de Paris（巴黎电信学院，巴黎理工学院） 纠错

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

AI总结 本文提出Taxoria，利用大型语言模型丰富现有分类体系，通过候选节点生成与验证提升分类的覆盖范围和准确性。

Comments Published in ECAI 2025 Demo Track

Journal ref FAIA 2025 5147-5150 (2025)

When AI Writes, Whose Voice Remains? Quantifying Cultural Marker Erasure Across World English Varieties in Large Language Models

当AI写作时，谁的声音仍保留？量化世界英语变体中大型语言模型的文化标记消失

Satyam Kumar Navneet, Joydeep Chandra, Yong Zhang

机构 * Independent Researcher（独立研究者） ； BNRIST, Dept. of CST, Tsinghua University（BNRIST计算机科学与技术系，清华大学） 纠错

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

AI总结 研究揭示大型语言模型在处理不同英语变体时对文化标记的系统性消除现象，并提出量化指标与改进方法。

Revisiting Northrop Frye's Four Myths Theory with Large Language Models

重新审视北rop弗里耶的四 myth 理论与大语言模型

Edirlei Soares de Lima, Marco A. Casanova, Antonio L. Furtado

机构 * Academy for AI, Games and Media（人工智能、游戏与媒体学院） ； Breda University of Applied Sciences（布雷达应用科学大学） ； Department of Informatics PUC-Rio（信息学院（PUC-Rio）） 纠错

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

AI总结 本文提出基于角色功能的分析框架，利用大语言模型验证角色对应关系，揭示叙事结构的系统性模式。

Pattern Enhanced Multi-Turn Jailbreaking: Exploiting Structural Vulnerabilities in Large Language Models

模式增强的多轮劫持：在大语言模型中利用结构漏洞

Ragib Amin Nihal, Rui Wen, Kazuhiro Nakadai, Jun Sakuma

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

AI总结 本文提出PE-CoA框架，通过五个对话模式构建多轮劫持攻击，揭示了大语言模型在不同危害类别下的漏洞及防御局限性。

Game of Thought: Robust Information Seeking with Large Language Models Using Game Theory

思维博弈：利用博弈论的大型语言模型鲁棒信息检索

Langyuan Cui, Chun Kai Ling, Hwee Tou Ng

机构 * Department of Computer Science, National University of Singapore, 13 Computing Drive, Singapore 117417（新加坡国立大学计算机科学系） 纠错

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

AI总结 本文提出Game of Thought框架，通过博弈论技术提升大型语言模型在信息检索中的鲁棒性，实验证明其在最坏情况下的性能优于传统方法。

Comments 23 pages, 10 figures, under review at ICML 2026

From Gameplay Traces to Game Mechanics: Causal Induction with Large Language Models

从游戏行为追踪到游戏机制：利用大语言模型进行因果推理

Mohit Jiwatode, Alexander Dockhorn, Bodo Rosenhahn

机构 * Institute for Information Processing, Leibniz University Hannover, Germany（汉诺威莱布尼茨大学信息处理研究所） ； SDU Metaverse Lab, University of Southern Denmark, Denmark（丹麦南方大学元宇宙实验室） 纠错

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

AI总结 本文提出利用大语言模型进行因果推理，通过从游戏行为追踪中推断出视频游戏描述语言规则，以更准确地理解游戏机制。

Comments Submitted to ICPR 2026

Self-Blinding and Counterfactual Self-Simulation Mitigate Biases and Sycophancy in Large Language Models

自我屏蔽与反事实自我模拟缓解大语言模型中的偏见和趋炎附势

Brian Christian, Matan Mazor

机构 * University of Oxford（牛津大学） 纠错

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

AI总结 通过自我屏蔽和反事实自我模拟，大语言模型能够减少偏见和趋炎附势，提高决策公平性和透明度。

Large language models struggle with ethnographic text annotation

大型语言模型在民族志文本标注中表现不佳

Leonardo S. Goodall, Dor Shilton, Daniel A. Mullins, Harvey Whitehouse

机构 * Calleva Research Centre Oxford Internet Institute University of Oxford（牛津大学奥克斯福德互联网研究所卡列瓦研究中心） ； Cohn Institute for the History and Philosophy of Science and Ideas Tel Aviv University（特拉维夫大学科恩研究所） ； Birkbeck College University of London（伦敦大学伯克贝克学院） ； Centre for the Study of Social Cohesion University of Oxford（牛津大学社会凝聚力研究所以及牛津大学） 纠错

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

AI总结 本研究发现大型语言模型在民族志文本标注任务中表现不佳，无法替代人类专家。

Permissive Information-Flow Analysis for Large Language Models

宽松的信息流分析用于大型语言模型

Shoaib Ahmed Siddiqui, Radhika Gaonkar, Boris Köpf, David Krueger, Andrew Paverd, Ahmed Salem, Shruti Tople, Lukas Wutschitz, Menglin Xia, Santiago Zanella-Béguelin

机构 * University of Cambridge（剑桥大学） ； Microsoft（微软公司） ； Mila 纠错

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

AI总结 本文提出了一种更宽松的信息流分析方法，通过传播对模型输出有影响的样本标签来提高大型语言模型的安全性和隐私保护效果。

PATS: Personality-Aware Teaching Strategies with Large Language Model Tutors

PATS：基于大语言模型导师的个性感知教学策略

Donya Rooein, Sankalan Pal Chowdhury, Mariia Eremeeva, Yuan Qin, Debora Nozza, Mrinmaya Sachan, Dirk Hovy

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

AI总结 PATS通过结合学生性格特征优化大语言模型的教学策略，提升教学效果和学生参与度。

HOLOGRAPH: Active Causal Discovery via Sheaf-Theoretic Alignment of Large Language Model Priors

HOLOGRAPH：通过sheaf理论对大型语言模型先验进行对齐以实现主动因果发现

Hyunjun Kim

机构 * Korea Advanced Institute of Science ； \'Ecole Polytechnique F\'ed\'erale de Lausanne (EPFL), Lausanne, Switzerland 纠错

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

AI总结 HOLOGRAPH通过sheaf理论对齐大型语言模型先验，实现主动因果发现，提供严谨的数学基础并实现竞争性性能。

Can Large Language Models Improve Venture Capital Exit Timing After IPO?

大语言模型能否在IPO后改善风险投资退出时机？

Mohammadhossien Rashidi

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

AI总结 本研究利用大语言模型分析IPO后财务数据，预测风险投资退出时机，并评估AI指导对退出决策的经济影响。

Value Lens: Using Large Language Models to Understand Human Values

价值透镜：利用大语言模型理解人类价值观

Eduardo de la Cruz Fernández, Marcelo Karanik, Sascha Ossowski

机构 * Universidad Politécnica de Madrid（马德里理工大学） ； CETINIA ； Universidad Rey Juan Carlos（雷耶斯·卡洛斯大学） 纠错

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

AI总结 Value Lens利用大语言模型检测文本中的价值观，通过构建理论和文本分析两阶段实现对人类价值观的识别与评估。

Comments 4 pages. 2 figures. Published in ECAI 2025, Frontiers in Artificial Intelligence and Applications, Volume 413, pages 5175-5178

Journal ref Frontiers in Artificial Intelligence and Applications, Vol. 413, ECAI 2025, pp. 5175-5178 (2025)

Large Language Models Miss the Multi-Agent Mark

大语言模型错失多智能体标记

Emanuele La Malfa, Gabriele La Malfa, Samuele Marro, Jie M. Zhang, Elizabeth Black, Michael Luck, Philip Torr, Michael Wooldridge

机构 * Department of Computer Science, University of Oxford（牛津大学计算机科学系） ； Department of Informatics, King’s College London（伦敦国王学院信息学院） ； Department of Engineering, University of Oxford（牛津大学工程系） ； University of Sussex（苏塞克斯大学） 纠错

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

AI总结 本文指出大语言模型多智能体系统在理论与实践间的差距，强调需整合MAS核心概念以避免误解和错失机会。

Comments NeurIPS 2025 - position track -

AED: Automatic Discovery of Effective and Diverse Vulnerabilities for Autonomous Driving Policy with Large Language Models

AED: 利用大语言模型自动发现自主驾驶策略的有效且多样的漏洞

Le Qiu, Zelai Xu, Qixin Tan, Wenhao Tang, Chao Yu, Yu Wang

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

AI总结 AED 利用大语言模型自动发现自动驾驶策略的有效且多样的漏洞，提升漏洞发现的多样性和有效性。

Emergence of psychopathological computations in large language models

大语言模型中精神病理计算的出现

Soo Yong Lee, Hyunjin Hwang, Taekwan Kim, Yuyeong Kim, Kyuri Park, Jaemin Yoo, Denny Borsboom, Kijung Shin

机构 * KAIST, Kim Jaechul Graudate School of AI（KAIST人工智能研究生院） ； KAIST, School of Electrical Engineering（KAIST电子工程学院） ； UCL, Mental Health Neuroscience Department（伦敦大学学院心理健康神经科学系） ； UvA, Informatics Institute（乌得勒支大学信息学院） ； UvA, Department of Psychology（乌得勒支大学心理学系） 纠错

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

AI总结 本研究通过建立计算理论框架，证明大语言模型中已出现精神病理学的网络计算结构，并揭示其可能带来的安全风险。

Comments pre-print

Large Language Model-Based Reward Design for Deep Reinforcement Learning-Driven Autonomous Cyber Defense

基于大型语言模型的深度强化学习驱动自主网络防御的奖励设计

Sayak Mukherjee, Samrat Chatterjee, Emilie Purvine, Ted Fujimoto, Tegan Emerson

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

AI总结 本文提出利用大型语言模型设计奖励，以提升深度强化学习在自主网络防御中的效果。

Comments Accepted in the AAAI-26 Workshop on Artificial Intelligence for Cyber Security (AICS)

Signature vs. Substance: Evaluating the Balance of Adversarial Resistance and Linguistic Quality in Watermarking Large Language Models

William Guo, Adaku Uchendu, Ana Smith

机构 * IMSA ； MIT Lincoln Laboratory（麻省理工学院林肯实验室） 纠错

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

A Cross-Lingual Analysis of Bias in Large Language Models Using Romanian History

Matei-Iulian Cocu, Răzvan-Cosmin Cristia, Adrian Marius Dumitran

机构 * University of Bucharest（布加勒斯特大学） ； Softbinator 纠错

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

Comments 10 pages

Order Matters! An Empirical Study on Large Language Models' Input Order Bias in Software Fault Localization

Md Nakhla Rafi, Dong Jae Kim, Tse-Hsun Chen, Shaowei Wang

机构 * Software Performance, Analysis, \ Reliability (SPEAR) Lab\ University Montreal Canada ； DePaul University Chicago USA ； University of Manitoba Winnipeg Canada ； Software Performance, Analysis, \ Reliability (SPEAR) Lab\ University ； DePaul University ； University of Manitoba 纠错

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