语言大模型 / LLM

ViCo3D: Empowering LiDAR-based Collaborative 3D Object Detection with Vision Foundation Models

ViCo3D：利用视觉基础模型增强基于激光雷达的协作式3D目标检测

Haojie Ren, Songrui Luo, Lingfeng Wang, Yan Xia, Yao Li, Jing Li, Lu Zhang, Jiajun Deng, Yanyong Zhang

机构 * University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 研究针对V2X系统中基于激光雷达协作式3D感知的不足，提出ViCo3D框架。通过将点云投影为图像让VFM提取特征，引入融合模块及跨智能体融合策略，实现了先进的3D检测性能，提升了协作增益。

Predicting Program Comprehension with Foundation Models of Human Cognition

用人类认知基础模型预测程序理解能力

Yannick Lehmen, Marvin Wyrich, Anna-Maria Maurer, Norman Peitek, Sven Apel

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

AI总结 研究探讨用人类认知基础模型预测程序理解能力，通过评估基于160个心理实验训练的Centaur在9个程序理解研究中的表现，发现其比基础模型更契合人类响应模式，为软件工程中开发者行为建模提供了新思路。

Comments Submission under review

LLM-Enhanced Dynamic Financial Knowledge Graphs for Cross-Entity Signal Propagation and alpha discovery

用于跨实体信号传播和阿尔法发现的大语言模型增强动态金融知识图谱

Lin Zhang

专题命中 其他LLM ：LLM(title,abstract)

AI总结 研究针对传统金融NLP忽略跨实体信息扩散问题，开发基于大语言模型的金融测量和信号传播框架，构建动态金融知识图谱，通过社区感知机制传播信号，引入新金融信号及测试，实验表明该框架能准确恢复网络结构等，有增量预测能力。

Comments 36 pages, 7 figures

Can Watermarking Techniques Help Prevent LLM Model Stealing?

水印技术能帮助防止大语言模型被盗用吗？

Elette Boyle, MohammadTaghi Hajiaghayi, Keivan Rezaei, Suho Shin, Amos Stern

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

AI总结 研究模型窃取攻击，提出受水印技术启发的防御方法，通过扰动对数its层防止攻击，经实证实验验证防御有效性，在保留模型效用的同时有效抵御攻击。

Imperceptible and Reversible Adversarial Examples against Vision-Language Models for Privacy Protection

用于隐私保护的针对视觉语言模型的不可察觉且可逆的对抗性示例

Qi Lu, Ziqi Zhou, Yufei Song, Zijing Li, Lulu Xue, Minghui Li, Shengshan Hu, Leo Yu Zhang

机构 * School of Cyber Science and Engineering, Huazhong University of Science and Technology（华中科技大学网络空间安全学院） ； College of Computer Science, Chongqing University（重庆大学计算机科学学院） ； School of Software and engineering, Huazhong University of Science and Technology（华中科技大学软件工程学院） ； School of Information and Communication Technology, Griffith University（格里菲斯大学信息与通信技术学院） 纠错

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

AI总结 研究针对视觉语言模型基于文本的隐私攻击问题，提出CloakDiff框架，结合扩散对抗编辑与可逆网络生成不可察觉的对抗性示例，设计EDM启发式采样提高保真度，实验证明该框架能实现多模态隐私保护且具高视觉质量和可逆性。

Comments Accepted by ACM MM 2026

Devil in the Lens: Analyzing and Defending Physical Prompt Injection Against Vision-Language Models on Wearable Devices

镜头中的恶魔：分析并防御可穿戴设备上针对视觉语言模型的物理提示注入

Yaxin Li, Hao Wang, Yanda Shao, Shuhao Zhang, Yan Long

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

AI总结 研究针对可穿戴设备上视觉语言模型的物理提示注入攻击，利用真实环境照片分析出6种威胁向量及对12个模型的影响，攻击成功率高，还提出基于掩码的外部过滤器和基于语义向量的内部检测器两种防御策略。

Glob3R: Global Structure-from-Motion with 3D Foundation Models

Glob3R：基于3D基础模型的全局运动恢复结构

Junyuan Deng, Heng Li, Kejie Qiu, Lingteng Qiu, Rui Peng, Weichao Shen, Weihao Yuan, Siyu Zhu, Zilong Dong, Ping Tan

机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Tongyi Lab, Alibaba Group（阿里巴巴集团通义实验室） ； Nanjing University（南京大学） ； Fudan University（复旦大学） 纠错

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

AI总结 研究针对3D基础模型重建结果不准确及处理长序列或大图像集有缺陷的问题，提出Glob3R方法，通过增强主干、转换扭曲为特征轨迹、引入关联策略及进行全局优化等，实现强大准确重建，提升神经渲染质量。

Immersive Social Interaction with VR and LLM-Assisted Humanoids

通过虚拟现实和大语言模型辅助的人形机器人实现沉浸式社交互动

Niraj Pudasaini, Geeta Chandra Raju Bethala, Pranav Doma, Anthony Tzes, Yi Fang

机构 * Inspire Robotics（Inspire机器人公司） 纠错

专题命中 其他LLM ：LLM(title,abstract)

AI总结 研究通过集成语音控制移动、VR操作和双向社交互动的框架实现人形机器人全身控制，利用苹果视觉专业版等，经大语言模型辅助语音控制等技术，在宇树H1人形机器人上评估，新手操作成功率可观，证明该方式在多方面应用的潜力。

Comments IEEE-RAS International Conference on Humanoid Robots - Workshop: Designing Interactive Humanoids

Fast 3D Foundation Model Initialized Gaussian Splatting

快速3D基础模型初始化高斯点云渲染

Anurag Dalal, Daniel Hagen, Kjell G. Robbersmyr, Kristian Muri Knausgård

机构 * Aust-Agder utviklings- og kompetansefond (AAUKF)（奥斯特-阿格德尔发展与能力基金） 纠错

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

AI总结 介绍一种无需传统运动结构方法的高质量3D高斯点云重建快速方法，利用3D基础模型初始化相机姿态和点云，通过深度引导损失函数联合优化，提升稀疏视图重建质量，减少训练时间。

Comments 8 pages, 5 figures, 5 tables. Accepted at ICECET 2026

Journal ref 2026 6th International Conference on Electrical, Computer and Energy Technologies (ICECET), Rome, Italy, July 6-9, 2026

Stage-wise Attention-Guided Region Sequencing for Adversarial Attacks on Large Vision-Language Models

用于对大型视觉语言模型进行对抗攻击的逐阶段注意力引导区域排序

Jaehyun Kwak, Nam Cao, Boryeong Cho, Segyu Lee, Sumyeong Ahn, Se-Young Yun

机构 * KAIST（韩国科学技术院） ； KENTECH（KENTECH研究院） 纠错

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

AI总结 研究针对大型视觉语言模型的有针对性对抗攻击，基于注意力分析提出逐阶段注意力引导区域排序，介绍了黑盒区域排序框架SAGA，在多个模型上取得了最先进的攻击成功率和最佳不可感知性。

Comments Pre-print

Interleaving Natural Language Prompting with Code Editing for Solving Programming Tasks with Generative AI Models

通过代码编辑与自然语言提示交织使用生成式人工智能模型解决编程任务

Victor-Alexandru Pădurean, Alkis Gotovos, Ahana Ghosh, Paul Denny, Juho Leinonen, Andrew Luxton-Reilly, James Prather, Adish Singla

专题命中 其他LLM ：prompting(title,abstract)

AI总结 研究通过在编程课程中大规模研究，收集学生交互数据，分析学生解决编程任务时自然语言提示和代码编辑的结合方式、随任务复杂度及学生能力的变化，发现编辑起补充作用。

Comments ITiCSE'26 paper

Think While You Map: Asynchronous Vision-Language Agents for Incremental 3D Scene Graphs

边建图边思考：用于增量式3D场景图的异步视觉-语言智能体

Deniz Bickici, Michael Pabst, Shohei Mori, Dieter Schmalstieg

机构 * University of Stuttgart（斯图加特大学） ； Graz University of Technology（格拉茨技术大学） ； IMPRS-IS（国际马克斯·普朗克智能系统研究学院） 纠错

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

AI总结 提出异步架构，轻量在线建图与重型语义精化并发运行，通过语义闭环、属性标注和空间关系推导，实现探索时可查询且语义渐增的3D场景图，在多个基准上超越现有方法。

Comments Accepted to ECCV 2026. Project page: https://denizbickici.github.io/thinkgraphs/

Physics Equivariance for Robust Generalization in Wireless Foundation Model

无线基础模型中用于鲁棒泛化的物理等变性

Haoyu Wang, Xigang Gao, Zhi Sun, Zhaocheng Wang

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

AI总结 针对无线基础模型因数据规模有限、分布覆盖窄及仿真到现实差距导致的鲁棒性和泛化性不足，提出物理等变性作为归纳偏置，设计具有波动等变性的phys-WFM，显著提升分布偏移下的鲁棒性和泛化能力。

Comments 7 pages, 4 figures, 2 tables. This work has been submitted to the IEEE for possible publication

Let Language Constrain Geometry: Vision-Language Models as Semantic and Spatial Critics for 3D Generation

让语言约束几何：视觉-语言模型作为3D生成的语义和空间评判者

Weimin Bai, Yubo Li, Weijian Luo, Zeqiang Lai, Yequan Wang, Wenzheng Chen, He Sun

机构 * Peking University（北京大学） ； hi-lab, Xiaohongshu Inc.（小红书科技公司 hi-lab） ； MMLab, CUHK（香港中文大学 MMLab） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） 纠错

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

AI总结 提出VLM3D框架，利用视觉-语言模型作为可微分的语义和空间评判者，通过双查询评判信号改善文本到3D生成的语义对齐和几何一致性。

Comments arXiv admin note: substantial text overlap with arXiv:2509.15772

Reviving Reflection-in-Action: Instilling Designerly Thinking in AI-Supported Ideation through Multimodal Prompting

复兴反思行动：通过多模态提示在AI支持的构思中注入设计思维

Samangi Wadinambiarachchi, Jenny Waycott, Greg Wadley

专题命中 其他LLM ：prompting(title,abstract)

AI总结 针对当前AI创造力支持工具主要依赖文本提示的局限，提出SketchifAI原型，通过多模态输入（文本、草图、草图加标签）增强设计学生的表达意图、创造力支持和发散思维，发现草图模态提升流畅性但用户偏好文本，探讨如何通过草图反思保留设计技能。

Comments ACM Creativity and Cognition 2026 conference (C&C'26)

Conceptual Design of an Ecosystem for Real Farm Data Collection toward Agricultural AI Foundation Models

面向农业AI基础模型的真实农场数据收集生态系统概念设计

Junsei Tanaka, Yoshihiro Sato

机构 * Kyoto University of Advanced Science（京都先端科学大学） 纠错

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

AI总结 针对农业机器人AI数据稀缺问题，提出一个集成需求定价、收益共享和真实性验证的可持续数据收集生态系统，并通过经济价值估算证明其可行性。

Attention-Based Foundation Model for Quantum States

基于注意力机制的量子态基础模型

Timothy Zaklama, Daniele Guerci, Liang Fu

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

AI总结 提出一种基于注意力机制的基础模型架构，仅使用基组态和物理参数作为输入，即可高精度预测不同哈密顿参数、系统尺寸和物理系统下的基态波函数，为构建量子物质通用基础模型奠定基础。

Comments 8 plus 7 pages. 6 plus 4 figures

Attention Alignment Between Humans and Vision-Language Models

人类与视觉语言模型之间的注意力对齐

Isaac R. Christian, Udith Haputhanthrige, Hanna Hornfeld, Declan Campbell, Samuel Nastase, Taylor Webb, Michael Graziano

机构 * Princeton Neuroscience Institute, Princeton University（普林斯顿大学普林斯顿神经科学研究所） ； Department of Psychology, Princeton University（普林斯顿大学心理学系） ； Department of Computer Science, Princeton University（普林斯顿大学计算机科学系） ； Department of Psychology and Center for Computational Language Sciences, University of Southern California（南加州大学心理学系与计算语言科学中心） ； Department of Psychology, Université de Montréal（蒙特利尔大学心理学系） 纠错

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

AI总结 本研究比较了六种视觉语言模型的空间注意力图与人类注视热图，发现解码器架构（LSTM vs Transformer）主导对齐程度，LSTM解码器对齐度更高但空间分散且任务区分度低，而Transformer解码器注意力更集中且任务区分度强。

m6A-FORM: An m6A-focused Foundation Model for Decoding m6A Regulatory Function

m6A-FORM：解码N6-甲基腺苷生物学的基础模型

Ting-He Zhang, Sumin Jo, Shou-Jiang Gao, Yufei Huang

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

AI总结 提出基于Transformer的基础模型m6A-FORM，利用MeRIP-seq峰作为先验，预训练后微调实现m6A位点预测，性能优于现有方法，并支持调控因子结合位点预测和组织保守位点分析。

Perceptive Behavior Foundation Model: Adapting Human Motion Priors to Robot-Centric Terrain

感知行为基础模型：将人体运动先验适应到以机器人为中心的地形

Zifan Wang, Yizhao Li, Teli Ma, Qiang Zhang, Yudong Fan, Hao Xu, Shuo Yang, Junwei Liang

机构 * Mondo Robotics ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； The Hong Kong University of Science and Technology（香港科技大学） ； Artificial General Intelligence Institute, University of Science and Technology of China（中国科学技术大学通用人工智能研究院） 纠错

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

AI总结 提出感知行为基础模型（Perceptive BFM），通过地形一致参考合成（TCRS）将人体运动先验适应到机器人局部地形，实现地形感知的人形机器人控制。

ReMoBot: Retrieval-Based Few-Shot Imitation Learning for Mobile Manipulation with Vision Foundation Models

ReMoBot: 基于检索的少样本模仿学习用于移动操作与视觉基础模型

Yuying Zhang, Wenyan Yang, Francesco Verdoja, Ville Kyrki, Joni Pajarinen

机构 * School of Electrical Engineering, Aalto University, Espoo, Finland（艾尔沃大学电气工程学院，埃斯波，芬兰） 纠错

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

AI总结 提出ReMoBot，一种基于检索的少样本模仿学习框架，利用视觉基础模型从演示中检索信息，解决移动操作任务中的部分可观测性和数据有限问题，在真实世界任务中取得高成功率。

Adapting Vision-Language Models from Iconic to Inclusive for Multi-Label Recognition Without Labels

将视觉-语言模型从标志性适应到包容性：用于无标签的多标签识别

Cheng Chen, Jingyu Zhou, Yifan Zhao, Jia Li

机构 * State Key Laboratory of Virtual Reality Technology and Systems, SCSE & QRI, Beihang University（虚拟现实技术与系统国家重点实验室，北京航空航天大学计算机学院与青岛研究院） 纠错

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

AI总结 提出无监督框架，通过“切割”和“缝合”两阶段适应VLMs，实现无标签的多标签图像识别，在四个数据集上超越现有无监督方法。

Geometry-Preserving Unsupervised Alignment for Heterogeneous Foundation Models

保持几何结构的异质基础模型无监督对齐

Shuwen Yu, Zhanxuan Hu, Yi Zhao, Yonghang Tai, Huafeng Li

机构 * Yunnan Normal University, Kunming, China（云南师范大学，昆明，中国） ； Kunming University of Science and Technology, Kunming, China（昆明理工大学，昆明，中国） 纠错

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

AI总结 提出GPUA框架，通过正交映射将视觉基础模型特征对齐到视觉语言模型语义空间，无需标签或参数更新，提升跨模型兼容性并在零样本识别与分割任务中取得显著增益。

Comments Accepted at ICML 2026

Searching for Anomalies with Foundation Models

使用基础模型搜索异常

Vinicius Mikuni, Benjamin Nachman

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

AI总结 本文利用大型基础模型OmniLearned分析CMS实验数据，发现质量边带中的异常行为，并通过完整背景估计验证，指出背景估计在验证区拟合良好但无法准确建模信号区。

Comments 19 pages, 21 figures

MatterSim-MT: A multi-task foundation model for in silico materials characterization

MatterSim-MT：用于计算材料表征的多任务基础模型

Han Yang, Xixian Liu, Chenxi Hu, Yichi Zhou, Yu Shi, Chang Liu, Junfu Tan, Jielan Li, Guanzhi Li, Qian Wang, Yu Zhu, Zekun Chen, Shuizhou Chen, Fabian Thiemann, Claudio Zeni, Matthew Horton, Robert Pinsler, Andrew Fowler, Daniel Zügner, Tian Xie, Lixin Sun, Yicheng Chen, Lingyu Kong, Yeqi Bai, Deniz Gunceler, Frank Noé, Hongxia Hao, Ziheng Lu

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

AI总结 提出MatterSim-MT多任务基础模型，通过预训练和微调实现材料结构、动力学、热力学及多种性质的高效预测，并展示其在复杂模拟中的应用。

Self-Prompting Diffusion Transformer for Open-Vocabulary Scene Text Editing via In-Context Learning

自提示扩散变压器用于开放词汇场景文本编辑的上下文学习

Hongxi Li, Tong Wang, Chengjing Wu, Tianbao Liu, Jiangtao Yao, Xiaochao Qu, Xinxiao Wu, Luoqi Liu, Ting Liu

机构 * MT Lab, Meitu Inc., Beijing, China ； School of Computer Science \& Technology, Beijing Institute of Technology, Beijing, China 纠错

专题命中 其他LLM ：prompting(title,abstract)

AI总结 提出一种自提示场景文本编辑方法，通过构建风格和字形提示，利用多模态扩散变压器的上下文学习能力，实现开放词汇和风格一致的文本编辑。

Comments ICML 2026

Scale-Dependent Collective Adaptation in Self-Amending LLM Societies: A Cross-Family Study of Emergent Governance

自修正大语言模型社会中尺度依赖的集体适应：跨家族治理涌现研究

Kazuya Horibe, Masaomi Hatakeyama, Gen Masumoto, Takashi Hashimoto, Peter Romero

专题命中 其他LLM ：LLM(title,abstract)

AI总结 本文研究了在规则本身受集体修正的人工社会中群体决策机制，通过自修正游戏Nomic比较了两个大语言模型家族在不同尺度下的表现，发现集体适应并非随模型规模单调提升，而是存在一个狭窄的中间尺度阶段，支持持续的规则采纳、多样化的修正和平衡的共识。小型模型倾向于保持规则惰性，而大型模型往往收敛到限制性的投票模式，异质混合规模群体则陷入 veto 驱动的僵局。这些跨尺度对比在温度扰动和从全体一致到多数投票的转换下仍然存在，尽管隐状态结构因家族和尺度而异。隐状态分歧本身并不能解释集体表现：高表征分歧可以与差的行为主体结果同时出现。线性探针揭示了隐态投票预测信号与集体行为之间的选择性耦合，但解码性是适应性游戏的必要而非充分条件。总体而言，反复出现的规律是非单调性，而非特定最优尺度。自修正游戏因此为研究人工社会中的集体适应提供了受控测试平台，超越了单纯模型规模。

Persona-Conditioned Adversarial Prompting (PCAP): Multi-Identity Red-Teaming for Enhanced Adversarial Prompt Discovery

基于身份的对抗提示生成（PCAP）：多身份红队测试以提升对抗提示发现

Cristian Morasso, Anisa Halimi, Muhammad Zaid Hameed, Douglas Leith

专题命中 其他LLM ：prompting(title,abstract)

AI总结 PCAP通过结合攻击者身份和策略卡进行对抗搜索，提高攻击成功率和提示多样性，增强对抗策略覆盖范围。

Semantic Smoothing for Language Models via Distribution Estimation and Embeddings

通过分布估计和嵌入实现语言模型的语义平滑

Haricharan Balasundaram, Swathi Shree Narashiman, Pranay Mathur, Andrew Thangaraj

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

AI总结 本文提出语义平滑方法，通过嵌入在语义相似上下文中共享统计信息，减少语言模型的测试困惑度。

GoForth: Language Models for RNA Design under Structure, Sequence, and Coding Constraints

GoForth：在结构、序列和编码约束下的RNA设计语言模型

Michael Lindsey

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

AI总结 本文提出GoForth模型，用于在结构、序列和编码约束下进行RNA设计，通过条件生成模型解决逆向序列设计问题，实现高效高质量的候选生成及设计任务的语义嵌入。