AI 大模型
大语言模型、预训练、指令微调、后训练和语言模型应用。
PhoenixRepair：重新思考软件代理中的修复策略探索
机构 * Zhejiang University（浙江大学） ； Huazhong University of Science and Technology（华中科技大学） ； Huawei CodeArts Model Team（华为代码艺术模型团队）
专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.AI
AI总结 研究针对现有软件代理修复策略探索不足的问题，提出PhoenixRepair多代理框架，通过多位置采样、迭代反思优化等扩大搜索空间，实验表明该框架在解决率和故障定位精度上有提升，实现了7.8%的相对改进及76.0%的最高解决率Pass@1。
Comments 14 pages, 5 figures
社会模拟：从基于主体的建模到数字孪生
机构 * Department of Computer Science, University of Pisa（皮萨大学计算机科学系） ； ISTI-CNR（意大利国家研究委员会信息与系统研究所）
专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.AI
AI总结 探讨社会模拟从基于主体建模到数字孪生的演变，阐述了各阶段范式的方法论基础、应用等，强调从抽象模型到特定社会系统逼真计算表示的转变。
Comments Entry for Encyclopedia of Social Network Analysis and Mining
专业邮件中的趣味人工智能：关于语气和收件人参与度的实地实验
专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.AI
AI总结 研究人工智能辅助写作对职场沟通的影响，通过随机交叉实地实验，让员工分三种情况发邮件，发现趣味编辑增情感积极性，专业编辑降之，且两者均未直接改邮件相关率，而是发件人积极性间接影响行为，揭示语言情感基调塑造职场参与度。
Motif：发现并自动化个人网络工作流程
机构 * University of California, Irvine（加州大学伊文斯顿分校）
专题命中 其他LLM ：LLM(abstract,abstract_cn)；分类 cs.AI
AI总结 Motif系统通过被动观察浏览器活动发现可编程交互模式，向用户推荐并生成程序，经多日研究评估，其发现的可自动化模式多于用户识别出的，多数模式有用，多数用户会继续使用Motif生成的程序。
迈向更强的代码水印：一种语法驱动的方法来优化质量与可检测性之间的权衡
机构 * Southeast University（东南大学） ； Tsinghua University（清华大学）
专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.CL
AI总结 针对大语言模型代码生成中质量与可检测性权衡难题，提出语法驱动水印方法（GDW），通过语法引导机制和角色感知调制注入水印，设计加权检测统计量，实验表明其在多方面优于现有方法且具鲁棒性。
在聊天中被拒绝，用代码编写：IDE 编码代理中的工作流级越狱构造
机构 * The Alan Turing Institute（阿尔法·图灵研究院）
专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.AI
AI总结 研究 IDE 编码代理安全评估问题，介绍工作流级越狱构造，通过对特定模型在不同基准测试下表现研究发现，对话拒绝基准可能高估其安全性，需跨多轮 IDE 工作流评估安全。
DocMaster：一种用于文档分析的分层结构感知系统
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； The Chinese University of Hong Kong（香港中文大学）
专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.AI
AI总结 针对利用大语言模型分析复杂文档时现有系统丢弃分层结构致性能下降的问题，提出DocMaster系统，它能解析文档为分层树并构建语义索引，通过网页界面展示，可实现文档筛选与问答等功能。
Comments 4 pages, demo paper, under revision
基于生成代理的最佳臂识别
机构 * School of Operations Research and Information Engineering, Cornell University（康奈尔大学运营研究与信息工程学院） ； Department of Industrial Systems Engineering and Management, National University of Singapore（新加坡国立大学工业系统工程与管理系） ； SC Johnson College of Business, Cornell University（康奈尔大学SC约翰逊商学院） ； Michael G. Foster School of Business, University of Washington（华盛顿大学迈克尔·G·福斯特商学院）
专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.LG
AI总结 研究固定置信度最佳臂识别，将其与廉价代理分数配对，提出PROBE算法，通过控制变量调整转化为异方差问题，证明算法是δ - PAC的，能达到已知相关性神谕样本复杂度，实验证实样本节省与相关性强度成比例。
POPS：通过提示优化参数抖动恢复多模态大语言模型中未学习的多模态知识
机构 * University of Texas at Austin（德克萨斯大学奥斯汀分校） ； DEVCOM Army Research Laboratory（陆军研究实验室）
专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.LG
AI总结 研究针对多模态大语言模型中隐私敏感信息擦除不彻底问题，提出POPS对抗策略，通过提示后缀优化生成潜在私人示例并微调模型，实验揭示现有MMU算法弱点，POPS能近乎完全恢复敏感信息，暴露隐私保护漏洞。
一个为K-12教师通过氛围编码创建人工智能驱动的学习技术的指导框架
机构 * University of Tennessee, Knoxville（田纳西大学）
专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.AI
AI总结 研究旨在为K-12教师通过氛围编码创建人工智能驱动的学习技术提供指导框架。提出GAIDE框架，基于设计思维和INTERACT构建，经交互分析验证及访谈定性分析，发现可提升教师人工智能素养，凸显创建式学习对专业发展的潜力。
角色如何影响智能体进行“分赃或偷窃”游戏
机构 * Universidade Lusófona（卢索福纳大学） ； Universitat de Barcelona（巴塞罗那大学） ； Université Paris Cité（巴黎城市大学） ； Computational Neuropsychology and Simulation (CNS) Laboratory（计算神经心理学与模拟（CNS）实验室） ； Arizona State University（亚利桑那州立大学）
专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.CL
AI总结 研究角色提示对智能体在“分赃或偷窃”游戏中行为的影响，通过智能体与虚拟人类互动实验，发现模型选择影响行为，亲社会等角色合作性强，揭示了相关互动特点，为虚拟现实研究提供基线。
我们还剩下什么？抵制人工智能导致研究退化的第二种学术研究
机构 * Digital Ethics Center, Yale University（耶鲁大学数字伦理中心）
专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.AI
AI总结 探讨生成式人工智能侵蚀学术判断形成和学术信任建立的实践致研究退化，指出仅让人参与AI输出流程不足，需重归将研究作为实践的承诺，提出第二种学术研究。
群体研究：编排编码智能体以进行开放式发现
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
专题命中 其他LLM ：LLM(abstract,abstract_cn)；分类 cs.AI
AI总结 研究长期运行的编码智能体存在的问题，假设两个设计选择导致该问题，介绍SwarmResearch，一种编排器-子智能体架构，在开放式优化任务中表现良好，其编排器引导扩展能发现更好方案。
通过验证器与生成器对齐改进大语言模型
机构 * Department of Computer Science, The University of Texas at Austin（德克萨斯大学奥斯汀分校计算机科学系） ； Departments of Linguistics and Computer Science, University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校语言学与计算机科学系） ； Department of Computer Science & Center for Data Science, New York University（纽约大学计算机科学系及数据科学中心）
专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.CL
AI总结 研究大语言模型不一致问题，提出基于话语频率的生成器-验证器一致性新公式，介绍\FCPA方法，实验表明该方法能提升生成器性能及两者一致性，且保持验证器质量。
DA-Studio：用于端到端数据分析的智能体系统
机构 * Renmin University of China（中国人民大学）
专题命中 其他LLM ：LLM(abstract,abstract_cn)；分类 cs.AI
AI总结 提出DA-Studio，一个集成了沙盒执行与可检查工作流的端到端数据分析系统，通过迭代动作生成与代码执行，从原始文件与自然语言请求逐步构建可执行分析步骤。
Comments VLDB 2026 Demo submission
通过双智能体实现凸松弛的AI辅助发现
专题命中 其他LLM ：LLM(abstract,abstract_cn)；分类 cs.AI
AI总结 提出一种双智能体自动研究范式，通过编码智能体提议约束、理论智能体验证并搜索反例，结合区间算术验证，改进了两个优化常数的下界。
药物使用在线社区中药物使用者的自我污名认知、情感和行为表达
机构 * Department of Information Science, Drexel University（德雷塞尔大学信息科学系） ； Department of Human Development and Family Sciences, University of Delaware（特拉华大学人类发展与家庭科学系）
专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.CL
AI总结 本研究开发了涵盖认知、情感和行为三个领域的自我污名编码本，利用大语言模型分析Reddit帖子，发现自我污名普遍存在且行为指标常先于核心指标出现，挑战了渐进模型。
从高维谱范数球中均匀采样
专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.LG
AI总结 针对机器学习优化中的采样问题，证明从单位谱范数球均匀采样的矩阵的奇异值几乎必然收敛到1，并据此提出适用于大语言模型规模矩阵的简单采样方法。
AgentRivet：从期刊论文自动生成Rivet例程的系统
机构 * Department of Physics & Astronomy, University of Manchester（曼彻斯特大学物理与天文学系） ； Centre for Advanced Research Computing, University College London（伦敦大学学院先进计算中心）
专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.AI
AI总结 提出基于大语言模型的自动化工作流AgentRivet，从论文提取物理分析信息并生成缺失的Rivet例程，经代码和物理审查实现质量控制，在ATLAS和CMS测量中生成语法错误少、物理保真度合理的例程。
面向建模与仿真的文本到图像生成式人工智能：方法、机遇与应用
机构 * National Center for Collaboration in Medical Modeling & Simulation and Office of Enterprise Research & Innovation（医学建模与模拟协作国家中心和企业研究与创新办公室）
专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.AI
AI总结 本教程介绍文本到图像生成技术如何支持建模与仿真的多个任务，包括概念模型沟通、仿真结果可视化、教育材料生成及多尺度仿真中的异构模型接口，并提供实用工作流。
Comments To appear at the 2026 Winter Simulation Conference
MIRAGE: 针对Web代理的隐蔽视觉提示注入漏洞检测
机构 * SDU（山东大学）
专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.AI
AI总结 提出MIRAGE框架，利用扩散模型在受限区域生成视觉上无害的对抗图像，实现针对多模态大模型Web代理的隐蔽间接提示注入攻击，以检测其视觉漏洞。
生成式引擎优化规模化：衡量AI搜索引擎中的品牌可见性
机构 * Ranqo
专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.CL
AI总结 本研究通过分析10万+提示响应，提出衡量AI搜索引擎中品牌可见性的方法，发现品牌成熟度形成三级阶梯，并识别出最受引用的内容格式和情感不稳定性。
Comments 14 pages, 4 tables; v1.0 preprint
情感分析看不到的：衡量客户是否得到帮助以及出了什么问题——基于70,000次客服对话
机构 * Dimension Labs（Dimension实验室）
专题命中 其他LLM ：LLM(abstract,abstract_cn)；分类 cs.CL
AI总结 本研究使用GPT-5.4从70,450次客服对话中估计客户满意度并标记具体问题，发现满意度估计比情感分析更准确，且能揭示情感分析无法捕捉的客户状态和问题原因。
Comments 25 pages, 6 figures
AI4SE 与 SE4AI 探索：回顾与展望的十年
机构 * Colorado State University（科罗拉多州立大学）
专题命中 其他LLM ：LLM(abstract,abstract_cn)；分类 cs.AI
AI总结 本文回顾了人工智能与系统工程在三个阶段的进展，通过人机一致性文献综述识别出五个关键研究空白，并提供了AI采纳、保障和劳动力转型的指导。
Comments 10 pages, 5 figure
贪婪坐标扩散：通过扩散引导实现有效且语义一致的对抗攻击
机构 * University of Maryland（马里兰大学） ； University of California, Berkeley（加州大学伯克利分校）
专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.LG
AI总结 提出贪婪坐标扩散方法，利用扩散模型引导生成语义连贯的对抗样本，在保持自然性的同时实现高攻击成功率。
Journal ref ICML 2026
融合文体特征与嵌入系统以估计日语作者身份似然比
专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.CL
AI总结 首次将似然比框架应用于日语数字文本，通过融合文体特征系统与基于嵌入的系统，提高了似然比量值和判别能力，最佳融合的log-likelihood-ratio成本为0.32484。
Muon 的免费重尾午餐：实证成功的理论证明
机构 * Department of Computer Science, ETH Zurich, Switzerland（苏黎世联邦理工学院计算机科学系） ； Department of Mathematics, Technical University of Munich, Germany（慕尼黑技术大学数学系） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心）
专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.LG
AI总结 本文在重尾非凸优化中证明，Muon 等非欧几里得方法在核范数平稳性下达到最优样本复杂度，避免了欧几里得方法的维度依赖，并通过大语言模型实验验证。
幽默风格驱动笑声，话题塑造可接受性：评估双语个人与政治机器人交付的AI笑话
机构 * Univ Brest-Bretagne INP, COMMEDIA team, Lab-STICC CNRS UMR 6285（布列塔尼大学-INP，COMMEDIA团队，Lab-STICC CNRS UMR 6285）
专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.AI
AI总结 本研究通过混合因素设计，评估机器人用双语讲AI生成笑话时，幽默类型（亲和、自我增强、攻击、自贬）和内容（个人vs政治）对趣味性和适当性的影响，发现幽默类型显著影响趣味性，内容影响适当性，语言偏好受内容及参与者流利度影响。
Comments Accepted in the 35th IEEE International Conference on Robot and Human Interactive Communication (RO-MAN 2026), Kitakyushu, Fukuoka, Japan
注入多样性的位置至关重要：统一框架下的多样化生成
机构 * UNC Chapel Hill（北卡罗来纳大学教堂山分校） ； University of Washington（华盛顿大学）
专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.CL
AI总结 提出统一框架，通过多样性源和传输分数衡量测试时多样化生成方法，并基于此提出全自动规范级方法，在五个开放任务中提升输出多样性且保持质量。
PRISM: 面向模态缺失联邦图学习的拓扑感知跨模态插补
机构 * Beijing Institute of Technology（北京理工大学）
专题命中 其他LLM ：prompting(abstract,abstract_cn)；分类 cs.LG
AI总结 针对联邦图学习中客户端级模态缺失问题，提出拓扑感知跨模态插补框架PRISM，通过联邦检索缺失模态语义并利用拓扑控制注入局部图传播，在六个多模态图数据集上平均提升4.48%。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈