语言大模型 / LLM

Span Modeling for Idiomaticity and Figurative Language Detection with Span Contrastive Loss

基于跨度对比损失的隐喻性和修辞语言检测模型

Blake Matheny, Phuong Minh Nguyen, Minh Le Nguyen

机构 * Japan Advanced Institute of Science and Technology（日本科学技术先进研究院） 纠错

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

AI总结 本文提出结合槽损失和跨度对比损失的BERT和RoBERTa模型，提升隐喻性检测性能，在现有数据集上取得最佳序列准确率。通过消融研究验证了SCL的有效性及泛化能力，并提出几何均值F1和序列准确率的综合评估方法。

AC4A: Access Control for Agents

AC4A：代理访问控制

Reshabh K Sharma, Dan Grossman

机构 * University of Washington（华盛顿大学） 纠错

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

AI总结 本文提出AC4A框架，解决代理系统粗粒度访问控制问题，允许用户限制代理访问的API和网页内容，提供灵活的权限定义和执行方式。

An Agentic Approach to Generating XAI-Narratives

生成XAI叙述的代理方法

Yifan He, David Martens

机构 * University of Antwerp（安特卫普大学） 纠错

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

AI总结 本文提出多代理框架生成和优化XAI叙述，通过多个批评代理反馈改进叙述的忠实性和连贯性。实验显示基本设计、批评设计和批评规则设计有效提升叙述忠实度，Claude-4.5-Sonnet在三次迭代后减少90%不忠实叙述。

AI-Assisted Goal Setting Improves Goal Progress Through Social Accountability

人工智能辅助的目标设定通过社会问责制提高目标进展

Michel Schimpf, Julian Voigt, Thomas Bohné

机构 * Technical University of Munich（慕尼黑技术大学） 纠错

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

AI总结 研究探讨了人工智能辅助目标设定对目标进展的影响，发现其通过增强社会问责感提升短期目标进展，但未显著优于结构化自我反思。

Multilingual LLMs Struggle to Link Orthography and Semantics in Bilingual Word Processing

多语言大语言模型在双语词处理中难以建立拼写与语义的联系

Eshaan Tanwar, Gayatri Oke, Tanmoy Chakraborty

机构 * Department of Electrical Engineering, Indian Institute of Technology Delhi（印度理工学院德里电气工程系） ； Yardi School of Artificial Intelligence, Indian Institute of Technology Delhi（印度理工学院德里人工智能学院） 纠错

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

AI总结 研究探讨多语言大语言模型在处理双语词时，如何通过拼写和语义特征进行区分，发现模型在处理双语同形词时存在显著困难，倾向于依赖拼写相似性而非语义理解。

Comments Code available at: https://github.com/EshaanT/Bilingual_processing_LLMs

Detecting Data Poisoning in Code Generation LLMs via Black-Box, Vulnerability-Oriented Scanning

通过黑盒、面向漏洞的扫描检测代码生成LLM中的数据中毒

Shenao Yan, Shimaa Ahmed, Shan Jin, Sunpreet S. Arora, Yiwei Cai, Yizhen Wang, Yuan Hong

机构 * University of Connecticut（康涅狄格大学） ； Visa Research（Visa研究） 纠错

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

AI总结 本文提出CodeScan框架，通过分析多生成代码的结构相似性，结合抽象语法树规范化，检测代码生成模型中的安全漏洞，实现高准确率的数据中毒检测。

Comments Preprint

Incongruent Positivity: When Miscalibrated Positivity Undermines Online Supportive Conversations

不一致的积极性：当不准确的积极性削弱在线支持性对话

Leen Almajed, Abeer ALdayel

机构 * Computer Science Department, King Saud University, College of Computer and Information Sciences（计算机科学系，沙特王后大学，计算机与信息科学学院） 纠错

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

AI总结 研究探讨了在高压力情境中，LLM生成的不一致积极性如何导致消极回应，提出通过微调模型和开发多标签分类器来提升支持性对话的质量。

Comments To appear in ICWSM 2026

Improved Iterative Refinement for Chart-to-Code Generation via Structured Instruction

改进的图表到代码生成的迭代细化方法：基于结构化指令

Chengzhi Xu, Yuyang Wang, Lai Wei, Lichao Sun, Weiran Huang

机构 * School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学学院） ； Shanghai Innovation Institute（上海创新研究院） ； Lehigh University（莱特大学） ； MIFA Lab（MIFA实验室） 纠错

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

AI总结 本文提出基于结构化指令的ChartIR方法，通过区分视觉理解和代码翻译任务，提升图表到代码生成的性能，实验显示在Qwen2-VL和GPT-4o上表现优异。

Generation of Human Comprehensible Access Control Policies from Audit Logs

从审计日志生成人类可理解的访问控制策略

Gautam Kumar, Ravi Sundaram, Shamik Sural

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

AI总结 本文提出通过审计日志生成人类可理解的访问控制策略框架，利用大语言模型提升准确性和可扩展性。

AgentOS: From Application Silos to a Natural Language-Driven Data Ecosystem

AgentOS: 从应用孤岛到由自然语言驱动的数据生态系统

Rui Liu, Tao Zhe, Dongjie Wang, Zijun Yao, Kunpeng Liu, Yanjie Fu, Huan Liu, Jian Pei

机构 * University of Kansas（堪萨斯大学） ； Clemson University（克莱姆森大学） ； Arizona State University（亚利桑那州立大学） ； Duke University（杜克大学） 纠错

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

AI总结 本文提出AgentOS，通过自然语言驱动的数据生态系统，解决传统操作系统与智能代理的适配问题，构建持续的数据挖掘管道。

Quantifying and extending the coverage of spatial categorization data sets

量化和扩展空间分类数据集的覆盖范围

Wanchun Li, Alexandra Carstensen, Yang Xu, Terry Regier, Charles Kemp

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

AI总结 本文通过LLMs生成的标签扩展TRPS数据集，提升了空间分类数据集的覆盖范围和多语言支持能力。

VerChol -- Grammar-First Tokenization for Agglutinative Languages

VerChol -- 以语法优先的词法化方法用于黏着语言

Prabhu Raja

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

AI总结 VerChol 提出了一种以语法优先的词法化方法，用于处理黏着语言中复杂的形态结构，以提高词法化效率和准确性。

Comments 13 pages. A Morphological Alternative to Statistical Subword Tokenization

Activation-Space Personality Steering: Hybrid Layer Selection for Stable Trait Control in LLMs

激活空间人格引导：用于LLMs中稳定特质控制的混合层选择

Pranav Bhandari, Nicolas Fay, Sanjeevan Selvaganapathy, Amitava Datta, Usman Naseem, Mehwish Nasim

机构 * Network Analysis and Social Influence Modelling (NASIM) Lab（网络分析与社会影响建模实验室） ； School of Physics Maths and Computing, The University of Western Australia（西澳大学物理数学与计算学院） ； School of Psychological Science, The University of Western Australia（西澳大学心理学科学学院） ； School of Computing, Macquarie University（麦考瑞大学计算机学院） 纠错

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

AI总结 本文提出通过混合层选择方法，在LLMs中实现稳定的人格控制，利用Big Five人格特质构建低秩子空间，以提升模型输出的可控性与实用性。

Comments Accepted to EACL 2026

GCAgent: Enhancing Group Chat Communication through Dialogue Agents System

GCAgent：通过对话代理系统增强群聊交流

Zijie Meng, Zheyong Xie, Zheyu Ye, Chonggang Lu, Zuozhu Liu, Zihan Niu, Yao Hu, Shaosheng Cao

机构 * Zhejiang University（浙江大学） ； Xiaohongshu Inc.（小红书公司） ； University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 GCAgent通过集成娱乐和实用导向的对话代理系统，提升群聊交流效果，实现多参与者对话的高效管理与增强。

Beyond the Prompt: An Empirical Study of Cursor Rules

超越提示：关于光标规则的实证研究

Shaokang Jiang, Daye Nam

机构 * University of California, Irvine（加州大学尔湾分校） 纠错

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

AI总结 本文通过分析401个开源仓库中的光标规则，提出了项目上下文的分类法，并探讨了不同项目类型和编程语言中上下文的变化，为下一代上下文感知的AI开发者工具提供启示。

Comments To appear at MSR 2026

Rethinking Code Similarity for Automated Algorithm Design with LLMs

重新思考基于LLM的自动算法设计中的代码相似性

Rui Zhang, Zhichao Lu

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

AI总结 BehaveSim通过分析问题解决行为轨迹，提升LLM-AAD性能并促进算法分析。

Comments Accepted to ICLR 2026

AnnoABSA: A Web-Based Annotation Tool for Aspect-Based Sentiment Analysis with Retrieval-Augmented Suggestions

AnnoABSA：一个支持基于方面的情感分析的网页标注工具，具有检索增强的建议

Nils Constantin Hellwig, Jakob Fehle, Udo Kruschwitz, Christian Wolff

机构 * Media Informatics Group, University of Regensburg, Regensburg, Germany（里根斯堡大学媒体信息学组） ； Information Science Group, University of Regensburg, Regensburg, Germany（里根斯堡大学信息科学组） 纠错

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

AI总结 AnnoABSA是一款支持基于方面的情感分析的网页标注工具，结合检索增强生成建议提升标注效率与准确性。

Comments Accepted for publication at LREC 2026. Final version will appear in the ACL Anthology

Commitment Checklist: Auditing Author Commitments in Peer Review

承诺清单：在同行评审中审计作者承诺

Chung-Chi Chen, Iryna Gurevych

机构 * AIST, Japan（日本国家信息技术研究所） ； Ubiquitous Knowledge Processing Lab (UKP Lab), Department of Computer Science, TU Darmstadt and National Research Center for Applied Cybersecurity ATHENE, Germany（图宾根大学计算机科学系通用知识处理实验室及应用网络安全国家研究中心ATHENE德国） 纠错

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

AI总结 本文提出作者承诺清单，利用LLM审计同行评审中作者的承诺，发现约25%的承诺未被履行，强调了加强同行评审问责制的重要性。

Emulating Aggregate Human Choice Behavior and Biases with GPT Conversational Agents

用GPT对话代理模拟群体人类选择行为和偏差

Stephen Pilli, Vivek Nallur

机构 * University College Dublin（都柏林大学） 纠错

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

AI总结 本研究利用GPT对话代理模拟人类决策偏差，通过对话实验揭示LLMs在个体层面预测和再现偏差的能力，为设计适应性AI系统提供重要启示。

Comments Accepted at CHI'26. The text overlap with arXiv:2601.11049 is arising from the commonalities in the Appendix due to shared experimental material

Addressing Climate Action Misperceptions with Generative AI

用生成式AI应对气候行动的误解

Miriam Remshard, Yara Kyrychenko, Sander van der Linden, Matthew H. Goldberg, Anthony Leiserowitz, Elena Savoia, Jon Roozenbeek

机构 * University of Cambridge（剑桥大学） ； Yale University（耶鲁大学） ； Harvard T.H. Chan School of Public Health（哈佛大学T.H. Chan公共卫生学院） 纠错

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

AI总结 本文研究了个性化气候LLM在提升公众对气候行动影响认知和促进环保行为改变中的有效性。

Comments 11 pages; 2 figures; for study materials, data and supplement, see https://osf.io/9yda3/overview?view_only=dabb05c479b94444945da60096e5f490

Workflow-Level Design Principles for Trustworthy GenAI in Automotive System Engineering

汽车系统工程中可信生成式人工智能的工作流级设计原则

Chih-Hong Cheng, Brian Hsuan-Cheng Liao, Adam Molin, Hasan Esen

机构 * Carl von Ossietzky University of Oldenburg（奥尔登堡卡尔·冯·奥西特齐克大学） ； DENSO AUTOMOTIVE 纠错

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

AI总结 本文提出可信生成式人工智能在汽车系统工程中工作流级设计原则，通过需求增量识别、SysML架构更新及可追溯测试保障安全关键系统工程的可信度。

Botson: An Accessible and Low-Cost Platform for Social Robotics Research

Botson：一种易于获取且低成本的社会机器人研究平台

Samuel Bellaire, Abdalmalek Abu-raddaha, Natalie Kim, Nathan Morhan, William Elliott, Samir Rawashdeh

机构 * University of Michigan-Dearborn（密歇根大学迪尔伯恩分校） 纠错

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

AI总结 Botson是一种基于大型语言模型的人形社会机器人，旨在为社会机器人研究提供低成本且易于获取的平台。

Comments 5 pages, 7 figures

promptolution: A Unified, Modular Framework for Prompt Optimization

promptolution: 一种统一的、模块化的提示优化框架

Tom Zehle, Timo Heiß, Moritz Schlager, Matthias Aßenmacher, Matthias Feurer

机构 * ELLIS Institute（ELLIS研究所） ； University of Freiburg（弗赖堡大学） ； LMU Munich（慕尼黑大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） ； Technical University of Munich（慕尼黑技术大学） ； TU Dortmund University（多特蒙德技术大学） ； Lamarr Institute for Machine Learning and Artificial Intelligence（Lamarr机器学习与人工智能研究所） 纠错

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

AI总结 promptolution 提供了一种统一的模块化框架，整合多种提示优化器，支持系统化的基准测试，并返回与框架无关的提示字符串，以提升大型语言模型在各种任务中的性能。

Retrieval Collapses When AI Pollutes the Web

当AI污染网络时检索崩溃

Hongyeon Yu, Dongchan Kim, Young-Bum Kim

机构 * NAVER Corp.（NAVER公司） 纠错

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

AI总结 研究发现AI生成内容污染导致检索系统崩溃，需引入检索意识策略以防止质量下降。

Comments 4 pages, Proceedings of The Web Conference 2026 (WWW '26)

An Agentic Framework with LLMs for Solving Complex Vehicle Routing Problems

基于大语言模型的代理框架用于解决复杂车辆路径问题

Ni Zhang, Zhiguang Cao, Jianan Zhou, Cong Zhang, Yew-Soon Ong

机构 * School of Computing and Information Systems, Singapore Management University（计算与信息系统学院，新加坡管理大学） ； College of Computing and Data Science, Nanyang Technological University（计算与数据科学学院，南洋理工大学） 纠错

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

AI总结 本文提出基于大语言模型的代理框架AFL，实现复杂车辆路径问题的完全自动化，通过分解任务和协调代理提升解决方案的可靠性和可行性。

Comments Accepted by iclr2026

Retrieval- and Argumentation-Enhanced Multi-Agent LLMs for Judgmental Forecasting (Extended Version with Supplementary Material)

检索与论证增强的多智能体大语言模型用于判断性预测（含补充材料）

Deniz Gorur, Antonio Rago, Francesca Toni

机构 * Imperial College London（帝国理工学院伦敦分校） ； King's College London（国王学院伦敦分校） 纠错

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

AI总结 本文提出一种多智能体框架，结合检索与论证增强技术，提升判断性预测的准确性与可解释性。

Comments 24 pages, 3 figures, Accepted to AAMAS 2026

Affective and Conversational Predictors of Re-Engagement in Human-Robot Interactions -- A Student-Centered Study with A Humanoid Social Robot

情感与会话预测人类与机器人互动中重新参与的因素——一项以学生为中心的研究，使用人形社交机器人

Hangyeol Kang, Thiago Freitas dos Santos, Maher Ben Moussa, Nadia Magnenat-Thalmann

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

AI总结 本研究发现，机器人对话的有趣性和自然性是影响用户重新参与的主要因素，而非情感特征。

Comments 27 pages, 7 figures

Kahaani: A Multimodal Co-Creative Storytelling System

Kahaani：一种多模态协同创作叙事系统

Samee Arif, Muhammad Saad Haroon, Aamina Jamal Khan, Taimoor Arif, Agha Ali Raza, Awais Athar

机构 * Lahore University of Management Sciences（拉瓦尔大学管理科学学院） ； University of Michigan（密歇根大学） ； Strategize Labs（战略实验室） 纠错

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

AI总结 Kahaani通过多模态技术帮助儿童提升英语能力、学习生活教训并理解故事结构，采用协同创作方式提供沉浸式教育体验。

Skill Discovery for Software Scripting Automation via Offline Simulations with LLMs

通过离线模拟与LLM实现软件脚本自动化中的技能发现

Paiheng Xu, Gang Wu, Xiang Chen, Tong Yu, Chang Xiao, Franck Dernoncourt, Tianyi Zhou, Wei Ai, Viswanathan Swaminathan

机构 * University of Maryland, College Park（马里兰大学College Park分校） ； Adobe Research（Adobe研究院） 纠错

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

AI总结 本文提出了一种利用离线模拟与LLM构建软件特定技能集的方法，通过生成和验证脚本提升自动化效率，减少运行时成本。

Comments Findings of the Association for Computational Linguistics: EACL 2026

Supporting software engineering tasks with agentic AI: Demonstration on document retrieval and test scenario generation

用代理AI支持软件工程任务：文档检索与测试场景生成的演示

Marian Kica, Lukas Radosky, David Slivka, Karin Kubinova, Daniel Dovhun, Tomas Uhercik, Erik Bircak, Ivan Polasek

机构 * Gratex International（格拉特克斯国际） ； Department of Applied Informatics Faculty of Mathematics, Physics and Informatics Comenius University（应用信息学院数学、物理和信息学院康门ius大学） 纠错

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

AI总结 本文提出利用代理AI解决软件工程中的文档检索和测试场景生成问题，通过专用代理处理不同任务，提升软件开发效率。

Comments This is a preprint of a paper that was accepted at the International Conference on Artificial Intelligence, Computer, Data Sciences and Applications (ACDSA 2026)