PRL: Prompts from Reinforcement Learning
基于强化学习的提示生成
机构 * Heinrich Heine Universität Düsseldorf（杜伊斯堡-艾森大学）
专题命中 其他LLM ：LLM(abstract,abstract_cn)；分类 cs.CL、cs.AI
AI总结 本文提出PRL方法，通过强化学习自动生成提示，提升文本分类、简化和总结等任务性能，优于现有方法。
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 12251 篇
TPA: Next Token Probability Attribution for Detecting Hallucinations in RAG
TPA：用于检测RAG中幻觉的下一个令牌概率归因
机构 * Australian Artificial Intelligence Institute (AAII)（澳大利亚人工智能研究所）
专题命中 其他LLM ：LLM(abstract,abstract_cn)；分类 cs.CL、cs.AI
AI总结 TPA通过归因七个来源量化各组件对生成下一个令牌的影响，有效识别幻觉响应，实验显示其性能领先。
Comments Accepted by ACL 2026
OmniTrace: A Unified Framework for Generation-Time Attribution in Omni-Modal LLMs
OmniTrace：面向多模态大语言模型生成过程的统一归因框架
机构 * University of California, Santa Barbara（加州大学圣巴巴拉分校） ； eBay
专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI
AI总结 OmniTrace提出一种轻量级框架，通过生成过程追踪实现多模态大语言模型的统一归因，提供跨模态解释并提升解释的稳定性和可解释性。
LLMs Struggle with Abstract Meaning Comprehension More Than Expected
大语言模型在抽象意义理解上的表现比预期更差
机构 * Department of Computer Science and Engineering, The Ohio State University（俄亥俄州立大学计算机科学与工程系）
专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI
AI总结 研究发现大语言模型在零样本、一样本和少样本设置下难以理解抽象意义，而微调模型如BERT和RoBERTa表现更好，提出的双向注意力分类器通过动态关注段落和选项提升模型性能。
A Mathematical Explanation of Transformers
Transformer的数学解释
机构 * NORCE Norwegian Research Centre（挪威研究中心） ； Department of Mathematics, Hong Kong Baptist University（香港浸会大学数学系） ； School of Data Science and Department of Operations and Risk Management, Lingnan University（岭南大学数据科学学院与运营及风险管理系）
专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出一种连续框架，将Transformer架构解释为结构积分微分方程的离散化，揭示自注意力机制和归一化操作的数学本质，为理解Transformer的核心组件提供了统一的理论基础。
LLMs Underperform Graph-Based Parsers on Supervised Relation Extraction for Complex Graphs
大型语言模型在复杂图中对监督关系抽取性能欠佳
机构 * University of Bologna（博洛尼亚大学） ； Dalhousie University（达尔豪斯大学）
专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI
AI总结 本文研究了大型语言模型在复杂图结构下的关系抽取性能，发现基于图的解析器在复杂图中表现更优，主要贡献是验证了图解析器在复杂场景下的优势。
Comments Accepted at ACL 2026 (Main Conference)
On the Price of Privacy for Language Identification and Generation
对语言识别和生成的隐私价格研究
机构 * University of New South Wales（新南威尔士大学） ； University of Sydney（悉尼大学）
专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.CL、cs.LG
AI总结 本文研究了在统计无偏设定下，差分隐私在语言学习中的隐私成本，建立了算法和下界，证明了在近似差分隐私下，隐私成本可忽略，纯差分隐私下隐私成本与指数因子相关。
Beyond Preset Identities: How Agents Form Stances and Boundaries in Generative Societies
超越预设身份：生成社会中代理如何形成立场和边界
机构 * University of Exeter（埃克塞特大学） ； William & Mary（威廉与玛丽学院）
专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI
AI总结 本文通过混合方法框架研究生成社会中代理的立场形成与边界构建，提出三个新指标揭示代理在复杂干预中的动态变化及信任与行为关系。
Comments 22 pages, 3 figures. arXiv admin note: substantial text overlap with arXiv:2508.17366
Learning to Optimize Multi-Objective Alignment Through Dynamic Reward Weighting
通过动态奖励加权学习多目标对齐
机构 * University of Notre Dame（圣母大学） ； Amazon（亚马逊）
专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.CL、cs.LG
AI总结 本文提出动态奖励加权方法，解决多目标强化学习中固定权重无法捕捉非凸帕累托前沿的问题，通过两种新方法实现有效探索帕累托前沿。
Benchmarking NLP-supported Language Sample Analysis for Swiss Children's Speech
对瑞士儿童口语样本的自然语言处理支持的语言样本分析进行基准测试
专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI
AI总结 本文通过自然语言处理方法分析儿童口语样本，旨在提高语言障碍诊断效率，采用本地部署的NLP方法进行半自动语言样本分析。
Comments updated preprint
Information-theoretic Distinctions Between Deception and Confusion
信息论视角下欺骗与混淆的区别
专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.AI、cs.LG
AI总结 本文从信息论角度区分两种AI安全失效模式：欺骗对齐与目标漂移，揭示二者在人类-AI系统不同接口的信息分歧，提出形式化模型和思想实验，为大型语言模型对齐挑战提供新视角。
Comments Proceedings of the 14th IJCNLP and the 4th AACL (2025)
Generalizable Heuristic Generation Through LLMs with Meta-Optimization
通过元优化实现通用启发式生成
机构 * Nanyang Technological University（南洋理工大学） ； Shandong University（山东大学） ； Singapore Management University（新加坡国立大学） ； Eindhoven University of Technology（埃因霍温理工大学）
专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出MoH框架，利用LLM进行元学习，自主构建多样化的启发式优化器，提升跨任务的泛化能力。
Comments Accepted at ICLR 2026
From Binary to Bilingual: How the National Weather Service is Using Artificial Intelligence to Develop a Comprehensive Translation Program
从二元到双语：国家气象局如何利用人工智能开发综合翻译计划
机构 * Department of Climate, Meteorology & Atmospheric Sciences, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校气候、气象与大气科学系） ； Department of Communication, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校通信系） ； NOAA/National Weather Service Office of Central Processing（国家海洋和大气管理局/国家气象服务中央处理办公室） ； Department of Geography & Geographic Information Science, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校地理与地理信息科学系） ； Department of Atmospheric Sciences, University of North Dakota（北达科塔大学大气科学系） ； Pace University（帕克大学） ； NOAA/National Weather Service Office of Observations（国家海洋和大气管理局/国家气象服务观测办公室） ； LILT, Emeryville, CA（LILT，埃默里维尔，CA） ； NOAA/National Weather Service（国家海洋和大气管理局/国家气象服务） ； NOAA/NWS Southeast River Forecast Center（国家海洋和大气管理局/国家气象服务东南河预报中心） ； Cooperative Institute for Research in the Atmosphere, Colorado State University（大气研究合作研究所，科罗拉多州立大学） ； Center for Spatial Analysis, University of Oklahoma（空间分析中心，俄克拉荷马大学）
专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI
AI总结 国家气象局通过人工智能开发综合翻译计划，以服务于无法流利使用英语的6880万美国民众，利用AI技术实现多语言自动翻译，提升预警信息的准确性和文化相关性。
An Interpretable Machine Learning Framework for Non-Small Cell Lung Cancer Drug Response Analysis
一种可解释的机器学习框架用于非小细胞肺癌药物反应分析
机构 * Department of Computer Science（计算机科学系） ； Birla Institute of Technology and Science Pilani（比拉理工学院和科学学院）
专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出基于多组学数据的可解释机器学习框架，利用XGBoost预测肺癌药物反应，并通过SHAP和DeepSeek解释关键基因和通路的作用。
Comments 26 pages, 8 figures
From Text to Forecasts: Bridging Modality Gap with Temporal Evolution Semantic Space
从文本到预测：通过时间演化的语义空间弥合模态差距
专题命中 其他LLM ：LLM(abstract)；prompting(abstract)；分类 cs.CL、cs.AI
AI总结 本文提出TESS方法，通过引入时间演化语义空间弥合文本与预测模型间的模态差距，实验显示在四个真实世界数据集上预测误差降低29%。
Comments 15 pages, 6 figures
On the Adversarial Transferability of Generalized "Skip Connections"
关于通用“跳跃连接”的对抗迁移性
专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.AI、cs.LG
AI总结 本文研究了跳跃连接在对抗场景下的迁移性，提出Skip Gradient Method (SGM)提升攻击迁移性，并验证其在多种模型和攻击场景下的有效性。
Journal ref IEEE Transactions on Pattern Analysis and Machine Intelligence, 2026
From Gradients to Riccati Geometry: Kalman World Models for Single-Pass Learning
从梯度到里卡蒂几何：用于单次学习的卡尔曼世界模型
机构 * UC Berkeley School of Information（伯克利大学信息学院）
专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.CL、cs.LG
AI总结 本文提出卡尔曼世界模型（KWM），通过递归贝叶斯滤波而非反向传播优化动态系统，实现无梯度的训练与适应，适用于序列建模任务，展示出竞争性能和增强的鲁棒性与持续适应性。
From Control to Foresight: Simulation as a New Paradigm for Human-Agent Collaboration
从控制到预见：模拟作为人类-智能体协作的新范式
专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI
AI总结 本文提出闭环模拟的交互范式，旨在通过模拟未来轨迹提升人类与智能体协作的预见能力，而非依赖传统的控制方式。
Comments CHI 2026 Workshop on Human-Agent Collaboration
Artificial Intelligence for Sentiment Analysis of Persian Poetry
人工智能在波斯诗歌情感分析中的应用
专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI
AI总结 本研究利用BERT和GPT模型分析波斯诗人鲁米和巴尔文·埃特萨米的诗歌，发现鲁米的诗歌情感更积极，且在格律表达多样性上更胜一筹，证明了LLMs在无需人工解释的语义研究中的有效性。
Stronger Enforcement of Instruction Hierarchy via Augmented Intermediate Representations
通过增强的中间表示实现更强的指令层级强制执行
机构 * NVIDIA（英伟达）
专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.AI、cs.LG
AI总结 通过在中间表示中注入增强的指令层级信号，有效降低提示注入攻击的成功率，同时保持模型性能。
Solving an Open Problem in Theoretical Physics using AI-Assisted Discovery
用人工智能辅助发现解决理论物理中的一个开放问题
机构 * Google Research（谷歌研究） ； School of Engineering and Applied Sciences, Harvard University（工程与应用科学学院，哈佛大学） ； School of Computer Science, Carnegie Mellon University（计算机科学学院，卡内基梅隆大学）
专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI
AI总结 本文提出了一种结合大型语言模型和树搜索框架的混合系统，通过AI辅助发现解决了理论物理中宇宙弦引力辐射功率谱的开放问题，并推导出新的解析解。
Comments 22 pages, 3 figures
Robustness of Agentic AI Systems via Adversarially-Aligned Jacobian Regularization
通过对抗性对齐雅可比正则化提升代理AI系统的鲁棒性
专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出对抗性对齐雅可比正则化方法，通过严格控制敏感性方向提升代理AI系统的鲁棒性，解耦极小极大稳定性与全局表达性限制。
OCR or Not? Rethinking Document Information Extraction in the MLLMs Era with Real-World Large-Scale Datasets
OCR 或不是？在 MLLMs 时代重新思考文档信息提取：基于真实世界的大规模数据集
机构 * SAP（SAP公司） ； Stanford University（斯坦福大学）
专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI
AI总结 本文探讨了在 MLLMs 时代是否仍需 OCR，通过大规模数据集评估发现，仅图像输入可达到与 OCR 增强方法相当的性能，并展示了通过精心设计的模式、示例和指示可进一步提升 MLLMs 的表现。
PolySkill: Learning Generalizable Skills Through Polymorphic Abstraction
PolySkill: 通过多态抽象学习通用技能
机构 * Northeastern University（东北大学） ； Uniphore
专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI
AI总结 PolySkill通过多态抽象方法使智能体能学习通用且可组合的技能，提升技能重用性和成功率，减少步骤并增强自我探索能力。
Comments 29 pages, 6 figures, 8 tables
CUDA Agent: Large-Scale Agentic RL for High-Performance CUDA Kernel Generation
CUDA Agent: 大规模代理强化学习用于高性能CUDA内核生成
机构 * Institute for AI Industry Research (AIR), Tsinghua University（人工智能产业研究院（AIR）、清华大学） ； SIA-Lab of Tsinghua AIR（清华大学AIR SIA实验室）
专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.AI、cs.LG
AI总结 CUDA Agent通过大规模代理强化学习系统，实现高性能CUDA内核生成，优于现有编译器和大型语言模型。
Scaling In, Not Up? Testing Thick Citation Context Analysis with GPT-5 and Fragile Prompts
向内扩展，而非向外扩展？通过GPT-5和易碎提示测试厚引用上下文分析
专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI
AI总结 本文通过GPT-5测试了厚引用上下文分析中提示支架和框架对解读和词汇的影响。
Comments 26 pages, 1 figure, 3 tables (plus 17 pages supplement including 1 figure)
GLaDiGAtor: Language-Model-Augmented Multi-Relation Graph Learning for Predicting Disease-Gene Associations
GLaDiGAtor: 基于语言模型的多关系图学习用于预测疾病-基因关联
机构 * Biological Data Science Lab, Dept. of Computer Engineering, Hacettepe University（生物数据科学实验室，计算机工程系，哈切泰佩大学） ； Dept. of Bioinformatics, Graduate School of Health Sciences, Hacettepe University（生物信息学系，健康科学研究生院，哈切泰佩大学） ； Dept. of Health Informatics, Institute of Informatics, Hacettepe University（健康信息学系，信息学院，哈切泰佩大学）
专题命中 其他LLM ：language model(abstract)；prompting(abstract)；分类 cs.AI、cs.LG
AI总结 GLaDiGAtor通过整合语言模型特征的异构图学习方法，提升了疾病-基因关联预测的准确性和泛化能力。
Governance of Generative Artificial Intelligence for Companies
企业生成式人工智能的治理
专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出了一种针对生成式人工智能治理的框架，旨在平衡商业机会与风险，为公司提供实用指导。
Comments This paper is under submission
Exploring LLMs for User Story Extraction from Mockups
探索LLMs用于从mockups中提取用户故事
机构 * Departamento de Informática, Facultad de Ingeniería, Universidad Nacional de la Patagonia, Argentina（阿根廷国立巴塔哥尼亚大学计算机系） ； LIFIA, Facultad de Informática, Universidad Nacional de La Plata, Argentina（阿根廷国立拉普拉塔大学计算机学院） ； CAETI, Facultad de Tecnología Informática - Universidad Abierta Interamericana（拉丁美洲开放大学信息技术学院） ； Laboratorio de Ciencias de la Imágenes, DIEC, UNS（图像科学实验室） ； Instituto Patagónico de Ciencias Sociales y Humanas, CONICET-CENPAT（巴塔哥尼亚社会科学与人类科学研究所） ； UNIANDES, Universidad Regional Autónoma de los Andes, Ecuador（厄瓜多尔安第斯地区自治大学）
专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI
AI总结 本文探讨了利用LLMs结合LEL从mockups中自动提取用户故事，提升了生成准确性与适用性，推动AI在需求工程中的应用。
Comments 14 pages, 6 figures. Preprint of the paper published in the 28th Workshop on Requirements Engineering (WER 2025)
Journal ref Proceedings of the 28th Workshop on Requirements Engineering (WER2025)
Investigation for Relative Voice Impression Estimation
相对语音印象估计研究
机构 * NTT, Inc., Japan（日本NTT公司）
专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.CL、cs.LG
AI总结 本研究探讨了相对语音印象估计方法，发现自监督语音模型在捕捉复杂感知差异方面表现更优，而多模态大语言模型在此任务中效果不佳。
Comments 5 pages,3 figures, Accepted to Speech Prosody 2026
