语言大模型 / LLM

Access Sets Matter: Budgeting Expert Reads for Scalable Weight-Space Model Merging

访问集至关重要：为可扩展的权重空间模型合并预算专家读取

Yuanyi Wang, Yanggan Gu, Su Lu, Yifan Yang, Zhaoyi Yan, Congkai Xie, Jianmin Wu, Hongxia Yang

机构 * The Hong Kong Polytechnic University, PolyU（香港理工大学，PolyU） ； Hong Kong Polytechnic University Daya Bay Technology（香港理工大学达亚拜技术） ； Innovation Research Institute（创新研究院） 纠错

专题命中 其他LLM ：LLM(abstract,abstract_cn)；分类 cs.LG

AI总结 针对大语言模型合并中专家权重读取的I/O瓶颈，提出MergePipe，一种预算感知的执行层，通过将合并问题转化为专家访问集问题，在显式I/O预算下选择要访问的专家增量块，实现高达11倍加速且参数偏差极小。

Comments ICML 2026 Workshop on Weight-Space Symmetries: from Foundations to Practical Applications

Compositional Generalization in Autoregressive Models via Logit Composition

自回归模型中通过Logit组合实现组合泛化

Aakash Kumar, Maria Sofia Bucarelli, Emanuele Natale

机构 * COATI, CNRS, Inria, I3S, Université Coté d’Azur, France（COATI研究所、国家科学研究中心、Inria、I3S、法国埃克塞特大学） 纠错

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

AI总结 本文受扩散模型组合方法的启发，提出一种新的自回归系统组合策略，在因子化条件假设下实现投影组合，并证明该组合在输出空间平滑重参数化下保持长度泛化行为。

Beyond Chunk-Local Extraction: Cross-Chunk Graph Augmentation for GraphRAG

超越块级抽取：面向GraphRAG的跨块图增强

Jiaming Zhang, Yibo Zhao, Jing Yu, Jianxiang Yu, Xiang Li

机构 * School of Data Science and Engineering, East China Normal University（数据科学与工程学院，东华大学） 纠错

专题命中 其他LLM ：LLM(abstract,abstract_cn)；分类 cs.CL

AI总结 提出CrossAug方法，利用GNN引导的跨块图增强，在查询前离线补充GraphRAG索引中缺失的跨块关系，提升多跳和长文档问答性能。

Comments 15 pages, 5 figures, 8 tables

Checking Fact with Better Retrieval: Dynamic Contrastive Learning for Evidence Retrieval

用更好的检索核查事实：用于证据检索的动态对比学习

Zhongtian Hua, Yi Luo, Meijia Yu, Yingjie Han

机构 * Zhengzhou University（郑州大学） ； Henan University of Science and Technology（河南科技大学） 纠错

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

AI总结 提出动态自适应对比学习方法DACLR，通过事件级特征提取、两阶段检索和动态对比损失优化，提升多模态证据检索的准确性。

Generative Animations: A Multi-Model Pipeline for Prompt-Driven Motion Synthesis

生成式动画：面向提示驱动运动合成的多模型流水线

Mannat Khurana, Sanyam Jain, Rishav Agarwal

机构 * Canva ； Adobe 纠错

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

AI总结 提出一种结合大语言模型和分割模型的流水线，将自然语言提示自动转换为符合场景几何、深度遮挡和3D透视变换的动画运动路径。

Comments 5 pages, 6 figures

Convergence of Spectral Descent for Non-smooth Optimization

非光滑优化的谱下降收敛性

Yixuan Yang, Yuqing He, Song Li

机构 * School of Mathematical Sciences, Zhejiang University, Hangzhou, China（浙江大学数学科学学院，杭州，中国） 纠错

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

AI总结 研究Muon优化器的简化变体谱下降(SD)及其截断版本(TSD)在非光滑凸优化中的全局线性收敛性，并应用于鲁棒低秩矩阵恢复。

From Static Context to Calibrated Interactive RL: Mitigating Distribution Shift in Multi-turn Dialogue with Aligned Simulator

从静态上下文到校准的交互式强化学习：利用对齐模拟器缓解多轮对话中的分布偏移

Xiaohua Wang, Jiakang Yuan, Zisu Huang, Muzhao Tian, Changze Lv, Kaitao Song, Tao Chen, Xiaoqing Zheng

机构 * Fudan University（复旦大学） 纠错

专题命中 其他LLM ：LLM(abstract,abstract_cn)；分类 cs.AI

AI总结 本文提出校准的交互式强化学习框架，通过将交互式强化学习与模拟器对齐相结合，缓解多轮对话中因策略和模拟器导致的分布偏移，提升对话质量。

Plans for Evaluating Structured Generative Search Summaries

评估结构化生成式搜索摘要的计划

Tetsuya Sakai, Jina Lee, Hanpei Fang, Young-In Song

机构 * Waseda University/Naver Corporation（早稻田大学/NAVER公司） ； Waseda University（早稻田大学） ； Naver Corporation（NAVER公司） 纠错

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

AI总结 提出一个评估大型语言模型生成的结构化搜索摘要的框架，该摘要包含概述、带标题的章节和引用源文档列表，并描述了实施和评估该框架的计划。

Comments 8 pages (including 2 pages for references)

A Deep Dive into Axiomatic Design -- Part I: Problem Formulation

公理化设计的深度剖析——第一部分：问题表述

Aydin Homay

机构 * Technische Universität Dresden（德累斯顿理工大学） 纠错

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

AI总结 本文聚焦公理化设计中的问题表述步骤，澄清一级功能需求的定义与特性，分析常见误区与困难，并提供实用指导，最后探讨大语言模型在该步骤中的作用。

Comments The paper is accepted at the ICAD 2026 - MIT and the final camera ready will be available once it got published by the Springer

Generative AI impacts on intra-urban inequality and skill premium in Beijing

生成式人工智能对北京城市内部不平等和技能溢价的影响

Xiliu He, Haoxiang Zhao, Mingyi Ma, Edward Wen Chuan Lai, Koei Enomoto, Anni Hu, Jiatong Li, Lingyun Chu, Yuan Lai

机构 * School of Architecture, Tsinghua University（清华大学建筑学院） ； ZODA LAB（ZODA实验室） ； Technology Innovation Center for Smart Human Settlements and Spatial Planning & Governance, Ministry of Natural Resources, Tsinghua University（智能人居环境与空间规划及治理技术创新中心，自然资源部，清华大学） 纠错

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

AI总结 利用北京2018-2024年500万条招聘数据，通过五个大语言模型评估任务级暴露度，构建社区级生成式人工智能暴露指数，发现生成式人工智能暴露集中在核心区，导致高暴露社区工资停滞和“高技能陷阱”，挑战了技能偏向技术变革理论。

Comments 21 pages, 8 figures

Learning to Route Languages for Multilingual Policy Optimization

学习路由语言以实现多语言策略优化

Geyang Guo, Hiromi Wakaki, Yuki Mitsufuji, Alan Ritter, Wei Xu

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Sony Group Corporation（索尼集团） 纠错

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

AI总结 提出语言路由策略优化（LRPO）框架，将语言作为可选变量，通过在线策略优化和可训练的语言路由器（多臂老虎机）自适应地选择语言，在固定预算下提升多语言训练信号的多样性和信息量，从而显著提高多语言性能。

Comments Accepted at ICML 2026

CUNY at CLPsych 2026: A Pipeline Approach to Classification and Summarization of Mental Health Changes

CUNY at CLPsych 2026: 一种用于心理健康变化分类和总结的流水线方法

Amirmohammad Ziaei Bideh, Shameed Charlomar Job, Ava Yahyapour, Alla Rozovskaya

机构 * Computer Science Department, CUNY Graduate Center（哥伦比亚大学研究生院计算机科学系） ； Linguistics Department, CUNY Graduate Center（哥伦比亚大学研究生院语言学系） 纠错

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

AI总结 提出一种流水线方法，通过集成三个开源大语言模型的上下文学习和监督分类，对社交媒体时间线中的心理健康状态进行推断、变化点预测和模式总结，在CLPsych 2026共享任务中取得领先排名。

SUDP: Secret-Use Delegation Protocol for Agentic Systems

SUDP: 面向智能体系统的秘密使用委托协议

Xiaohang Yu, Hejia Geng, Xinmeng Zeng, William Knottenbelt

机构 * Imperial College London（伦敦帝国学院） ； University of Oxford（牛津大学） ； Stanford University（斯坦福大学） 纠错

专题命中 其他LLM ：LLM(abstract,abstract_cn)；分类 cs.AI

AI总结 针对智能体系统中用户秘密被滥用的问题，提出秘密使用委托协议（SUDP），通过授权、委托和兑现机制实现一次性秘密使用，满足七项安全属性。

MaMa: A Game-Theoretic Approach for Designing Safe Agentic Systems

MaMa: 一种基于博弈论的安全智能体系统设计方法

Jonathan Nöther, Adish Singla, Goran Radanovic

机构 * Max Planck Institute for Software Systems (MPI-SWS)（马克斯·普朗克软件系统研究所） 纠错

专题命中 其他LLM ：LLM(abstract,abstract_cn)；分类 cs.LG

AI总结 提出MaMa算法，通过将安全智能体系统设计形式化为系统设计者与对手之间的Stackelberg博弈，利用基于LLM的对抗搜索自动生成鲁棒安全的系统设计。

The AI-Native Large-Scale Agile Software Development Manifesto

AI原生大规模敏捷软件开发宣言

Ricardo Britto, Fredrik Palmgren, Nishrith Saini, Marcus Ohlin

机构 * Ericsson, Sweden（爱立信（瑞典）） ； Blekinge Institute of Technology, Sweden（布莱金厄技术学院（瑞典）） 纠错

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

AI总结 提出AI原生大规模敏捷软件开发宣言，通过六项原则将AI作为一等参与者，将开发从会议驱动、文档繁重的顺序流程转变为智能、自适应、持续学习的系统。

AI-Friendly LaTeX: Using LaTeX Code as a Knowledge Source for Retrieval-Augmented Generation

AI友好的LaTeX：使用LaTeX代码作为检索增强生成的知识源

Tom Verhoeff

机构 * Department of Mathematics & Computer Science, Eindhoven University of Technology（数学与计算机科学系，埃因霍温理工大学） 纠错

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

AI总结 本文提出一种预处理方法，将LaTeX源码及其辅助文件和作者注释转换为Markdown和JSONL格式的文本块，以解决PDF提取中结构信息丢失的问题，从而提升检索增强生成在数学和技术材料上的可靠性。

Comments 19 pages, 3 figures

Seeing the Poem: Image-Semantic Detection of AI-Generated Modern Chinese Poetry with MLLMs

看见诗歌：基于大语言模型的AI生成现代汉语诗歌的图像-语义检测

Shanshan Wang, Fengying Ye, Hanjia Lyu, Caiwen Gou, Junchao Wu, Jingming Yao, Chengzhong Xu, Jiebo Luo, Derek F. Wong

机构 * Department of Computer and Information Science, University of Macau（澳门大学计算机与信息科学系） ； University of Rochester（罗切斯特大学） ； Sichuan University（四川大学） ； Department of Portuguese, Faculty of Arts and Humanities, University of Macau（澳门大学人文学院葡萄牙语系） 纠错

专题命中 其他LLM ：LLM(abstract,abstract_cn)；分类 cs.CL

AI总结 本文提出了一种图像-语义引导的诗歌检测方法，通过整合图像内容与诗歌文本信息，提升大语言模型在检测现代汉语诗歌中的性能，实验结果表明该方法在多个数据集上均优于传统方法。

Walking the Tightrope of LLMs for Software Development: A Practitioners' Perspective

在软件开发中平衡LLMs的绳子：从业者视角

Samuel Ferino, Rashina Hoda, John Grundy, Christoph Treude

机构 * Faculty of Information Technology, Monash University（墨尔本大学信息科技学院） ； School of Computing and Information Systems, Singapore Management University（新加坡管理大学计算机与信息系统学院） 纠错

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

AI总结 本文从软件开发者视角出发，研究LLMs对软件开发的影响及管理方法，通过22次访谈和STGT4DA分析方法，揭示了LLMs在个体、团队、组织和社会层面的利弊，并提出了缓解挑战的可行建议。

Metaphors in Literary Post-Editing: Opening Pandora's Box?

文学后编辑中的隐喻：打开普罗米修斯之盒？

Aletta G. Dorst, Mayra O. Nas, Katinka Zeven

机构 * Leiden University Centre for Linguistics（莱顿大学语言研究中心） 纠错

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

AI总结 本文研究了文学文本后编辑者如何回应神经机器翻译和大型语言模型对隐喻的翻译方式，发现三分之一的隐喻被后编辑者修改，表明文学机器翻译中隐喻翻译存在问题，且后编辑工作比从头翻译更耗力。

Comments This paper has been accepted for presentation at the EAMT Conference 2026, which will take place in Tilburg from June 15 to 18, 2026

SURF: Steering the Scalarization Weight to Uniformly Traverse the Pareto Front

SURF: 通过调整标量化权重以均匀遍历帕累托前沿

Liuyuan Jiang, Chentong Huang, Lisha Chen

机构 * Department of Electrical and Computer Engineering（电气与计算机工程系） 纠错

专题命中 其他LLM ：LLM(abstract,abstract_cn)；分类 cs.LG

AI总结 本文提出SURF方法，通过调整标量化权重以实现帕累托前沿的均匀覆盖，解决了传统标量化方法在多目标优化中导致非均匀覆盖的问题。

Puzzled By ChatGPT? No more! A Jigsaw Puzzle to Promote AI Literacy and Awareness

对ChatGPT感到困惑？不了！一个拼图游戏以促进AI素养和意识

Francesca Padovani, Malvina Nissim

机构 * Center for Language and Cognition (CLCG)（语言与认知中心（CLCG）） ； University of Groningen（格罗宁根大学） 纠错

专题命中 其他LLM ：LLM(abstract,abstract_cn)；分类 cs.CL

AI总结 本文提出了一种基于游戏的互动拼图，通过完成后的漫画信息图来展示生成AI的工作原理、能力、限制及社会影响，并通过漫画草图作为独立信息卡提供具体AI使用、设计和影响的解释，以提高公众对AI的理解和意识。

Lost in Interpretation: The Plausibility-Faithfulness Trade-off in Cross-Lingual Explanations

迷失在解释中：跨语言解释中的可信度与忠实度的权衡

Somnath Banerjee, Pranav Jha, Rima Hazra, Animesh Mukherjee

机构 * Indian Institute of Technology Kharagpur（印度理工学院Khargpur分校） ； TCG Crest（TCG研究中心） ； National University of Singapore（新加坡国立大学） 纠错

专题命中 其他LLM ：LLM(abstract,abstract_cn)；分类 cs.CL

AI总结 本文研究了跨语言解释中可信度与忠实度之间的权衡，发现以英语为枢纽的解释在与人类理由的一致性上表现更好，但其证据在模型预测中的因果基础较弱。研究发现，英语解释虽然流畅，但与原生语言条件相比，其解释的全面性下降了5.7倍，甚至在任务准确性保持稳定的情况下，也未能保留语义细微差别。因此，建议在输入语言中审计解释，报告多方面的忠实度指标，并将英语解释视为沟通摘要而非忠实的决策轨迹。

Accelerating AI-Powered Research: The PuppyChatter Framework for Usable and Flexible Tooling

加速人工智能研究：PuppyChatter框架用于实用且灵活的工具开发

Chun-Hsiung Tseng, Hao-Chiang Koong Lin, Andrew Chih-Wei Huang, Yung-Hui Chen, Jia-Rou Lin

机构 * Dept. of Electrical Engineering, YuanZe Univ.（元智大学电子工程系） ； Dept. of Information and Learning Technology, National Univ. of Tainan（台湾国立科技大学资讯与学习科技系） ； Dept. of Psychology, Fo Guang Univ.（佛光大学心理学系） ； Dept. of Computer Information and Network Engineering, Lunghwa Univ.（龙华科技大学电脑资讯与网络工程系） 纠错

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

AI总结 本文提出PuppyChatter框架，旨在解决AI应用开发中的挑战，通过结合供应商特定SDK的直观性和模型抽象的中立性，提供更流畅灵活的开发方法。

Phase-Aware Mixture of Experts for Agentic Reinforcement Learning

具有相意识的专家混合用于代理强化学习

Shengtian Yang, Yu Li, Shuo He, Yewen Li, Qingpeng Cai, Peng Jiang, Lei Feng

机构 * School of Computer Science and Engineering, Southeast University, Nanjing, China（东南大学计算机科学与工程学院，南京，中国） ； College of Computing and Data Science, Nanyang Technological University, Singapore（南洋理工大学 computing and Data Science学院，新加坡） 纠错

专题命中 其他LLM ：LLM(abstract,abstract_cn)；分类 cs.AI

AI总结 本文提出了一种具有相意识的专家混合（PA-MoE），以解决传统专家混合（MoE）中由于token级路由导致的相一致模式碎片化问题，通过学习隐含的相边界来提升专家的专业性。

Search Self-play: Pushing the Frontier of Agent Capability without Supervision

搜索自play：在无监督条件下推动智能体能力的前沿

Hongliang Lu, Yuhang Wen, Pengyu Cheng, Ruijin Ding, Jiaqi Guo, Haotian Xu, Chutian Wang, Haonan Chen, Xiaoxi Jiang, Guanjun Jiang

机构 * Qwen Large Model Application Team, Alibaba（阿里巴巴文勤大模型应用团队） 纠错

专题命中 其他LLM ：LLM(abstract,abstract_cn)；分类 cs.LG

AI总结 本文提出了一种基于自play的深度搜索智能体训练方法，通过自动生成任务和解决任务来提升智能体在无监督条件下的性能，无需外部监督。

Comments Published as a conference paper at the Fourteenth International Conference on Learning Representations (ICLR 2026)

Can LLMs Emulate Human Belief Dynamics?

LLMs能否模拟人类信念动态？

Adiba Mahbub Proma, Neeley Pate, James N. Druckman, Gourab Ghoshal, Hangfeng He, Ehsan Hoque

机构 * Department of Computer Science（计算机科学系） ； University of Rochester（罗切斯特大学） ； Department of Political Science（政治学系） ； Department of Physics and Astronomy（物理学与天文学系） 纠错

专题命中 其他LLM ：LLM(abstract,abstract_cn)；分类 cs.AI

AI总结 研究探讨了大型语言模型（LLMs）能否模拟人类在社交网络中形成和改变信念的过程，发现LLMs在初始信念分布和整体一致性方面表现不佳，并警告在社交模拟中使用LLMs作为人类代理的风险。

ALDEN: Boosting Private Data Extraction from Retrieval-Augmented Generation Systems via Active Learning and Distribution Estimation

ALDEN: 通过主动学习和分布估计提升从检索增强生成系统中提取私有数据

Xingyu Lyu, Jianfeng He, Ning Wang, Yidan Hu, Tao Li, Danjue Chen, Shixiong Li, Yimin Chen

机构 * University of Massachusetts Lowell（马萨诸塞大学洛厄尔分校） ； Virginia Tech（弗吉尼亚理工大学） ； Amazon（亚马逊） ； University of South Florida（佛罗里达州立大学） ； Rochester Institute of Technology（罗切斯特理工学院） ； Purdue University（普渡大学） ； North Carolina State University（北卡罗来纳州立大学） 纠错

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

AI总结 本文提出ALDEN方法，通过主动学习和分布估计有效提升从检索增强生成系统中提取私有数据的效率和效果，通过全面评估证明其优于现有方法。

Same Signal, Different Semantics: A Cross-Framework Behavioral Analysis of Software Engineering Agents

同信号，不同语义：软件工程代理跨框架行为分析

Wei Ma, Zhi Chen, Jingxu Gu, Tianling Li, Shangqing Liu, Lingxiao Jiang

机构 * Singapore Management University（新加坡国立大学） ； Nanjing University（南京大学） ； Nanyang Technological University（南洋理工大学） 纠错

专题命中 其他LLM ：LLM(abstract,abstract_cn)；分类 cs.AI

AI总结 本文通过大规模实验分析软件工程代理在不同框架下的行为表现，发现相同的行为信号在不同框架下可能具有相反的意义，强调了跨框架验证的重要性。

Human-Certified Module Repositories for the AI Age

面向AI时代的可信模块仓库

Szilárd Enyedi

机构 * Automation Department, Technical University of Cluj-Napoca, Romania（克卢日-纳波卡技术大学自动化系，罗马尼亚） 纠错

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

AI总结 本文提出HCMR框架，通过人类监督与自动化分析结合，确保模块的可信度，为AI辅助开发提供安全可预测的模块组装方法。

Comments v4: acknowledged AI use for grammar and readability, added IEEE copyright notice; v3: 13 pages, new subsection about strong typed languages forcing AI to create more reliable code; v2: 12 pages, improved references; v1: 11 pages, 3 figures, 2 tables, prepared for AQTR 2026

How Similar Are Grokipedia and Wikipedia? A Multi-Dimensional Textual and Structural Comparison

Grokipedia和Wikipedia有多相似？一个多维的文本和结构比较

Taha Yasseri, Saeedeh Mohammadi

机构 * Centre for Sociology of Humans and Machines (SOHAM)（人类与机器社会研究中心） ； School of Mathematics and Statistics（数学与统计学学院） 纠错

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

AI总结 研究通过对比17790对文章，分析Grokipedia和Wikipedia在文本和结构上的相似性，发现Grokipedia文章更长但引用更少，内容分为两组，其中一组在政治偏见上有所右移，引发对AI生成内容透明性和知识治理的质疑。

Comments 20 pages, 7 figures, updated with a larger sample size of 20,000 articles, better text cleaning procedure + Reference analysis, topical analysis