语言大模型 / LLM

AwareLLM: A Proactive Multimodal Ecosystem for Personalized Human-AI Collaboration to Enhance Productivity

AwareLLM: 一种主动多模态生态系统，用于个性化人机协作以提升生产力

Amog Rao, Utkarsh Agarwal, Amol Harsh, Siddharth Siddharth

专题命中 其他LLM ：LLM(abstract,abstract_cn)；large language model(abstract)；language model(abstract)

AI总结 AwareLLM通过整合多模态数据与大语言模型，实现主动适应用户心理生理状态，提升任务表现并降低认知疲劳，推动人机协作新范式。

Enroll-on-Wakeup: A First Comparative Study of Target Speech Extraction for Seamless Interaction in Real Noisy Human-Machine Dialogue Scenarios

Enroll-on-Wakeup：真实噪声人机对话场景中无缝交互的目标语音提取首次比较研究

Yiming Yang, Guangyong Wang, Haixin Guan, Yanhua Long

机构 * Shanghai Normal University（上海师范大学） ； Unisound AI Technology Co., Ltd.（Unisound人工智能技术有限公司） 纠错

专题命中 其他LLM ：LLM(summary_cn,abstract)

AI总结 提出Enroll-on-Wakeup框架，利用唤醒词片段作为注册参考，无需预录语音，实现无缝交互；首次系统比较了判别式和生成式模型在真实噪声条件下的性能，并探索了基于LLM的TTS注册增强。

Comments Accepted to Interspeech 2026

Anatomy Contextualized Adaptation of CT Foundation Models

CT基础模型的解剖学上下文适配

Roshan Kenia, Stephanie L McNamara, William Lotter

机构 * Harvard Medical School（哈佛医学院） ； Dana-Farber Cancer Institute（达纳-法伯癌症研究所） ； Massachusetts General Hospital（麻省总医院） ； Brigham and Women’s Hospital（布里格姆妇女医院） 纠错

专题命中 其他LLM ：foundation model(title,abstract)；分类 cs.AI

AI总结 本研究提出轻量框架ACA，适配冻结CT基础模型实现解剖学级视觉-语言对齐，在Merlin、CT-RATE数据集上零样本发现分类性能优于基线，训练耗时短且可保留增强全局解剖学上下文。

Comments Proceedings of the European Conference on Computer Vision (ECCV) 2026 MedFM-Bench Workshop

N-gram-like Language Models Predict Naturalistic Reading Time Best

基于n-gram的语言模型最能预测阅读时间

James A. Michaelov, Roger P. Levy

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

AI总结 本文提出基于n-gram统计信息的模型能更准确预测阅读时间，而非复杂transformer模型。

Measuring the Prevalence of Policy Violating Content with ML Assisted Sampling and LLM Labeling

利用机器学习辅助抽样和大语言模型标注测量违规内容的普及率

Attila Dobi, Aravindh Manickavasagam, Benjamin Thompson, Xiaohan Yang, Faisal Farooq

机构 * Pinterest 纠错

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

AI总结 本文提出了一种基于机器学习和大语言模型的系统，用于高效测量违反政策内容的普及率，通过概率抽样和多模态标注提升测量准确性。

Comments 8 pages

Source-Modality Monitoring in Vision-Language Models

视觉-语言模型中的源模态监控

Etha Tianze Hua, Tian Yun, Ellie Pavlick

机构 * Department of Computer Science, Brown University（布朗大学计算机科学系） 纠错

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

AI总结 研究探讨了多模态模型追踪并沟通信息来源的能力，分析了语法与语义信号在绑定提示词与输入组件中的作用，发现语义信号在模态分布差异大时更占主导。

Comments Accepted at COLM 2026. All resources will be available at https://github.com/ethahtz/source-modality-monitoring

Failing to See or Failing to Know? Attributing Errors in Vision-Language Models

是看不见还是不知道？归因视觉语言模型中的错误

Khang Nhat Hoang Vo, Artem Vazhentsev, Artem Shelmanov, Timothy Baldwin, Yova Kementchedjhieva

机构 * MBZUAI The University of Melbourne（MBZUAI墨尔本大学） 纠错

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

AI总结 研究视觉语言模型在回答需额外知识问题时的错误，提出统一框架分离失败模式，探讨预生成信号能否预测错误源，发现可在解码前预测，能据此进行针对性干预。

Mission-Level Runtime Assurance for LLM-Assisted ISR Swarms over a Verification-Aware Fabric

基于验证感知架构的大语言模型辅助情报、监视与侦察集群任务级运行时保障

Nikolaos Kekatos, Panagiotis Katsaros, Alexios Lekidis, Theodoros Nestoridis, Tom Nianios

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

AI总结 研究大语言模型辅助的ISR集群任务级运行时保障问题，提出三层组合式运行时验证框架，将任务策略分解，通过验证感知架构聚合判定并融合代数，能检测个体合规但集群违规情况，模拟任务验证了其有效性。

A Study of Crosslinguistic Influence in Language Models

语言模型作为人工学习者：探讨跨语言影响

Abderrahmane Issam, Yusuf Can Semerci, Jan Scholtes, Gerasimos Spanakis

机构 * Department of Advanced Computing Sciences（高级计算科学系） 纠错

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

AI总结 本研究利用语言模型探讨跨语言影响，发现语言主导性和熟练度对CLI有显著影响，且L1在L2处理中被共激活。

Comments Under review

Like a bilingual baby: The advantage of visually grounding a bilingual language model

像双语婴儿一样：视觉基础双语语言模型的优势

Khai-Nguyen Nguyen, Zixin Tang, Ankur Mali, Mary ALexandria Kelly

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

AI总结 研究旨在探讨视觉基础对双语语言模型的影响，通过在英西双语图像及字幕上训练LSTM模型，发现视觉基础能提升模型对语义相似性的理解及降低困惑度，为视觉基础语言模型优势提供证据，指出需更多自然语言数据。

Comments Preprint, 7 pages, 2 tables, 1 figure

Enhancing next token prediction based pre-training for jet foundation models

增强基于下一个token预测的喷注基础模型预训练

Joschka Birk, Anna Hallin, Gregor Kasieczka, Nikol Madzharova, Ian Pang, David Shih

机构 * Institut für Experimentalphysik, Universität Hamburg（实验物理研究所，汉堡大学） ； Rutgers University（罗格斯大学） 纠错

专题命中 其他LLM ：foundation model(title,abstract)；分类 cs.LG

AI总结 研究基于下一个token预测对喷注基础模型预训练的改进，采用混合设置并结合联合预训练策略，提升了下游分类任务性能且不影响生成性能。

Journal ref 2026 Mach. Learn.: Sci. Technol. 7 035042

Induction Meets Biology: Mechanisms of Repeat Detection in Protein Language Models

归纳遇见生物学：蛋白质语言模型中重复检测的机制

Gal Pomerants, Yaniv Nikankin, Anja Reusch, Tomer Tsaban, Ora Schueler-Furman, Yonatan Belinkov

机构 * Weizmann Institute of Science（魏茨曼科学研究院） 纠错

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

AI总结 通过分析蛋白质语言模型在掩码预测中的行为，揭示了其检测精确和近似重复序列的两阶段机制：先构建特征表示，再利用归纳头关注重复片段中的对齐标记。

Comments Accepted at the 43rd International Conference on Machine Learning (ICML 2026)

TS-ICL: A Flexible Time-Indexed Foundation Model for Time Series via In-Context Learning

TS-ICL: 一种基于上下文学习的灵活时间索引时间序列基础模型

Etienne Le Naour, Tahar Nabil, Adrien Petralia

机构 * EDF R&D（EDF研究与发展） 纠错

专题命中 其他LLM ：foundation model(title,abstract)；分类 cs.LG

AI总结 提出TS-ICL，一种基于上下文学习的概率编码器-回归器Transformer，统一了时间序列预测与插值，并在插值任务上达到新最优，同时在部分观测回溯窗口预测中表现突出。

GradPower: Powering Gradients for Faster Language Model Pre-Training

GradPower: 通过梯度加速更快的语言模型预训练

Jinbo Wang, Mingze Wang, Jiaqi Zhang, Wei Wang, Peng Pei, Xunliang Cai, Weinan E, Lei Wu

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 ：language model(title,abstract)；分类 cs.LG

AI总结 本文提出GradPower，一种轻量级的梯度变换技术，用于加速语言模型预训练。通过元素级符号幂变换，将梯度输入基础优化器，无需修改优化器内部逻辑或超参数，从而在多种架构、参数规模、数据集和学习率调度方案中均取得更低的终端损失。

Comments 24 pages, accepted by ICML 2026

Exact Federated Continual Unlearning for Ridge Heads on Frozen Foundation Models

冻结基础模型上岭回归头的精确联邦持续遗忘

Yijun Quan, Wentai Wu, Giovanni Montana

机构 * WMG, University of Warwick, Coventry CV4 7AL, UK（沃里克大学WMG学院，沃里克大学，英格兰考文特里CV4 7AL，英国） ； Department of Computer Science, Jinan University, Guangzhou 510632, China（广州大学计算机科学系，广州510632，中国） 纠错

专题命中 其他LLM ：foundation model(title,abstract)；分类 cs.LG

AI总结 针对冻结基础模型+岭回归头的联邦学习场景，提出基于充分统计量的通信协议，实现精确且高效的连续遗忘，支持任意添加和删除请求，保证与集中式重训练等价的确定性。

Comments Accepted to ECML-PKDD 2026

The Dual Mechanisms of Spatial Variable Binding in Vision-Language Models

视觉-语言模型中空间变量绑定的双重机制

Kelly Cui, Nikhil Prakash, Shoval Messica, Ayush Raina, David Bau, Antonio Torralba, Tamar Rott Shaham

机构 * MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） ； Northeastern University（东北大学） ； Sony Playstation（索尼PlayStation） 纠错

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

AI总结 本文揭示视觉-语言模型通过语言骨干中的内容无关空间关系编码和视觉编码器中的全局布局表示两种机制实现空间变量绑定，其中视觉编码器起主导作用。

Comments 37 pages, 53 figures

Where did the ambiguity go? Examining how multimodal models interpret polysemous words

歧义去了哪里？探究多模态模型如何解释多义词

Jasin Cekinmez, Addison J. Wu, Raja Marjieh, Thomas L. Griffiths

机构 * Princeton University（普林斯顿大学） 纠错

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

AI总结 该研究对比17个文本到图像模型和15个文本生成模型，发现多模态模型生成图像的词义多样性低于文本，揭示了基础模型在不同模态间意义表达的迁移 gap。

Comments Oral Presentation, Sci-FM Workshop @ COLM 2026

Agent Team Work Zone: An Automated, Persistent Workspace for Long-Lived Claude Code Agent Teams

智能体团队工作区：面向长期存在的编码智能体团队的自动化持久工作区

Shouren Wang

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

AI总结 研究针对Claude Code等大语言模型智能体在长期工作流程中存在的问题，提出ATWZ，通过围绕其原生智能体团队构建基于文件系统的操作层，保存智能体工作状态等，解决相关问题并减少提示编写工作量。

Comments 31 pages, 9 figures

How Context Shapes Truth: Geometric Transformations of Statement-level Truth Representations in LLMs

上下文如何塑造真相：LLMs中语句级真相表示的几何变换

Shivam Adarsh, Maria Maistro, Christina Lioma

机构 * University of Copenhagen（哥本哈根大学） 纠错

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

AI总结 研究LLMs中上下文如何改变真相向量，发现早期层正交、中层收敛，上下文增加向量幅度，大模型通过方向变化区分相关与无关上下文。

Comments ACL 2026 (Main)

Rotary Position Encodings for Graphs

图的旋转位置编码

Isaac Reid, Arijit Sehanobish, Cederik Höfs, Bruno Mlodozeniec, Leonhard Vulpius, Federico Barbero, Adrian Weller, Krzysztof Choromanski, Richard E. Turner, Petar Veličković

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

AI总结 研究旋转位置编码（RoPE）在图结构数据上的应用，提出基于图拉普拉斯谱的旋转方法（WIRE），提升图学习性能，并具有理论性质。

Vision Foundation Model Driven Foreground-Aware Pseudo-LiDAR Generation for Monocular 3D Object Detection

视觉基础模型驱动的面向前景感知的伪激光雷达生成方法用于单目3D目标检测

Bonan Ding, Jin Xie, Jing Nie, Jiale Cao, Yanwei Pang

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

AI总结 本文提出VFMM3D框架，利用DAM和SAM的先验生成前景感知伪激光雷达，在KITTI、Waymo数据集上实现最优性能，可无缝集成至多种激光雷达3D目标检测器。

Comments 12 pages, 4 figures

WiFo-MiSAC: A Wireless Foundation Model for Multimodal Sensing and Communication Integration via Synesthesia of Machines (SoM)

WiFo-MiSAC：一种无线基础模型，通过机器的通感（SoM）实现多模态感知与通信的整合

Xuanyu Liu, Shijian Gao, Boxun Liu, Xiang Cheng, Liuqing Yang

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

AI总结 WiFo-MiSAC通过统一空间的自监督预训练，解决通信与传感数据碎片化处理导致的泛化问题，采用共享-特定解耦的混合专家架构，实现多模态交互，实验表明其在多任务中表现优异，具备强大的少样本适应与新模态集成能力。

Geometric Risk Control for Vision-Language Model OCR

从可信性到可验证性：具有视觉-语言模型的风险控制生成OCR

Weile Gong, Zijian Lu, Mingcai Chen, Yiping Zuo, Xin He, Weibei Fan

机构 * Nanjing University of Posts and Telecommunications（南京邮电大学） ； China University of Petroleum（中国石油大学） ； Southeast University（东南大学） 纠错

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

AI总结 本文提出通过几何风险控制器减少生成OCR的极端错误风险，利用结构化视图和轻量级筛查实现可靠部署。

Comments 9 pages, 5 figures, Code: https://github.com/phare111/GRC

An Empirical Study of Foundation Models for Variability-Induced Compilation Errors in Configurable C Code

具有变异性意识的编译错误检测与修复：利用基础模型在可配置系统中

Rohit Gheyi, Lucas Albuquerque, Márcio Ribeiro, Eduardo Almeida, Danyllo Albuquerque, Mirko Perkusich

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

AI总结 本文研究利用基础模型检测和修复可配置系统中的编译错误，展示其在精度和召回率上的优势。

Not Birds of a Feather: Personality-Based Partner Selection in LLM Agents

并非一丘之貉：基于大语言模型代理的个性伙伴选择

Tao Wang, Hsiang-Ling Chiu, Chihang Wei, Zhonghao Hou, Yang Xiu

专题命中 其他LLM ：LLM(title,abstract)

AI总结 研究大语言模型代理中基于个性的伙伴选择，在能力不变时，通过实验发现选择遵循任务刻板印象映射，非同类相吸且与人类团队绩效证据校准错误，揭示了个性选择的特点及对代理市场偏差审计的影响。

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

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

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

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