语言大模型 / LLM

ReMoBot: Retrieval-Based Few-Shot Imitation Learning for Mobile Manipulation with Vision Foundation Models

ReMoBot: 基于检索的少样本模仿学习用于移动操作与视觉基础模型

Yuying Zhang, Wenyan Yang, Francesco Verdoja, Ville Kyrki, Joni Pajarinen

机构 * School of Electrical Engineering, Aalto University, Espoo, Finland（艾尔沃大学电气工程学院，埃斯波，芬兰） 纠错

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

AI总结 提出ReMoBot，一种基于检索的少样本模仿学习框架，利用视觉基础模型从演示中检索信息，解决移动操作任务中的部分可观测性和数据有限问题，在真实世界任务中取得高成功率。

Responsiveness Verification: Will Predictions Change? How Much? How Often?

响应性验证：预测会改变吗？改变多少？改变频率如何？

Harry Cheon, Meredith Stewart, Bogdan Kulynych, Tsui-Wei Weng, Berk Ustun

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

AI总结 本研究提出测量响应性的算法与交互模型框架，搭配统计保证，可用于检测累犯预测的排除情况、估计内容审核博弈成本、测试LLM基准鲁棒性，提升模型安全性与可靠性。

HarnessBank: Semantic Gene-Bank Search with Gated Verification for Agent-Harness Self-Evolution

通过门控语义质量多样性实现自我进化智能体的驾驭

Xiaotian Luo, Dizhan Xue, Fengxingyu Wang, Chuanrui Hu, Yafeng Deng

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

AI总结 研究大语言模型智能体驾驭因素提升性能的问题，提出自我进化智能体驾驭框架，将提出与评估更改分开，通过门控存档避免过度拟合，在多领域测试中取得较好泛化效果，证明诊断与评估循环的有效性。

Comments 9 pages, 4 figures, 3 tables

Improved lower bounds for the Shannon capacity of odd cycles

奇数圈香农容量的改进下界

Nathaniel Itty, Christopher D. Rosin, Chase Carstensen, Daniel Reichman

机构 * Worcester Polytechnic Institute（沃斯特理工学院） 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 研究通过与大语言模型迭代交互，在奇数圈\(C_7^{10}\)、\(C_{11}^{6}\)、\(C_{13}^{6}\)中构造独立集，改进了这些图香农容量的已知下界，还改进了几个奇数圈单个强幂独立数的已知下界。

Comments v2: added improvement on lower bound for the Shannon capacity of C15

A Dual-Helix Governance Approach Towards Reliable Agentic Artificial Intelligence for WebGIS Development

面向可靠WebGIS开发的代理人工智能双螺旋治理方法

Boyuan Guan, Wencong Cui, Levente Juhasz

机构 * Geographic Information Systems Center, Florida International University（佛罗里达国际大学地理信息系统中心） ； Geospatial Analytics, Technology and Open Research Lab, University of Florida（佛罗里达大学地理空间分析、技术与开放研究实验室） 纠错

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

AI总结 针对代理AI在WebGIS开发中的不可靠问题，提出双螺旋治理框架，通过知识-行为-技能三轨架构和持久知识图谱外化事实与协议，实验证明能降低代码复杂度、减少输出方差并防止制图错误。

Comments Paper submitted to and under review in Transactions in GIS

Quantum Maximum Likelihood Prediction via Hilbert Space Embeddings

通过希尔伯特空间嵌入的量子最大似然预测

Sreejith Sreekumar, Nir Weinberger

机构 * L2S, CNRS, CentraleSupélec, University of Paris-Saclay, France（L2S、CNRS、CentraleSupélec、巴黎-萨克雷大学、法国） 纠错

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

AI总结 研究量子最大似然预测任务，通过将经验概率分布嵌入量子态并最小化量子相对熵，提出统一框架，给出非渐近性能保证。

Comments 38+4 pages, 1 figure

Stabilizing Black-Box Prompt Optimization with Textual Regularization and Signal Aggregation

通过文本正则化与信号聚合稳定黑盒提示优化

MohammadReza Davari, Utkarsh Garg, Weixin Cai, Eugene Belilovsky

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

AI总结 提出TRAS框架，利用成功预测的文本正则化与蒙特卡洛信号聚合，解决黑盒提示优化中的不稳定性和语义漂移，提升准确率与收敛速度。

Utilizing Earth Foundation Models to Enhance the Simulation Performance of Hydrological Models with AlphaEarth Embeddings

利用地球基础模型通过AlphaEarth嵌入增强水文模型的模拟性能

Pengfei Qu, Wenyu Ouyang, Chi Zhang, Yikai Chai, Shuolong Xu, Lei Ye, Yongri Piao, Miao Zhang, Huchuan Lu

机构 * School of Computer Science and Technology, Dalian University of Technology（大连理工大学计算机科学与技术学院） ； School of Infrastructure Engineering, Dalian University of Technology（大连理工大学建设工程学院） ； School of Information and Communication Engineering, Dalian University of Technology（大连理工大学信息与通信工程学院） ； School of Software, Dalian University of Technology（大连理工大学软件学院） ； School of Artificial Intelligence, Dalian University of Technology（大连理工大学人工智能学院） 纠错

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

AI总结 研究利用AlphaEarth基础模型从卫星图像中学习的嵌入表征流域特征，相比传统属性更有效提升无测站流域的径流预测精度，并发现基于嵌入相似性选择捐赠流域可改善预测性能。

Comments 12 pages, 11 figures

A Taxonomy of Single-Turn Textual Prompt Patterns

单轮文本提示模式分类法

Vennila Sooben, Eugene Syriani

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

AI总结 提出一种单轮文本交互的提示模式分类法，通过可复现方法识别30种规范模式，按两个维度组织。

Comments 25 pages, 2 figures

Metareasoning constraints couple narratives, affect and cognition

内部叙事参数化情感状态

Jakub Onysk, Quentin J. M. Huys

机构 * Applied Computational Psychiatry Lab（应用计算精神病学实验室） ； Max Planck UCL Centre for Computational Psychiatry and Ageing Research（马克斯·普朗克UCL计算精神病学与衰老研究中心） ； Queen Square Institute of Neurology and Mental Health（圣夸克广场神经病学与心理健康研究所） ； Neuroscience Department（神经科学系） ； Division of Psychiatry（精神病学系） 纠错

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

AI总结 本文通过量化参与者内部叙事的大语言模型表示及其子空间，研究了叙事与情感状态之间的关系，发现特定症状的描述性思维能够预测标准化的抑郁评分，并强调保持症状间的协方差对构建效度至关重要。

Scalable and Personalized Oral Assessments Using Voice AI

基于语音AI的可扩展与个性化口头评估

Panos Ipeirotis, Konstantinos Rizakos

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

AI总结 本文提出利用语音AI进行个性化口头评估，通过Viva系统实现高效评估，降低成本，并发现需分解模块、约束行为、保持随机化、多模型评分等改进方法。

Comments 34 pages, 6 figures, 9 tables. Author's version of a paper published in Communications of the ACM

Journal ref Communications of the ACM (2026)

It is not enough to give your moderation rules to ChatGPT: Policy-as-Prompt Moderation and Its Potential Impacts on Community Governance

仅向ChatGPT提供审核规则是不够的：策略即提示的审核及其对社区治理的潜在影响

Anna Neumann, Jasmin Wyss, Ivy Turk, Rebekah Overdorf

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

AI总结 研究社交媒体内容审核模式变化，探讨“策略即提示”方法在内容审核中应用，阐述其技术与治理特性、局限性及风险，提出有效提示治理考量，指出仅编写提示不适用于确保社区治理。

Comments Accepted at the Mensch und Computer (MuC) 2026 Workshop "Human-Centered Content Moderation: Expertise, Context & Evaluation"

AppAgent: Multimodal Agents as Smartphone Users

AppAgent：作为智能手机用户的多模态智能体

Chi Zhang, Zhao Yang, Jiaxuan Liu, Yanda Li, Yucheng Han, Xin Chen, Zebiao Huang, Bin Fu, Gang Yu

机构 * Tencent（腾讯） 纠错

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

AI总结 介绍基于大语言模型的多模态智能体框架，通过简化动作空间操作智能手机应用，无需系统后端访问，经自主探索或观察人类示范学习，能执行复杂任务，测试验证其处理多种高级任务的能力。

Comments Accepted to CHI 2025, project page is https://appagent-official.github.io/

A Large-Scale Comprehensive Measurement of AI-Generated Code in Real-World Repositories

对现实仓库中AI生成代码的大型实证研究

Tianhao Mao, Dongfang Zhao, Haixu Tang, Xiaofeng Wang, Hang Zhang

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

AI总结 本文通过大规模实证研究分析现实仓库中AI生成代码的特性，探讨AI辅助开发与传统人类开发的差异，为理解AI在软件开发中的实际影响提供依据。

The Influence of Code Comments on the Perceived Helpfulness of Stack Overflow Posts

代码注释对 Stack Overflow 帖子感知有用性的影响

Kathrin Figl, Maria Kirchner, Sebastian Baltes, Michael Felderer

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

AI总结 通过在线实验（n=91）研究代码注释如何影响 Stack Overflow 答案的感知有用性，发现块注释和行内注释均显著提高有用性，且新手认为块注释更有用，而答案位置和分数影响较小。

Comments 32 pages, 7 figures, 2 tables, accepted in Empirical Software Engineering

CuMA: Aligning LLMs with Sparse Cultural Values via Demographic-Aware Mixture of Adapters

CuMA: 通过人口统计感知的适配器混合使大语言模型与稀疏文化价值观对齐

Ao Sun, Xiaoyu Wang, Zhe Tan, Yu Li, Jiachen Zhu, Yuheng Jia, Shu Su

机构 * Southeast University（东南大学） ； ByteDance Inc.（字节跳动公司） ； Key Laboratory of New Generation Artificial Intelligence Technology and Its Interdisciplinary Applications (Southeast University), Ministry of Education, China（新一代人工智能技术及其交叉应用重点实验室（东南大学），中华人民共和国教育部，中国） 纠错

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

AI总结 提出CuMA框架，通过人口统计感知路由将冲突梯度分离到专家子空间，解决密集模型在多文化对齐中的均值崩溃问题，在WorldValuesBench等基准上取得最优性能。

Comments ACL 2026 Main

Whispering Water: Materializing Human-AI Dialogue as Interactive Ripples

低语之水：将人机对话物化为交互式涟漪

Ruipeng Wang, Tawab Safi, Yunge Wen, Christina Cunningham, Hoi Ling Tang, Behnaz Farahi

专题命中 其他LLM ：LLM(summary_cn,abstract_cn)

AI总结 通过将语音情感转换为激发频率、语义内容输入多智能体LLM系统，以及用对数间距和Bark尺度映射分解合成语音为谐波分量，在物理水面上实现人机对话的物化。

A Robust In-Context Model for Conservation Laws: Injecting Context into Flux Neural Operators via Recurrent Vision Transformers

为守恒定律构建稳健的基模型：通过循环视觉变换器注入上下文到流神经算子

Taeyoung Kim, Joon-Hyuk Ko

机构 * Center for AI and Natural Sciences（人工智能与自然科学中心） ； Korea Institute for Advanced Study（韩国高级研究院） 纠错

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

AI总结 本文提出一种结合循环视觉变换器的流神经算子架构，通过超网络提取解动态并生成上下文条件神经算子参数，实现无需显式访问守恒定律或PDE系数即可求解守恒定律。

Comments 19 pages, 3 figures

Unmasking Conversational Bias in AI Multiagent Systems

揭示AI多智能体系统中的对话偏见

Erica Coppolillo, Giuseppe Manco, Luca Maria Aiello

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

AI总结 该研究针对AI多智能体系统的对话偏见检测空白，提出对话型LLMs多智能体系统偏见量化框架，发现现有问卷式方法无法检测到该场景下的偏见，呼吁开发更复杂的偏见检测与缓解工具包。

Reassessing Muon for Matrix Factorization

重新评估用于矩阵分解的Muon优化器

Ali Parviz, Gal Mishne, Alex Cloninger

机构 * Halicioğlu Data Science Institute, UC San Diego（加州大学圣地亚哥分校哈利西奥卢数据科学研究所） ； Department of Mathematics, UC San Diego（加州大学圣地亚哥分校数学系） 纠错

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

AI总结 研究在低秩矩阵分解问题上重新评估Muon优化器，通过与精心调整的自适应基线对比，发现Muon在此设置下不始终优于AdamW，一些优势对超参数选择敏感，更细致地展现谱感知正交化何时有益，主张在受控问题上评估优化器。

AROpt: An Optimization Method for Autoregressive Time Series Forecasting

AROpt: 一种用于自回归时间序列预测的优化方法

Zheng Li, Jerry Cheng, Huanying Gu

机构 * Department of Computer Science（计算机科学系） ； New York Institute of Technology（纽约理工学院） 纠错

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

AI总结 本文提出一种新方法，通过强制预测误差随预测时间增加而增长，提升自回归时间序列预测的准确性与灵活性，实验表明在多个基准上取得新突破。

Comments 16 pages, 5 figures, 6 tables

Speed Reading Tool Powered by Artificial Intelligence for Students with ADHD, Dyslexia, and Short Attention Span

由人工智能驱动的针对患有注意力缺陷多动障碍、阅读障碍和注意力持续时间短的学生的快速阅读工具

Megat Irfan Zackry Bin Ismail, Ahmad Nazran bin Yusri, Muhammad Hafizzul Bin Abdul Manap, Muhammad Muizzuddin Bin Kamarozaman

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

AI总结 针对阅读障碍、多动症及注意力不集中学生，提出用云托管大语言模型与自适应排版结合的人工智能工具，通过向Gemini API请求实时生成摘要，接受多种文件输入，优化可读性，经Flask框架部署，显著提升阅读速度与理解能力。

How LLMs Might Think

大型语言模型可能如何思考

Joseph Gottlieb, Ethan Kemp, Matthew Trager

机构 * Texas Tech University（德克萨斯理工大学） ； New York University（纽约大学） ； University of Pittsburgh（匹兹堡大学） 纠错

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

AI总结 本文挑战了LLMs不思考的观点，提出LLMs可能以非理性、联想式方式思考，其思维过程纯粹基于联想。

Journal ref Mind & Language (2026)

Detoxify: A framework for abusive text transformation using LLMs

Detoxify：一个使用大语言模型进行辱骂性文本转换的框架

Rohitash Chandra, Jiyong Choi, Jayesh Sonawane

机构 * Transitional Artificial Intelligence Research Group, School of Mathematics and Statistics, UNSW（过渡人工智能研究组，数学与统计学学院，新南威尔士大学） ； Centre for Artificial Intelligence and Innovation, Pingla Institute（人工智能与创新中心，Pingla研究所） 纠错

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

AI总结 研究探索大语言模型在转换辱骂性文本上的有效性，提出Detoxify框架，用其转换含仇恨言论等的辱骂性文本并保留原意，评估四个大语言模型识别辱骂性文本的能力，经情感和语义分析，发现Groq与其他模型结果差异大，GPT-4o和DeepSeek有相似性。

Symmetry in language statistics shapes the geometry of model representations

语言统计中的对称性塑造了模型表示的几何结构

Dhruva Karkada, Daniel J. Korchinski, Andres Nava, Matthieu Wyart, Yasaman Bahri

机构 * UC Berkeley（加州大学伯克利分校） ； EPFL（瑞士联邦理工学院洛桑分校） ； Johns Hopkins（约翰斯·霍普金斯大学） ； Google DeepMind（谷歌DeepMind） 纠错

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

AI总结 本文证明语言统计中的平移对称性（如月份共现频率仅取决于时间间隔）决定了词嵌入模型的高维几何结构，并推导出表示流形的解析形式，该几何在统计扰动下仍保持鲁棒。

Comments ICML 2026

OFMU: Optimization-Driven Framework for Machine Unlearning

OFMU：面向机器遗忘的优化驱动框架

Sadia Asif, Mohammad Mohammadi Amiri

机构 * Rensselaer Polytechnic Institute（拉特格斯理工学院） 纠错

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

AI总结 提出OFMU，一种基于惩罚的双层优化框架，通过层次结构优先遗忘并保持保留性能，在视觉和语言基准上优于现有方法。

Comments Under review at ICLR 2026

Teaching Values to Machines: Simulating Human-Like Behavior in LLMs

向机器传授价值观：在LLMs中模拟类人行为

Asaf Yehudai, Naama Rozen, Ariel Gera

机构 * The Hebrew University of Jerusalem（海法大学） ； IBM Research（IBM研究院） ； Tel-Aviv University（特拉维夫大学） 纠错

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

AI总结 本研究基于心理学价值理论，通过大规模实验（超过500万个问题）评估价值提示的LLMs在价值结构和价值-行为关系上与人类的一致性，并证明引入人类价值分布可增强群体模拟。

Comments We had some disagreement regarding proper attribution; we hope to resolve it soon and upload the paper

Epistemic Constitutionalism Or: how to avoid coherence bias

认知宪政主义：或如何避免一致性偏见

Michele Loi

机构 * University of Milan（米兰大学） 纠错

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AI应建立明确的认知宪法，通过规范源归因等元规范避免一致性偏见，并论证自由主义路径优于柏拉图式路径。

Comments 27 pages, 7 tables. Data: github.com/MicheleLoi/source-attribution-bias-data and github.com/MicheleLoi/source-attribution-bias-swiss-replication. Complete AI-assisted writing documentation: github.com/MicheleLoi/epistemic-constitutionalism-paper

The Masked Advantage: Uncovering Local-Language Access to Cultural Knowledge in LLMs

掩蔽优势：揭示LLMs中本地语言对文化知识的访问

Yang Zhang, Xiao Fei, Amr Mohamed, Sarah Almeida Carneiro, Mersin Konomi, Mingmeng Geng, Ahmed Asaad, Guokan Shang, Michalis Vazirgiannis

机构 * Ecole Polytechnique（巴黎高等理工学院） ； MBZUAI（穆罕默德·本·拉什德智能研究院） ； ENS-PSL（巴黎综合理工学院-巴黎科学实验室） ； Durham University（杜尔罕大学） 纠错

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

AI总结 通过控制实验和项目反应理论模型，分离语言能力与文化知识访问，发现本地语言在文化知识访问上具有优势，但常被语言能力不足掩盖。

Mobility-Embedded POIs: Learning What A Place Is and How It Is Used from Human Movement

移动性嵌入的POI：从人类移动中学习场所身份与使用方式

Maria Despoina Siampou, Shushman Choudhury, Shang-Ling Hsu, Neha Arora, Cyrus Shahabi

机构 * University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学） 纠错

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

AI总结 提出ME-POIs框架，通过对比学习将大规模人类移动数据与语言模型嵌入结合，学习场所功能，并在五个地图丰富任务上超越文本或移动性单独基线。