University of Texas at Austin（得克萨斯大学奥斯汀分校）

2604.02221 2026-04-03 cs.HC cs.AI

Impact of Multimodal and Conversational AI on Learning Outcomes and Experience

多模态和对话式AI对学习成果和体验的影响

Karan Taneja, Anjali Singh, Ashok K. Goel

机构 * Georgia Institute of Technology（佐治亚理工学院）； University of Texas at Austin（德克萨斯大学奥斯汀分校）

AI总结本研究比较了三种生物学学习方法，发现多模态对话式AI在学习成果和体验上表现最佳，但文本仅对话式AI虽易用但效果最差，揭示了认知负荷理论下的学习效果与感知之间的差异。

Comments 16 pages, 3 figures, Accepted to AIED 2026 (Seoul, South Korea)

2604.02102 2026-04-03 cs.CL cs.LG cs.SD eess.AS

Prosodic ABX: A Language-Agnostic Method for Measuring Prosodic Contrast in Speech Representations

语调ABX：一种语言无关的语音对比度测量方法

Haitong Sun, Stephen McIntosh, Kwanghee Choi, Eunjung Yeo, Daisuke Saito, Nobuaki Minematsu

机构 * The University of Tokyo（东京大学）； University of Texas at Austin（德克萨斯大学奥斯汀分校）

AI总结本文提出语调ABX方法，用于评估语音表示中的语调对比度，通过少量示例和无显式标签进行测试，展示了其在英语重音、日语声调和汉语声调中的有效性。

Comments Submitted to Interspeech 2026; 6 pages, 4 figures

2602.00388 2026-04-03 cs.LG

Safer by Diffusion, Broken by Context: Diffusion LLM's Safety Blessing and Its Failure Mode

扩散模型更安全，但受上下文影响而失效：扩散大语言模型的安全祝福及其失效模式

Zeyuan He, Yupeng Chen, Lang Lin, Yihan Wang, Shenxu Chang, Eric Sommerlade, Philip Torr, Junchi Yu, Adel Bibi, Jialin Yu

机构 * Torr Vision Group, University of Oxford（牛津大学Torr视觉组）； School of Data Science, The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）数据科学学院）； The University of Texas at Austin（德克萨斯大学奥斯汀分校）； Microsoft（微软）

AI总结研究探讨了扩散大语言模型（D-LLMs）在生成效率上的优势及其安全特性，发现其扩散生成方式增强了对对抗攻击的抵抗力，但存在上下文嵌套等失效模式，首次成功突破Gemini Diffusion的安全防线。