ArcGPT: A Large Language Model Tailored for Real-world Archival Applications
Wuhan University(武汉大学);Loughborough University(拉夫堡大学)
本文提出首个专为档案领域定制的通用大语言模型ArcGPT,通过在海量档案数据上预训练,并发布包含四项真实任务的AMBLE基准,证明其超越现有模型,有效提升档案数据管理效率。
2023-07-27 cs.CL
HORAE: A Domain-Agnostic Language for Automated Service Regulation
Zhejiang University(浙江大学);Binjiang Institute of Zhejiang University(浙江大学滨江研究院)
本文提出领域无关的监管规范语言 Horae 及微调大语言模型 RuleGPT,构建端到端自动化服务监管框架,并在多领域基准上验证其有效性,其中 7B 参数的 RuleGPT 超越 GPT-3.5 并与 GPT-4o 表现相当。
2025-05-09 cs.AI cs.CL cs.LG
SLIDERS: Evidence Synthesis with Autonomous Database Reconciliation for Systematic Reviews
Computer Science Department, Stanford University(斯坦福大学计算机科学系)
本文提出SLIDERS框架,通过结构化推理解决长文档集问答问题,利用关系数据库和SQL实现可扩展推理,优于现有基准。
2026-11-13 cs.AI cs.CL
Automated Genre-Aware Article Scoring and Feedback Using Large Language Models
New York University(纽约大学);Wake Forest University(维克森林大学);George Washington University(乔治华盛顿大学)
本文提出一种结合BERT与Chat-GPT的体裁感知文章评分系统,通过整体评分与基于特征的细粒度评估生成个性化反馈,在多个公共数据集上优于传统方法,验证了自动评分在教育中的应用价值。
2024-10-18 cs.CL
Automated Real-World Sustainability Data Generation from Images of Buildings
UCL(伦敦大学学院)
提出一种基于大型语言模型、提示工程和领域知识的图像到数据方法,仅从建筑物图像即可估算可持续性特征并生成改进建议,准确率优于人类。
2024-08-28 cs.AI cs.CV
LLM Evaluation Based on Aerospace Manufacturing Expertise: Automated Generation and Multi-Model Question Answering
Chengdu Aircraft Industrial (Group) Co., Ltd.(成都飞机工业(集团)有限责任公司);School of Computer Science, Beihang University(北京航空航天大学计算机学院)
本文针对大型语言模型在航空航天制造领域易产生幻觉的问题,基于经典教材提取关键信息并自动生成多选题,通过多模型问答实验评估其准确性,发现现有模型专业能力亟待提高,为该领域应用提供了理论与实践指导。
2025-02-01 cs.AI cs.CL
LearningFlow: Automated Policy Learning Workflow for Urban Driving with Large Language Models
The Hong Kong University of Science and Technology (Guangzhou)(香港科技大学(广州));The Hong Kong University of Science and Technology(香港科技大学)
本文提出 LearningFlow,通过多个 LLM 智能体协作自动生成训练课程与奖励函数,减少人工设计并提升样本效率,在 CARLA 中验证了其性能、泛化与算法适应性。
2025-01-09 cs.AI cs.LG cs.RO
From EMR Data to Clinical Insight: An LLM-Driven Framework for Automated Pre-Consultation Questionnaire Generation
针对从复杂电子病历生成全面预问诊问卷的难题,提出多阶段大语言模型驱动框架,经真实数据集和专家验证,在多维度性能优于直接方法,可提升患者信息收集效率。
2025-08-01 cs.AI
EcomEdit: An Automated E-commerce Knowledge Editing Framework for Enhanced Product and Purchase Intention Understanding
Department of Computer Science and Engineering, HKUST(香港科技大学计算机科学与工程学系)
本文首次将知识编辑引入电子商务领域,提出自动化框架ECOMEDIT,利用强LLM评判和概念化方法提升模型对产品描述与购买意图的理解及下游任务表现。
2024-10-18 cs.CL
Automated Generation of High-Quality Medical Simulation Scenarios Through Integration of Semi-Structured Data and Large Language Models
本研究提出将半结构化数据与大语言模型(如ChatGPT3.5)集成,自动生成高质量、定制化的医学模拟场景,显著降低开发成本并提升学习效果。
2024-05-06 cs.CL
Adaptive Instruction Composition for Automated LLM Red-Teaming
Capital One, AI Foundations(Capital One人工智能基础研究)
本文提出自适应指令生成框架,通过强化学习平衡探索与利用,提升红队测试的攻击效果与多样性,优于随机组合和现有方法。
2026-04-22 cs.AI cs.CL cs.CR
AUTOCIRCUIT-RL: Reinforcement Learning-Driven LLM for Automated Circuit Topology Generation
Prashanth Vijayaraghavan(独立研究者);Luyao Shi(独立研究者);Ehsan Degan(独立研究者);Vandana Mukherjee(独立研究者);Xin Zhang(独立研究者)
AUTOCIRCUIT-RL提出两阶段强化学习框架,先用指令微调让大语言模型生成电路拓扑,再用奖励模型优化,使有效电路生成率提升约12%、效率提高约14%,重复率降低约38%。
2025-06-03 cs.CL
Leveraging LLM Agents for Automated Optimization Modeling for SASP Problems: A Graph-RAG based Approach
Shenzhen Research Institute of Big Data(深圳大数据研究院);The Chinese University of Hong Kong, Shenzhen(香港中文大学(深圳))
针对LLM在传感器阵列信号处理领域缺乏领域知识导致自动化优化建模效果差的问题,提出基于多智能体和Graph-RAG的MAG-RAG方法,有效匹配领域知识并超越现有基准。
2025-01-30 cs.AI eess.SP
Automated Knowledge Concept Annotation and Question Representation Learning for Knowledge Tracing
ETH Z\"urich
针对知识追踪依赖专家标注且忽视题目标签语义的问题,提出KCQRL框架,利用LLM自动标注解答步骤中的KC,并通过假负例消除的对比学习生成语义嵌入,在15种KT算法和两个数学数据集上稳定提升性能。
2025-03-13 cs.CL cs.LG
Automated Reformulation of Robust Optimization via Memory-Augmented Large Language Models
Department of Industrial Systems Engineering and Management, National University of Singapore(新加坡国立大学工业系统工程与管理系);Department of Data and Systems Engineering, The University of Hong Kong(香港大学数据与系统工程系);Institute of Operations Research and Analytics, National University of Singapore(新加坡国立大学运筹与分析研究所);Agency for Science, Technology and Research (A*STAR)(科技研究局(A*STAR))
本文提出AutoREM框架,通过记忆增强提升鲁棒优化重述的准确性和效率,无需领域知识或参数更新,适用于不同基础大语言模型。
2026-11-03 cs.AI
InferenceEvolve: Towards Automated Causal Effect Estimators through Self-Evolving AI
Johns Hopkins Bloomberg School of Public Health(约翰霍普金斯大学彭博公共卫生学院);Department of Computer Science, Johns Hopkins University(约翰霍普金斯大学计算机科学系)
本文提出InferenceEvolve框架,利用大语言模型发现并迭代优化因果方法,在多个基准测试中优于现有方法,展示了语言模型引导的进化在因果推断中的潜力。
2026-04-05 cs.AI cs.CE stat.AP
M2M-Gen: A Multimodal Framework for Automated Background Music Generation in Japanese Manga Using Large Language Models
The University of Tokyo(东京大学);MBZUAI(Mohamed bin Zayed 人工智能大学)
本文提出M2M Gen多模态框架,通过对话检测和情感分类提取场景信息,并利用GPT4o生成音乐指令指导文本到音乐模型,为日本漫画自动生成高质量且契合叙事的背景音乐。
2024-10-13 cs.AI cs.SD eess.AS
EEGAgent: A Unified Framework for Automated EEG Analysis Using Large Language Models
EEGAgent利用大语言模型实现多任务EEG分析,提供灵活且可解释的自动化EEG处理与报告生成能力。
2025-11-27 cs.AI cs.LG
Evaluating open-source Large Language Models for automated fact-checking
Politecnico di Milano(米兰理工大学);CENTAI
本研究通过三项实验评估开源大语言模型在自动化事实核查中的表现,发现其在识别声明与文章关联及核查已核查内容方面表现良好,但确认事实性新闻时不及RoBERTa等微调模型,且外部知识帮助有限,表明LLMs尚需改进才能替代人工核查。
2025-03-07 cs.CL cs.CY
DyACE: Dynamic Algorithm Co-evolution for Online Automated Heuristic Design with Large Language Model
本文提出DyACE,通过动态算法共进化解决在线自动启发式设计中固定算法无法适应搜索动态的问题,利用大语言模型进行实时感知反馈,提升高维搜索空间的适应性与性能。
2026-03-07 cs.AI
SHED: Shapley-Based Automated Dataset Refinement for Instruction Fine-Tuning
University of Maryland(马里兰大学);Clemson University(克莱姆森大学);Rutgers University(罗格斯大学)
针对指令微调数据冗余问题,提出无需人工与商用LLM的基于沙普利值的自动化数据集精炼框架SHED,其选出的10%数据性能可比肩甚至超越全量数据,且具备跨模型迁移性。
2024-10-30 cs.CL cs.LG
Advancing Student Writing Through Automated Syntax Feedback
University of Siena(锡耶纳大学)
本研究针对学生英语句法学习难点,构建Essay-Syntax-Instruct数据集,微调多款大语言模型以提供自动化句法反馈,经评估模型句法纠错能力显著提升,为语言学习技术发展提供了新思路。
2025-01-13 cs.CL
Marked Pedagogies: Examining Linguistic Biases in Personalized Automated Writing Feedback
Stanford University(斯坦福大学)
研究探讨了四种常用LLM在不同学生属性下生成写作反馈的偏见,揭示了基于种族、语言等属性的反馈偏差,提出需提高自动反馈工具的透明度和问责性。
2026-03-12 cs.CL cs.HC
Automated Retrosynthesis Planning of Macromolecules Using Large Language Models and Knowledge Graphs
Fudan University(复旦大学)
针对高分子科学中大分子命名复杂导致合成路径确定困难的问题,提出集成大语言模型(LLMs)和知识图谱的智能体系统,通过MBRPS算法实现逆合成规划全自动化,应用于聚酰亚胺合成验证了有效性。
2025-04-15 cs.AI
Intelligent System for Automated Molecular Patent Infringement Assessment
DP Technology(深势科技);University of Science and Technology of China(中国科学技术大学);National University of Singapore(新加坡国立大学);Sun Yat-Sen University(中山大学);AI for Science Institute, Beijing(北京科学智能研究院);Peking University(北京大学)
针对AI生成分子可能无意侵权的问题,提出多智能体工具增强系统PatentFinder,搭配自建基准MolPatent-240验证,其F1分数和准确率均优于基线,可生成可解释报告,助力药物发现管线整合专利分析。
2025-01-13 cs.AI cs.LG
Large Language Model Powered Automated Modeling and Optimization of Active Distribution Network Dispatch Problems
Hefei University of Technology(合肥工业大学);Hong Kong Polytechnic University(香港理工大学);Tsinghua University(清华大学)
针对主动配电网新运营方缺专业知识的问题,提出多LLM协同的自动建模优化方法,通过三模块分工与定制优化,支持自然语言获取调度策略,经测试验证有效。
2025-07-25 cs.AI cs.LG cs.SY
Automated Algorithm Design for Auto-Tuning Optimizers
本文提出利用大语言模型自动生成适应自动调优问题的优化算法,通过问题描述和搜索空间特征提示模型,生成、测试并迭代改进专用优化器,在六个硬件平台上评估后,展示出30.7%和14.6%的性能提升,优于现有方法。
2026-03-31 cs.AI cs.LG cs.NE
AVBench: Human-Aligned and Automated Evaluation Benchmark for Audio-Video Generative Models
Tsinghua University(清华大学);The Chinese University of Hong Kong(香港中文大学)
提出AVBench,通过细粒度人类中心指标和偏好学习训练的专业评估器,实现音视频生成的自动化、准确评估。
2026-05-23 cs.AI cs.CV cs.MM
Automated Test-Case Generation for REST APIs Using Model Inference Search Heuristic
Delft University of Technology(代尔夫特理工大学)
针对进化算法在微服务系统级测试中单元级启发式方法的局限,提出基于实时自动机学习的搜索启发式方法MISH,通过日志事件流捕获系统级行为以指导测试用例生成,在六个真实基准应用中评估取得良好效果。
2025-01-30 cs.AI cs.SE
The missing link: Developing a safety case for perception components in automated driving
University of Waterloo(滑铁卢大学);DENSO CORPORATION(电装公司)
安全保证是自动驾驶(AD)系统开发和社会接受的核心问题。感知是AD的一个关键方面,它在很大程度上依赖于机器学习(ML)。尽管已知的挑战与ML为基础的组件的安全保证,建议最近出现的单元级安全的情况下,解决这些组件。不幸的是,AD安全案例表达了系统级的安全要求,这些努力缺少将系统级的安全要求与单元级的组件性能要求相结合所需的关键链接参数。在本文中,我们提出了集成安全的情况下,感知(ISCaP),一个通用的模板,这样一个链接的安全参数专门为感知组件。该模板采用演绎和正式的方法来定义级别之间的强可追溯性。我们展示了ISCaP的适用性与详细的案例研究,并讨论了其作为一种工具,以支持增量开发的感知组件。
2022-09-06 cs.AI cs.LG cs.RO
Automated Functional Testing for Malleable Mobile Application Driven from User Intent
School of Computer Science and Technology, Tongji University(同济大学计算机科学与技术学院)
本文提出ALADDIN框架,通过用户需求驱动生成GUI测试,验证用户指定功能的正确性,展示了在六个移动应用上的有效性,推动移动开发向用户驱动模式转变。
2026-04-08 cs.SE
Automated and Context-Aware Code Documentation Leveraging Advanced LLMs
Ahsanullah University of Science and Technology(阿赫桑努尔科学与技术大学);George Mason University(乔治梅森大学)
针对基于模板的Javadoc生成及数据集缺失问题,本研究构建了包含现代Java关键结构语义信息的上下文感知数据集,并在零样本、少样本和微调设置下评估了五个开源LLMs,发现LLaMA 3.1表现最佳,可作为专有系统的替代方案。
2025-09-16 cs.SE
Toward Automated Hypervisor Scenario Generation Based on VM Workload Profiling for Resource-Constrained Environments
本文提出一种自动化场景生成框架,通过分析虚拟机运行时行为并结合理论模型与供应商启发式方法,优化资源受限环境下的硬件资源分配和Hypervisor配置,有效提升集成效率并缩短开发时间。
2025-08-12 cs.SE
Hybrid Automated Program Repair by Combining Large Language Models and Program Analysis
本文提出GIANTREPAIR方法,通过结合LLM生成补丁骨架与程序分析技术进行上下文感知的补丁实例化,有效提升了自动化程序修复在真实场景下的缺陷修复数量与性能。
2024-06-04 cs.SE
CodeLSI: Leveraging Foundation Models for Automated Code Generation with Low-Rank Optimization and Domain-Specific Instruction Tuning
Faculty of Computer Science and Engineering, Ho Chi Minh City University of Technology (HCMUT)(胡志明市理工大学计算机科学与工程学院);Vietnam National University Ho Chi Minh City(越南国立大学胡志明市分校);Department of Economics and IT, University of South Eastern Norway(南挪威大学经济与信息技术系)
本文提出CodeLSI框架,通过结合低秩优化降低计算成本与领域特定指令微调对齐组织需求,在内部基础设施上利用基础模型生成高质量特定领域代码,在相关性、准确性和领域契合度上优于基线,提供安全高性价比的API替代方案。
2025-09-17 cs.SE
Towards Practical and Useful Automated Program Repair for Debugging
针对现有自动化程序修复(APR)依赖测试用例、需重跑程序、修复复杂缺陷能力弱等实用性不足问题,提出交互式IDE修复系统PracAPR,通过无测试缺陷定位、结合大模型与策略的补丁生成、模拟轨迹验证实现无需测试和程序重跑的修复,推动APR实用化。
2024-07-12 cs.SE
Rethinking the Capability of Fine-Tuned Language Models for Automated Vulnerability Repair
Seoul National University(首尔大学);UNIST(蔚山科学技术院);Sungshin Women’s University(成均馆女子大学)
探讨基于微调语言模型的自动漏洞修复技术,通过语义变换、重划数据集和引入新基准三种方式,考察现有模型能力及匹配评估指标充分性,以提升模型修复未见漏洞的能力和评估准确性。
2026-07-16 cs.SE
System Test Generation for Virtual Reality Applications using Scenario Models
University of Namur(南纳慕尔大学);University of Rennes, INSA Rennes, IRISA, Inria(雷恩大学、法国国立应用科学学院雷恩分院、IRISA、Inria)
本文提出UltraInstinctVR,通过预定义虚拟现实场景模型自动生成和执行具体测试,有效检测VR应用中的独特故障,提升测试覆盖率和实用性。
2026-05-08 cs.SE
BASFuzz: Towards Robustness Evaluation of LLM-based NLP Software via Automated Fuzz Testing
Hohai University(河海大学);Sun Yat-sen University(中山大学)
BASFuzz提出一种面向基于LLM的NLP软件的自动化模糊测试方法,通过文本一致性引导变异、Beam-Annealing Search算法及信息熵自适应策略,在六个数据集上实现90.335%测试有效性并显著降低时间开销。
2025-09-22 cs.SE
Better Harnesses, Smaller Models: Building 90% Cheaper Agents via Automated Harness Adaptation
Carnegie Mellon University(卡内基梅隆大学)
研究针对前沿语言模型智能体推理成本高的问题,提出通过自动框架适配让小语言模型智能体以低90%成本匹配语言模型性能,创建相关框架和优化器,经实验验证该方法能扩大小语言模型智能体在日常业务任务中的部署范围。
2026-07-13 cs.SE