AI as Extraherics: Fostering Higher-order Thinking Skills in Human-AI Interaction
本文提出外展智能(extraheric AI)框架,通过提问和提供替代视角而非直接答案,在人机交互中培养用户的高阶思维技能,以应对过度依赖AI导致的认知退化问题。
2024-09-19 cs.HC
LLMAuditor: A Framework for Auditing Large Language Models Using Human-in-the-Loop
Amazon(亚马逊)
提出LLMAuditor框架,利用不同LLM和人在回路自动生成探测,以审计LLM的偏见、不一致和幻觉,并通过TruthfulQA案例验证其可靠性。
2024-05-22 cs.AI
GLOVE: Global Verifier for LLM Memory-Environment Realignment
University of Hong Kong(香港大学)
GLOVE通过引入相对真理的概念,实现LLM内存与环境的自适应重对齐,无需地面真相监督或强依赖模型反思,提升代理在动态环境中的表现。
2026-09-29 cs.AI
Designing for Appropriate Reliance: The Roles of AI Uncertainty Presentation, Initial User Decision, and User Demographics in AI-Assisted Decision-Making
本文研究AI不确定性呈现方式如何促进适当依赖,发现以频率形式呈现校准后的不确定性可减少确认偏误,且用户初始决策和人口统计特征会影响人机协同决策,为个性化AI辅助设计提供依据。
2024-01-15 cs.HC
Explainable CTR Prediction via LLM Reasoning
Huawei Cloud BU(华为云业务部);Institute of Finance Technology, UCL(伦敦大学学院金融科技学院)
提出 ExpCTR 框架,将基于 LLM 的解释生成直接融入 CTR 预测,并通过 LC/IC 奖励对齐、LoRA 与三阶段迭代训练,在三个真实数据集上同时提升准确性与可解释性。
2024-12-03 cs.AI cs.IR
ChainUQ: Reasoning Consistency-Aware Uncertainty Quantification for Large Language Models
Florida State University(佛罗里达州立大学)
ChainUQ提出推理一致性感知的不确定性量化框架,通过对齐感知轻量级模块和一致性校准器,提升LLM响应级置信度可靠性,在AUROC和ECE上显著改善且可迁移。
2026-09-23 cs.AI
A Linguistics-Aware LLM Watermarking via Syntactic Predictability
Yonsei University(延世大学);Rensselaer Polytechnic Institute(拉特格斯理工学院)
本文提出STELA框架,通过语法可预测性动态调整水印信号,提升检测鲁棒性,适用于多种语言。
2026-04-17 cs.AI cs.CL
HeQ: a Large and Diverse Hebrew Reading Comprehension Benchmark
Bar-Ilan University(巴伊兰大学);Webiks;Allen Institute for AI(人工智能研究院)
针对希伯来语NLP基准忽视语义理解的问题,构建了大规模抽取式问答基准HeQ,提出适配形态丰富语言的标注指南与评估指标,并发现标准指标不适用及形态句法任务与MRC性能低相关。
2025-08-03 cs.AI cs.CL
The Role of Open-Source LLMs in Shaping the Future of GeoAI
Emory University(埃默里大学);Texas A&M University(德克萨斯农工大学);University of California(加利福尼亚大学)
本文探讨开源大语言模型在GeoAI中的关键作用,指出其相较专有模型在定制化、互操作性和透明度上的优势,并主张通过构建多样化、可互操作的开源生态系统来推动地理信息科学创新。
2025-07-06 cs.AI cs.CY
Copy-Paste to Mitigate Large Language Model Hallucinations
Department of Computer Science, Tianjin University of Technology(天津理工大学计算机学院);National Institute of Health Data Science, Peking University(北京大学国家健康数据科学研究院);Tencent Jarvis Lab(腾讯Jarvis实验室)
通过复制粘贴方法提升大语言模型上下文忠实性,减少幻觉并提高测试性能。
2026-02-08 cs.AI cs.CL
ContractScrub: A benchmark for final review of legal contracts
Thomson Reuters Foundational Research(汤森路透基础研究部);Imperial College London(帝国理工学院)
针对合同 scrubbing 任务,研究人员推出首个基准测试 ContractScrub,发现前沿 LLMs 在该任务上表现不佳,凸显了领域特定基准的重要性。
2026-08-21 cs.AI cs.CL
Detecting Errors through Ensembling Prompts (DEEP): An End-to-End LLM Framework for Detecting Factual Errors
University of Texas at Austin(德克萨斯大学奥斯汀分校);Northeastern University(东北大学);Fidelity Investments(富达投资集团)
针对文本摘要事实错误检测难题,提出无需微调、不依赖特殊阈值的DEEP端到端LLM框架,通过多提示输出集成与校准,在多个基准上取得SOTA平衡准确率。
2024-06-18 cs.AI cs.CL
Geometric Algebra Meets Large Language Models: Instruction-Based Transformations of Separate Meshes in 3D, Interactive and Controllable Scenes
ORamaVR
该研究提出将大语言模型与共形几何代数结合的Shenlong系统,可通过自然语言指令零样本实现3D场景精确对象重定位,相比传统方法响应更快、成功率更高,推动3D场景编辑普及化。
2025-07-29 cs.AI cs.CV cs.GR
ValuesRAG: Enhancing Cultural Alignment Through Retrieval-Augmented Contextual Learning
Peking University(北京大学);Enhans;Tsinghua University(清华大学);Peking University Chongqing Research Institute of Big Data(北京大学重庆大数据研究院)
ValuesRAG框架通过将检索增强生成与上下文学习相结合,利用世界价值观调查数据集动态整合文化知识,在多个区域数据集上一致优于零样本、少样本等基线方法,有效提升了大语言模型的文化对齐能力。
2025-05-08 cs.AI cs.CL cs.SI
Towards Safer AI Moderation: Evaluating LLM Moderators Through a Unified Benchmark Dataset and Advocating a Human-First Approach
Fordham University(福特汉姆大学)
本文通过统一基准数据集评估LLM审核性能,提出SafePhi在道德判断上优于现有模型,强调需引入人类反馈提升审核可靠性。
2025-08-09 cs.AI
Better LLM Reasoning via Dual-Play
Department of Computer Science(计算机科学系);Cornell University(康奈尔大学)
PasoDoble通过双对抗训练框架提升大语言模型推理能力,无需外部监督,通过Proposer生成挑战性问题和Solver解决问题,共同训练以增强稳定性与性能。
2026-01-15 cs.AI cs.CL cs.LG
Unify and Triumph: Polyglot, Diverse, and Self-Consistent Generation of Unit Tests with LLMs
Univ Rennes(雷恩大学);Inria(法国国家信息与自动化研究所);CNRS(法国国家科学研究中心);IRISA(雷恩信息与自动化研究所);IUF(法国大学研究院)
本文提出 PolyTest,通过跨语言生成与高温多样采样并统一测试集,利用 LLM 的自洽性消除矛盾测试,在 EvalPlus 多模型实验中显著提升覆盖率、变异得分和通过率。
2025-03-20 cs.AI cs.SE
Improving Social Determinants of Health Documentation in French EHRs Using Large Language Models
University Hospital of Nantes(南特大学医院);Nantes Université(南特大学);École Centrale Nantes(南特中央理工学院);CNRS(法国国家科学研究中心);INSERM(法国国家健康与医学研究院)
本研究利用大语言模型从法国临床笔记中提取13类健康社会决定因素,在多个数据集上验证其有效性,并公开两个数据集,显著提升了非英语EHR中SDoH记录的完整性。
2025-07-04 cs.AI cs.CL
Enhancing LLM-based Autonomous Driving Agents to Mitigate Perception Attacks
Purdue University(普渡大学);Arizona State University(亚利桑那州立大学);Indiana University Bloomington(印第安纳大学伯明顿分校)
针对LLM自动驾驶系统易受感知攻击的问题,提出驾驶推理智能体Hudson,通过将场景数据形式化为DSL并引入自定义攻击检测指令,显著提升了GPT-4等模型在对抗环境下的攻击检测率与安全决策能力。
2024-09-22 cs.AI cs.CR
Not Like Us, Hunty: Measuring Perceptions and Behavioral Effects of Minoritized Anthropomorphic Cues in LLMs
本研究考察LLM使用少数群体社会方言对用户依赖度和感知的影响,发现AAE和酷儿俚语使用者更依赖标准英语智能体,强调需测试个性化行为结果而非简单假设其安全性。
2025-08-09 cs.HC
The Impact of Revealing Large Language Model Stochasticity on Trust, Reliability, and Anthropomorphization
该研究针对大语言模型单回复界面易引发过度信任与拟人化的问题,探究多回复展示及相似性高亮认知支持的作用,通过被试内实验验证效果并提出界面设计方向。
2025-03-20 cs.HC
LLMCode: Evaluating and Enhancing Researcher-AI Alignment in Qualitative Analysis
本研究提出开源工具LLMCode,通过IoU和修正的豪斯多夫距离评估定性分析中人类与LLM洞察的一致性,发现模型在演绎编码中表现良好但深层解释能力有限,强调人机协作与适当依赖的重要性。
2025-04-23 cs.HC
Understanding the Effect of Algorithm Transparency of Model Explanations in Text-to-SQL Semantic Parsing
George Mason University(乔治梅森大学);MITRE Corporation(MITRE公司)
本文通过约100名参与者的实验,研究文本到SQL语义解析中不同算法透明度级别的模型解释对用户体验的影响,发现中等透明度解释能在用户依赖、交互表现和信任稳定性之间取得最佳平衡。
2024-11-24 cs.AI cs.CL cs.HC
Believing without Seeing: Quality Scores for Contextualizing Vision-Language Model Explanations
University of Southern California(南加州大学);Carnegie Mellon University(卡内基梅隆大学)
本文提出通过两种质量评分函数评估视觉语言模型解释的视觉忠实度和对比性,以减少对模型预测的过度依赖,实验显示质量评分能显著提升用户判断准确性。
2026-04-21 cs.CL cs.HC