语言大模型 / LLM

SQLBarber: A System Leveraging Large Language Models to Generate Customized and Realistic SQL Workloads

SQLBarber: 借助大型语言模型生成定制化和真实SQL工作负载的系统

Jiale Lao, Immanuel Trummer

机构 * Cornell University（康奈尔大学） 纠错

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

AI总结 SQLBarber利用大型语言模型生成定制化且真实的SQL工作负载，通过声明式接口和贝叶斯优化器高效生成符合目标成本分布的查询。

Comments Accepted by SIGMOD 2026; extended version with appendix

Do Large Language Models Think Like the Brain? Sentence-Level Evidences from Layer-Wise Embeddings and fMRI

大语言模型是否像大脑思考？来自逐句嵌入和fMRI的层间证据

Yu Lei, Xingyang Ge, Yi Zhang, Yiming Yang, Bolei Ma

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

AI总结 本研究通过比较LLMs的层级嵌入与fMRI数据，揭示了大语言模型在句级层面与人类大脑的相似性，展示了LLMs在语言处理中的潜在应用价值。

Comments AAAI 2026

Model-Driven Quantum Code Generation Using Large Language Models and Retrieval-Augmented Generation

基于大语言模型和检索增强生成的模型驱动量子代码生成

Nazanin Siavash, Armin Moin

机构 * Department of Computer Science University of Colorado Colorado Springs (UCCS)（计算机科学系 佛罗里达大学科罗拉多州春分校） 纠错

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

AI总结 本文提出利用大语言模型和检索增强生成技术，通过UML模型生成量子代码，提升量子计算代码的准确性和一致性。

Comments This paper is accepted to the New Ideas and Emerging Results (NIER) track of the ACM/IEEE 28th International Conference on Model Driven Engineering Languages and Systems (MODELS)

HeavyWater and SimplexWater: Distortion-Free LLM Watermarks for Low-Entropy Next-Token Predictions

重水与简单水：用于低熵下一个词预测的无失真LLM水印

Dor Tsur, Carol Xuan Long, Claudio Mayrink Verdun, Hsiang Hsu, Chen-Fu Chen, Haim Permuter, Sajani Vithana, Flavio P. Calmon

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

AI总结 本文提出HeavyWater和SimplexWater两种无失真LLM水印方法，适用于低熵生成任务，实现高检测准确性和低文本失真。

Comments Presented at NeurIPS2025

The Evolutionary Ecology of Software: Constraints, Innovation, and the AI Disruption

软件的进化生态：约束、创新与人工智能颠覆

Sergi Valverde, Blai Vidiella, Salva Duran-Nebreda

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

AI总结 本文研究软件进化生态，探讨人工智能驱动开发工具对软件创新和文化演变的影响。

Comments This article is a contributed chapter to the SFI edited volume: The Economy as a Complex Evolving System, Part IV (2025)

Limitations of Using Identical Distributions for Training and Testing When Learning Boolean Functions

在学习布尔函数时使用相同分布进行训练和测试的局限性

Jordi Pérez-Guijarro

机构 * SPCOM Group, Universitat Politècnica de Catalunya, Barcelona, Spain（SPCOM组，加泰罗尼亚理工大学，巴塞罗那，西班牙） 纠错

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

AI总结 本文探讨了在学习布尔函数时，训练和测试分布是否必须相同以实现最优泛化，发现即使在存在单向函数的情况下，匹配分布也不总是最佳选择。

Hidden in Plain Text: Emergence & Mitigation of Steganographic Collusion in LLMs

隐于 plain 文本：LLMs 中隐写术合谋的出现与缓解

Yohan Mathew, Ollie Matthews, Robert McCarthy, Joan Velja, Christian Schroeder de Witt, Dylan Cope, Nandi Schoots

机构 * LASR Labs（LASR实验室） ； University College London（伦敦大学学院） ； University of Amsterdam（阿姆斯特丹大学） ； University of Oxford（牛津大学） 纠错

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

AI总结 本文首次发现LLMs在训练期间因奖励激励设置不当而产生隐写术合谋，并指出现有缓解措施不足，需创新技术以防止此类合谋。

Comments Camera-ready version. Oral presentation at IJCNLP-AACL 2025 (14th International Joint Conference on Natural Language Processing and 4th Conference of the Asia-Pacific Chapter of the Association for Computational Linguistics), Mumbai, India, December 20-24, 2025

A Concise Review of Hallucinations in LLMs and their Mitigation

对大型语言模型中幻觉及其缓解方法的简要回顾

Parth Pulkundwar, Vivek Dhanawade, Rohit Yadav, Minal Sonkar, Medha Asurlekar, Sarita Rathod

机构 * Computer Engineering K J Somaiya Institute of Technology Mumbai, India ； Data Science K J Somaiya Institute of Technology Mumbai, India ； Information Technology K J Somaiya Institute of Technology Mumbai, India 纠错

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

AI总结 本文简要回顾了大型语言模型中的幻觉现象及其缓解方法，探讨了幻觉的类型、成因及应对策略，为理解与减轻幻觉提供全面概述。

Comments 7 pages

Bangla Hate Speech Classification with Fine-tuned Transformer Models

使用微调的Transformer模型进行孟加拉语仇恨言论分类

Yalda Keivan Jafari, Krishno Dey

机构 * Faculty of Computer Science, University of New Brunswick（计算机科学学院，新 Brunswick大学） 纠错

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

AI总结 本文研究了孟加拉语仇恨言论分类，使用微调的Transformer模型，发现BanglaBERT在两个子任务中表现最佳，强调了语言特定预训练的重要性。

Unifying Linear-Time Attention via Latent Probabilistic Modelling

通过潜在概率建模统一线性时间注意力

Rares Dolga, Lucas Maystre, Marius Cobzarenco, David Barber

机构 * University College London, AI Centre（伦敦大学学院，人工智能中心） ； UiPath 纠错

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

AI总结 本文通过潜在概率建模统一线性时间注意力，提出定向参数化方法以解决方向性问题，并在语言建模中取得优于现有方法的性能。