语言大模型 / LLM

LLM4FS: Leveraging Large Language Models for Feature Selection

利用大型语言模型进行特征选择

Jianhao Li, Xianchao Xiu

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

AI总结 本文提出LLM4FS混合策略，结合LLM的上下文理解与传统数据驱动方法，提升特征选择性能，超越单一方法表现。

Comments The experimental section should be expanded

On the Dynamics of Multi-Agent LLM Communities Driven by Value Diversity

多智能体LLM社区动态研究：由价值多样性驱动

Muhua Huang, Qinlin Zhao, Xiaoyuan Yi, Xing Xie

机构 * Stanford University（斯坦福大学） ； Microsoft Research Asia（微软亚洲研究院） 纠错

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

AI总结 本研究通过多智能体模拟探讨价值多样性如何影响AI社区的集体行为，发现其提升稳定性与创造力，但极端异质性会导致不稳定性。

Comments Working Paper

HarnessAgent: Scaling Automatic Fuzzing Harness Construction with Tool-Augmented LLM Pipelines

HarnessAgent：利用工具增强的LLM流水线实现自动模糊测试Harness构建的扩展

Kang Yang, Yunhang Zhang, Zichuan Li, Guanhong Tao, Jun Xu, Xiaojing Liao

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

AI总结 HarnessAgent通过工具增强的LLM流水线实现全自动、可扩展的模糊测试Harness构建，提升生成成功率和代码检索效率。

Better Language Model Inversion by Compactly Representing Next-Token Distributions

通过紧凑表示下一项令牌分布来改进语言模型反向工程

Murtaza Nazir, Matthew Finlayson, John X. Morris, Xiang Ren, Swabha Swayamdipta

机构 * University of Southern California（美国南加州大学） ； Cornell University（康奈尔大学） 纠错

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

AI总结 本文提出了一种通过紧凑表示下一项令牌分布来改进语言模型反向工程的方法，显著提升了隐藏提示的恢复率，并展示了其在复杂任务中的良好表现。

Pointwise Mutual Information as a Performance Gauge for Retrieval-Augmented Generation

点wise互信息作为检索增强生成的性能评估指标

Tianyu Liu, Jirui Qi, Paul He, Arianna Bisazza, Mrinmaya Sachan, Ryan Cotterell

机构 * ETH Zürich（苏黎世联邦理工学院） ； CLCG, University of Groningen（格罗宁根大学认知语言学中心） ； University of Toronto（多伦多大学） 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 本文提出利用点wise互信息作为检索增强生成的性能评估指标，通过实验验证其在提升生成性能中的有效性。

Comments NAACL 2025 Main Conference. Code is available at https://github.com/lyutyuh/poptimizer

A Generation Framework with Strict Constraints for Crystal Materials Design

具有严格约束的晶体材料设计生成框架

Chao Huang, Jiahui Chen, Chen Chen, Chen Chen, Chunyan Chen, Renjie Su, Shiyu Du

机构 * Institute of Computing Technology（计算技术研究所） ； Chinese Academy of Science（中国科学院） ； Ningbo Institute of Artificial Intelligence Industry（宁波人工智能产业研究所） ； Hangzhou Institute for Advanced Study（杭州高级研究所） ； UCAS ； China University of Petroleum (East China)（中国石油大学（华东）） ； Ningbo Institute of Materials Technology and Engineering（宁波材料技术与工程研究所） 纠错

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

AI总结 本文提出一种具有严格约束的晶体材料设计生成框架，通过约束生成器和结构生成器生成满足特定化学和物理性质的晶体结构，提高生成效率并确保化学组成准确性。

Suzume-chan: Your Personal Navigator as an Embodied Information Hub

Suzume-chan: 你的个人导航员作为具身信息中心

Maya Grace Torii, Takahito Murakami, Shuka Koseki, Yoichi Ochiai

机构 * Doctoral Program in Informatics, University of Tsukuba（信息学博士项目，东京大学） ； Doctoral Program in Nursing Science, University of Tsukuba（护理科学博士项目，东京大学） ； Institute of Library, Information and Media Science, University of Tsukuba（图书馆、信息与媒体科学研究所，东京大学） 纠错

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

AI总结 Suzume-chan通过具身交互实现人机知识共享，利用本地AI和对话技术提升信息传递的温度与连通性。

Comments 3 pages, 1 figure, This study will demonstrate at WISS 2025

Maple: A Multi-agent System for Portable Deep Learning across Clusters

Maple：一种用于跨集群便携式深度学习的多智能体系统

Molang Wu, Zhao Zhang

专题命中 其他LLM ：language model(abstract)

AI总结 Maple通过多智能体系统根据用户自然语言输入生成正确的深度学习命令行，实现跨集群便携式深度学习。