语言大模型 / LLM

LLM-based Personalized Portfolio Recommender: Integrating Large Language Models and Reinforcement Learning for Intelligent Investment Strategy Optimization

基于大语言模型的个性化投资组合推荐器：整合大语言模型与强化学习以实现智能投资策略优化

Bangyu Li, Boping Gu, Ziyang Ding

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

AI总结 本文提出一种结合大语言模型与强化学习的个性化投资组合推荐系统，旨在通过智能优化提升投资策略的适应性和有效性。

Beyond Magic Words: Sharpness-Aware Prompt Evolving for Robust Large Language Models with TARE

超越魔法词：为具有TARE的鲁棒大语言模型设计的敏锐性感知提示进化

Guancheng Wan, Lucheng Fu, Haoxin Liu, Yiqiao Jin, Hui Yi Leong, Eric Hanchen Jiang, Hejia Geng, Jinhe Bi, Yunpu Ma, Xiangru Tang, B. Aditya Prakash, Yizhou Sun, Wei Wang

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

AI总结 本文提出TARE和ATARE方法，通过减少文本敏锐性差距，提升大语言模型在提示优化中的鲁棒性和准确性。

Comments We have identified a critical methodological error in Section 3 of the manuscript, which invalidates the main results; therefore, we request withdrawal for further revision

DABL: Detecting Semantic Anomalies in Business Processes Using Large Language Models

基于大语言模型的业务流程语义异常检测：DABL

Wei Guan, Jian Cao, Jianqi Gao, Haiyan Zhao, Shiyou Qian

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

AI总结 DABL利用大语言模型检测业务流程中的语义异常，通过生成正常轨迹和模拟异常，提升泛化能力和解释性。

Journal ref Proceedings of the AAAI Conference on Artificial Intelligence (AAAI), vol. 39, no. 11, pp. 11735-11744, 2025

Learning to Debug: LLM-Organized Knowledge Trees for Solving RTL Assertion Failures

学习调试：基于LLM的知识树用于解决RTL断言失败

Yunsheng Bai, Haoxing Ren

机构 * NVIDIA 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 GROVE通过构建基于LLM的知识树，有效解决RTL断言失败问题，提升调试效率和准确性。

Synergizing Code Coverage and Gameplay Intent: Coverage-Aware Game Playtesting with LLM-Guided Reinforcement Learning

协同代码覆盖率与游戏意图：基于LLM引导强化学习的覆盖感知游戏测试

Enhong Mu, Minami Yoda, Yan Zhang, Mingyue Zhang, Yutaka Matsuno, Jialong Li

机构 * College of Computer and Information Science, Southwest University（西南大学计算机与信息科学学院） ； College of Science and Technology, Nihon University（日本立命馆大学科学技术学院） ； Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Waseda Institute for Advanced Study, Waseda University（早稻田大学高级研究机构） 纠错

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

AI总结 SMART框架通过LLM引导强化学习，结合结构验证与功能验证，提升游戏更新测试的覆盖率和任务完成率。

ORIBA: Exploring LLM-Driven Role-Play Chatbot as a Creativity Support Tool for Original Character Artists

ORIBA：探索基于大语言模型的对话机器人作为原创角色艺术家创造力支持工具

Yuqian Sun, Xingyu Li, Shunyu Yao, Noura Howell, Tristan Braud, Chang Hee Lee, Ali Asadipour

机构 * Computer Science Research Centre, Royal College of Art（皇家艺术学院计算机科学研究中心） ； Digital Media, School of Literature, Media, and Communication, Georgia Institute of Technology（佐治亚理工学院数字媒体系） ； Princeton University（普林斯顿大学） ； Digital Media, Georgia Institute of Technology（佐治亚理工学院数字媒体系） ； Division of Integrative Systems and Design, The Hong Kong University of Science and Technology（香港科学大学整合系统与设计 division） ； Industrial Design Department, College of Engineering, KAIST（韩国科学技术院工程学院工业设计系） 纠错

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

AI总结 ORIBA通过大语言模型支持原创角色艺术家的创意过程，平衡AI辅助与创意自主权。

SignRAG: A Retrieval-Augmented System for Scalable Zero-Shot Road Sign Recognition

SignRAG：一种用于可扩展零样本道路标志识别的检索增强系统

Minghao Zhu, Zhihao Zhang, Anmol Sidhu, Keith Redmill

机构 * Computer Engineering The Ohio State University（计算机工程 俄亥俄州立大学） ； Applied Research Transportation Research Center Inc.（应用研究 交通运输研究中心公司） ； Computer Engineering The Ohio State University Columbus, Ohio, USA（计算机工程 俄亥俄州立大学 哥伦布俄亥俄州） ； Applied Research Transportation Research Center Inc. East Liberty, Ohio, USA（应用研究 交通运输研究中心公司 埃斯特利比 俄亥俄州） 纠错

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

AI总结 SignRAG通过检索增强生成范式实现可扩展的零样本道路标志识别，结合视觉语言模型和大型语言模型，实现高准确率的标志识别。

Comments Submitted to IV 2026

Visual symbolic mechanisms: Emergent symbol processing in vision language models

视觉符号机制：视觉语言模型中的涌现符号处理

Rim Assouel, Declan Campbell, Yoshua Bengio, Taylor Webb

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

AI总结 研究揭示了视觉语言模型中通过内容无关空间索引实现的新兴符号机制，用于解决视觉绑定问题并减少模型错误。

FROC: A Unified Framework with Risk-Optimized Control for Machine Unlearning in LLMs

FROC：一种用于大语言模型机器去学习的统一框架，具有风险优化控制

Si Qi Goh, Yongsen Zheng, Ziyao Liu, Sami Hormi, Kwok-Yan Lam

机构 * Digital Trust Centre, Nanyang Technological University, Singapore（南洋理工大学数字信任中心） ； College of Computing and Data Science, Nanyang Technological University, Singapore（南洋理工大学计算与数据科学学院） 纠错

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

AI总结 FROC提出了一种用于大语言模型机器去学习的统一框架，通过风险优化控制机制，实现对去学习过程的风险管理和效用平衡。

Integrated Semantic and Temporal Alignment for Interactive Video Retrieval

集成语义与时间对齐用于交互式视频检索

Thanh-Danh Luu, Le-Vu Nguyen Dinh, Duc-Thien Tran, Duy-Bao Bui, Nam-Tien Le, Tinh-Anh Nguyen Nhu

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

AI总结 本文提出集成语义与时间对齐的交互式视频检索框架，通过QUEST和DANTE组件解决复杂现实查询问题，提升视频检索性能。

Textual Gradients are a Flawed Metaphor for Automatic Prompt Optimization

文本梯度是自动提示优化的一种错误隐喻

Daniel Melcer, Qi Chen, Wen-Hao Chiang, Shweta Garg, Pranav Garg, Christian Bock

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

AI总结 本文指出文本梯度隐喻在自动提示优化中存在偏差，通过实验揭示其行为与梯度类比不一致，为优化策略选择提供新视角。

HyperEdit: Unlocking Instruction-based Text Editing in LLMs via Hypernetworks

HyperEdit: 通过超网络解锁大语言模型中的基于指令的文本编辑

Yiming Zeng, Jinghan Cao, Zexin Li, Wanhao Yu, Zhankai Ye, Dawei Xiang, Ting Hua, Xin Liu, Shangqian Gao, Tingting Yu

机构 * University of Connecticut（康涅狄格大学） ； San Francisco State University（旧金山州立大学） ； University of California, Riverside（加州大学河滨分校） ； University of North Carolina at Charlotte（北卡罗来纳大学夏洛特分校） ； Florida State University（佛罗里达州立大学） ； University of Notre Dame（圣约翰大学） 纠错

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

AI总结 HyperEdit通过超网络动态适应和差分感知正则化，提升大语言模型在基于指令的文本编辑任务中的性能，实现9%-30%的BLEU提升。

DynamiX: Large-Scale Dynamic Social Network Simulator

DynamiX: 大规模动态社交网络模拟器

Yanhui Sun, Wu Liu, Wentao Wang, Hantao Yao, Jiebo Luo, Yongdong Zhang

机构 * School of Information Science and Technology, University of Science and Technology of China（信息科学与技术学院，中国科学技术大学） ； Department of Computer Science, University of Rochester（计算机科学系，罗切斯特大学） 纠错

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

AI总结 DynamiX通过动态层级模块和不同用户类型的社交关系建模策略，提升了大规模动态社交网络模拟的准确性与实用性。

Comments Social and Information Networks

Cisco Integrated AI Security and Safety Framework Report

思科集成AI安全与安全框架报告

Amy Chang, Tiffany Saade, Sanket Mendapara, Adam Swanda, Ankit Garg

机构 * Cisco AI Threat and Security Research（思科人工智能威胁与安全研究） 纠错

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

AI总结 本文提出思科集成AI安全与安全框架，旨在统一分类和操作化AI风险，涵盖安全与安全，适用于威胁识别、风险优先级排序等，具有全面性和扩展性。

DiffPose-Animal: A Language-Conditioned Diffusion Framework for Animal Pose Estimation

DiffPose-Animal: 一种基于语言条件的扩散框架用于动物姿态估计

Tianyu Xiong, Dayi Tan, Wei Tian

机构 * Guanghua Cambridge International School Shanghai（广华剑桥国际学校上海） ； Shanghai World Foreign Language Academy, WFLA（上海世界外语学院，WFLA） ； School of Automotive Studies Tongji University（同济大学汽车学院） 纠错

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

AI总结 DiffPose-Animal提出了一种基于语言条件的扩散框架，通过结合大型语言模型和交叉注意力模块，提升动物姿态估计的鲁棒性和泛化能力。

Comments 13pages,2figures

Galapagos: Automated N-Version Programming with LLMs

Galapagos：利用大语言模型实现自动化N版本编程

Javier Ron, Diogo Gaspar, Javier Cabrera-Arteaga, Benoit Baudry, Martin Monperrus

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

AI总结 Galapagos利用大语言模型自动化生成功能等价的N版本编程变体，有效提升容错系统开发效率。

Journal ref ACM Transactions on Software Engineering and Methodology 2025

CORE: Contrastive Masked Feature Reconstruction on Graphs

CORE：图上的对比掩码特征重建

Jianyuan Bo, Yuan Fang

机构 * Singapore Management University（新加坡管理大学） 纠错

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

AI总结 CORE是一种结合对比学习的图自监督学习框架，通过整合MFR和GCL提升图分类性能。

Localized Gravity, de Sitter, and the Horizon Criterion

局部引力、de Sitter与地平线准则

Bjoern Hassfeld, Arthur Hebecker, Daniel Schiller

专题命中 其他LLM ：prompting(abstract)

AI总结 本文探讨了de Sitter解在弦论中的实现问题，提出并修正了地平线准则，以解决宇宙地平线与因果接触的矛盾。

Comments 43 pages, 1 figure, v2: Presentation refined, references added

DPBridge: Latent Diffusion Bridge for Dense Prediction

DPBridge: 用于密集预测的潜在扩散桥梁

Haorui Ji, Taojun Lin, Hongdong Li

机构 * The Australian National University（澳大利亚国立大学） 纠错

专题命中 其他LLM ：foundation model(abstract)

AI总结 DPBridge通过整合结构化视觉先验和改进的反向转移核，提出首个用于密集预测的潜在扩散桥梁框架，有效提升深度估计和表面法线预测的性能。