arXivDaily arXiv每日学术速递 周一至周五更新

AI 大模型

语言大模型 / LLM

大语言模型、预训练、指令微调、后训练和语言模型应用。

2026-01-16 至 2026-01-16 共收录 186 信号源:cs.CL, cs.AI, cs.LG

1. 其他LLM 9 篇

2508.01351 2026-01-16 cs.CR 85%

NATLM: Detecting Defects in NFT Smart Contracts Leveraging LLM

NATLM:利用大语言模型检测NFT智能合约中的缺陷

Yuanzheng Niu, Xiaoqi Li, Wenkai Li

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

AI总结 NATLM利用大语言模型和静态分析检测NFT智能合约中的四种常见漏洞,实验结果显示高精度和召回率。

详情

展开后加载摘要…

URL PDF HTML 收藏
2506.19813 2026-01-16 cs.LG 70%

Curating art exhibitions using machine learning

使用机器学习策划艺术展览

Eurico Covas

机构 * Instituto de Astrofísica e Ciências do Espaço Faculdade de Belas-Artes da Universidade de Lisboa(艺术大学里斯本美术学院)

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

AI总结 本文通过机器学习方法,利用现有展览数据训练模型,实现对策展工作的模拟,并验证小型模型在精度和连贯性上可媲美大语言模型。

详情

展开后加载摘要…

URL PDF HTML 收藏
2407.09394 2026-01-16 cs.IR 67%

PersonaRAG: Enhancing Retrieval-Augmented Generation Systems with User-Centric Agents

PersonaRAG: 通过以用户为中心的代理增强检索增强生成系统

Saber Zerhoudi, Michael Granitzer

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

AI总结 PersonaRAG通过引入以用户为中心的代理,提升检索增强生成系统对用户需求的适应能力,实现更精准的个性化回答。

Journal ref Information Retrieval's Role in RAG Systems (IR-RAG) workshop at SIGIR, 2024, Washington D.C., USA

详情

展开后加载摘要…

URL PDF HTML 收藏
2601.10696 2026-01-16 cs.AI 57%

The Impact of Generative AI on Architectural Conceptual Design: Performance, Creative Self-Efficacy and Cognitive Load

生成式人工智能对建筑概念设计的影响:性能、创造性自我效能与认知负荷

Han Jiang, Yao Xiao, Rachel Hurley, Shichao Liu

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

AI总结 生成式人工智能在建筑概念设计中对初学者表现有提升,但降低总体创造性自我效能,效果依赖于用户专业知识和提示策略。

详情

展开后加载摘要…

URL PDF HTML 收藏
2601.10310 2026-01-16 cs.CL 57%

Multilinguality as Sense Adaptation

多语言性作为意义适应

Jan Christian Blaise Cruz, David Ifeoluwa Adelani, Alham Fikri Aji

机构 * MBZUAI McGill University(麦吉尔大学) Mila - Quebec AI Institute(魁北克人工智能研究所) Canada CIFAR AI Chair(加拿大CIFAR人工智能席位) SEACrowd

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

AI总结 SENSIA通过意义层面的对齐和上下文表示,实现多语言转换,优于现有方法并以更少数据获得竞争力结果。

Comments Code available at https://github.com/jcblaisecruz02/sensia

详情

展开后加载摘要…

URL PDF HTML 收藏
2601.09907 2026-01-16 cond-mat.stat-mech 50%

It Takes Two to Make a Thing Go Right: Boosting Current in Coupled Motors

两人协作才能让事情顺利进行:提升耦合电机的电流

Geyao Gu, Drew Alvarez, John Strahan, Alex Albaugh, Emanuele Penocchio, Todd R. Gingrich

专题命中 其他LLM :prompting(abstract)

AI总结 通过机械耦合多个催化驱动分子电机,可提升电流并恢复偏倚,从而提高整体性能。

详情

展开后加载摘要…

URL PDF HTML 收藏