语言大模型 / LLM

SearchLLM: Detecting LLM Paraphrased Text by Measuring the Similarity with Regeneration of the Candidate Source via Search Engine

SearchLLM: 通过搜索引擎检索候选源文本并测量相似性以检测LLM改写文本

Hoang-Quoc Nguyen-Son, Minh-Son Dao, Koji Zettsu

机构 * National Institute of Information and Communications Technology, Japan（日本信息与通信技术国家研究所） ； Nagoya University, Japan（日本名古屋大学） 纠错

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

AI总结 SearchLLM通过搜索引擎检索候选源文本并测量相似性，有效检测LLM改写文本并提升检测器性能。

Comments EACL 2026 camera ready (Main Track)

Revisiting the Role of Natural Language Code Comments in Code Translation

重新审视自然语言代码注释在代码翻译中的作用

Monika Gupta, Ajay Meena, Anamitra Roy Choudhury, Vijay Arya, Srikanta Bedathur

机构 * Indian Institute of Technology, New Delhi, India（印度理工学院德里分校） ； IBM Research - India, India（IBM印度研究） 纠错

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

AI总结 本文研究了自然语言代码注释对代码翻译准确性的影响，提出COMMENTRA方法，证明其能将LLM代码翻译性能翻倍。

ES4R: Speech Encoding Based on Prepositive Affective Modeling for Empathetic Response Generation

基于前置情感建模的语音编码用于共情响应生成

Zhuoyue Gao, Xiaohui Wang, Xiaocui Yang, Wen Zhang, Daling Wang, Shi Feng, Yifei Zhang

机构 * Northeastern University, China（东北大学） 纠错

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

AI总结 ES4R通过前置情感建模和双层注意力机制，提升语音对话中的共情响应生成能力，优于现有基线模型。

Retrieve-Refine-Calibrate: A Framework for Complex Claim Fact-Checking

检索-细化-校准：复杂断言事实核查的框架

Mingwei Sun, Qianlong Wang, Ruifeng Xu

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

AI总结 本文提出RRC框架，通过检索、细化和校准提升复杂断言事实核查的准确性。

Comments 9 pages, 4 figures. This is an original work by the authors. Any unauthorized submission, reproduction, or commercial use by third parties is prohibited

Towards Latent Diffusion Suitable For Text

面向文本的潜在扩散模型

Nesta Midavaine, Christian A. Naesseth, Grigory Bartosh

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

AI总结 本文提出神经流扩散模型，用于高效生成文本，通过改进连续扩散模型在离散空间的应用，提升语言生成的连贯性和效率。

Provable Differentially Private Computation of the Cross-Attention Mechanism

可证明的差分隐私交叉注意力机制计算

Yekun Ke, Yingyu Liang, Zhenmei Shi, Zhao Song, Jiahao Zhang

机构 * The University of Hong Kong（香港大学） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； The Simons Institute for the Theory of Computing at the University of California, Berkeley（伯克利大学计算理论研究所） 纠错

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

AI总结 本文提出了一种可证明差分隐私的交叉注意力机制计算方法，通过新颖的数据结构实现隐私保护，同时保证计算效率和安全性。

Embedding -based Crop Type Classification in the Groundnut Basin of Senegal

基于嵌入的塞内加尔花生盆地作物类型分类

Madeline C. Lisaius, Srinivasan Keshav, Andrew Blake, Clement Atzberger

机构 * The University of Cambridge Department of Computer Science（剑桥大学计算机科学系） ； dClimate Labs（dClimate实验室） 纠错

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

AI总结 本文提出基于TESSERA嵌入的方法，用于提高塞内加尔花生盆地作物类型分类的准确性，实验显示其比现有方法更有效。

Introducing the Generative Application Firewall (GAF)

引入生成应用防火墙（GAF）

Joan Vendrell Farreny, Martí Jordà Roca, Miquel Cornudella Gaya, Rodrigo Fernández Baón, Víctor García Martínez, Eduard Camacho Sucarrats, Alessandro Pignati

机构 * University of the Aegean（爱琴海大学） ； University of Cambridge（剑桥大学） ； OWASP GenAI Security Project（OWASP生成式AI安全项目） ； University of Liverpool（利物浦大学） ； MIT Computer Science and Artificial Intelligence Laboratory（MIT计算机科学与人工智能实验室） ； Center for AI and Digital Policy（人工智能与数字政策中心） ； Huawei（华为） ； Cloud Security Alliance（云安全联盟） 纠错

专题命中 其他LLM ：LLM(abstract)；分类 cs.AI

AI总结 本文提出GAF，一种统一保护LLM应用的架构层，整合现有防御措施并扩展至自主代理与工具交互。