语言大模型 / LLM

An Automatic Deep Learning Approach for Trailer Generation through Large Language Models

基于大语言模型的自动 trailers 生成方法

Roberto Balestri, Pasquale Cascarano, Mirko Degli Esposti, Guglielmo Pescatore

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

AI总结 本文提出基于大语言模型的自动化 trailers 生成方法，通过多模态策略提升 trailers 的视觉吸引力和叙事体验。

Comments 2024 9th International Conference on Frontiers of Signal Processing (ICFSP)

Journal ref ICFSP, Paris, France, 2024, pp. 93-100

DeepGreen: Effective LLM-Driven Greenwashing Monitoring System Designed for Empirical Testing -- Evidence from China

DeepGreen：一种用于实证测试的基于大语言模型的绿色洗刷监测系统设计——来自中国的证据

Congluo Xu, Jiuyue Liu, Ziyang Li, Chengmengjia Lin

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

AI总结 DeepGreen通过LLM驱动系统识别企业绿色洗刷，揭示其与环境处罚的正相关关系，并探讨绿色投资者和企业规模对这一关系的影响。

Comments Major revision accepted in Computational Economics, December 31, 2025. This version incorporates extensive revisions based on the reviewers' comments, with substantial changes

A Systematic Literature Review on LLM Defenses Against Prompt Injection and Jailbreaking: Expanding NIST Taxonomy

针对提示注入和劫持攻击的LLM防御措施系统文献综述：扩展NIST分类

Pedro H. Barcha Correia, Ryan W. Achjian, Diego E. G. Caetano de Oliveira, Ygor Acacio Maria, Victor Takashi Hayashi, Marcos Lopes, Charles Christian Miers, Marcos A. Simplicio

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

AI总结 本文系统回顾了针对提示注入和劫持攻击的LLM防御措施，扩展了NIST分类，并提供了全面的防御目录和指南。

Comments 27 pages, 14 figures, 11 tables, submitted to Elsevier Computer Science Review

HetCCL: Accelerating LLM Training with Heterogeneous GPUs

HetCCL: 通过异构GPU加速大语言模型训练

Heehoon Kim, Jaehwan Lee, Taejeoung Kim, Jongwon Park, Jinpyo Kim, Pyongwon Suh, Ryan H. Choi, Sangwoo Lee, Jaejin Lee

机构 * snu-cse（首尔国立大学计算机科学与工程系） ； snu-ds（首尔国立大学数据科学研究院） ； moreh（Moreh公司） ； samsung（三星研究） 纠错

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

AI总结 HetCCL通过统一异构GPU的集体通信库，实现跨供应商的高效训练，提升异构环境下的大语言模型训练性能。

Failing to Explore: Language Models on Interactive Tasks

无法探索：交互任务中的语言模型

Mahdi JafariRaviz, Keivan Rezaei, Arshia Soltani Moakhar, Zahra Sodagar, Yize Cheng, Soheil Feizi

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

AI总结 本研究发现语言模型在交互任务中存在系统性探索不足问题，通过并行执行和历史总结等轻量干预措施提升了探索效率。

astra-langchain4j: Experiences Combining LLMs and Agent Programming

astra-langchain4j: 结合大语言模型与代理编程的经验

Rem Collier, Katharine Beaumont, Andrei Ciortea

机构 * School of Computer Science, University College Dublin, Ireland（都柏林大学计算机科学学院） ； School of Computer Science, University of St.Gallen, St. Gallen, Switzerland（圣加尔登大学计算机科学学院） 纠错

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

AI总结 本文介绍了将大语言模型与Astra编程语言结合的实践经验，探讨了传统代理工具包对新代理平台设计的影响。

Journal ref Proceedings of the 22nd European Conference on Multi-Agent Systems, Bucharest Romania, 2025

Zero-Shot Open-Schema Entity Structure Discovery

零样本开放模式实体结构发现

Xueqiang Xu, Jinfeng Xiao, James Barry, Mohab Elkaref, Jiaru Zou, Pengcheng Jiang, Yunyi Zhang, Max Giammona, Geeth de Mel, Jiawei Han

机构 * University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Amazon（亚马逊） ； IBM Research（IBM研究院） ； IBM Research Europe（IBM欧洲研究院） 纠错

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

AI总结 本文提出零样本开放模式实体结构发现方法，通过充实、细化和统一机制提升大语言模型提取完整实体结构的能力。

Comments EACL 2026 camera-ready

Multi-Step Knowledge Interaction Analysis via Rank-2 Subspace Disentanglement

通过秩-2子空间解耦进行多步知识交互分析

Sekh Mainul Islam, Pepa Atanasova, Isabelle Augenstein

机构 * Department of Computer Science, University of Copenhagen, Copenhagen, Denmark（计算机科学系，哥本哈根大学，哥本哈根，丹麦） 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 本文提出一种秩-2子空间方法，用于多步分析NLE中的知识交互，揭示PK和CK在不同生成中的对齐特性。

Comments Under review

Gender Disparities in StackOverflow's Community-Based Question Answering: A Matter of Quantity versus Quality

Stack Overflow社区基于问题回答中的性别差异：数量与质量的问题

Maddalena Amendola, Cosimo Rulli, Carlos Castillo, Andrea Passarella, Raffaele Perego

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

AI总结 本研究通过人类评估和大型语言模型分析，发现Stack Overflow中答案质量无性别差异，性别差异主要源于用户活动量而非答案质量。

ScribbleSense: Generative Scribble-Based Texture Editing with Intent Prediction

ScribbleSense: 基于生成的涂鸦纹理编辑与意图预测

Yudi Zhang, Yeming Geng, Lei Zhang

机构 * School of Computer Science, Beijing Institute of Technology（计算机学院，北京理工大学） 纠错

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

AI总结 ScribbleSense通过结合多模态大语言模型和图像生成模型，实现了基于生成的涂鸦纹理编辑与意图预测，提升交互式编辑性能。

Comments Accepted by IEEE TVCG. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses

ScamPilot: Simulating Conversations with LLMs to Protect Against Online Scams

ScamPilot：利用大语言模型模拟对话以防范网络诈骗

Owen Hoffman, Kangze Peng, Sajid Kamal, Zehua You, Sukrit Venkatagiri

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

AI总结 ScamPilot通过模拟诈骗场景和实时反馈提升用户识别诈骗的能力，有效提高用户防御效果和自信心。

Moral Outrage Shapes Commitments Beyond Attention: Multimodal Moral Emotions on YouTube in Korea and the US

道德愤怒影响承诺：韩国和美国YouTube上的多模态道德情感

Seongchan Park, Jaehong Kim, Hyeonseung Kim, Heejin Bin, Sue Moon, Wonjae Lee

机构 * KAIST（韩国科学技术院） 纠错

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

AI总结 本研究通过多模态道德情感分类器分析YouTube上道德愤怒对用户参与度的影响，发现其在不同文化中均能提升观看和评论等互动行为。

Comments Accepted at The Web Conference 2026. We release Korean and English multimodal moral emotion classifiers

Just-in-Time Catching Test Generation at Meta

元宇宙中的即时捕捉测试生成

Matthew Becker, Yifei Chen, Nicholas Cochran, Pouyan Ghasemi, Abhishek Gulati, Mark Harman, Zachary Haluza, Mehrdad Honarkhah, Herve Robert, Jiacheng Liu, Weini Liu, Sreeja Thummala, Xiaoning Yang, Rui Xin, Sophie Zeng

机构 * Meta Platforms（Meta平台） 纠错

专题命中 其他LLM ：LLM(abstract)；分类 cs.AI

AI总结 元宇宙设计即时捕捉测试生成技术，通过代码变更感知方法提高测试效率，减少假阳性，防止严重故障进入生产。

Comments Submitted to FSE 2026 industry track

AsyncMesh: Fully Asynchronous Optimization for Data and Pipeline Parallelism

AsyncMesh: 数据与流水线并行的完全异步优化

Thalaiyasingam Ajanthan, Sameera Ramasinghe, Gil Avraham, Hadi Mohaghegh Dolatabadi, Chamin P Hewa Koneputugodage, Violetta Shevchenko, Yan Zuo, Alexander Long

机构 * Pluralis Research（Pluralis研究） 纠错

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

AI总结 AsyncMesh通过引入异步更新和稀疏平均方法，在数据和流水线并行中实现高效优化，减少通信开销并保持性能

Minimal-Action Discrete Schrödinger Bridge Matching for Peptide Sequence Design

最小作用离散薛定谔桥匹配用于肽序列设计

Shrey Goel, Pranam Chatterjee

机构 * Duke University（杜克大学） ； University of Pennsylvania（宾夕法尼亚大学） 纠错

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

AI总结 本文提出MadSBM框架，通过最小作用离散薛定谔桥匹配方法，实现肽序列设计的高效生成与优化。

Quantum-Inspired Reinforcement Learning for Secure and Sustainable AIoT-Driven Supply Chain Systems

量子启发强化学习用于安全可持续的AIoT驱动供应链系统

Muhammad Bilal Akram Dastagir, Omer Tariq, Shahid Mumtaz, Saif Al-Kuwari, Ahmed Farouk

机构 * Qatar Center for Quantum Computing, College of Science and Engineering, Hamad Bin Khalifa University（卡塔尔量子计算中心，科学与工程学院，哈马德·本·哈利法大学） ； School of Computing, Korea Advanced Institute of Science and Technology（计算机学院，韩国先进科学研究院） ； Nottingham Trent University, Engineering Department（诺丁汉特伦特大学，工程系） ； Department of Computer Science, Faculty of Computers and Artificial Intelligence, Hurghada University（计算机科学系，计算机与人工智能学院，胡尔加达大学） 纠错

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

AI总结 本文提出量子启发式强化学习框架，用于提升AIoT驱动供应链系统的安全性与可持续性。

HeatMat: Simulation of City Material Impact on Urban Heat Island Effect

HeatMat：城市材料对城市热岛效应的模拟

Marie Reinbigler, Romain Rouffet, Peter Naylor, Mikolaj Czerkawski, Nikolaos Dionelis, Elisabeth Brunet, Catalin Fetita, Rosalie Martin

机构 * SAMOVAR, Inria Saclay, Télécom SudParis, Institut Polytechnique de Paris（SAMOVAR、Inria Saclay、 Télécom SudParis、 Institut Polytechnique de Paris） ； Adobe Research ； Asterisk Labs ； SAMOVAR, Télécom SudParis, Institut Polytechnique de Paris（SAMOVAR、 Télécom SudParis、 Institut Polytechnique de Paris） 纠错

专题命中 其他LLM ：language model(abstract)

AI总结 HeatMat通过街景图像和预训练视觉-语言模型，高分辨率模拟城市材料对热岛效应的影响，利用2.5D模拟器提升热传递建模效率。

Emergent Coordination in Multi-Agent Systems via Pressure Fields and Temporal Decay

通过压力场和时间衰减实现多智能体系统中的涌现协调

Roland Rodriguez

专题命中 其他LLM ：LLM(abstract)

AI总结 该研究提出通过压力场和时间衰减实现多智能体系统的隐式协调，优于传统显式控制方法，提升了任务解决效率。

Comments 64 pages, 5 figures, 12 tables. Code available at https://github.com/Govcraft/pressure-field-experiment