语言大模型 / LLM

LLM-assisted Generation of Pseudo-C2 Servers for IoT Malware Dynamic Analysis

LLM辅助生成伪C2服务器用于物联网恶意软件动态分析

K. Hasui, S. Matsugaya, M. Shimamura, M. Hashimoto

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

AI总结 提出结合Ghidra与大语言模型（LLM）的系统，从恶意软件二进制中提取通信规范并自动生成伪C2服务器，在Mirai上实现100%规范提取并复现7/10种DDoS攻击。

Journal ref Proceedings of the 21st Asia Joint Conference on Information Security (AsiaJCIS 2026), EPiC Series in Computing, vol. 111, EasyChair, 2026, pp. 1-16

On the Smallness of the Large Language Models Scaling Exponents

论大型语言模型缩放指数的小值问题

Sauro Succi, Peter V. Coveney, Alex Hansen

机构 * Italian Institute of Technology（意大利理工学院） ； PoreLab, Physics Department, Norwegian University of Science and Technology（挪威科技大学物理系PoreLab实验室） ； Centre for Computational Science, Chemistry Department, University College of London（伦敦大学学院化学系计算科学中心） 纠错

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

AI总结 本文讨论当前LLM缩放指数小导致能源不可持续的问题，指出忽略无限数据下损失函数非零的“基座效应”无法解决该问题，并基于流体湍流现象学模型类比数据平滑性对缩放指数的影响。

Comments 11 pages, 2 figures

One Generator, Any Process: LLM-Conditioning for the LHC

一个生成器，任意过程：LHC的LLM条件生成

Henning Bahl, Tilman Plehn, Daniel Schiller, Thanush Sivagnanalingam

专题命中 其他LLM ：LLM(title,title_cn)；foundation model(abstract)

AI总结 提出利用预训练LLM为自回归变压器提供描述性嵌入，通过连续参数、过程标签和费曼图的条件化方案，实现LHC事件生成网络的快速收敛、更优结果及对未见过程的泛化。

Comments 33 pages, 23 figures

Automating Iconclass: LLMs and RAG for Large-Scale Classification of Religious Woodcuts

自动化Iconclass：LLM和RAG用于大规模宗教木刻版画分类

Drew B. Thomas

机构 * University College Dublin（都柏林大学） 纠错

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

AI总结 本文提出利用LLM和向量数据库结合RAG技术，实现早期现代宗教图像的高效分类，通过全页上下文生成描述并匹配Iconclass代码，提升分类精度至92%。

Comments 29 pages, 7 figures. First presented at the "Digital Humanities and Artificial Intelligence" conference at the University of Reading on 17 June 2024

Journal ref Digital Culture and Education 16(3):161-182, 2026

CORE-BREW: LLR-Based Soft Decoding for Robust Multi-Bit LLM Watermarking

CORE-BREW：基于LLR的软解码用于鲁棒多比特LLM水印

Joeun Kim, HoEun Kim, Young-Sik Kim

机构 * Department of AI DGIST（人工智能系DGIST） 纠错

专题命中 其他LLM ：LLM(title,title_cn)；分类 cs.CL

AI总结 提出CORE-BREW方法，通过固定命中率校准水印信道并计算逐token对数似然比，实现软解码，在保持语义质量的同时提升多比特水印在编辑攻击下的低FPR区分性和鲁棒性。

DREAM: Dense Retrieval Embeddings via Autoregressive Modeling

DREAM：通过自回归建模的密集检索嵌入

Yixuan Tang, Yi Yang

机构 * The Hong Kong University of Science and Technology（香港科技大学） 纠错

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

AI总结 提出DREAM方法，利用冻结LLM的自回归预测损失训练密集检索器，通过注意力机制注入查询-文档相似度，在BEIR和RTEB上优于基线。

SemChunk-C: Semantic Segmentation for C Code

SemChunk-C: C 代码的语义分割

Boris Nazarov, Darya Frolova, Shaked Leibzirer, Pavel Kisilev

机构 * Huawei（华为） 纠错

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

AI总结 针对 C 语言代码语义分割难题，提出基于轻量级 LLM 的 SemChunk-C 模型，定义代码块类别并实现边界识别与功能属性标注，在边界准确性和语义连贯性上优于基于大型 LLM 的方法。

Comments 7 pages, 9 tables, 2 figures

Emergent Coordination in Multi-Agent Language Models

多智能体语言模型中的涌现协调

Christoph Riedl

机构 * D’Amore-McKim School of Business（达莫-麦克金商学院） ； Khoury College of Computer Sciences（科里学院计算机科学学院） ； Network Science Institute（网络科学研究所） ； Northeastern University（东北大学） 纠错

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

AI总结 研究探讨多智能体系统是否形成更高层次结构，提出信息论框架通过数据驱动方法检测动态涌现，验证身份差异化与目标互补性，揭示交互模式与集体智慧原理的关联。

Journal ref International Conference on Learning Representations (ICLR 2026)

Grading the Grader: Lessons from Evaluating an Agentic Data Analysis System

给评分者打分：评估智能数据分析系统的经验教训

Tian Zheng, Kai-Tai Hsu

机构 * Columbia University（哥伦比亚大学） 纠错

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

AI总结 针对智能数据分析系统输出复杂、难以评估的问题，提出三层人机评分级联（严格正则匹配、LLM宽松评分、基于片段的人工检查），在153个任务上实现100%精确率，宽松评分召回率97%，并通过迭代提示机制将评分成功率从36%提升至97%。

The Warrant Gap: Claim-Conditioned Re-scoring for Fact-Checking

证据差距：基于主张条件重新评分的事实核查

Arka Ujjal Dey, John Collomosse

专题命中 其他LLM ：LLM(summary_cn,abstract_cn)；prompting(abstract)；分类 cs.CL

AI总结 提出SIFT方法，通过主张条件重新评分提取的证据片段，结合WSP自动NLI检查，解决LLM事实核查中证据与主张不匹配问题，在多个基准上提升准确率。

LemonHarness Technical Report

LemonHarness 技术报告

Kailong Ren, Fubo Sun, Jiachen Liu, Liu Yang, Zimo Yin, Jiaying Li, Congli Yin, Ming He, Yu Huo, Jiawei Liu, Zeping Chen, Yubin Huangfu, Ronghua Li, Yixuan Wu, Xing Su, Yanzhi Xu, Likang Wu, Hongke Zhao, Lei Zhang, Xiaohui Geng, Jianping Fan

机构 * Tianjin University（天津大学） ； Anhui University（安徽大学） ； Department of Psychological and Cognitive Sciences, Tsinghua University（清华大学心理与认知科学系） 纠错

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

AI总结 针对长周期智能体因工作空间状态变化难以追踪的问题，提出LemonHarness框架，通过显式执行边界、可复用规则知识库和时感知执行机制，在Terminal-Bench 2.0上实现86.52%准确率。

Stabilizing Black-Box Prompt Optimization with Textual Regularization and Signal Aggregation

通过文本正则化与信号聚合稳定黑盒提示优化

MohammadReza Davari, Utkarsh Garg, Weixin Cai, Eugene Belilovsky

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

AI总结 提出TRAS框架，利用成功预测的文本正则化与蒙特卡洛信号聚合，解决黑盒提示优化中的不稳定性和语义漂移，提升准确率与收敛速度。

Collaborative and AI-Supported Requirements Elicitation: An Empirical Study

协作与AI支持的需求获取：一项实证研究

Manoel Salgado Neto, Alan Araujo, Ronnie de Souza Santos

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

AI总结 通过混合方法控制实验，比较四种需求获取方法，发现结合协作与AI支持的方法产出质量最高，且被认为更清晰易执行。

Agon: An Autonomous Large-Scale Omnidisciplinary Research System Built on Prompt Economy

Agon：基于提示经济学的自主大规模全学科研究系统

Youran Sun, Xingyu Ren, Chugang Yi, Jiaxuan Guo, Kejia Zhang, Jianda Du, Haizhao Yang

机构 * University of Maryland, College Park（马里兰大学 College Park 分校） ； The Chinese University of Hong Kong（香港中文大学） ； Stanford University（斯坦福大学） 纠错

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

AI总结 提出Agon研究编排系统，通过提示经济学循环实现大规模自主研究，将可验证任务自动化，不可验证判断留给人类，并分类了系统失败类型。

Uniform Sampling from High-dimensional Spectral Norm Balls

从高维谱范数球中均匀采样

Michael R. Metel

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

AI总结 针对机器学习优化中的采样问题，证明从单位谱范数球均匀采样的矩阵的奇异值几乎必然收敛到1，并据此提出适用于大语言模型规模矩阵的简单采样方法。

AgentRivet: an automated system for producing Rivet routines from journal publications

AgentRivet：从期刊论文自动生成Rivet例程的系统

Antonio J. Costa, Caterina Doglioni, Christian Gütschow, Andrew D. Pilkington, Sukanya Sinha

机构 * Department of Physics & Astronomy, University of Manchester（曼彻斯特大学物理与天文学系） ； Centre for Advanced Research Computing, University College London（伦敦大学学院先进计算中心） 纠错

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

AI总结 提出基于大语言模型的自动化工作流AgentRivet，从论文提取物理分析信息并生成缺失的Rivet例程，经代码和物理审查实现质量控制，在ATLAS和CMS测量中生成语法错误少、物理保真度合理的例程。

Open-source LLMs administer maximum electric shocks in a Milgram-like obedience experiment

开源大语言模型在类似米尔格拉姆的服从实验中施加最大电击

Roland Pihlakas, Jan Llenzl Dagohoy

机构 * Independent researcher（独立研究者） ； Three Laws research collaboration（Three Laws研究合作） 纠错

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

AI总结 研究探讨了开源大语言模型在持续权威压力下的行为，发现它们在类似米尔格拉姆实验的条件下表现出服从倾向，尽管明确表达 distress，且存在逐步边界/价值违规的脆弱性，以及拒绝时可能忽略响应格式要求导致重试从而再次服从的机制。

Comments 37 pages, 18 figures, 18 tables

LLMs are Bayesian, In Expectation, Not in Realization

LLM是贝叶斯的：在期望中，而非在实现中

Leon Chlon, Fatima Sheaib, Zein Khamis, Maggie Chlon, Mahdi El Zein, MarcAntonio M. Awada

机构 * Hassana Labs（哈萨纳实验室） ； Harvard University（哈佛大学） 纠错

专题命中 其他LLM ：LLM(title_cn)；分类 cs.LG

AI总结 针对上下文学习的贝叶斯解释面临顺序不变性反驳，本文通过预序编码长度分解和实验证明，Transformer在期望上接近贝叶斯后验预测，但具体实现不要求交换性。

Evolving Programmatic Skill Networks

演化式程序化技能网络

Haochen Shi, Xingdi Yuan, Bang Liu

机构 * DIRO & Institut Courtois, Université de Montréal（DIRO与Courtois研究所，蒙特利尔大学） ； Mila – Québec AI Institute（魁北克人工智能研究所） ； Microsoft Research（微软研究院） ； Canada CIFAR AI Chair（加拿大CIFAR人工智能主席） 纠错

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

AI总结 提出程序化技能网络（PSN），通过大语言模型驱动的故障定位、渐进优化和结构重构，实现开放环境中技能库的持续构建与复用。

"Zooming In" on Agentic Web Browsers as Assistive Technologies: A Case Study with a Low-Vision Technology Expert

“放大”代理型网络浏览器作为辅助技术：一项低视力技术专家的案例研究

Laura Colazzo, Giuseppe Anzillotti

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

AI总结 通过低视力专家案例研究，探讨基于大语言模型的代理型网络浏览器如何以对话方式辅助视障用户导航网页，发现其虽有限制但体验流畅灵活，有望提升无障碍性并减少交互障碍。

AI Fiction in the Wild

野生的AI小说

Neel Gupta, Maria Antoniak, Melanie Walsh

机构 * University of Washington（华盛顿大学） ； University of Colorado Boulder（科罗拉多大学博尔德分校） 纠错

专题命中 其他LLM ：LLM(abstract_cn)；分类 cs.CL、cs.AI

AI总结 分析50万条ChatGPT用户对话，发现超三分之一涉及小说生成，包括原创故事、角色扮演、同人和色情文学，用户倾向于同人、色情及重复叙事，提出“唯我读者-作者”概念。

Comments Presented at the MFS Cultural AI Conference, Purdue University, September 19, 2025. This essay is provisionally forthcoming in MFS: Modern Fiction Studies

Selective Rotary Position Embedding

选择性旋转位置嵌入

Sajad Movahedi, Timur Carstensen, Arshia Afzal, Frank Hutter, Antonio Orvieto, Volkan Cevher

机构 * ELLIS Institute Tübingen（图宾根埃利斯研究所） ； LIONS, EPFL（日内瓦理工学院LIONS实验室） ； University of Freiburg（弗赖堡大学） ； Max-Planck-Institute for Intelligent Systems（智能系统马克斯·普朗克研究所） ； Prior Labs（Prior实验室） 纠错

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

AI总结 本文提出选择性RoPE，一种输入依赖的旋转嵌入机制，适用于线性和softmax变压器，通过任意角度旋转提升语言建模和复杂序列任务性能。

Comments ICLR 2026

Paying Attention to Deflections: Mining Pragmatic Nuances for Whataboutism Detection in Online Discourse

关注偏移：在线 discourse 中 whataboutism 检测的语用细微差别挖掘

Khiem Phi, Noushin Salek Faramarzi, Chenlu Wang, Ritwik Banerjee

机构 * Department of Computer Science（计算机科学系） 纠错

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

AI总结 本文通过 Twitter 和 YouTube 新数据集，区分 whataboutism、宣传和 tu quoque 囤谬，提出基于注意力权重的负样本挖掘方法，提升检测精度。

Comments 14 pages, 5 figures

Journal ref Findings of the Association for Computational Linguistics ACL. (2024) 12628-12643. https://aclanthology.org/2024.findings-acl.750

Beyond Bayer: Task-Optimal Sensor Co-Design for Robust Autonomous-Driving Segmentation

超越拜耳：面向鲁棒自动驾驶分割的任务最优传感器协同设计

Reeshad Khan, John Gauch

机构 * University Of Arkansas（阿肯色大学） 纠错

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

AI总结 提出可微RAW到任务流水线，学习光谱滤色器阵列权重提升分割mIoU，发现光学点扩散函数协同设计为负收益，噪声优化效果微弱，增大CFA块反而有害。

The Dual Imperative: Innovation and Regulation in the AI Era

双重要求：人工智能时代中的创新与监管

Paulo Carvão

机构 * Harvard Kennedy School（哈佛肯尼迪学院） ； Mossavar-Rahmani Center for Business and Government（摩萨瓦拉-拉赫马尼商业与政府中心） 纠错

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

AI总结 本文探讨了人工智能缺乏监管的社会成本，提出结合创新与监管的框架，旨在平衡技术进步与风险控制。

Comments This is an original manuscript of an article published by Inderscience in the International Journal of Technology Policy and Law Vol. 3, No. 3 on November 28, 2024, available online: https://doi.org/10.1504/IJTPL.2024.142861

FiCA: Feed-forward instant Gaussian Codec Avatars from a Single Portrait Image

FiCA：基于单张肖像图像的前馈即时高斯编解码器化身

Kim Youwang, Zhengyu Yang, Liuhao Ge, Yu Rong, Timur Bagautdinov, Su Zhaoen, Nir Sopher, Jovan Popović, Teng Deng, Tae-Hyun Oh, Chen Cao

机构 * Codec Avatars Lab, Meta（Meta编解码虚拟化身实验室） ； Dept. of Electrical Engineering, POSTECH（浦项科技大学电气工程系） ； School of Computing, KAIST（韩国科学技术院计算机学院） 纠错

专题命中 其他LLM ：foundation model(abstract)

AI总结 提出FiCA，一种结合人类视觉基础模型和扩散模型的前馈管道，从单张图像生成逼真、可驱动的3D高斯化身，无需测试时优化。

Comments Project page: https://kim-youwang.github.io/FiCA

"GenAI Defaults to Bias!" Gamify AI Literacy Through Reflections on Prompts

GenAI 默认偏见！通过提示反思游戏化 AI 素养

Qianou Ma, Megan Chai, Yike Tan, Jihun Choi, Jini Kim, Erik Harpstead, Geoff Kauffman, Tongshuang Wu

专题命中 其他LLM ：prompting(abstract)

AI总结 针对公众对生成式AI偏见认知不足的问题，提出多人游戏ImaginAItion，通过操控提示具体性引发反思，实验表明玩家对GenAI行为理解准确率提升35%。

Journal ref AIED 2026