From Hypotheses to Factors: Constrained LLM Agents in Cryptocurrency Markets
从假说到因素：在加密货币市场中的受约束LLM代理
专题命中 其他LLM ：LLM(title,title_cn)
AI总结 本文研究了通过加密货币因素发现使用受约束的LLM代理，在可重复的协议下进行因素发现，通过序列假说搜索框架，结合确定性引擎进行数据分割、选择门、交易成本和投资组合测试，实现了44.55%的年化收益和1.55的夏普比率。
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。
1. 其他LLM 12193 篇
Machine Spirits: Speculation and Adaptation of LLM Agents in Asset Markets
机器精神：大型语言模型在资产市场中的行为与适应
专题命中 其他LLM ：LLM(title,summary_cn)；large language model(abstract)；language model(abstract)
AI总结 本文研究了LLM在资产市场中的行为，发现其表现出从稳定基本面到人类投机泡沫的多样化行为，且与理性预期假说不一致，同时指出异质性智能体的适应性可能加剧市场波动。
Comments 46 pages, 6 figures
Recovering manifold structure in LLM responses through a joint Euclidean mirror
通过联合欧几里得镜面恢复LLM响应中的流形结构
专题命中 其他LLM ：LLM(title,title_cn)；large language model(abstract)；language model(abstract)
AI总结 本文通过联合欧几里得镜面分析LLM响应分布的变化，揭示模型参数与响应分布之间的几何关系，提出估计镜面和推断模型参数的方法，用于预测不同调参下的响应分布。
Comments 13 pages, 9 figures
Towards Operational Validation of LLM-Agent Social Simulations: A Replicated Study of a Reddit-like Technology Forum
向LLM-代理社会模拟的操作验证：一个Reddit-like技术论坛的重复研究
专题命中 其他LLM ：LLM(title,title_cn)
AI总结 本文通过30天的模拟研究，验证LLM-代理在技术论坛中的操作有效性，发现模拟结果与真实数据在用户和帖子层面有重叠，但评论毒性等指标存在差异，揭示了代理设计对模拟结果的影响。
Towards an Agentic LLM-based Approach to Requirement Formalization from Unstructured Specifications
迈向基于代理的LLM方法：从非结构化规范中提取需求形式化
专题命中 其他LLM ：LLM(title,title_cn)；large language model(abstract)；language model(abstract)
AI总结 本文提出基于代理的方法，从非结构化规范中自动生成符合验证要求的形式化属性，通过提取、过滤和翻译三个模块，实现语义对齐，实验表明其在三个场景中准确率达77.8%。
Comments Accepted at the AIPV 2026 workshop (non-archival)
To trust or not to trust: Attention-based Trust Management for LLM Multi-Agent Systems
信任还是不信任：基于注意力的信任管理用于大语言模型多智能体系统
专题命中 其他LLM ：LLM(title,summary_cn)；large language model(abstract)；language model(abstract)
AI总结 本文提出基于注意力的信任评分方法，通过六个信任维度提升LLM多智能体系统对恶意输入的鲁棒性。
Comments Accepted to ACL 2026 main
"Should I Give Up Now?" Investigating LLM Pitfalls in Software Engineering
现在就放弃吗？调查LLM在软件工程中的缺陷
专题命中 其他LLM ：LLM(title,title_cn)；large language model(abstract)；language model(abstract)
AI总结 研究LLM在软件工程中的缺陷，通过分析26名参与者的复杂网页开发任务数据，发现九种失败类型，包括不准确或不完整响应、认知过载和上下文丢失，发现不帮助的响应增加了放弃的可能性，而更多提示减少了放弃概率。
C2HLSC: Leveraging Large Language Models to Bridge the Software-to-Hardware Design Gap
专题命中 其他LLM ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)
Comments Accepted at ACM Transactions on Design Automation of Electronic Systems
Journal ref 2025. C2HLSC: Leveraging Large Language Models to Bridge the Software-to-Hardware Design Gap. ACM Trans. Des. Autom. Electron. Syst. (May 2025)
Leveraging Large Language Models for Institutional Portfolio Management: Persona-Based Ensembles
专题命中 其他LLM ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)
Comments 10 pages, 5 figures, submitted to The IEEE International Workshop on Large Language Models for Finance 2024
LLM-CompDroid: Repairing Configuration Compatibility Bugs in Android Apps with Pre-trained Large Language Models
专题命中 其他LLM ：LLM(title,abstract)；large language model(title)；language model(title)
Who Would You Vote For? Auditing Political Alignment in LLMs: An Italian Case-Study
你会投票给谁？大型语言模型（LLM）的政治立场审计：意大利案例研究
机构 * Revelis s.r.l.（雷维利斯有限责任公司）
专题命中 其他LLM ：LLM(title_cn,summary_cn)；large language model(abstract)；language model(abstract)；分类 cs.CL
AI总结 本文以意大利为案例，提出系统可复现的LLM政治立场审计框架，分析多模型对意政党及领导人的评价行为、差异等，探究模型政治偏好相关问题。
When Grammar Guides the Attack: Uncovering Control-Plane Vulnerabilities in LLMs with Structured Output
当语法引导攻击：利用结构化输出揭示LLM中的控制平面漏洞
机构 * SKLP, ICT, CAS & UCAS（SKLP、信息科技研究院、中国科学院及中国科学院大学） ； University of Aberdeen（阿伯丁大学） ； University of Leeds（利兹大学） ； SKLP, ICT, CAS（SKLP、信息科技研究院、中国科学院）
专题命中 其他LLM ：LLM(title_cn,summary_cn)；large language model(abstract)；language model(abstract)；分类 cs.AI
AI总结 本文研究了通过结构化输出揭示LLM控制平面漏洞的问题，提出了一种名为Constrained Decoding Attack（CDA）的新类别的 jailbreak 方法，通过控制到语义的管道机制，利用schema-enforced logit masking注入恶意前缀，并由模型自身完成有害意图，展示了DictAttack在多个模型上的高攻击成功率，揭示了需要跨平面防御来弥合数据和控制平面之间的语义差距。
Comments To appear in CCS2026
Growing a Tail: Increasing Output Diversity in Large Language Models
增长尾巴：增加大语言模型的输出多样性
专题命中 其他LLM ：large language model(title,abstract)；language model(title,abstract)；prompting(abstract)；分类 cs.CL
AI总结 研究大语言模型输出多样性，通过对比模型与人类回答发现模型输出集中。提出三种增加多样性的方法，即温度采样、单提示多角度回答、聚合多模型输出，组合使用可大幅提升多样性，还探讨了对AI政策治理的影响。
Comments Accepted to Machine Learning with Applications
Geopolitical alignment: Endorsement effects in large language models
地缘政治倾向：大语言模型中的背书效应
机构 * Department of Politics and International Relations, University of Oxford（政治与国际关系系，牛津大学）
专题命中 其他LLM ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)；分类 cs.AI
AI总结 研究大语言模型政策评估是否受地缘政治线索影响，通过背书实验让四个模型评估相同政策，发现模型评分受背书者身份影响，西方背书被视为可信度线索，中国和俄罗斯背书被视为其他风险线索。
Strategies for Span Labeling with Large Language Models
使用大语言模型进行跨度标记的策略
机构 * Institute of Formal and Applied Linguistics（形式与应用语言学研究所） ； Faculty of Mathematics and Physics, Charles University（数学与物理系，查尔斯大学）
专题命中 其他LLM ：large language model(title,abstract)；language model(title,abstract)；prompting(abstract)；分类 cs.CL
AI总结 研究使用大语言模型进行跨度标记的策略，将现有策略分为三类，针对内容匹配局限引入LogitMatch方法，经四项任务评估，发现标记是强大基线，LogitMatch能改进基于匹配的方法，在部分设置中表现更优。
Predicting Biased Human Decision-Making with Large Language Models in Conversational Settings
在对话环境中使用大语言模型预测有偏差的人类决策
机构 * University College Dublin（都柏林大学）
专题命中 其他LLM ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)；分类 cs.AI
AI总结 研究大语言模型能否预测对话环境中的偏差决策，通过预注册研究发现参与者有认知偏差及负载偏差交互，评估LLMs预测能力，结果表明GPT-4家族表现出色，有助于理解LLMs模拟人类决策及设计适应偏差的对话代理。
Comments Accepted at ACM IUI 2026
Joint Learning of Experiential Rules and Policies for Large Language Model Agents
大型语言模型智能体的经验规则与策略联合学习
机构 * Sun Yat-sen University（中山大学）
专题命中 其他LLM ：large language model(title)；language model(title)；LLM(abstract,abstract_cn)；prompting(abstract)
AI总结 提出JERP框架，通过联合更新经验规则库和策略，使规则与演化策略对齐，在AlfWorld和WebShop上提升复杂交互任务的决策性能。
Content-Based Smart E-Mail Dispatcher Using Large Language Models
基于内容的大型语言模型智能电子邮件分发器
专题命中 其他LLM ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract_cn)；分类 cs.AI
AI总结 提出利用大型语言模型自动分析邮件内容并分派至相关WhatsApp群组，无需标注数据，提升效率并降低认知负荷。
Do LLMsMakeNeural Distinguishers Wise?
LLM 是否使神经区分器更智能？
机构 * University of Tokyo（东京大学）
专题命中 其他LLM ：LLM(title_cn,summary_cn)；large language model(abstract)；language model(abstract)；分类 cs.LG
AI总结 本文提出基于大语言模型（LLM）的神经区分器，通过提示设计在SPECK-32/64上实验，发现LLM未显著提升性能，高轮次下差分选择失效，但加入XOR结果可改善性能。
Journal ref DeMeSSAI 2026 poster
Zero and Few Shot Load Forecasting with Large Language Models
基于大语言模型的零样本和少样本负荷预测
机构 * School of Electrical Engineering, Southeast University（东南大学电气工程学院） ； Wind Engineering and Renewable Energy Laboratory, Ecole Polytechnique Federale de Lausanne (EPFL)（瑞士联邦理工学院洛桑分校风能与可再生能源实验室） ； College of Electrical Engineering and New Energy, China Three Gorges University（中国三峡大学电气工程与新能源学院） ； Department of Electrical and Electronic Engineering, Imperial College London（伦敦帝国理工学院电子与电气工程系） ； The Department of Automation, School of Automation and Intelligent Sensing, Shanghai Jiao Tong University（上海交通大学自动化与智能感知学院） ； The Key Laboratory of System Control and Information Processing, Ministry of Education of China, Shanghai（中国教育部系统控制与信息处理重点实验室，上海） ； State Key Laboratory of Submarine Geoscience, Shanghai（上海 submarine 地球科学国家重点实验室） ； Institute of Energy Systems, Energy Efficiency and Energy Economic, TU Dortmund University（德意志图林根大学能源系统、能效与能源经济研究所）
专题命中 其他LLM ：language model(title,abstract)；large language model(title)；LLM(abstract,abstract_cn)；分类 cs.LG
AI总结 提出利用预训练语言模型Chronos进行零样本和少样本负荷预测，在数据稀缺场景下显著优于多种基线模型。
Comments 24 pages,5 figures
Journal ref International Journal of Electrical Power & Energy Systems, Volume 177,April 2026
Linguistic Productivity in Large Language Models: Models Coerce, but do not Preempt
大型语言模型中的语言生产力：模型强制但不抢占
机构 * Georgetown University（乔治城大学） ； University of Colorado Boulder（科罗拉多大学丹佛分校） ； University of Bath（巴斯大学）
专题命中 其他LLM ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract_cn)；分类 cs.CL
AI总结 通过测试大型语言模型是否受固化（高频使用）和抢占（未观察到结构）两种统计信号影响，发现模型能识别强制情况下的构式生产力，但无法利用负面证据避免过度泛化。
Strategies for Guiding LLMs to Use Software Design Patterns: A Case of Singleton
引导LLM使用软件设计模式的策略：以单例模式为例
机构 * University of Gothenburg and Chalmers University of Technology（哥德堡大学和查尔姆斯理工大学）
专题命中 其他LLM ：LLM(title_cn,summary_cn)；large language model(abstract)；language model(abstract)；prompting(abstract)
AI总结 通过实验比较四种提示策略（指令、二元自动反馈、详细自动反馈、少样本详细反馈），评估13个LLM在164个Java编码挑战中生成遵循单例模式的代码的能力，发现迭代二元反馈在保持或提升功能性的同时最佳地实现了单例模式对齐。
Comments Accepted at PROMISE 2026
Towards Solving the Gilbert-Pollak Conjecture via Large Language Models
通过大语言模型解决吉尔伯特-波拉克猜想
机构 * School of EECS, Peking University（北京大学电子工程学院） ； School of Mathematical Sciences, Peking University（北京大学数学科学学院） ； Center for Machine Learning Research, Peking University（北京大学机器学习研究中心） ； State Key Laboratory of General Artificial Intelligence, Peking University, Beijing, China（北京大学通用人工智能国家重点实验室） ； Carnegie Mellon University, Machine Learning Department（卡内基梅隆大学机器学习系）
专题命中 其他LLM ：large language model(title)；language model(title)；LLM(abstract,abstract_cn)；prompting(abstract)
AI总结 本文提出一种新的AI系统，通过生成受规则约束的几何引理并构建专用函数，以获得更紧的Steiner比下界，展示了大语言模型在高级数学研究中的强大潜力。
Comments 44 pages, 11 figures
Anthropomorphism and Trust in Human-Large Language Model interactions
拟人化与人类-大语言模型互动中的信任
机构 * Brain and Creativity Institute, Dornsife College of Letters, Arts and Sciences, University of Southern California（脑与创造力研究所，文理学院，南加州大学） ； USC Mrs. T.H. Chan Division of Occupational Science and Occupational Therapy, University of Southern California（USC 玛丽·T.H.陈职业科学与职业治疗 division，南加州大学） ； Psychiatry and Biobehavioral Sciences, David Geffen School of Medicine, University of California, Los Angeles（精神病学与生物行为科学，大卫·格芬医学院，加州大学洛杉矶分校） ； Google DeepMind, Zurich（谷歌深Mind，苏黎世） ； Google Research（谷歌研究） ； Brain and Creativity Institute（脑与创造力研究所）
专题命中 其他LLM ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)；分类 cs.AI
AI总结 研究探讨了人们如何通过温暖、能力与共情维度对大语言模型进行拟人化并建立信任，发现温暖和认知共情显著影响多种感知，而能力主要影响除拟人化外的其他结果。
ClausewitzGPT Framework: A New Frontier in Theoretical Large Language Model Enhanced Information Operations
ClausewitzGPT框架：理论大语言模型增强信息操作的新前沿
机构 * UNSW Canberra at the Australian Defence Force Academy（澳大利亚国防军学院新南威尔士大学堪培拉分校）
专题命中 其他LLM ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)；分类 cs.AI
AI总结 本文提出ClausewitzGPT框架，旨在量化机器速运算风险并强调自主AI代理在信息操作中的关键作用，结合启蒙思想与克劳塞维茨原则，强调战略视野、伦理考量与全面理解的重要性。
Comments 14 pages, 14 figures
Journal ref Journal of Information Warfare, 2024
Different types of syntactic agreement recruit the same units within large language models
不同类型的句法一致要求大型语言模型中的相同单元
机构 * Massachusetts Institute of Technology（麻省理工学院） ； Kempner Institute at Harvard University（哈佛大学肯普纳研究所）
专题命中 其他LLM ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)；分类 cs.CL
AI总结 研究探讨了不同句法现象在大型语言模型中是否共享或独立激活单元，发现句法一致构成模型表征空间中的重要类别。
Quantifying Gender Bias in Large Language Models: When ChatGPT Becomes a Hiring Manager
量化大型语言模型中的性别偏见：当ChatGPT成为招聘经理时
机构 * Massachusetts Institute of Technology（麻省理工学院）
专题命中 其他LLM ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)；分类 cs.AI
AI总结 研究量化了LLM在招聘决策中的性别偏见，发现女性候选人更易被录用但薪酬建议较低，探讨了提示工程作为偏见缓解技术。
Bethe Ansatz with a Large Language Model
含大规模语言模型的贝叶斯答案法
机构 * MTA-ELTE “Momentum” Integrable Quantum Dynamics Research Group, ELTE Eötvös Loránd University, Budapest, Hungary（MTA-ELTE“动量”可积量子动力学研究组，匈牙利布达佩斯罗兰大学） ； Holographic Quantum Field Theory Research Group, HUN-REN Wigner Research Centre for Physics, Budapest, Hungary（全息量子场论研究组，匈牙利布达佩斯HUN-REN维格纳物理研究中心）
专题命中 其他LLM ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)；分类 cs.AI
AI总结 研究大规模语言模型在数学物理中计算特定积分可积自旋链模型坐标贝叶斯答案法解的能力，发现模型能半自动解决任务，但存在少量错误，经人工修正后结果与精确对角化一致。
Comments 40 pages
Webscraper: Leverage Multimodal Large Language Models for Index-Content Web Scraping
Webscraper：利用多模态大语言模型进行索引-内容网页抓取
机构 * Dept. of Information Management, National Taiwan University, Taipei, Taiwan（国立台湾大学资讯管理学系，台北，台湾）
专题命中 其他LLM ：large language model(title,abstract)；language model(title,abstract)；prompting(abstract)；分类 cs.AI
AI总结 本文提出Webscraper框架，利用多模态大语言模型自动导航交互界面并提取结构化数据，通过五阶段提示和定制工具提升动态网站抓取准确性。
Understanding the Use of a Large Language Model-Powered Guide to Make Virtual Reality Accessible for Blind and Low Vision People
理解大型语言模型驱动的指南在使虚拟现实对视障和低视力用户可访问性中的应用
机构 * Cornell University（康奈尔大学）
专题命中 其他LLM ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)；分类 cs.AI
AI总结 研究探讨了利用大型语言模型驱动的指南提升视障和低视力用户虚拟现实可访问性的问题，通过实验发现用户在不同情境下对指南的不同反应，提出未来设计建议。
Comments 16 pages, 5 figures, 3 tables, Proceedings of the 2026 CHI Conference on Human Factors in Computing Systems (CHI '26), April 13-17, 2026, Barcelona, Spain. ACM
