语言大模型 / LLM

Empathetic Cascading Networks: A Multi-Stage Prompting Technique for Reducing Social Biases in Large Language Models

共情级联网络：一种减少大型语言模型社会偏见的多阶段提示技术

Wangjiaxuan Xin

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

AI总结 ECN通过多阶段提示技术减少大型语言模型的社会偏见，提升对话AI的共情与包容性。

Comments Further revision on experiments and pipeline design

Aligning Large Language Models to Low-Resource Languages through LLM-Based Selective Translation: A Systematic Study

Rakesh Paul, Anusha Kamath, Kanishk Singla, Raviraj Joshi, Utkarsh Vaidya, Sanjay Singh Chauhan, Niranjan Wartikar

机构 * NVIDIA 纠错

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

Prompting Large Language Models to Detect Dementia Family Caregivers

Md Badsha Biswas, Özlem Uzuner

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

Knowledge Graph Large Language Model (KG-LLM) for Link Prediction

Dong Shu, Tianle Chen, Mingyu Jin, Chong Zhang, Mengnan Du, Yongfeng Zhang

机构 * Northwestern University（西北大学） ； Rutgers University（罗格斯大学） ； University of Liverpool（利物浦大学） ； New Jersey Institute of Technology（新泽西理工学院） 纠错

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

Comments Accepted by ACML 2024

CMT-LLM: Contextual Multi-Talker ASR Utilizing Large Language Models

Jiajun He, Naoki Sawada, Koichi Miyazaki, Tomoki Toda

机构 * Graduate School of Informatics（信息科学研究生学校） ； AI Lab（人工智能实验室） ； Information Technology Center（信息技术中心） 纠错

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

Comments Accepted by INTERSPEECH 2025

LLM Enhancer: Merged Approach using Vector Embedding for Reducing Large Language Model Hallucinations with External Knowledge

Naheed Rayhan, Md. Ashrafuzzaman

机构 * Department of Computer Science and Engineering, Jagannath University（计算机科学与工程系，贾甘纳思大学） 纠错

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

Large Language Model Sentinel: LLM Agent for Adversarial Purification

Guang Lin, Toshihisa Tanaka, Qibin Zhao

机构 * Tokyo University of Agriculture and Technology（东京农业大学） ； RIKEN Center for Advanced Intelligence Project（日本理化学研究院先进智能项目中心） 纠错

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

Leveraging Large Language Models for Automated Causal Loop Diagram Generation: Enhancing System Dynamics Modeling through Curated Prompting Techniques

Ning-Yuan Georgia Liu, David R. Keith

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

Iterative Prompting with Persuasion Skills in Jailbreaking Large Language Models

Shih-Wen Ke, Guan-Yu Lai, Guo-Lin Fang, Hsi-Yuan Kao

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

WLB-LLM: Workload-Balanced 4D Parallelism for Large Language Model Training

Zheng Wang, Anna Cai, Xinfeng Xie, Zaifeng Pan, Yue Guan, Weiwei Chu, Jie Wang, Shikai Li, Jianyu Huang, Chris Cai, Yuchen Hao, Yufei Ding

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

Comments 12 pages, 16 figures

AER-LLM: Ambiguity-aware Emotion Recognition Leveraging Large Language Models

Xin Hong, Yuan Gong, Vidhyasaharan Sethu, Ting Dang

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

Comments Accepted by ICASSP 2025

SLM as Guardian: Pioneering AI Safety with Small Language Models

Ohjoon Kwon, Donghyeon Jeon, Nayoung Choi, Gyu-Hwung Cho, Changbong Kim, Hyunwoo Lee, Inho Kang, Sun Kim, Taiwoo Park

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

Symbol-LLM: Towards Foundational Symbol-centric Interface For Large Language Models

Fangzhi Xu, Zhiyong Wu, Qiushi Sun, Siyu Ren, Fei Yuan, Shuai Yuan, Qika Lin, Yu Qiao, Jun Liu

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

Comments 23 pages, 13 figures

Prompting Multilingual Large Language Models to Generate Code-Mixed Texts: The Case of South East Asian Languages

Zheng-Xin Yong, Ruochen Zhang, Jessica Zosa Forde, Skyler Wang, Arjun Subramonian, Holy Lovenia, Samuel Cahyawijaya, Genta Indra Winata, Lintang Sutawika, Jan Christian Blaise Cruz, Yin Lin Tan, Long Phan, Rowena Garcia, Thamar Solorio, Alham Fikri Aji

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

Comments Updating Authors

Understanding Content Moderation in Large Language Models through Restricted Books: From Refusal to Warning

通过受限书籍理解大语言模型的内容审核：从拒绝对话到发出警告

Xucheng Yu, Emily Knox, Haohan Wang

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

AI总结 该研究以400本受限与非受限书籍为测试平台，对6家AI提供商的6种前沿模型开展大规模实验，发现现代LLM对受限书籍仅0.07%的案例拒绝对话，其内容政策已转向校准的上下文敏感披露。

Comments Accepted at AIES 2026 (AAAI/ACM Conference on AI, Ethics, and Society). 13 pages, 4 figures, 5 tables. This arXiv version includes the full appendix

Randomness in large language models: What researchers need to know (and report)

大语言模型中的随机性：研究人员需要了解（并报告）的内容

Guillaume Coqueret, Joan Llull, Florian Oswald, Christophe Pérignon, Christoph Scheuch, Lars Vilhuber

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

AI总结 研究大语言模型输出随机性问题及影响，指出其输出因多种因素在重复请求时可变，难以精确再现。通过公司备案文件情感分类说明问题，提出文章、复制包报告标准及对数据编辑和作者的指导，建议将LLM输出视为分布抽样。

On the Effectiveness of Fact Checking Information from Politically Congruent and Incongruent Large Language Models

论政治立场一致和不一致的大语言模型的事实核查信息的有效性

Jiangen He, Benjamin D Horne, Dorit Nevo

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

AI总结 研究政治立场一致和不一致的大语言模型事实核查信息的有效性，通过两个受试者内实验发现，LLM能显著改变对新闻标题的信任度，政治一致性在标题政治距离远时起作用，且LLM出错时也会影响信任度，揭示其纠正与歪曲信息的潜力。

Comments To Appear at ICWSM 2027

A Practical and Privacy-Preserving Framework for Real-World Large Language Model Services

一个实用且保护隐私的真实世界大型语言模型服务框架

Xueping Liao, Yu Mao, Wei Liu, Anjia Yang

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

AI总结 提出基于部分盲签名的隐私保护框架，防止服务提供商关联用户请求，支持订阅和API两种模式，兼容现有LLM系统，开销小。

Journal ref Knowledge-Based Systems, vol. 337, p. 115347, Mar. 2026

Large Language Models as Supervised Extraction Assistants: Lowering the Barrier to Documentation Standard Adoption in Agent-Based Modelling

大型语言模型作为监督式提取助手：降低基于智能体建模中文档标准采纳的门槛

Peer-Olaf Siebers, Christopher Frantz

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

AI总结 本研究探索利用大型语言模型（LLMs）辅助自动化ABM文档标准（如RAT-RS）的采纳，通过四个LLMs从已发表论文中提取报告，发现LLMs在描述性任务上表现可靠，但在解释性和评估性任务上存在局限，并提出了何时依赖LLM、何时需要人工监督的实用启发式方法。

Comments 17 pages, accepted for publication at the Social Simulation Conference 2026, see https://www.durham.ac.uk/research/institutes-and-centres/research-methods/social-simulation-conference-2026/

Leveraging Large Language Models to Improve Precision in Randomized Controlled Trials

利用大型语言模型提高随机对照试验的精度

Jaylin Lowe, Adam Sales, Johann A. Gagnon-Bartsch

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

AI总结 本文探索如何安全、严谨地利用大型语言模型（LLM）的预测来提升随机对照试验（RCT）的精度，并通过三个案例验证其有效性。

Comments Submitted to Machine Learning and Artificial Intelligence for Causal Inference in the Behavioral and Social Sciences: Methodological Advances and Applications, a topical issue of the Zeitschrift für Psychologie

When control meets large language models: From words to dynamics

当控制遇见大语言模型：从词语到动态

Komeil Nosrati, Aleksei Tepljakov, Juri Belikov, Eduard Petlenkov

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

AI总结 本文探讨了大语言模型与控制之间的双向关系，研究了LLM如何通过直接辅助控制器设计和间接增强研究流程来推动控制领域的发展，同时分析了控制理论如何帮助LLM偏离不良含义，提高可达性和对齐性，并通过状态空间框架将LLM视为动态系统，最后指出了关键挑战和未来研究方向。

Journal ref Engineering Applications of Artificial Intelligence 178(2), 115119 (2026)

Mutation-Guided Unit Test Generation with a Large Language Model

基于大语言模型的突变指导单元测试生成

Guancheng Wang, Qinghua Xu, Lionel Briand, Kui Liu

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

AI总结 本文提出MUTGEN方法，利用突变反馈提升测试覆盖率，优于EvoSuite和传统提示方法，在突变分数上表现更优，并探讨了LLM生成的局限性。

Comments Accepted in IEEE Transactions on Software Engineering

AIVV: Neuro-Symbolic LLM Agent-Integrated Verification and Validation for Trustworthy Autonomous Systems

AIVV: 用于可信自主系统的神经符号LLM代理集成验证与验证

Jiyong Kwon, Ujin Jeon, Sooji Lee, Guang Lin

机构 * School of Mechanical Engineering, Purdue University（普渡大学机械工程学院） ； School of Electrical and Computer Engineering, Purdue University（普渡大学电气与计算机工程学院） ； Department of Computer Science, Purdue University（普渡大学计算机科学系） ； Department of Mathematics, Purdue University（普渡大学数学系） 纠错

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

AI总结 本文提出AIVV框架，利用LLM作为决策外层循环，通过语义验证区分真实故障与干扰故障，生成可操作的V&V成果，提升自主系统验证效率。

Verified Tool Calls Improve LLM Agent Reliability Under Non-Atomic Failures

经验证的工具调用可提升非原子故障下LLM智能体的可靠性

Isham Kalappurackal Mansoor, Abhishek Phadke, Pratip Rana

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

AI总结 针对非原子故障导致LLM智能体可靠性不足的问题，提出带后置条件验证、重试前逻辑和幂等键的工具包装器，可减少重复动作并保持任务成功率，且无需修改底层LLM。

LLM-Guided Retrieval for Prediction of Molecular Perturbation Responses

大语言模型引导的检索用于分子扰动响应预测

Betty Xiong, Jan-Christian Huetter, Gabriele Scalia, Tommaso Biancalani, Sepideh Maleki

机构 * Stanford University（斯坦福大学） ； Genentech（基因泰克） 纠错

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

AI总结 本研究提出LLM引导的检索方法，在Tahoe-100M数据集上优于多个基线，可提升分子扰动预测的方向准确率，是零样本分子扰动预测的关键驱动因素。

Comments Published at MLGenX @ ICLR 2026

From Chasing Ghosts to Missed Attacks: Perspectives and Perceptions of SOC Practitioners on LLM Integration, Risks, and Readiness

从追逐幽灵到被遗漏的攻击：安全运营中心从业者对大型语言模型（LLM）整合、风险及准备情况的看法与认知

Jonas Thurner, Nadine Jost, Stefan Albert Horstmann, Fabian Ising, Lea Groeber, Alena Naiakshina, Sebastian Schinzel

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

AI总结 本研究通过对25名有LLM使用经验的SOC从业者访谈，分析LLM在SOC的应用情况，明确其优势与局限，推导LLM辅助安全运营的设计与整合要求。

From Minds to Models: The Intersection of Psychology and LLM Behaviours

从心智到模型：心理学与大语言模型（LLM）行为的交叉

Oliver Guidetti, Reza Ryan

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

AI总结 本研究结合心理学方法，测试ChatGPT等LLM的情感差异，发现种族条件的情感效应薄弱且依赖分析方法，提出需跨学科开发模型偏差的行为测量方法。

Comments 32 pages, 1 Figure

AlphaSchema: Exploring the Space of Trading Semantics for LLM-Based Alpha Mining

AlphaSchema：探索基于大语言模型（LLM）的阿尔法挖掘的交易语义空间

Jingyang Yi, Jian Yang, Yifei Jin, Yuqi Li, Jian Li

机构 * X-Tech ； Monash University（莫纳什大学） ； PandaAI（熊猫AI） ； IIIS, Tsinghua University（清华大学智能产业研究院（IIIS）） 纠错

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

AI总结 AlphaSchema构建并探索结构化交易语义空间，通过解耦探索与实施、结合代理模型平衡探索与利用，在中国股市挖掘出强预测与投资组合表现的因子池，且对LLM选择具鲁棒性。

Comments Initial Version

Can AI Debias the News? LLM Interventions Improve Cross-Partisan Receptivity but LLMs Overestimate Their Own Effectiveness

AI能否去偏新闻？LLM干预提升了跨党派接受度但LLM高估了自身效果

Faisal Feroz, Jonas R. Kunst

机构 * Department of Experimental Psychology, University of Oxford（心理学实验系，牛津大学） ； Uehiro Oxford Institute, University of Oxford（牛津大学欧胡罗研究所） ； Psychology Programme, School of Social Sciences, Nanyang Technological University（南洋理工大学社会科学学院心理学项目） ； Department of Communication and Culture, BI Norwegian Business School（BI挪威商学院传播与文化系） 纠错

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

AI总结 研究探讨LLM对新闻去偏的影响，发现实质性重构干预提升保守派对左派新闻的信任度，但LLM高估自身效果，需人类监督。

LLM-Assisted Semantic Alignment and Integration in Collaborative Model-Based Systems Engineering Using SysML v2

基于 SysML v2 的协作式基于模型的系统工程中 LLM 辅助的语义对齐与集成

Zirui Li, Stephan Husung, Haoze Wang

机构 * IEEE 纠错

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

AI总结 研究基于 SysML v2 的跨组织协作中语义对齐挑战，提出由提示驱动的结构化方法，利用 SysML v2 构造，经迭代开发对齐方法与交互提示，以实现 LLM 辅助的语义对齐集成。

Comments Accepted by IEEE ISSE 2025, DOI pending

Journal ref 2025 IEEE International Symposium on Systems Engineering (ISSE)