SkipAnalyzer: A Tool for Static Code Analysis with Large Language Models
专题命中 推理与问题求解 :large language model(title,abstract);language model(title,abstract);LLM(abstract)
AI 大模型
大语言模型、预训练、指令微调、后训练和语言模型应用。
专题命中 推理与问题求解 :large language model(title,abstract);language model(title,abstract);LLM(abstract)
专题命中 推理与问题求解 :LLM(title,abstract);language model(title,abstract);large language model(abstract)
Comments Accepted by NeurIPS 2023
专题命中 推理与问题求解 :large language model(title,abstract);language model(title,abstract);prompting(abstract)
Comments Technical Report. Project page: https://rshaojimmy.github.io/Projects/JiuTian-LION Code: https://github.com/rshaojimmy/JiuTian
专题命中 推理与问题求解 :large language model(title,abstract);language model(title,abstract);分类 cs.CL、cs.AI、cs.LG
专题命中 推理与问题求解 :large language model(title,abstract);language model(title,abstract);LLM(abstract)
Comments 13 pages, 5 figures, conference workshop
专题命中 推理与问题求解 :large language model(title,abstract);language model(title,abstract);LLM(abstract)
Comments In Proceedings of NeurIPS 2023
专题命中 推理与问题求解 :large language model(title,abstract);language model(title,abstract);分类 cs.CL、cs.AI、cs.LG
Comments Findings of EMNLP 2023
专题命中 推理与问题求解 :large language model(title,abstract);language model(title,abstract);LLM(abstract)
专题命中 推理与问题求解 :language model(title,abstract);prompting(title,abstract);分类 cs.CL、cs.AI、cs.LG
Comments ACL 2023, 24 pages, add references of theoretical analysis
专题命中 推理与问题求解 :large language model(title,abstract);language model(title,abstract);分类 cs.CL、cs.AI、cs.LG
专题命中 推理与问题求解 :large language model(title,abstract);language model(title,abstract);分类 cs.CL、cs.AI、cs.LG
专题命中 推理与问题求解 :language model(title,abstract);large language model(title);prompting(abstract);分类 cs.CL、cs.AI、cs.LG
Comments ACL 2023 camera-ready
专题命中 推理与问题求解 :large language model(title,abstract);language model(title,abstract);分类 cs.CL、cs.AI、cs.LG
专题命中 推理与问题求解 :large language model(title,abstract);language model(title,abstract);prompting(abstract)
专题命中 推理与问题求解 :large language model(title,abstract);language model(title,abstract);分类 cs.CL、cs.AI、cs.LG
Comments 7 pages, 1 figure
专题命中 推理与问题求解 :language model(title,abstract);large language model(title);LLM(abstract);分类 cs.CL、cs.AI、cs.LG
专题命中 推理与问题求解 :large language model(title,abstract);language model(title,abstract);分类 cs.CL、cs.AI、cs.LG
Comments ICLR 2023. Project page:https://codeaimcts.github.io
专题命中 推理与问题求解 :large language model(title,abstract);language model(title,abstract);分类 cs.CL、cs.AI、cs.LG
Comments Originally accepted to the 2022 Cognitive Science (CogSci) conference
通过迭代策略优化实现大语言模型的感官-运动控制
机构 * Federal University of Santa Catarina (UFSC)(圣卡塔琳娜联邦大学) ; Institute of Cognitive Sciences and Technologies (ISTC-CNR)(认知科学与技术研究所)
专题命中 推理与问题求解 :large language model(title,abstract);language model(title,abstract);分类 cs.AI、cs.LG;LLM(comments)
AI总结 本文提出通过迭代策略优化,利用大语言模型控制具身代理,结合符号知识与子符号感官运动数据实现高效控制。
Comments Final version of the article accepted for publication on Scientific Reports. 29 pages (13 pages are from appendix), 8 figures, 2 tables, code for experiments replication and supplementary material provided at https://github.com/jtyska/llm-robotics-article/
机构 * The Ohio State University(俄亥俄州立大学) ; Universidade de São Paulo(圣保罗大学)
专题命中 推理与问题求解 :large language model(title,abstract);language model(title,abstract);分类 cs.CL、cs.AI;LLM(comments)
Comments 18 pages, 6 figures, to be submitted, comments are welcome. Reproducibility details can be found at: https://github.com/OSU-NLP-Group/LLM-IOAA
专题命中 推理与问题求解 :large language model(title,abstract);language model(title,abstract);分类 cs.AI、cs.LG;foundation model(comments)
Comments Accepted to IEEE International Workshop on Foundation Models for Cyber-Physical Systems & Internet of Things (FMSys 2024)
专题命中 推理与问题求解 :large language model(title,abstract);language model(title,abstract);分类 cs.CL、cs.LG;foundation model(comments)
Comments 14 pages, 1 figure, Foundation Models for Decision Making Workshop at NeurIPS 2023
基于大语言模型的自主代理的自修复框架
机构 * AX Center, SAMSUNG SDS(三星SDS AX中心) ; Dept. of Artificial Intelligence, Graduate School of Engineering, Yonsei University(延世大学工程研究生院人工智能系)
专题命中 推理与问题求解 :LLM(title,abstract);large language model(abstract);language model(abstract);prompting(abstract)
AI总结 本文提出一种可靠性感知的自修复框架,通过故障检测、可靠性评估和自动恢复机制提升基于大语言模型的自主代理的可靠性,实验表明该方法显著提高了任务成功率并增强了系统鲁棒性。
Comments 13 pages, 3 figures,1 table
Journal ref International Journal of Software Engineering and Knowledge Engineering,2026
超越最佳猜测:用进化策略提升大语言模型的解决方案覆盖率
机构 * The University of Texas at Austin(德克萨斯大学奥斯汀分校) ; Cognizant AI Lab(高知特人工智能实验室)
专题命中 推理与问题求解 :LLM(title,summary_cn);large language model(abstract);language model(abstract);post-training(abstract)
AI总结 该研究针对LLM后训练中RL导致pass@k受限、解决方案覆盖率不足的问题,采用进化策略(ES)方法,提升了pass@k与解决方案覆盖率,在数学基准上取得更好结果,为相关领域后训练提供了更好基础。
VectraYX-Vision-1B:一款具备结构化视觉推理与原生工具使用能力的20亿参数以下西班牙语/拉丁美洲网络安全多模态模型
专题命中 推理与问题求解 :language model(title,abstract);LLM(abstract,abstract_cn);SFT(abstract,abstract_cn);分类 cs.CL
AI总结 本研究推出VectraYX-Vision-1B,一款20亿参数以下西班牙语/拉丁美洲网络安全多模态模型,支持结构化推理与工具调用,针对网络UI优化,同时报告了其视觉定位的负面结果及相关修复方案,开源了模型与数据。
Comments 11 pages, 1 figure
OTora:一种用于LLM代理推理层面拒绝服务攻击的统一红队框架
机构 * Department of Computer Science, University of Exeter(埃克塞特大学计算机科学系) ; Department of Computer Science, University of Oxford(牛津大学计算机科学系) ; Department of Mathematics and Computer Science, Eindhoven University of Technology(埃因霍温理工大学数学与计算机科学系)
专题命中 推理与问题求解 :LLM(title,title_cn);large language model(abstract);language model(abstract);分类 cs.LG
AI总结 OTora是首个统一的两阶段红队框架,用于实现推理层面拒绝服务攻击,通过优化对抗触发器和生成代理感知的推理负载,提升推理token数量和延迟,同时保持任务准确性。
Comments Accepted to ICML 2026
案例研究:使用LPTP和语言模型解决P-99问题
专题命中 推理与问题求解 :LLM(title,abstract);large language model(abstract);language model(abstract);prompting(abstract)
AI总结 该研究以九十九个Prolog问题(P-99)为对象,借助向语言模型Claude提问,生成Prolog代码及测试文件,再用LPTP进行验证,完成了前三十三个问题的解决,介绍了具体过程与细节,为他人重现实验提供便利。
Comments In Proceedings ICLP 2026, arXiv:2607.17707
Journal ref EPTCS 450, 2026, pp. 209-222
大语言模型的战略行为:游戏结构与情境框架
专题命中 推理与问题求解 :large language model(title,abstract);language model(title,abstract);分类 cs.AI
AI总结 本文研究三种大语言模型在不同博弈结构和情境框架下的战略决策能力,揭示其在抽象推理和情境适应方面的差异与局限。
Comments 25 pages, 12 figures
Journal ref Lorè, N., Heydari, B. Strategic behavior of large language models and the role of game structure versus contextual framing. Sci Rep 14, 18490 (2024)
HippoSpark: 一种用于LLM推理的按需经验系统
专题命中 推理与问题求解 :LLM(title,title_cn);prompting(abstract);分类 cs.AI
AI总结 提出HippoSpark状态级经验系统,在推理过程中按需检索局部瓶颈的精确指导,在数学、科学和编程基准上优于标准提示和任务级经验基线。
增强大语言模型生成教育任务的多样性
机构 * MPI-SWS(马克斯·普朗克研究所-斯图加特研究所) ; University of Vienna(维也纳大学)
专题命中 推理与问题求解 :LLM(title,abstract);large language model(abstract);language model(abstract);prompting(abstract)
AI总结 针对大语言模型生成教育任务时内容同质化的问题,提出基于发散-收敛思维的两阶段提示框架CreativeDC,在Python编程领域生成的任务多样性提升约1.6倍,同时保持高实用性。
Comments EDM 2026 Poster Paper