语言大模型 / LLM

INFA-Guard: Mitigating Malicious Propagation via Infection-Aware Safeguarding in LLM-Based Multi-Agent Systems

INFA-Guard: 通过感染感知防护减轻恶意传播在基于大语言模型的多智能体系统中的影响

Yijin Zhou, Xiaoya Lu, Dongrui Liu, Junchi Yan, Jing Shao

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Shanghai Innovation Institute（上海创新研究院） 纠错

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

AI总结 INFA-Guard通过感染感知防护机制有效减轻基于大语言模型的多智能体系统中的恶意传播问题，显著降低攻击成功率并保持拓扑完整性。

LLM Security and Safety: Insights from Homotopy-Inspired Prompt Obfuscation

大语言模型的安全性与安全性：基于同调启发的提示混淆洞察

Luis Lazo, Hamed Jelodar, Roozbeh Razavi-Far

机构 * Canadian Institute for Cybersecurity（加拿大网络安全研究所） ； Faculty of Computer Science（计算机科学学院） ； University of New Brunswick（新 Brunswick大学） 纠错

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

AI总结 本文提出基于同调启发的提示混淆框架，通过系统实验揭示LLM安全漏洞，强调对更强大防御机制和鲁棒性改进的必要性。

Foundations of Global Consistency Checking with Noisy LLM Oracles

基于噪声LLM预言机的全局一致性基础

Paul He, Elke Kirschbaum, Shiva Kasiviswanathan

机构 * Nanyang Technological University（南洋理工大学） ； Amazon Web Services（亚马逊网络服务） 纠错

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

AI总结 本文提出一种基于LLM的自适应分治算法，用于高效检测和定位自然语言事实集合的全局不一致问题，具有低次多项式查询复杂度。

Comments Under Review

Variance-Aware LLM Annotation for Strategy Research: Sources, Diagnostics, and a Protocol for Reliable Measurement

考虑方差的LLM注释用于策略研究：来源、诊断和可靠测量的协议

Arnaldo Camuffo, Alfonso Gambardella, Saeid Kazemi, Jakub Malachowski, Abhinav Pandey

机构 * Bocconi University, ION Management Science Lab.（博科尼大学，ION管理科学实验室） 纠错

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

AI总结 本文提出了一种考虑方差的LLM注释协议，通过诊断五个方差来源并制定采样预算和聚合规则，提升策略研究的注释可靠性与可重复性。

Comments 41 pages for the main paper 53 pages for appendix

An approach for systematic decomposition of complex llm tasks

一种复杂大语言模型任务的系统分解方法

Tianle Zhou, Jiakai Xu, Guanhong Liu, Jiaxiang Liu, Haonan Wang, Eugene Wu

机构 * Columbia University（哥伦比亚大学） 纠错

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

AI总结 本文提出ACONIC框架，通过形式复杂度度量系统分解任务，提升大语言模型在复杂任务中的可靠性。

Entropic Context Shaping: Information-Theoretic Filtering for Context-Aware LLM Agents

熵 context 形状：基于信息论的 context-aware LLM agent 的过滤方法

Hyunjun Kim

机构 * KAIST（韩国科学技术院） 纠错

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

AI总结 本文提出熵 context 形状方法，通过信息论衡量 context 的语用效用，优于词汇相似性方法，在多轮 context 选择任务中取得显著提升。

GFM4GA: Graph Foundation Model for Group Anomaly Detection

基于图的群体异常检测基础模型GFM4GA

Jiujiu Chen, Weijun Zeng, Shaofeng Hu, Sihong Xie, Hui Xiong

机构 * Tencent（腾讯） 纠错

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

AI总结 GFM4GA是一种用于群体异常检测的新型图基础模型，通过双层对比学习预训练和参数受限的少样本微调，有效提升群体异常检测性能。

Recidivism and Peer Influence with LLM Text Embeddings in Low Security Correctional Facilities

再犯与同伴影响：在低安全矫正设施中使用LLM文本嵌入

Shanjukta Nath, Jiwon Hong, Jae Ho Chang, Keith Warren, Subhadeep Paul

机构 * Department of Agricultural and Applied Economics, University of Georgia（农业与应用经济学系，佐治亚大学） ； Department of Statistics, The Ohio State University（统计系，俄亥俄州立大学） ； College of Social Work, The Ohio State University（社会工作学院，俄亥俄州立大学） 纠错

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

AI总结 本文利用LLM文本嵌入分析低安全矫正设施居民的语言数据，发现其能更准确预测再犯率，揭示同伴效应在语言特征中的显著影响。

Browse and Concentrate: Comprehending Multimodal Content via prior-LLM Context Fusion

浏览与聚焦：通过先验LLM上下文融合理解多模态内容

Ziyue Wang, Chi Chen, Yiqi Zhu, Fuwen Luo, Peng Li, Ming Yan, Ji Zhang, Fei Huang, Maosong Sun, Yang Liu

机构 * Dept. of Comp. Sci. & Tech., Institute for AI, Tsinghua University, Beijing, China（计算机科学与技术系，人工智能研究院，清华大学，北京，中国） ； Institute for AI Industry Research (AIR), Tsinghua University, Beijing, China（人工智能产业研究院（AIR），清华大学，北京，中国） ； Institute of Intelligent Computing, Alibaba Group（智能计算研究院，阿里巴巴集团） ； Shanghai Artificial Intelligence Laboratory, Shanghai, China（上海人工智能实验室，上海，中国） ； Jiangsu Collaborative Innovation Center for Language Competence, Jiangsu, China（江苏省语言能力协同创新中心，江苏，中国） 纠错

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

AI总结 本文提出浏览与聚焦两阶段范式，通过融合先验LLM上下文提升多模态内容理解，显著提升多图像场景的性能。

Comments 17 pages, 5 figures

Journal ref ACL 2024

HAPS: Hierarchical LLM Routing with Joint Architecture and Parameter Search

HAPS: 基于联合架构和参数搜索的分层LLM路由

Zihang Tian, Rui Li, Jingsen Zhang, Xiaohe Bo, Wei Huo, Xu Chen

机构 * Renmin University of China（中国人民大学） ； Wireless Technology Lab, Huawei Technologies Co., Ltd.（华为技术有限公司无线技术实验室） 纠错

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

AI总结 HAPS通过联合搜索模型架构和参数，提升大型语言模型在多样化任务中的路由性能。

Left, Right, or Center? Evaluating LLM Framing in News Classification and Generation

左、右或中间？评估LLM在新闻分类和生成中的框架

Molly Kennedy, Ali Parker, Yihong Liu, Hinrich Schütze

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

AI总结 研究评估了LLM在新闻分类和生成中的框架倾向，发现存在系统性的中间框架倾向，Grok 4表现最意识形态，Claude Sonnet 4.5和Llama 3.1在商业和开放权重模型中表现最佳。

AgentDevel: Reframing Self-Evolving LLM Agents as Release Engineering

AgentDevel: 将自演化大语言模型代理重新定义为发布工程

Di Zhang

机构 * Fudan University（复旦大学） 纠错

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

AI总结 AgentDevel将LLM代理改进重新定义为发布工程，通过无实现偏见的批评者、可执行诊断和翻转中心门控，实现稳定改进和可审计的发布流程。

Invisible Languages of the LLM Universe

LLM宇宙中的隐形语言

Saurabh Khanna, Xinxu Li

机构 * Amsterdam School of Communication Research, University of Amsterdam（阿姆斯特丹通信研究所，阿姆斯特丹大学） ； Pembroke College, University of Oxford（牛津大学 Pembroke 学院） 纠错

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

AI总结 本文探讨了LLM宇宙中隐形语言的结构性不平等，揭示了语言活力与数字性之间的不匹配，并指出英语主导AI并非技术必然，而是权力结构的产物。

The Wisdom of Deliberating AI Crowds: Does Deliberation Improve LLM-Based Forecasting?

众智AI深思：深思是否能提升基于LLM的预测？

Paul Schneider, Amalie Schramm

机构 * PRIORB 纠错

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

AI总结 本研究探讨通过让LLM互相审查预测是否能提升其准确性，发现结构化深思在多样化模型中有效，但对同质模型无帮助。

Comments 13 pages, 2 figures, 5 tables, for source code and data see https://github.com/priorb-source/delib-ai-wisdom

Method Decoration (DeMe): A Framework for LLM-Driven Adaptive Method Generation in Dynamic IoT Environments

方法装饰（DeMe）：一种用于动态物联网环境中的LLM驱动自适应方法生成的框架

Hong Su

机构 * School of Computer Science, Chengdu University of Information Technology（计算机科学学院，成都信息科技大學） 纠错

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

AI总结 DeMe框架通过动态装饰机制使LLM在动态物联网环境中自适应生成安全且环境适应的方法。

LLM-based Behaviour Driven Development for Hardware Design

基于大语言模型的行为驱动开发用于硬件设计

Rolf Drechsler, Qian Liu

机构 * University of Bremen/DFKI, Bremen, Germany（不莱梅大学/德意志联邦鹰诺夫研究所） 纠错

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

AI总结 本文提出利用大语言模型自动化硬件设计中的行为驱动开发，以解决传统方法中手动推导行为场景的效率问题。

Comments 7 pages, keynote given at 2nd International Symposium on Artificial Intelligence and Internet of Things (AIIoT-25), December 22-24th, 2025

Adaptive Command: Real-Time Policy Adjustment via Language Models in StarCraft II

自适应命令：通过语言模型在星际争霸II中实现实时策略调整

Weiyu Ma, Dongyu Xu, Shu Lin, Haifeng Zhang, Jun Wang

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； AI Centre, Department of Computer Science, UCL（UCL计算机科学系人工智能中心） ； Nanjing Artificial Intelligence Research of IA, China（南京人工智能研究院） 纠错

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

AI总结 自适应命令通过整合大型语言模型和行为树，在星际争霸II中实现实时策略调整，提升人类与AI协作的决策能力。

A Systematic Study of Code Obfuscation Against LLM-based Vulnerability Detection

对抗基于大语言模型的漏洞检测的代码混淆系统研究

Xiao Li, Yue Li, Hao Wu, Yue Zhang, Yechao Zhang, Fengyuan Xu, Sheng Zhong

机构 * National Key Lab for Novel Software Technology, Nanjing University（新型软件技术国家重点实验室，南京大学） ； Shandong University（山东大学） ； Nanyang Technological University（南洋理工大学） 纠错

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

AI总结 本文系统研究了对抗基于大语言模型的漏洞检测的代码混淆技术，评估了不同混淆方法对LLM检测性能的影响，并提出了未来改进方向。

Context Branching for LLM Conversations: A Version Control Approach to Exploratory Programming

上下文分支用于LLM对话：一种版本控制方法用于探索性编程

Bhargav Chickmagalur Nanjundappa, Spandan Maaheshwari

机构 * Northeastern University（东北大学） 纠错

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

AI总结 ContextBranch通过版本控制机制实现对话分支，解决多轮对话中上下文污染问题，提升探索性编程的响应质量和上下文意识。

Comments 11 pages, 4 figures, 2 tables, 1 code snippet, 4 algorithms

Learning to Debug: LLM-Organized Knowledge Trees for Solving RTL Assertion Failures

学习调试：基于LLM的知识树用于解决RTL断言失败

Yunsheng Bai, Haoxing Ren

机构 * NVIDIA 纠错

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

AI总结 GROVE通过构建基于LLM的知识树，有效解决RTL断言失败问题，提升调试效率和准确性。

On the Dynamics of Multi-Agent LLM Communities Driven by Value Diversity

多智能体LLM社区动态研究：由价值多样性驱动

Muhua Huang, Qinlin Zhao, Xiaoyuan Yi, Xing Xie

机构 * Stanford University（斯坦福大学） ； Microsoft Research Asia（微软亚洲研究院） 纠错

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

AI总结 本研究通过多智能体模拟探讨价值多样性如何影响AI社区的集体行为，发现其提升稳定性与创造力，但极端异质性会导致不稳定性。

Comments Working Paper

Decoding the Black Box: Discerning AI Rhetorics About and Through Poetic Prompting

解码黑箱：通过诗意提示 discerning AI 的修辞

P. D. Edgar, Alia Hall

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

AI总结 通过诗意提示评估AI模型对诗人作品的描述和评价，探讨模型在受众面前适应和重写创意作品的能力。

Comments Late-Breaking Paper accepted to IEEE SSCI 2025 NLP & Social Media Track as extended abstract and presented in Trondheim, Norway 17-20 March 2025 as Poster Presentation

sudoLLM: On Multi-role Alignment of Language Models

sudoLLM: 关于语言模型的多角色对齐

Soumadeep Saha, Akshay Chaturvedi, Joy Mahapatra, Utpal Garain

机构 * ISI Kolkata（印度Kolkata ISI研究所） ； IRIT Toulouse（法国图卢兹 IRIT 研究所） 纠错

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

AI总结 sudoLLM通过注入用户偏见信号，实现多角色对齐的LLM，提升安全性和抗攻击能力。

Comments Accepted to EMNLP 2025 (findings)

Journal ref In Findings of the Association for Computational Linguistics: EMNLP 2025, pages 366-384, Suzhou, China. Association for Computational Linguistics

LLM-based agents for automating the enhancement of user story quality: An early report

基于大型语言模型的代理用于自动化提升用户故事质量：早期报告

Zheying Zhang, Maruf Rayhan, Tomas Herda, Manuel Goisauf, Pekka Abrahamsson

机构 * Princeton University, Princeton NJ 08544, USA, , WWW home page: http://users/ iekeland/web/welcome.html Universit\' e de Paris-Sud, Laboratoire d'Analyse Num\' e rique, B\ a timent 425, F-91405 Orsay Cedex, France 纠错

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

AI总结 本研究利用大型语言模型开发代理系统，旨在提升用户故事质量，展示了人工智能在敏捷开发中的应用潜力和实际效果。

Comments 16 pages, 5 figures, 2 tables

LLM-Generated Ads: From Personalization Parity to Persuasion Superiority

LLM生成的广告：从个性化平局到说服优势

Elyas Meguellati, Stefano Civelli, Lei Han, Abraham Bernstein, Shazia Sadiq, Gianluca Demartini

机构 * The University of Queensland（昆士兰大学） ； The University of Zurich（苏黎世大学） 纠错

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

AI总结 本文研究了LLM生成广告在个性化与说服力上的表现，发现其在说服策略上优于人类，尤其在权威和共识原则中表现突出。

AHAMask: Reliable Task Specification for Large Audio Language Models without Instructions

AHAMask: 不依赖指令的大型音频语言模型可靠任务规范

Yiwei Guo, Bohan Li, Hankun Wang, Zhihan Li, Shuai Wang, Xie Chen, Kai Yu

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

AI总结 AHAMask通过掩码LALMs解码器中的注意力头，实现无需指令的可靠任务规范，实验表明其性能可媲美或超越指令方法。

Comments 15 pages, 10 tables, 6 figures. This is the camera ready version for AAAI 2026, plus an appendix for supplementary experimental details and results

Social Perceptions of English Spelling Variation on Twitter: A Comparative Analysis of Human and LLM Responses

社交媒体对英语拼写变异的感知：人类与大语言模型响应的比较分析

Dong Nguyen, Laura Rosseel

机构 * Utrecht University（乌得勒支大学） ； Vrije Universiteit Brussel（布鲁塞尔自由大学） 纠错

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

AI总结 本研究比较了人类和大语言模型对英语拼写变异的社会感知，发现两者在评分上存在较强关联，但在评分分布和不同拼写变异类型间存在显著差异。

Distillability of LLM Security Logic: Predicting Attack Success Rate of Outline Filling Attack via Ranking Regression

LLM安全逻辑的可蒸馏性：通过排序回归预测轮廓填充攻击的成功率

Tianyu Zhang, Zihang Xi, Jingyu Hua, Sheng Zhong

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

AI总结 本文通过排序回归方法，研究LLM安全逻辑的可蒸馏性，提出改进的轮廓填充攻击以预测攻击成功率，实验表明代理模型在预测安全边界方面具有较高准确性。

When Harmless Words Harm: A New Threat to LLM Safety via Conceptual Triggers

有害词语的危害：通过概念触发器对LLM安全性的新威胁

Zhaoxin Zhang, Borui Chen, Yiming Hu, Youyang Qu, Tianqing Zhu, Longxiang Gao

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

AI总结 本文提出MICM方法，通过概念触发器针对LLM的价值结构进行劫持，揭示了现有安全机制对隐含价值观操控的脆弱性。

Exploring the Human-LLM Synergy in Advancing Theory-driven Qualitative Analysis

探索人与大语言模型协同在推动理论驱动的定性分析中的作用

Han Meng, Yitian Yang, Wayne Fu, Jungup Lee, Yunan Li, Yi-Chieh Lee

机构 * Department of Computer Science, National University of Singapore（计算机科学系，国立新加坡大学） ； Amazon Research, Amazon.com Inc（亚马逊研究，亚马逊公司） ； Department of Social Work, National University of Singapore（社会工作系，国立新加坡大学） 纠错

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

AI总结 本文提出CHALET方法，通过人与大语言模型的协同合作，推动理论驱动的定性分析，揭示心理健康污名的潜在主题。

Comments 51 pages, 6 figures, accepted by ACM Trans. Comput.-Hum. Interact (TOCHI)