National University of Singapore（新加坡国立大学）

Casting a SPELL: Sentence Pairing Exploration for LLM Limitation-breaking

为LLM突破限制而探索句子配对：恶意代码生成的测试框架

Yifan Huang, Xiaojun Jia, Wenbo Guo, Yuqiang Sun, Yihao Huang, Chong Wang, Yang Liu

机构 * Nanyang Technological University（南洋理工大学） ； National University of Singapore（国立新加坡大学） 纠错

AI总结 SPELL框架通过智能句子配对探索LLM在恶意代码生成中的安全漏洞，有效提升对抗测试效果。

Comments Accepted to FSE 2026

Beyond Consensus: Mitigating the Agreeableness Bias in LLM Judge Evaluations

超越共识：在LLM评估中缓解顺从偏差

Suryaansh Jain, Umair Z. Ahmed, Shubham Sahai, Ben Leong

机构 * University of Massachusetts at Amherst（马萨诸塞大学阿默斯特分校） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 本文提出了一种基于回归的框架，通过少量人工标注数据建模验证者偏差，有效缓解LLM评估中的顺从偏差问题，并在代码反馈任务中取得显著提升。