ACL

Are My Optimized Prompts Compromised? Exploring Vulnerabilities of LLM-based Optimizers

我的优化提示是否被 compromised？探索基于 LLM 的优化器的漏洞

Andrew Zhao, Reshmi Ghosh, Vitor Carvalho, Emily Lawton, Keegan Hines, Gao Huang, Jack W. Stokes

机构 * Tsinghua University（清华大学） ； Microsoft（微软） 纠错

AI总结 研究发现基于 LLM 的提示优化存在重大安全漏洞，提出假奖励攻击及轻量级防御措施，揭示优化流程为重要攻击目标。

Comments Proceedings of the 19th Conference of the European Chapter of the Association for Computational Linguistics (EACL 2026)

ActiveLLM: Large Language Model-based Active Learning for Textual Few-Shot Scenarios

ActiveLLM: 基于大语言模型的文本少样本场景中的主动学习

Markus Bayer, Justin Lutz, Christian Reuter

机构 * PEASEC Technical University of Darmstadt（PEASEC技术大学达姆施塔特） 纠错

AI总结 ActiveLLM利用大语言模型提升少样本场景下的分类性能，优于传统方法及ADAPET、PERFECT和SetFit等少样本学习方法。

Comments 20 pages, 10 figures, 7 tables

Journal ref Transactions of the Association for Computational Linguistics 14 (2026) 1-22