EMNLP

LLM Jailbreak Detection for (Almost) Free!

几乎免费的LLM劫持检测

Guorui Chen, Yifan Xia, Xiaojun Jia, Zhijiang Li, Philip Torr, Jindong Gu

机构 * School of Information Management, Wuhan University（武汉大学信息管理学院） ； Nanyang Technological University（南洋理工大学） ； Torr Vision Group, University of Oxford（牛津大学Torr视觉组） 纠错

AI总结 本文提出了一种几乎免费的LLM劫持检测方法，通过调整输入指令和logits温度来提高检测性能，无需额外计算成本。

Comments EMNLP 2025 (Findings) https://aclanthology.org/2025.findings-emnlp.309/

Enhancing Study-Level Inference from Clinical Trial Papers via Reinforcement Learning-Based Numeric Reasoning

通过基于强化学习的数值推理增强临床试验论文的论文级别推断

Massimiliano Pronesti, Michela Lorandi, Paul Flanagan, Oisin Redmond, Anya Belz, Yufang Hou

机构 * IBM Research Europe - Ireland（IBM欧洲研究院-爱尔兰） ； Dublin City University（都柏林城市大学） ； IT:U Interdisciplinary Transformation University Austria（IT:U跨学科转型大学奥地利） 纠错

AI总结 本研究通过强化学习和数值推理提升临床试验论文的论文级别推断，实现更准确的系统评价自动化。

Comments Accepted at EMNLP 2025 Main Conference. This revision corrects a minor typo in the camera-ready version

Comparing Specialised Small and General Large Language Models on Text Classification: 100 Labelled Samples to Achieve Break-Even Performance

比较专门化的小型模型和通用的大型模型在文本分类中的表现：100个标注样本实现平衡性能

Branislav Pecher, Ivan Srba, Maria Bielikova

机构 * Faculty of Information Technology, Brno University of Technology（信息技术学院，布拉格技术大学） ； Kempelen Institute of Intelligent Technologies（智能技术研究所） 纠错

AI总结 研究比较了专门化小型模型与通用大型模型在文本分类中的表现，发现平均100个标注样本即可实现平衡性能，且样本需求受任务特征和方差影响显著。

Comments Accepted to the EMNLP 2025 conference