语言大模型 / LLM

LLM+Graph@VLDB'2025 Workshop Summary

LLM+Graph@VLDB'2025研讨会总结

Yixiang Fang, Arijit Khan, Tianxing Wu, Da Yan, Shu Wang

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

AI总结 本文总结了LLM与图结构数据结合的研究进展，探讨了算法、系统及图机器学习在实际应用中的挑战与创新解决方案。

Large Language Models Are Bad Dice Players: LLMs Struggle to Generate Random Numbers from Statistical Distributions

大语言模型是糟糕的骰子玩家：LLM在生成统计分布的随机数时表现不佳

Minda Zhao, Yilun Du, Mengyu Wang

机构 * Harvard University（哈佛大学） 纠错

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

AI总结 研究发现大语言模型在生成随机数时存在显著缺陷，其采样能力随分布复杂度和采样范围增加而下降，导致下游任务出现系统性偏差。

Comments Accepted to ACL 2026 (Main Conference)

TreeCoder: Systematic Exploration and Optimisation of Decoding and Constraints for LLM Code Generation

TreeCoder: 对LLM代码生成解码与约束的系统探索与优化

Henrijs Princis, Arindam Sharma, Cristina David

机构 * University of Bristol（布里斯托大学） 纠错

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

AI总结 TreeCoder通过系统探索和优化解码策略与约束，提升LLM代码生成的准确性和结构，实验表明其在多个开源模型上显著优于无约束基线。

Comments 30 pages, 9 figures, 13 tables

One Persona, Many Cues, Different Results: How Sociodemographic Cues Impact LLM Personalization

一个身份，多种线索，不同结果：社会人口学线索如何影响LLM个性化

Franziska Weeber, Vera Neplenbroek, Jan Batzner, Sebastian Padó

机构 * Institute for Natural Language Processing, University of Stuttgart（斯图加特大学自然语言处理研究所） ； Institute for Logic, Language and Computation, University of Amsterdam（阿姆斯特丹大学逻辑、语言和计算研究所） ； Weizenbaum Institute（Weizenbaum研究所；慕尼黑机器学习中心；慕尼黑技术大学） ； Munich Center for Machine Learning ； TU Munich 纠错

专题命中 其他LLM ：LLM(title,title_cn)；分类 cs.CL

AI总结 研究探讨社会人口学线索对LLM个性化的影响，指出单一线索可能导致偏差，强调需考虑外部有效性。

Comments ACL 2026 Main Conference

Towards Operational Validation of LLM-Agent Social Simulations: A Replicated Study of a Reddit-like Technology Forum

向LLM-代理社会模拟的操作验证：一个Reddit-like技术论坛的重复研究

Aleksandar Tomašević, Darja Cvetković, Sara Major, Slobodan Maletić, Miroslav Anđelković, Ana Vranić, Boris Stupovski, Dušan Vudragović, Aleksandar Bogojević, Marija Mitrović Dankulov

专题命中 其他LLM ：LLM(title,title_cn)

AI总结 本文通过30天的模拟研究，验证LLM-代理在技术论坛中的操作有效性，发现模拟结果与真实数据在用户和帖子层面有重叠，但评论毒性等指标存在差异，揭示了代理设计对模拟结果的影响。

Representational Harms in LLM-Generated Narratives Against Global Majority Nationalities

大语言模型生成叙述中对全球多数民族的代表性伤害

Ilana Nguyen, Harini Suresh, Thema Monroe-White, Evan Shieh

机构 * Brown University（布朗大学） ； George Mason University（乔治·马歇尔大学） 纠错

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

AI总结 本文研究了广泛使用的LLM在开放性叙述生成提示下对不同民族身份的呈现，发现存在持续性的代表性伤害，包括有害刻板印象、抹除和一维化描述，且美国国籍提示会加剧这种伤害。

Comments FAccT '26, June 25-28, 2026, Montreal, QC, Canada

Report for NSF Workshop on AI for Electronic Design Automation

NSF关于人工智能在电子设计自动化领域的研讨会报告

Deming Chen, Vijay Ganesh, Weikai Li, Yingyan Celine Lin, Yong Liu, Subhasish Mitra, David Z. Pan, Ruchir Puri, Jason Cong, Yizhou Sun

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Georgia Institute of Technology（佐治亚理工学院） ； University of California at Los Angeles（加州大学洛杉矶分校） ； Cadence Design Systems, Inc.（Cadence设计系统公司） ； Stanford University（斯坦福大学） ； University of Texas at Austin（得克萨斯大学奥斯汀分校） ； IBM 纠错

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

AI总结 报告总结了NSF人工智能在电子设计自动化领域研讨会的讨论和建议，探讨了AI技术如何加速EDA设计流程，提出加强AI与EDA合作、投资基础AI研究等核心贡献。

Comments Accepted by IEEE Circuits and Systems Magazine (2026). This is the accepted version. The published version is available at https://ieeexplore.ieee.org/document/11466406

Journal ref IEEE Circuits and Systems Magazine, vol. 26, no. 1, First Quarter 2026

Intrinsic Fingerprint of LLMs: Continue Training is NOT All You Need to Steal A Model!

大模型的内在指纹：继续训练并不等于完全掩盖模型来源

Do-hyeon Yoon, Minsoo Chun, Thomas Allen, Hans Müller, Min Wang, Rajesh Sharma

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

AI总结 本文提出一种基于大模型内在特征的鲁棒指纹方法，通过分析注意力参数矩阵的标准差分布，揭示模型来源，发现继续训练无法完全掩盖模型起源，揭示了模型剽窃和版权问题。

Comments arXiv admin note: This paper has been withdrawn by arXiv due to unverifiable authorship and affiliation

Initial results of the Digital Consciousness Model

数字意识模型的初步结果

Derek Shiller, Laura Duffy, Arvo Muñoz Morán, Adrià Moret, Chris Percy, Hayley Clatterbuck

机构 * University of Barcelona（巴塞罗那大学） ； Co-Sentience Initiative（共意识计划） 纠错

专题命中 其他LLM ：LLM(summary_cn,abstract)；分类 cs.AI

AI总结 本文探讨了数字意识模型在评估AI系统意识证据方面的初步发现，指出2024年LLM的意识证据不充分，但比更简单AI系统的证据弱。

Comments v1.1 Revised section 4.2 details and acknowledgments

Recognition Without Authorization: LLMs and the Moral Order of Online Advice

无需授权的识别：大语言模型与在线建议的道德秩序

Tom van Nuenen

机构 * Social Sciences Data Lab（社会科学数据实验室） ； UC Berkeley（伯克利大学） 纠错

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

AI总结 本文研究大语言模型在处理日常人际困境时的建议倾向，发现其在识别问题时较少给予行动授权，特别是在社区共识强烈的情况下，模型推荐退出的比例显著低于人类，且保持较高的谨慎和治疗框架。

ArguMath: AI-Simulated Environment for Pre-Service Teacher Training in Orchestrating Classroom Mathematics Argumentation

ArguMath: 为培养未来教师提供的人工智能模拟环境，用于课堂数学论证的协调

Jiwon Chun, Yuling Zhuang, Armanto Sutedjo, Colin Xu, Rong Ren, Meng Xia

专题命中 其他LLM ：large language model(abstract)；language model(abstract)

AI总结 本文提出ArguMath，一个基于AI的模拟环境，帮助未来数学教师练习协调课堂数学论证，通过定制教室设置、AI模拟学生讨论和结构化反思来提升其理论对齐的提问策略。

Rethinking AI-Mediated Minority Support in Power-Imbalanced Group Decision-Making: From Anonymity To Authenticity

重新思考权力失衡群体决策中的AI辅助少数群体支持：从匿名到真实性

Soohwan Lee, Kyungho Lee

专题命中 其他LLM ：LLM(abstract)

AI总结 本文探讨AI辅助通信中少数群体支持策略的平衡问题，发现匿名化输入虽提升参与度但降低心理安全，而自主反驳提升满意度并减少边缘化，揭示了匿名性、真实性、自主性和问责之间的权衡及权力不对称的风险。

Comments ACM CHI 2026 Workshop on Restoring Human Authenticity in AI-Mediated Communication (CHI '26 AI-MC)