语言大模型 / LLM

Beyond Accuracy: LLM Variability in Evidence Screening for Software Engineering SLRs

超越准确性：LLM在软件工程SLR证据筛选中的变异性

Gilberto Sussumu Hida, Danilo Monteiro Ribeiro, Erika Yahata

机构 * AIBL CESAR School（AIBL CESAR学校） ； CMCC UFABC 纠错

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 研究评估了LLM在证据筛选中的性能和变异性，分析了输入元数据对性能的影响，并比较了LLM与传统分类器的实证效果。

Comments 16 pages, 12 figures. Earlier, shorter, conference-style version of a more comprehensive journal manuscript currently under review

Context Matters: Peer-Aware Student Behavioral Engagement Measurement via VLM Action Parsing and LLM Sequence Classification

语境至关重要：通过VLM动作解析和LLM序列分类进行同伴感知的学生行为参与度测量

Ahmed Abdelkawy, Ahmed Elsayed, Asem Ali, Aly Farag, Thomas Tretter, Michael McIntyre

机构 * University of Louisville（路易斯维尔大学） 纠错

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

AI总结 本文提出一种三阶段框架，通过VLM动作识别和LLM序列分类，结合课堂语境中的同伴行为，有效测量学生参与度。

Comments accepted to the Computer Vision for Education (CV4Edu) workshop, CVPR 2026

Breaking Bad Financial Habits: How LLM Conversations Correct Financial Misconceptions

打破不良财务习惯：LLM对话如何纠正财务误解

Jillian Ross, Eric So, Andrew W. Lo

专题命中 其他LLM ：LLM(title,title_cn)

AI总结 研究发现，精心设计的LLM能有效持久纠正财务误解，关键在于纠正意图和受体接受度，为传统财务教育提供可扩展替代方案。

From LLM-Driven Trading Card Generation to Procedural Relatedness: A Pokémon Case Study

从LLM驱动的卡牌生成到过程相关性：一个宝可梦案例研究

Johannes Pfau, Panagiotis Vrettis

机构 * Utrecht University（乌特雷赫大学） 纠错

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

AI总结 本文探讨利用大语言模型和图像扩散模型生成卡牌内容，通过个性化无限卡牌设计解决传统卡牌游戏的重复性和玩家体验问题，展示动态个性化生成方法及过程相关性的潜力。

Political Bias Audits of LLMs Capture Sycophancy to the Inferred Auditor

对LLM的政治偏见审计揭示了对推断审计者的趋炎附势

Petter Törnberg, Michelle Schimmel

机构 * Institute of Logic, Language and Computation (ILLC), University of Amsterdam（逻辑、语言和计算研究所（ILLC），阿姆斯特丹大学） 纠错

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

AI总结 本文通过实验揭示LLM对推断审计者的趋炎附势现象，发现政治偏见并非固定立场，而是对实际对话者的响应模式。

FMCL: Class-Aware Client Clustering with Foundation Model Representations for Heterogeneous Federated Learning

FMCL：基于基础模型表示的类感知客户端聚类用于异构联邦学习

Mahad Ali, Laura J. Brattain

机构 * University of Central Florida（中央佛罗里达大学） 纠错

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

AI总结 FMCL通过基础模型生成语义客户端签名，实现一次聚类，提升异构联邦学习性能并保持稳定性。

Comments 14 pages, 2 figures

Entropy of Ukrainian

乌克兰语的熵

Anton Lavreniuk, Mykyta Mudryi, Markiian Chaklosh

机构 * Polish-Japanese Academy of Information Technology（波兰-日本信息科技学院） ； University of the National Education Commission in Kraków（克拉科夫国家教育委员会大学） 纠错

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

AI总结 本文通过招募184名志愿者预测乌克兰语句子中下一个字符，计算出其熵上限为1.201 bits/character，并与现有大语言模型进行对比。

Comments 8 pages, 5 figures, 2 tables. Accepted at UNLP 2026

Emotion-Aware Clickbait Attack in Social Media

社交媒体中具有情绪感知的点击欺诈攻击

Syed Mhamudul Hasan, Mohd. Farhan Israk Soumik, Abdur R. Shahid

机构 * Southern Illinois University（南方伊利诺伊大学） 纠错

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

AI总结 本文提出一种基于情感空间的点击欺诈生成攻击方法，通过风格转换优化情感影响，实验显示其显著降低现有分类器性能。

Social Media Data Toolkit: Standardization and Anonymization of Social Network Datasets

社交媒体数据工具包：社交媒体网络数据集的标准化与匿名化

Ali Najafi, Letizia Iannucci, Mikko Kivelä, Onur Varol

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

AI总结 本文提出Social Media Data Toolkit工具包，通过统一数据结构和匿名化模块，解决跨平台分析中的数据异质性和一致性问题，支持多平台研究和可重复的社交媒体研究。

Comments 18 pages, 4 figures, 2 tables

CasLayout: Cascaded 3D Layout Diffusion for Indoor Scene Synthesis with Implicit Relation Modeling

CasLayout：基于级联3D布局扩散的室内场景合成与隐式关系建模

Yingrui Wu, Youkang Kong, Mingyang Zhao, Weize Quan, Dong-Ming Yan, Yang Liu

机构 * MAIS, Institute of Automation, Chinese Academy of Sciences and School of Artificial Intelligence, University of Chinese Academy of Sciences（MAIS，自动化研究所，中国科学院，人工智能学院，中国科学院大学） ； Tsinghua University（清华大学） ； SKLMS, Academy of Mathematics and Systems Science, Chinese Academy of Sciences（系统科学研究所，中国科学院） ； Microsoft Research Asia（微软亚洲研究院） 纠错

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

AI总结 CasLayout通过级联扩散框架将场景生成分解为四个阶段，结合物理与语义约束，提升生成效率与可控性，实现高质量室内场景合成。

Comments SIGGARPH 2026 (Journal Track), Code: https://github.com/YingruiWoo/CasLayout

RAQG-QPP: Query Performance Prediction with Retrieved Query Variants and Retrieval Augmented Query Generation

RAQG-QPP: 基于检索查询变体和检索增强查询生成的查询性能预测

Fangzheng Tian, Debasis Ganguly, Craig Macdonald

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

AI总结 本文提出RAQG-QPP方法，利用历史检索查询作为查询变体，结合大语言模型生成变体，提升神经排序模型的查询性能预测效果，实验表明在TREC DL'19和DL'20上比现有方法提升30%。

Comments Accepted manuscript. 27 pages, 8 figures, 5 tables. To appear in ACM Transactions on Information Systems

Taming the Centaur(s) with LAPITHS: a framework for a theoretically grounded interpretation of AI performances

驯服半人马：LAPITHS框架用于理论基础的AI性能解释

Matteo Da Pelo, Alessio Donvito, Claudio Frongia, Pietro Salis, Antonio Lieto

机构 * University of Cagliari（卡利亚里大学） ； University of Bari Aldo Moro（巴里阿尔多·莫罗大学） ； University of Salerno（萨勒诺大学） 纠错

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

AI总结 LAPITHS框架挑战了将Transformer模型的人类水平表现视为认知能力的理论假设，通过量化评估和行为比较揭示认知合理性问题。

Comments 28 pages

Effective Prompt Pool Learning for Continual Category Discovery

有效提示池学习用于连续类别发现

Fernando Julio Cendra, Xinghui Li, Kai Han

机构 * the University of Hong Kong（香港大学） 纠错

专题命中 其他LLM ：prompting(abstract)

AI总结 本文提出PromptCCD和PromptCCD++框架，通过全局类原型和物体部分原型提升连续类别发现性能，揭示类别数量是发现性能的主要瓶颈。

Comments Under review. Extended version of our ECCV 2024 paper, see arXiv:2407.19001v2