AI 大模型
大语言模型、预训练、指令微调、后训练和语言模型应用。
一种用于大型语言模型API流量中模型提取攻击的极其简单的检测器
机构 * Santa Clara University（圣克拉拉大学） ； Florida State University（佛罗里达州立大学）
专题命中 其他LLM ：LLM(summary_cn,abstract)；large language model(title,abstract)；language model(title,abstract)；分类 cs.CL
AI总结 本文提出一种基于最大均值差异（MMD）的简单检测方法，通过将查询嵌入语义空间并比较其与历史良性流量的分布差异，有效检测LLM API中的模型提取攻击。
Comments Preprint. Code available at https://github.com/LabRAI/mmd-llm-mea-detection
从自我到他人：评估LLM仇恨言论标注中的人口统计学视角采纳
机构 * Information Retrieval Lab（信息检索实验室） ； CITIC Research Centre（CITIC研究中心） ； Universidade da Coruña（科鲁纳大学）
专题命中 其他LLM ：LLM(title,title_cn)；large language model(abstract)；language model(abstract)；prompting(abstract)
AI总结 本研究通过评估人格化LLM在仇恨言论检测中模拟不同人口群体视角的能力，发现模型在群体间分歧、群体内敏感性和替代性预测三个维度上表现不一，其中使用Llama 3.1的替代性提示在多数人口统计轴上实现了最高跨群体一致性。
CuTeGen: 基于LLM的代理框架用于使用CuTe生成和优化高性能GPU内核
机构 * Department of Computer Science, University of Toronto（计算机科学系，多伦多大学）
专题命中 其他LLM ：LLM(title,title_cn)；分类 cs.AI、cs.LG
AI总结 本文提出CuTeGen，一种基于LLM的代理框架，通过CuTe抽象层实现GPU内核的生成和优化，通过结构化生成-测试-优化工作流，在标准基准测试中实现了比PyTorch快1.71倍的速度提升，并在生成成本相近的情况下优于现有代理基线CudaForge。
如果她不再有同样的感觉呢？当我们将AI用于关系建议时会发生什么
机构 * Department of Psychology, University of Kansas（堪萨斯大学心理学系） ； Independent Researcher（独立研究者）
专题命中 其他LLM ：LLM(summary_cn,abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI
AI总结 研究探讨了用户对LLM生成的浪漫关系建议的评价，发现用户对建议的满意度高，并且这种满意度与对模型可靠性和有用性的感知正相关，同时用户对LLM的态度也显著改善。
Journal ref First Workshop on LLM Persona Modeling, NeurIPS 2025
利用街景图像和视觉大语言模型预测遗产价值以支持治理：风险、伦理与政策影响
机构 * RISE Research Institutes of Sweden AB（瑞典RISE研究机构） ； Malmö University（马尔默大学） ； Forschungszentrum Jülich GmbH（朱利奇研究中心） ； Uppsala University（乌普萨拉大学）
专题命中 其他LLM ：LLM(summary_cn,abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI
AI总结 本研究利用街景图像和视觉大语言模型评估瑞典建筑遗产价值，以支持建筑翻新计划的制定，探讨了方法中的问题、潜在改进以及使用LLM数据的伦理风险。
是什么让两个语言模型思考相似？
机构 * UNICOG ； CNRS（法国国家科学研究中心） ； INSERM（法国国家健康与医学研究院） ； CEA（法国原子能委员会） ； Paris-Saclay University（巴黎-萨克雷大学） ； LSCP（语言科学研究中心） ； EHESS（高等科学研究所） ； ENS（巴黎高等师范学校） ； PSL University（巴黎科学哲学大学）
专题命中 其他LLM ：language model(title,abstract)；LLM(abstract,abstract_cn)；分类 cs.CL
AI总结 本文研究了语言模型表示和处理语言的方式是否受架构和训练差异影响，提出了一种新的方法来量化模型间相似性和差异性，并发现模型相似性主要由发布日期和模型家族决定。
Comments 25 pages, 13 figures
WebMCP工具表面投毒：针对LLM智能体的运行时操纵攻击
专题命中 其他LLM ：LLM(title,title_cn)
AI总结 本文提出一种新的威胁——会话中工具注入（MSTI），通过第三方脚本在活跃会话中注入恶意工具，并细分为工具劫持和工具框架两类，实验证明可破坏WebMCP功能，最后给出缓解方向和安全设计建议。
学习遗忘什么：通过习得的词元级重要性改进大语言模型遗忘
机构 * Theory of Machine Learning Lab, EPFL（机器学习理论实验室，EPFL）
专题命中 其他LLM ：LLM(title)；language model(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 提出交替词元加权遗忘（ATWU）框架，通过联合学习词元遗忘特异性和模型参数，在无外部监督下实现最优的遗忘-保留权衡。
Synapse: 通过类型化编目工件实现联邦工具路由
机构 * MongoDB ； Arizona State University（亚利桑那州立大学）
专题命中 其他LLM ：LLM(summary_cn,abstract)；分类 cs.AI
AI总结 本文提出了一种名为Synapse的联邦工具路由编目系统，通过类型化联邦工件实现跨客户端的联邦学习，解决了在异构LLM和无共享数据的情况下，如何实现隐私保护、冲突解决和跨架构迁移的问题。
使用时间序列基础模型的攻击检测
机构 * University of Pennsylvania（宾夕法尼亚大学） ； KTH Royal Institute of Technology（皇家理工学院） ； Uppsala University（乌普萨拉大学）
专题命中 其他LLM ：foundation model(title,abstract)；分类 cs.LG
AI总结 针对无模型知识的网络物理系统，提出基于TimesFM时间序列基础模型的零样本攻击检测方法，在IEEE 14节点电力系统上验证其性能。
Comments Under review
模型上下文协议服务器运行时故障的分类法
机构 * Jheronimus Academy of Data Science and Tilburg University（赫伦尼姆数据科学学院和蒂尔堡大学） ； Jheronimus Academy of Data Science（赫伦尼姆数据科学学院） ； University of Sannio（萨尼亚大学） ； University of Luxembourg（卢森堡大学） ； University of Naples Federico II（那不勒斯费德里科二世大学）
专题命中 其他LLM ：LLM(abstract_cn)；large language model(abstract)；language model(abstract)；分类 cs.AI
AI总结 本文通过手动分析473个MCP服务器仓库中的837个故障线程，采用自下而上的开放式编码方法，首次建立了MCP服务器运行时故障的经验分类法，包含11个顶层类别和27个子类别（73种叶子故障类型），并通过开发者调查验证了其外部有效性。
Comments 14 pages
SlotGCG：利用LLMs中的位置脆弱性进行越狱攻击
机构 * Dongguk University-Seoul（东国大学-首尔）
专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出SlotGCG方法，通过量化提示中不同插入位置（槽）的脆弱性得分（VSS），选择最脆弱的位置插入对抗性令牌，从而显著提升基于优化的越狱攻击成功率。
Journal ref International Conference on Learning Representations (ICLR), 2026
通过分子感知探索实现智能体分子恢复
机构 * Department of Artificial Intelligence, Korea University（韩国大学人工智能系）
专题命中 其他LLM ：LLM(abstract,abstract_cn)；分类 cs.AI
AI总结 针对文本引导分子生成中无效SMILES问题，提出AMREC方法，通过分子感知失配追踪、扩展候选探索和轨迹级选择，在恢复化学有效性的同时保留目标相关结构线索和分子身份。
Comments Preprint
SHIELDS: 通过迭代多智能体修复实现操作系统加固自动化
专题命中 其他LLM ：large language model(abstract)；language model(abstract)
AI总结 提出SHIELDS多智能体系统，利用大语言模型通过迭代反馈驱动的方式自动修复操作系统安全配置错误，在多种虚拟机配置下成功修复高达73%的扫描发现。
利用级联二分类和多模态融合进行自发语音中的痴呆症检测
专题命中 其他LLM ：language model(abstract)
AI总结 本文提出了一种级联二分类和多模态融合的方法，用于通过自发语音进行早期痴呆症检测，解决了类别不平衡问题，并在Mini-Mental State Examination评分回归任务中实现了优于基线方法的性能。
Comments Accepted by Interspeech 2025
Journal ref Proc. Interspeech 2025, pp. 544-548, 2025
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈