Harnessing Large Language Models for Software Vulnerability Detection: A Comprehensive Benchmarking Study
专题命中 其他LLM ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)；prompting(abstract)
AI 大模型
语言大模型 / LLM
大语言模型、预训练、指令微调、后训练和语言模型应用。
1. 其他LLM 12096 篇
Pareto Optimal Learning for Estimating Large Language Model Errors
专题命中 其他LLM ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)；prompting(abstract)
Journal ref Proceedings of the 62nd Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers). 2024
Using Instruction-Tuned Large Language Models to Identify Indicators of Vulnerability in Police Incident Narratives
专题命中 其他LLM ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)；prompting(abstract)
Comments 33 pages, 6 figures Submitted to Journal of Quantitative Criminology
Rich Semantic Knowledge Enhanced Large Language Models for Few-shot Chinese Spell Checking
专题命中 其他LLM ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)；foundation model(abstract)
Comments This paper is accepted by Findings of the Association for Computational Linguistics: ACL 2024
OpenSep: Leveraging Large Language Models with Textual Inversion for Open World Audio Separation
专题命中 其他LLM ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)；prompting(abstract)
Comments Accepted in EMNLP 2024 Main
PeriGuru: A Peripheral Robotic Mobile App Operation Assistant based on GUI Image Understanding and Prompting with LLM
专题命中 其他LLM ：LLM(title,abstract)；prompting(title,abstract)；large language model(abstract)；language model(abstract)
P-ICL: Point In-Context Learning for Named Entity Recognition with Large Language Models
专题命中 其他LLM ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)；prompting(abstract)
llmNER: (Zero|Few)-Shot Named Entity Recognition, Exploiting the Power of Large Language Models
专题命中 其他LLM ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)；prompting(abstract)
PHALM: Building a Knowledge Graph from Scratch by Prompting Humans and a Language Model
专题命中 其他LLM ：language model(title,abstract)；prompting(title,abstract)；LLM(abstract)；large language model(abstract)
Enabling Conversational Interaction with Mobile UI using Large Language Models
专题命中 其他LLM ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)；prompting(abstract)
Comments Published as a conference paper at CHI 2023
Ask Me Anything: A simple strategy for prompting language models
专题命中 其他LLM ：language model(title,abstract)；prompting(title,abstract)；LLM(abstract)；large language model(abstract)
Beyond Via: Analysis and Estimation of the Impact of Large Language Models in Academic Papers
超越Via：分析和估计大语言模型在学术论文中的影响
机构 * Laboratoire Lattice（拉蒂斯实验室）
专题命中 其他LLM ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract,comments)；分类 cs.CL、cs.AI、cs.LG
AI总结 研究通过分析arXiv论文，发现大语言模型影响了学术论文中的词汇使用，如标题中'beyond'和'via'的增加，以及摘要中'the'和'of'的减少，揭示了LLM使用在现实中的异质性和动态性。
Comments Visualization of word usage patterns in arXiv abstracts: https://llm-impact.github.io/
Large Language Model Based Generative Error Correction: A Challenge and Baselines for Speech Recognition, Speaker Tagging, and Emotion Recognition
基于大语言模型的生成性错误校正：语音识别、说话人标注和情感识别的挑战与基线
专题命中 其他LLM ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract,comments)；分类 cs.CL、cs.AI、cs.LG
AI总结 本文提出GenSEC挑战，通过大语言模型提升语音识别、说话人标注和情感识别任务的准确性与实用性。
Comments IEEE SLT 2024. The initial draft version has been done in December 2023. Post-ASR Text Processing and Understanding Community and LlaMA-7B pre-training correction model: https://huggingface.co/GenSEC-LLM/SLT-Task1-Llama2-7b-HyPo-baseline
Clearing the Fog: Towards Installing and Refining Proactive Exploration Capabilities in LLM Agents
消除迷雾：为大语言模型智能体（LLM Agents）安装与优化主动探索能力
机构 * Engineering Research Center of Machine Learning and Industry Intelligence（机器学习与产业智能工程研究中心） ； National University of Singapore（新加坡国立大学） ； University of Leeds（利兹大学） ； Sichuan University（四川大学）
专题命中 其他LLM ：LLM(title,title_cn)；分类 cs.AI、cs.LG
AI总结 该研究针对LLM智能体主动探索能力的两大瓶颈，提出含探索性数据构建、对比信号引导的RL优化的方法，经实验验证其有效性并公开代码。
Does ISO-Grounded NFR Specification Improve LLM Code Generation? A Comparison of Rich and Structured Interventions against a Natural-Language Baseline
基于ISO标准的非功能性需求（NFR）规范是否能提升大语言模型（LLM）的代码生成能力？针对丰富干预方式、结构化干预方式与自然语言基线的对比研究
专题命中 其他LLM ：LLM(title,title_cn)；分类 cs.AI、cs.LG
AI总结 该研究对比了ISO标准下丰富自然语言、结构化JSON与单行基线三种NFR规范对LLM代码生成的影响，发现前者可提升代码静态质量，且语义内容比格式更重要。
Comments 11 pages, 2 figures, Accepted for publication at the 20th Brazilian Symposium on Software Components, Architectures, and Reuse (SBCARS 2026)
Tracing Provenance and Detecting Tampering with Complementary LLM Watermarks
追踪来源并检测互补大语言模型水印的篡改
专题命中 其他LLM ：LLM(title,summary_cn)；large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI
AI总结 本研究提出一种互补LLM水印方法，通过嵌入鲁棒与脆弱双信号，实现来源追踪与篡改检测，在两类LLM和两类提示数据集上，其篡改检测率优于现有方法，且保持了良好的归属鲁棒性与困惑度。
Comments 11 pages, 7 figures, 4 tables
Do Influence Tactics Matter? Investigating Prompt Framing Effects in LLM Code Generation
影响策略重要吗？研究大语言模型代码生成中的提示词框架效应
专题命中 其他LLM ：LLM(title,summary_cn)；large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI
AI总结 本研究首次大规模实证探究基于心理学的影响策略诱导的提示词框架对LLM代码生成的影响，发现强调紧迫性的框架会降低代码正确性与安全性，为设计人机交互提供实践见解。
Comments Accepted for publication in Empirical Software Engineering. This is the accepted manuscript version. 37 pages, 3 figures
Journal ref Empirical Software Engineering 32 (2026) 13
GPTKB 2.0: Browsing, Querying, and Auditing a Disambiguated LLM-Derived Knowledge Base
GPTKB 2.0：浏览、查询与审计经消歧的大语言模型衍生知识库
机构 * ScaDS.AI Dresden/Leipzig（ScaDS.AI德累斯顿/莱比锡） ； TU Dresden（德累斯顿工业大学） ； Institute for AI, VNU University of Engineering and Technology（越南国家大学工程技术学院人工智能研究所）
专题命中 其他LLM ：LLM(title,summary_cn)；large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI
AI总结 该研究推出了可浏览、查询、审计的GPTKB 2.0系统，其为经上下文引导消歧的LLM衍生知识库，规模达3840万条三元组，支持多种查询及实体链接功能，且提供网络演示与离线下载。
Comments 7 pages, 11 figures
SkillTrace: Multi-Trace Provenance Auditing for LLM-Agent Skill Reuse
SkillTrace：面向LLM智能体技能复用的多溯源审计
专题命中 其他LLM ：LLM(title,title_cn)；分类 cs.AI、cs.LG
AI总结 本文提出SKILLTRACE框架，通过提取三种溯源审计LLM智能体技能复用，在SKILLTRACE-BENCH上取得高指标，野外审计显示其能生成更具操作性的复用审查队列。
Segmenting Human-LLM Co-authored Text via Change Point Detection
通过变化点检测对人类与大语言模型共同撰写的文本进行分割
机构 * School of Mathematics University of Birmingham（数学系 英国伯明翰大学） ； Department of Statistics London School of Economics and Political Science（统计系 伦敦政治经济学院）
专题命中 其他LLM ：LLM(title,summary_cn)；large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI
AI总结 针对大语言模型兴起后区分人类与LLM共同撰写文本的需求，提出类似时间序列变化点检测的算法，开发加权和广义算法，建立最优性，实验表明该方法性能优于现有基线。
AgentWorm: Self-Propagating Attacks Across LLM Agent Ecosystems
ClawWorm：针对LLM代理生态系统自主传播的攻击
机构 * Peking University（北京大学） ； Sun Yat-sen University（中山大学） ； Wuhan University（武汉大学） ； Tsinghua University（清华大学） ； Singapore Management University（新加坡管理学院）
专题命中 其他LLM ：LLM(title,title_cn)；分类 cs.AI、cs.LG
AI总结 研究提出ClawWorm，首个自主传播的LLM代理框架攻击，通过单条消息实现持久化感染与多跳传播，揭示模型安全姿态差异及防御策略。
CASPER in the Machine: Insights into Character Variety in LLM-Generated Stories
机器中的CASPER：LLM生成故事中角色多样性的洞察
机构 * UNC Chapel Hill（北卡罗来纳大学教堂山分校） ； Georgia Institute of Technology（佐治亚理工学院） ； University of Michigan（密歇根大学）
专题命中 其他LLM ：LLM(title,title_cn)；分类 cs.CL、cs.AI
AI总结 本文借用叙事学定义，从八个维度分析LLM与人类创作故事中角色的刻画，发现两者在角色类型和多样性上既有相似也有差异。
Comments Proceedings of ACL, 2026
Simulated Customers Never Walk Away: Decision Fidelity of LLM User Simulators Measured Against Real Purchase Outcomes
模拟客户永不离开：LLM用户模拟器与实际购买结果的决策保真度
机构 * Chinese relationship-matchmaking service（中国婚恋服务平台）
专题命中 其他LLM ：LLM(title,title_cn)；分类 cs.CL、cs.AI
AI总结 本文提出决策保真度概念，通过对比LLM模拟器与真实客户在销售对话中的决策状态，发现模拟器高估非购买者的参与度，低估其拒绝意愿，导致系统偏差。
Graph-based Target Back-Propagation for Context Adaptation in Multi-LLM Agentic Systems
基于图的目标反向传播用于多LLM智能体系统中的上下文自适应
机构 * Retail Intelligence, Walmart Global Tech（零售智能，沃尔玛全球技术）
专题命中 其他LLM ：LLM(title,title_cn)；分类 cs.CL、cs.LG
AI总结 提出GTBP框架，通过图结构反向传播局部目标输出，实现多LLM智能体工作流的上下文自适应，理论保证稳定性，实验优于基线。
Scaling Search Relevance: Augmenting App Store Ranking with LLM-Generated Judgments
扩展搜索相关性：用LLM生成的判断增强应用商店排名
机构 * Apple（苹果公司）
专题命中 其他LLM ：LLM(title,title_cn)；分类 cs.AI、cs.LG
AI总结 针对应用商店排名中专家文本相关性标签稀缺的问题，通过微调LLM生成数百万标签，结合行为相关性优化排序器，显著提升Pareto前沿和转化率。
Human Psychometric Questionnaires Mischaracterize LLM Behavior
人类心理测量问卷误判LLM行为
机构 * Graduate School of Data Science, Seoul National University（首尔国立大学数据科学研究生院） ； Department of Communication, Interdisciplinary Program in Artificial Intelligence, Seoul National University（首尔国立大学通信系人工智能交叉学科项目）
专题命中 其他LLM ：LLM(title,title_cn)；分类 cs.CL、cs.AI
AI总结 通过比较LLM在Likert问卷和生成概率上的价值与人格特征，发现问卷存在系统性偏差，提出基于生成概率的评估方法更准确。
Comments 38 pages, 6 figures
Do Proactive Agents Really Need an LLM to Decide When to Wake and What to Anchor?
主动型智能体真的需要LLM来决定何时唤醒和锚定什么吗？
机构 * Purdue University（普渡大学） ； Microsoft（微软） ； Michigan State University（密歇根州立大学） ； Georgia Institute of Technology（佐治亚理工学院）
专题命中 其他LLM ：LLM(title,title_cn)；分类 cs.CL、cs.AI
AI总结 提出用时间图学习（TGL）模型替代LLM作为主动智能体的触发器，通过图更新而非文本处理用户活动，实现高效、低延迟的触发决策。
Comments 31 pages, 5 figures, 7 tables
Prior Knowledge or Search? A Study of LLM Agents in Hardware-Aware Code Optimization
先验知识还是搜索？LLM代理在硬件感知代码优化中的研究
机构 * Applied AI Institute（应用人工智能研究所） ； ITMO University（ITMO大学） ； AI Talent Hub（AI人才中心）
专题命中 其他LLM ：LLM(title,title_cn)；分类 cs.AI、cs.LG
AI总结 该研究探讨了在硬件感知代码优化中，LLM代理是依赖于先验知识还是搜索过程，通过三个受控实验发现LLM在纯黑盒优化中表现为贪婪优化器，在零样本内核生成中输入大小信息无明显影响，而在反馈循环内核优化中CUDA单调改进而TVM IR主动退化，表明LLM在代码优化任务中高度依赖预训练先验而非反馈或代理结构。
LLM Flow Processes for Text-Conditioned Regression
用于文本条件回归的LLM流程
机构 * Secondmind ； Wayve
专题命中 其他LLM ：LLM(title,title_cn)；分类 cs.CL、cs.LG
AI总结 本文提出结合轻量级神经过程与边际LLM预测，以解决文本条件回归中的误差累积问题，提升预测校准和局部一致性。
Hierarchical Reinforcement Learning with Augmented Step-Level Transitions for LLM Agents
具有增强步骤级转换的分层强化学习用于大语言模型代理
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； China Mobile Group Design Institute Co., Ltd（中国移动集团设计院有限公司） ； Singapore Management University（新加坡管理大学）
专题命中 其他LLM ：LLM(title,summary_cn)；large language model(abstract)；language model(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出STEP-HRL框架，通过仅基于单步转换而非完整交互历史实现步骤级学习，提升LLM代理在复杂任务中的性能和泛化能力，同时减少token使用。
Comments Accepted to ACL 2026 Main Conference
