语言大模型 / LLM

An Embarrassingly Simple Detector for Model Extraction Attacks in Large Language Model API Traffic

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

Shuze Liu, Qianwen Guo, Yushun Dong

机构 * Santa Clara University（圣克拉拉大学） ； Florida State University（佛罗里达州立大学） 纠错

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

Less Deliberate in Teams: Student LLM Use Across Individual and Collaborative Work

团队中更少审慎：学生个体与协作工作中LLM的使用

Sehrish Basir Nizamani, Zannah Ziew, Saad Nizamani, Khyati Goyal

专题命中 其他LLM ：LLM(title,title_cn)；large language model(abstract)；language model(abstract)；prompting(abstract)

AI总结 通过96名本科生一学期的研究，发现从个体作业转向团队项目时，LLM使用率下降42.7个百分点，提示词更简单，验证行为减少，表明协作环境降低了对LLM的审慎参与。

Comments 8 pages, 2 figures, 3 tables. Accepted at ACM SIGCSE Virtual 2026 (November 12-15, 2026)

Prompting Large Language Models with Speech Recognition Abilities

Yassir Fathullah, Chunyang Wu, Egor Lakomkin, Junteng Jia, Yuan Shangguan, Ke Li, Jinxi Guo, Wenhan Xiong, Jay Mahadeokar, Ozlem Kalinli, Christian Fuegen, Mike Seltzer

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

When Does Personality Composition Matter for Multi-Agent LLM Teams?

人格构成何时对多智能体LLM团队重要？

Aryan Keluskar, Amrita Bhattacharjee, Huan Liu

机构 * School of Computing & AI（计算与人工智能学院） 纠错

专题命中 其他LLM ：LLM(title,title_cn)；language model(abstract,journal_ref)；large language model(abstract)；prompting(abstract)

AI总结 研究通过操纵前沿LLM的人格特质，发现人格对多智能体团队性能的影响取决于任务结构：在编码任务中影响小，在开放协作和谈判任务中显著降低性能。

Comments Accepted to COLM 2026 (20 pages, 6 figures)

Journal ref Conference on Language Modeling (COLM), San Francisco, USA, October 6-9, 2026

LabelFusion-TS: Fusing Large Language Models, Transformer Encoders, and Financial Time Series for Monetary-Policy Stance Classification

LabelFusion-TS：融合大语言模型、Transformer编码器与金融时间序列以进行货币政策立场分类

Michael Schlee, Fabian Lukassen, Christoph Weisser

机构 * Georg-August-Universität Göttingen（哥廷根大学） ； Hochschule Bielefeld (HSBI) - University of Applied Sciences and Arts（比勒费尔德应用科学与艺术大学） 纠错

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 本研究提出LabelFusion-TS系统，融合LLM、RoBERTa编码器与时间序列Transformer，利用金融时间序列辅助美联储沟通语句的货币政策立场分类，在2015-2022年数据上加权F1达70.2%，仅需少量人工标注即可超越零样本LLM。

Reducing belief in conspiracy theories as they unfold using large language models

利用大语言模型在阴谋论展开过程中降低其可信度

Thomas H. Costello, Nathaniel Rabb, Michael Nicholas Stagnaro, Gordon Pennycook, David Rand

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

AI总结 该研究以特朗普遇刺未遂、查理·柯克遇刺事件后的美国成人为对象，发现经提示降低阴谋论信念的大语言模型（LLM）多轮对话，可显著降低参与者的阴谋论信念，且该处理存在后续影响，凸显了LLM干预对抗错误信息的潜力。

DGA$_2$D: Directed Graph-Guided Automated Algorithm Design with Large Language Models

DGA₂D：基于有向图的大语言模型驱动自动化算法设计

Jiale Zhao, Zimu Chen, Sirui Mao, Wentao Yang, Yuxiang Bai, Liyuanjun Lai

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

AI总结 该研究针对LLM驱动自动化算法设计的现有局限，提出DGA₂D框架，通过有向图建模程序空间与一阶路径依赖信用分配机制，在12种组合优化问题上使平均归一化间隙最多降低10.96个百分点。

Comments 46 pages, 5 figures, including supplementary material

An Empirical Study of Security Calibration in Large Language Models for Code

面向代码的大型语言模型安全校准的实证研究

Mohammed Latif Siddiq, Md. Nafiu Rahman, Joanna C. S. Santos

机构 * University of Notre Dame（圣母大学） ； Brac University（布拉卡大学） 纠错

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

AI总结 本文首次大规模实证研究LLM生成代码的安全校准，发现过度自信普遍存在，安全校准优于功能校准，且校准引导的自动修复效果有限。

Comments Accepted at the 42nd International Conference on Software Maintenance and Evolution (ICSME 2026) Research Track

Prompt Injection in Automated Résumé Screening with Large Language Models: Single and Multi-Injection Settings

大型语言模型在自动化简历筛选中的提示注入：单注入与多注入设置

Preet Baxi, Jiannan Xu, Jane Yi Jiang, Stefanus Jasin

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

AI总结 研究LLM在简历筛选中的提示注入攻击，发现当简历质量同质且注入者少时有效，但随注入者增多效果消失；质量异质时虽平均效果减弱，但偶尔让低质量候选人超越高质量，引发公平问题。

Journal ref Findings of the Association for Computational Linguistics: ACL 2026

Automated reproducibility assessments in the social and behavioral sciences using large language models

使用大型语言模型自动评估社会与行为科学的可重复性

Tobias Holtdirk, Pietro Marcolongo, Anna Steinberg Schulten, Felix Henninger, Stefan Rose, Sarah Ball, Bolei Ma, Frauke Kreuter, Markus Weinmann, Stefan Feuerriegel

机构 * LMU Munich（慕尼黑大学） ； Munich Center for Machine Learning（慕尼黑机器学习中心） ； University of Cologne（科隆大学） 纠错

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

AI总结 本研究利用大型语言模型（LLMs）自动评估社会与行为科学研究的可重复性，在76项研究中，LLM在41%的研究中恢复了原始效应量，在96%的案例中得出了与原始研究相同的定性结论，优于人类再分析。

Large Language Model Agents Are Not Always Faithful Self-Evolvers

大型语言模型代理并非总是忠实的自我进化者

Weixiang Zhao, Yingshuo Wang, Yichen Zhang, Yang Deng, Yanyan Zhao, Wanxiang Che, Bing Qin, Ting Liu

机构 * University of Science and Technology of China（中国科学技术大学） 纠错

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 本研究首次系统调查自我进化LLM代理的经验忠实性，通过因果干预发现代理依赖原始经验但常忽略或误解浓缩经验，并分析其成因。

Comments ICML 2026

A Scoping Review of the Ethical Perspectives on Anthropomorphising Large Language Model-Based Conversational Agents

拟人化大型语言模型对话代理的伦理视角：一项范围综述

Andrea Ferrario, Rasita Vinay, Matteo Casserini, Alessandro Facchini

机构 * Institute of Biomedical Ethics and History of Medicine, University of Zürich（苏黎世大学生物医学伦理与医学史研究所） ； Dalle Molle Institute for Artificial Intelligence (IDSIA), SUPSI（瑞士SUPSI人工智能研究所） ； ETH Zürich（苏黎世联邦理工学院） ； Institute for Implementation Science in Health Care, University of Zürich（苏黎世大学医疗实施科学研究所） ； Department of Management, Technology and Economics, ETH Zürich（苏黎世联邦理工学院管理、技术与经济系） ； Dipartimento Tecnologie Innovative, SUPSI（SUPSI创新技术系） ； Management in Networked and Digital Societies (MINDS) Department, Kozminski University（科兹明斯基大学网络化与数字化社会管理系） 纠错

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

AI总结 本文通过范围综述，系统梳理了拟人化LLM对话代理的伦理挑战与机遇，包括概念基础、伦理问题及方法论，并提出了研究议程与设计治理建议。

Comments 2026 ACM Conference on Fairness, Accountability, and Transparency (FAccT'26)

The Impact of Large Language Models on Open-source Innovation: Evidence from GitHub Copilot

大型语言模型对开源创新的影响：来自GitHub Copilot的证据

Doron Yeverechyahu, Raveesh Mayya, Gal Oestreicher-Singer

机构 * Coller School of Management, Tel Aviv University（特拉维夫大学科尔学院） ； Stern School of Business, New York University（纽约大学斯特恩商学院） 纠错

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

AI总结 利用GitHub Copilot推出的自然实验，通过三种识别策略和两种分类方法，发现LLM使开源贡献增加28%-40%，且增量贡献增长显著大于实质性贡献，表明LLM偏向于利用现有代码库而非探索新功能。

Comments JEL Classification: O31, C88, J24, O35, L86

Can Large Language Models Resolve Semantic Discrepancy in Self-Destructive Subcultures? Evidence from Jirai Kei

大语言模型能否解决自我毁灭亚文化中的语义差异？来自Jirai Kei的证据

Peng Wang, Xilin Tao, Siyi Yao, Jiageng Wu, Yuntao Zou, Zhuotao Tian, Libo Qin, Dagang Li

机构 * School of Computer Science and Engineering, Macau University of Science and Technology（澳门科技大学计算机科学与工程学院） ； SKLPlanets, Macau University of Science and Technology（澳门科技大学SKLPlanets） ； College of Software, Northeastern University（东北大学软件学院） ； School of Energy and Power Engineering, Huazhong University of Science and Technology（华中科技大学能源与动力工程学院） ； School of Computer Science and Technology, Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）计算机科学与技术学院） 纠错

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 针对亚文化中自我毁灭行为检测面临的知识滞后和语义错位问题，提出多智能体框架SAS，通过自动检索和亚文化对齐显著提升LLM检测性能，并优于现有先进方法。

Comments Preprint

Measuring Stereotype and Deviation Biases in Large Language Models

测量大型语言模型中的刻板印象和偏差偏见

Daniel Wang, Eli Brignac, Minjia Mao, Xiao Fang

机构 * Carnegie Mellon University, U.S.A.（卡内基梅隆大学，美国） ； University of Delaware, U.S.A.（德雷塞尔大学，美国） 纠错

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 本文研究了大型语言模型中刻板印象和偏差偏见的测量问题，通过生成个体档案来分析不同群体与政治立场、宗教信仰和性取向等属性之间的关联，揭示了LLM在推断用户属性时的偏见及其潜在危害。

BOUNDARY_SYNC: Measuring Communication-Induced Representational Coupling in Multi-Agent LLM Systems

BOUNDARY_SYNC: 测量多智能体LLM系统中通信引起的表征耦合

Zewen Liu

机构 * Qilu Institute of Technology（齐鲁理工学院） 纠错

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

AI总结 提出BOUNDARY_SYNC协议，通过耦合放大因子(CAF)测量多智能体LLM系统中通信导致的表征耦合，发现文本通信导致显著同质化，图像通信也有类似效应，且组大小调节耦合方向。

Comments 18 pages, 3 figures, 2 tables

Gravity-Awareness: Deep Learning Models and LLM Simulation of Human Awareness in Altered Gravity

重力感知：变重力环境下人类意识的深度学习模型与LLM模拟

Bakytzhan Alibekov, Alina Gutoreva, Elisa Raffaella-Ferre

机构 * School of IT & Engineering, Kazakh-British Technical University（信息技术与工程学院，哈萨克-英国技术大学） ； School of Psychological Sciences, Birkbeck University of London（心理学科学学院，伦敦伯贝克大学） 纠错

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

AI总结 提出一个计算框架，结合轻量级MLP神经网络（CorticalG）和高斯过程模型（PhysioG）预测变重力下的脑电与生理反应，并用LLM模拟主观体验，为航天任务中的人类适应提供预测工具。

Comments 60 pages, 5 figures, 2 datasets, 1 protocol

Listening Between the Lines: Joint Learning of ASR Embeddings and LLM-Augmented Linguistics for Dementia Detection

弦外之音：ASR嵌入与LLM增强语言学联合学习用于痴呆检测

Olivier Jiyoun Jung, Jonghyeon Park, Myungwoo Oh

机构 * Division of Communication and Media, Ewha Womans University, South Korea（韩国梨花女子大学传播与媒体学院） ； NAVER Cloud, South Korea（韩国NAVER Cloud） 纠错

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

AI总结 提出多模态框架，结合Whisper的声学表示与LLM提取的语言特征，通过门控融合网络实现痴呆检测，在ADReSS和ADReSSo上F1分别达89.47%和90.14%。

Comments Accepted at INTERSPEECH 2026

Mitigating LLM-based p-Hacking by Preregistering for the Next LLM

通过预注册下一个LLM来缓解基于LLM的p-hacking

Maria Thomas, Kristina Gligoric, Nihar B. Shah

机构 * Johns Hopkins University（约翰霍普金斯大学） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

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

AI总结 提出一种协议，通过预注册实验和合格模型，并在预注册后发布的第一个合格LLM上运行，以缓解LLM研究中的p-hacking问题。实验表明该协议能有效阻止73.9%和72.7%的p-hack转移。

Contagion Networks: Evaluator Preference Propagation in Multi-Agent LLM Systems

传染网络：多智能体LLM系统中的评估者偏见传播

Zewen Liu

机构 * Qilu Institute of Technology, School of Software Engineering（齐鲁理工学院软件工程学院） 纠错

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

AI总结 提出传染网络框架，量化评估者偏见在多智能体LLM系统中的传播，发现同模型智能体间偏见传播系数为0.157-0.352，且增大评估委员会规模可减少72.4%的传播效应。

Comments 41 pages, 8 figures, 11 tables

The Autonomy Tax: Defense Training Breaks LLM Agents

自主性税：防御训练破坏LLM智能体

Shawn Li, Yue Zhao

机构 * University of Southern California（南加州大学） 纠错

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

AI总结 揭示防御训练在提升LLM智能体安全性时，系统性地破坏其工具执行能力，导致任务失败率飙升，且无法有效防御复杂攻击。

Simulating Hate Speech Cascades with Multi-LLM Agents: Empirical Grounding, Modeling Fidelity, and Intervention Strategies

使用多LLM智能体模拟仇恨言论级联：实证基础、建模保真度与干预策略

Fan Huang

机构 * Indiana University Bloomington（印第安纳大学布卢明顿分校） 纠错

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

AI总结 本研究通过多LLM智能体系统模拟在线仇恨言论传播，发现其能再现实证数据中的立场单一性和毒性同质性，并通过消融实验识别出智能体异质性为关键保真因素，提出针对密集网络的放大器干预策略。

Evidence-Gated LLM Priors for Multi-Objective Bayesian Optimization

证据门控的LLM先验用于多目标贝叶斯优化

Jiangyu Chen, Ban Yi

机构 * State Key Laboratory for Novel Software Technology（新型软件技术国家重点实验室） 纠错

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

AI总结 针对多目标贝叶斯优化中LLM先验可能误导的问题，提出一种目标级声誉市场机制，通过在线反馈动态校准专家权重，并引入解耦反事实门控，在合成测试和分子优化基准上验证了动态校准的鲁棒性。

TinyTroupe: An LLM-powered Multiagent Persona Simulation Toolkit

TinyTroupe：一个基于LLM的多智能体人物模拟工具包

Paulo Salem, Robert Sim, Christopher Olsen, Prerit Saxena, Rafael Barcelos, Yi Ding

机构 * Microsoft Corporation（微软公司） ； Dipeak Technology（迪佩克技术） 纠错

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

AI总结 针对现有LLM多智能体系统在细粒度人物模拟方面的不足，提出TinyTroupe工具包，支持详细人物定义和程序化控制，用于行为研究和社会模拟。

Comments 9 pages

Online Pandora's Box for Contextual LLM Cascading

面向上下文LLM级联的在线潘多拉魔盒

Alexandre Belloni, Yan Chen, Yehua Wei

机构 * The Fuqua School of Business, Duke University（杜克大学福克商学院） 纠错

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

AI总结 针对LLM级联场景，提出在线上下文潘多拉魔盒模型，通过参数化保留索引和GMM估计结合UCB界，实现维度相关的√T累积遗憾。

How Consistent Are LLM Agents? Measuring Behavioral Reproducibility in Multi-Step Tool-Calling Pipelines

LLM代理的一致性如何？测量多步工具调用流水线中的行为可重复性

Abel Yagubyan

机构 * Independent Researcher（独立研究者） 纠错

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

AI总结 研究多步工具调用LLM代理在重复相同调用时是否选择相同工具、顺序和参数，通过系统实验测量行为一致性，并发现代理存在显著不一致性。

Comments 16 pages, 6 figures

Quality-constrained Entropy Maximization Policy Optimization for LLM Diversity

质量约束的熵最大化策略优化用于LLM多样性

Haihui Pan, Yuzhong Hong, Kaichen Zhang, Shaoke Lv, Junwei Bao, Hongfei Jiang, Yang Song

机构 * Zuoyebang Education Technology（左叶bang教育科技） 纠错

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

AI总结 提出QEMPO框架，通过理论推导的闭式解在保证输出质量的同时最大化熵以提升LLM多样性，实验证明其在不牺牲质量的情况下提升多样性。

Dialect vs Demographics: Quantifying LLM Bias from Implicit Linguistic Signals vs. Explicit User Profiles

方言与人口统计数据：从隐含语言信号与显式用户资料中量化LLM偏见

Irti Haq, Belén Saldías

机构 * University of Washington（华盛顿大学） 纠错

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

AI总结 研究通过对比显式身份声明与隐含方言信号，揭示LLM在不同敏感领域中的偏见来源，发现隐含方言可降低拒绝率但影响内容安全。

Comments In The 2026 ACM Conference on Fairness, Accountability, and Transparency (FAccT '26), June 25--28, 2026, Montreal, Canada. ACM, New York, NY, USA, 32 pages

Empathetic Cascading Networks: A Multi-Stage Prompting Technique for Reducing Social Biases in Large Language Models

共情级联网络：一种减少大型语言模型社会偏见的多阶段提示技术

Wangjiaxuan Xin

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

AI总结 ECN通过多阶段提示技术减少大型语言模型的社会偏见，提升对话AI的共情与包容性。

Comments Further revision on experiments and pipeline design

Aligning Large Language Models to Low-Resource Languages through LLM-Based Selective Translation: A Systematic Study

Rakesh Paul, Anusha Kamath, Kanishk Singla, Raviraj Joshi, Utkarsh Vaidya, Sanjay Singh Chauhan, Niranjan Wartikar

机构 * NVIDIA 纠错

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