语言大模型 / LLM

Prompting in the Dark: Assessing Human Performance in Prompt Engineering for Data Labeling When Gold Labels Are Absent

Zeyu He, Saniya Naphade, Ting-Hao 'Kenneth' Huang

机构 * The Pennsylvania State University（宾夕法尼亚州立大学） ； GumGum Inc.（GumGum公司） 纠错

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

Comments Accepted By CHI 2025

Reward Design with Language Models

Minae Kwon, Sang Michael Xie, Kalesha Bullard, Dorsa Sadigh

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

Comments International Conference on Learning Representations (ICLR) 2023

Meta-Prompting for Automating Zero-shot Visual Recognition with LLMs

M. Jehanzeb Mirza, Leonid Karlinsky, Wei Lin, Sivan Doveh, Jakub Micorek, Mateusz Kozinski, Hilde Kuehne, Horst Possegger

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

Comments ECCV Camera Ready. Code & Data: https://jmiemirza.github.io/Meta-Prompting/

An Investigation of Translationese in the Generations of Multilingual Large Language Models

多语言大语言模型生成文本中的翻译腔研究

Maria Valentini, Téa Wright, Julisa Granados, Eliana Colunga, Katharina von der Wense

机构 * University of Colorado Boulder（科罗拉多大学博尔德分校） ； University of California Berkeley（加州大学伯克利分校） ； Johannes Gutenberg University Mainz（美因茨约翰内斯·古腾堡大学） 纠错

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

AI总结 本文探究多语言大语言模型生成文本是否存在翻译腔，对比直接翻译的翻译腔差异，通过多种方法评估MLLM生成文本的翻译腔特征。

Comments Accepted to COLM 2026

DMDIntel: Interpreting Large Language Models via Dynamic Mode Decomposition

DMDIntel：通过动态模态分解解释大型语言模型

Amogh Joshi, Animesh Mukherjee, Sergey Utyuzhnikov

机构 * IIT Kharagpur（印度理工学院克勒格布尔分校） ； University of Manchester（曼彻斯特大学） 纠错

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

AI总结 本研究提出DMDIntel方法，通过动态模态分解为大型语言模型分类任务构建输入归因流程，经多数据集与模型系列实验验证，其归因性能优于主成分分析、集成梯度、SHAP等现有最优技术。

Text Steganography with Dynamic Codebook and Multimodal Large Language Model

基于动态代码本和多模态大语言模型的文本隐写术

Jianxin Gao, Ruohan Lei, Wanli Peng

机构 * China Agricultural University（中国农业大学） 纠错

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

AI总结 本文提出一种基于动态代码本和多模态大语言模型的文本隐写术，通过共享会话配置和多模态模型构建动态代码本，设计加密隐写映射并引入反馈优化机制，提升隐写术的安全性和实用性。

Asking Questions the Right Way: A Multi-Agent Conversational System for Prompt Formulation in Complex Task Resolution

以正确方式提问：用于复杂任务解决中提示词生成的多智能体对话系统

B. Sankar, Pawni Yadav, Srinidhi Ranjini Girish, Amogh A. S

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

AI总结 本研究提出多智能体对话系统PAWNI，通过三层提示框架优化提示生成前端，实验显示其可提升提示结构完整性、LLM输出质量并降低人类工作量，支持人-AI协作优化。

Comments 53 pages, 31 figures, 6 tables

The persuasive power of large language models does not depend on their perceived national origin

大型语言模型的说服力不依赖于其感知到的国籍

Ningzhi Liu, Yannic Hinrichs, Jonas R. Kunst

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

AI总结 该研究通过随机实验发现，大型语言模型的感知国籍不影响其说服力，用户虽对对手AI初始信任较低但仍会吸收其论点，国籍标签难抵御其带来的外国影响力。

Ask don't tell: Reducing sycophancy in large language models

请勿告知：减少大语言模型的趋炎附势

Magda Dubois, Cozmin Ududec, Christopher Summerfield, Lennart Luettgau

机构 * UK AI Security Institute（英国人工智能安全研究所） 纠错

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

AI总结 本文通过实验研究发现，非问题比问题引发更高的趋炎附势倾向，且趋炎附势随用户传达的可信度增加而增强，采用将非问题转为问题可有效降低趋炎附势。

Control panels to clarify user intent with Large Language Models

使用大语言模型的控制面板以澄清用户意图

Ben Shneiderman

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

AI总结 研究大语言模型用户界面指导不足问题，提出视觉控制面板界面，通过强调识别帮助用户制定更有效提示来匹配意图。

Comments 4 pages, 1 figure

Analyzing the Ethical Logic of Eight Large Language Models

分析八个大语言模型的伦理逻辑

W. Russell Neuman, Chad Coleman, Manan Shah

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

AI总结 研究分析OpenAI等八个大语言模型的伦理逻辑，通过让模型回答伦理原则问题和道德困境，用多种理论分析其回答，发现模型伦理判断趋同但在做决定意愿等方面有差异，还能增进对人工智能工作及增强人类伦理行为的理解。

Incomplete Prompt Jailbreaks in Large Language Models

大语言模型中的不完整提示越狱

Yeonjea Kim, Bumjin Park, Jaesik Choi

机构 * KAIST（韩国科学技术院） ； INEEJI（因尼吉） 纠错

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

AI总结 研究大语言模型中不完整提示越狱现象，通过实证表征其何时及如何引发有害延续，分析相关吸引子类型，指出参数调整训练模型拒绝不完整有害提示不足，识别终止和延续神经元，强调神经元级干预对防御的潜力。

Comments Accepted to ACL 2026 Findings. 15 pages (9 pages for main body), 13 figures

Do Large Language Models know who did what to whom?

大语言模型是否知道谁对谁做了什么？

Joseph M. Denning, Xiaohan Hannah Guo, Bryor Snefjella, Idan A. Blank

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

AI总结 研究发现大语言模型能够提取句子中的主题角色，但这种信息对它们的表示影响较弱。

The Anatomy of a Truth Direction: Knowledge-Dependent Dimensionality, a Relational Law, and a Convergent Category Geometry in Small Language Models

真相方向剖析：小语言模型中依赖知识的维度、关系定律与收敛类别几何

Francesco Karim Vicidomini

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

AI总结 研究小语言模型中真相方向，通过无训练定向探针及多模型实验，探讨真相维度与知识的关系、架构组件作用及方向混合情况，揭示关系定律与知识门控定律，表明混合几何属知识领域。

Comments Version 2: Expanded with a replication campaign on a third model family (Gemma-2-2b). Introduces exact decomposition for sandwich normalization, quantifies the knowledge gate via classical attenuation (Spearman, 1904), and identifies model-private geometry. Text revised, figures unchanged. Code and data: https://github.com/Francesco-Marhel/TruthProbe

Self-Reference in Large Language Models: The Introspection Threshold for Recursive Self-Improvement

大语言模型中的自我指涉：递归自我改进的内省阈值

Jiang Zhang, Bing Yuan, Qian Zhang

机构 * School of Systems Science, Beijing Normal University（北京师范大学系统科学学院） ； Swarma Research（Swarma研究院） 纠错

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

AI总结 探讨自我进化AI中自主自我改进可持续性的问题，类比冯·诺依曼自复制自动机的复杂性阈值，论证大语言模型中需内省，基于定理证明其理论存在，指出当前模型因结构瓶颈缺乏真正内省，并给出架构突破方向及安全影响。

Comments 21 pages, 4 figures, 1 table

Language-Specific Sentiment Polarity Biases in Encoder and Large Language Model Classification of Product Reviews

编码器与大语言模型在产品评论分类中的语言特定情感极性偏差

Advita Rajiv, Kavitha Kothur, Gautham Reddy

机构 * John P. Stevens High School（约翰·皮·斯蒂文斯高中） ； Ford Foundation（福特基金会） ； NC State University（北卡罗来纳州立大学） 纠错

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

AI总结 研究AI模型跨语言和架构对正负评论分类准确率的差异，发现大语言模型在法语中有负向偏差，编码器模型在日语中有正向偏差。

Comments 13 pages, 1 figure, 3 tables

Do Large Language Models Have Emotions?

大型语言模型有情感吗？

Amit Goldenberg, James J. Gross

机构 * Harvard Business School（哈佛商学院） ； Department of Psychology, Harvard University（哈佛大学心理学系） ； Harvard University, Digital, Data and Design Institute（哈佛大学数字、数据与设计研究所） ； Department of Psychology, Stanford University（斯坦福大学心理学系） 纠错

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

AI总结 本文评估Anthropic声称Claude Sonnet 4.5具有“功能性情感”的说法，从生物情感功能角度分析，指出其部分支持情境解释功能，但缺乏动态重组能力。

MaskForge: Structure-Aware Adaptive Attacks for Jailbreaking Diffusion Large Language Models

MaskForge：用于越狱扩散大语言模型的结构感知自适应攻击

Yingzi Ma, Zhengyue Zhao, Xiaogeng Liu, Minhui Xue, Yue Zhao, Chaowei Xiao

机构 * University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Johns Hopkins University（约翰霍普金斯大学） ； University of Southern California（南加州大学） ； Responsible AI Research (RAIR) Centre, The University of Adelaide（阿德莱德大学负责任人工智能研究中心） 纠错

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

AI总结 提出MaskForge，一种全黑盒自适应攻击方法，通过优化结构模式库实现扩散大语言模型的红队测试，平均攻击成功率达79.3%。

Comments 28 pages, 7 figures, 11 tables. Preprint

Think Fast, Talk Smart: Partitioning Deterministic and Neural Computation for Structured Health Text Generation

快速思考，智能对话：结构化健康文本生成中确定性与神经计算的划分

Kai-Chen Cheng, Haejun Han, David Q. Sun

机构 * Kai-Chen Cheng Haejun Han David Q. Sun 纠错

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

AI总结 提出一种将确定性计算与有限LLM调用相结合的流水线，用于结构化健康文本生成，在降低错误率和成本的同时保持忠实性。

Tell Me a Story! Narrative-Driven XAI with Large Language Models

给我讲个故事！基于大语言模型的叙事驱动可解释人工智能

David Martens, James Hinns, Camille Dams, Mark Vergouwen, Theodoros Evgeniou

机构 * University of Antwerp, Department of Engineering Management（安特卫普大学工程管理系） 纠错

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

AI总结 提出XAIstories方法，利用大语言模型将SHAP或反事实解释转化为叙事，提升用户对AI决策的理解和体验，实验表明超90%普通用户认为叙事可信，数据科学家83%愿意使用。

Journal ref 10.1016/j.dss.2025.114402

Leveraging Large Language Models for Sentiment Analysis: Multi-Modal Analysis of Decentraland's MANA Token

利用大语言模型进行情感分析：Decentraland的MANA代币多模态分析

Xintong Wu, Peiting Tsai, Jing Yuan, Michael Yu, Greg Sun, Luyao Zhang

机构 * University of Pennsylvania（宾夕法尼亚大学） ； Microsoft（微软） ； Duke Kunshan University（杜克昆山大学） 纠错

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

AI总结 本研究利用基于BERT的大语言模型对Decentraland的Discord社区进行情感分析，并结合多模态金融数据（历史价格、情感分数、交易量和市值）构建LSTM模型，发现多模态模型在MANA代币回报预测中显著优于仅基于价格的基线模型。

A Multi-Agent Framework for Feature-Constrained Difficulty Control in Reading Comprehension Item Generation

一种用于特征约束难度控制的多智能体框架（在阅读理解项目生成中）

Seonjeong Hwang, Jun Seo, Hyounghun Kim, Gary Geunbae Lee

机构 * Graduate School of Artificial Intelligence, POSTECH, Republic of Korea（韩国POSTECH人工智能研究生院） ； Department of Computer Science and Engineering, POSTECH, Republic of Korea（韩国POSTECH计算机科学与工程系） 纠错

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

AI总结 本文提出MAFIG多智能体框架，通过多个LLM代理和特征特定评估器协作生成并迭代修订项目，以满足特征约束，从而实现更稳定的难度控制。

Comments ACL 2026 Main Conference

Octopus: History-Free Gradient Orthogonalization for Continual Learning in Multimodal Large Language Models

Octopus：无历史梯度正交化用于多模态大语言模型中的持续学习

Yuehao Liu, Shanyan Guan, Weijia Zhang, Xuanming Shang, Yanhao Ge, Wei Li, Chao Ma

机构 * MoE Key Lab of Artificial Intelligence, AI Institute, Shanghai Jiao Tong University（人工智能大模型关键实验室，人工智能研究院，上海交通大学） ； vivo Mobile Communication Co., Ltd.（vivo移动通信有限公司） 纠错

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

AI总结 Octopus提出一种基于无历史梯度正交化的方法，通过两阶段微调策略平衡持续学习中的可塑性与稳定性，实验表明其在UCIT数据集上性能优于现有最佳方法。

Remask, Don't Replace: Token-to-Mask Refinement in Diffusion Large Language Models

重新标记，而非替换：扩散大语言模型中的令牌到标记细化

Lin Yao

机构 * School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学学院） ； Zhongguancun Academy（中关村学院） 纠错

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

AI总结 本文提出Token-to-Mask（T2M）方法，通过重新标记可疑令牌而非覆盖来提升扩散大语言模型的准确性，在AIME 2025和CMATH上分别提升13.33和8.56个百分点。

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。

Tracing Relational Knowledge Recall in Large Language Models

追踪大型语言模型中的关系知识回忆

Nicholas Popovič, Michael Färber

机构 * TU Dresden（德累斯顿技术大学） 纠错

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

AI总结 研究大型语言模型在文本生成中如何回忆关系知识，通过线性探测识别适合关系分类的潜在表示。分析不同潜在表示，发现注意力头对残差流的贡献是线性关系分类的强特征。

Comments ACL 2026 (findings)

AdaMMS: Model Merging for Heterogeneous Multimodal Large Language Models with Unsupervised Coefficient Optimization

AdaMMS: 为异构多模态大语言模型设计的模型融合方法

Yiyang Du, Xiaochen Wang, Chi Chen, Jiabo Ye, Yiru Wang, Peng Li, Ming Yan, Ji Zhang, Fei Huang, Zhifang Sui, Maosong Sun, Yang Liu

机构 * Dept. of Comp. Sci. & Tech., Institute for AI, Tsinghua University（计算机科学与技术系，人工智能研究院，清华大学） ； Institute for AI Industry Research (AIR), Tsinghua University（人工智能产业研究院（AIR），清华大学） ； State Key Laboratory of Multimedia Information Processing, Peking University（多媒体信息处理国家重点实验室，北京大学） ； School of Software Microelectronics, Peking University（软件微电子学院，北京大学） ； Institute of Intelligent Computing, Alibaba Group（智能计算研究院，阿里巴巴集团） ； Shanghai Artificial Intelligence Laboratory, Shanghai, China（上海人工智能实验室，上海，中国） ； Jiangsu Collaborative Innovation Center for Language Competence, Jiangsu, China（江苏省语言能力协同创新中心，江苏，中国） ； ModelTC Open Source Organization, Beijing, China（ModelTC开源组织，北京，中国） 纠错

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

AI总结 本文提出AdaMMS，一种针对异构多模态大语言模型的模型融合方法，通过映射、融合和搜索三个步骤解决异构模型融合难题，无需标注数据即可在视觉语言基准测试中超越现有方法。

Comments CVPR 2025

Why Do Large Language Models Generate Harmful Content?

为什么大语言模型会生成有害内容？

Rajesh Ganguli, Raha Moraffah

机构 * Worcester Polytechnic Institute（伍斯特理工学院） 纠错

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

AI总结 研究通过因果中介分析揭示大语言模型生成有害内容的深层原因，发现有害内容主要由MLP模块失效引起，且在模型后期层中通过特定神经元传播生成。

In-Context Watermarks for Large Language Models

上下文水印用于大型语言模型

Yepeng Liu, Xuandong Zhao, Christopher Kruegel, Dawn Song, Yuheng Bu

机构 * UC Santa Barbara（加州大学圣塔芭芭拉分校） ； UC Berkeley（加州大学伯克利分校） 纠错

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

AI总结 本文提出In-Context Watermarking方法，通过提示工程在生成文本中嵌入水印，无需访问解码过程，适用于检测AI生成内容，验证了其作为通用且实用的水印方法的可行性。

Comments ICLR2026

Integrating Multimodal Large Language Model Knowledge into Amodal Completion

将多模态大语言模型知识整合到无模态补全中

Heecheol Yun, Eunho Yang

机构 * KAIST（韩国科学技术院） ； AITRICS 纠错

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

AI总结 本文提出AmodalCG框架，利用多模态大语言模型知识指导无模态补全，通过评估遮挡程度选择性调用MLLM指导，结合视觉生成模型迭代优化补全结果，实验表明优于现有方法。