语言大模型 / LLM

VP-LLM: Text-Driven 3D Volume Completion with Large Language Models through Patchification

Jianmeng Liu, Yichen Liu, Yuyao Zhang, Zeyuan Meng, Yu-Wing Tai, Chi-Keung Tang

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

Comments 27pages, 16 figures

Joint Visual and Text Prompting for Improved Object-Centric Perception with Multimodal Large Language Models

Songtao Jiang, Yan Zhang, Chenyi Zhou, Yeying Jin, Yang Feng, Jian Wu, Zuozhu Liu

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

Copilot for Xcode: Exploring AI-Assisted Programming by Prompting Cloud-based Large Language Models

Chee Wei Tan, Shangxin Guo, Man Fai Wong, Ching Nam Hang

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

Choice Over Control: How Users Write with Large Language Models using Diegetic and Non-Diegetic Prompting

Hai Dang, Sven Goller, Florian Lehmann, Daniel Buschek

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

Comments 17 pages, 9 figures, 3 tables, ACM CHI 2023

Finding Missing Input Validation in TEEs via LLM-Assisted Symbolic Execution

通过LLM辅助符号执行寻找TEE中的缺失输入验证

Chengyan Ma, Jieke Shi, Ruidong Han, Ye Liu, Yuqing Niu, David Lo

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

AI总结 本文提出SymTEE，一种利用LLM辅助符号执行检测TEE应用中缺失输入验证问题的框架，通过AST分析提取可能缺乏充分输入验证的代码片段，并利用LLM生成轻量级mock环境进行符号分析，实验表明其在检测漏洞方面具有高精度和召回率。

Comments Accepted by 2026 IEEE/ACM Third International Conference on AI Foundation Models and Software Engineering (FORGE '26)

LLM-Viterbi: Semantic-Aware Decoding for Convolutional Codes

LLM-Viterbi：用于卷积码的语义感知解码

Zhengtong Li, Chentao Yue, Jiafu Hao, Branka Vucetic, Yonghui Li

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

AI总结 本文提出基于大语言模型的LLM-Viterbi解码器，通过整合LLM先验知识提升文本在AWGN信道中的传输性能，显著降低误码率并提高语义相似度。

Comments 6 pages, 6 figures. Accepted to IEEE International Symposium on Information Theory (ISIT) 2026. Code available at https://github.com/Todd-6/LLM-Viterbi

Reducing Conversational Escalation in Large Language Model Dialogue with Nonviolent Communication Constraints

使用非暴力沟通约束减少大语言模型对话中的对话升级

Zhixing Sun, Shenghe Xu, Tao Li

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； City University of Hong Kong（香港城市大学） 纠错

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

AI总结 本研究通过非暴力沟通原则的轻量级提示约束，引导大语言模型在冲突对话中减少升级行为，实验表明该方法能稳定与高度抵抗用户的交互。

Large Language Models Are Bad Dice Players: LLMs Struggle to Generate Random Numbers from Statistical Distributions

大语言模型是糟糕的骰子玩家：LLM在生成统计分布的随机数时表现不佳

Minda Zhao, Yilun Du, Mengyu Wang

机构 * Harvard University（哈佛大学） 纠错

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

AI总结 研究发现大语言模型在生成随机数时存在显著缺陷，其采样能力随分布复杂度和采样范围增加而下降，导致下游任务出现系统性偏差。

Comments Accepted to ACL 2026 (Main Conference)

DHMark: Public-Key Watermarking for LLM-Generated Text via Diffie-Hellman-Guided Rejection Sampling

DHMark：基于Diffie-Hellman引导拒绝采样的LLM生成文本公钥水印

Haocheng Fu, Yuqi Qian, Luyao Wang, Yun Cao

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

AI总结 DHMark是一种LLM生成文本的公钥水印框架，通过Diffie-Hellman引导拒绝采样分离载荷授权与文本证据，在多类攻击下保持高有效率且负控制接受率为0。

From Network Automation to Trustworthy Autonomous Networking in the LLM Era: A Network Control Intelligence Perspective

从网络自动化到大语言模型（LLM）时代的可信自主网络：网络控制智能视角

Tianzhu Zhang, Changgang Zheng, Shanshan Wang, Yarui Zhang, Lina Shi, Yue Jin, Xiaofei Wang, Meikang Qiu

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

AI总结 本文以网络控制智能（NCI）为框架，梳理网络控制系统三阶段演进，提出可信自主网络定义及参考架构，明确LLM赋能运营的集成模式与相关研究议程。

ReSequel: Robust LLM-assisted Query Rewriting and Optimization using Templatization and Sampling

ReSequel: 基于模板化和采样的鲁棒性LLM辅助查询重写与优化

Saeed Fathollahzadeh, Essam Mansour, Matthias Boehm

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

AI总结 提出ReSequel，一种利用LLM和元数据（目录、统计信息）通过模板化规则和采样验证来重写SQL查询的优化层，在多个DBMS上实现高达16倍的工作负载加速。

Journal ref Proc. VLDB Endow., 19(10):2880-2893, 2026

Heimdallr: Characterizing and Detecting LLM-Induced Security Risks in GitHub CI Workflows

Heimdallr：在GitHub CI工作流中识别和检测LLM引发的安全风险

Bonan Ruan, Yeqi Fu, Chuqi Zhang, Jiahao Liu, Jun Zeng, Zhenkai Liang

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

AI总结 本文研究GitHub CI工作流中LLM引发的安全风险，提出Heimdallr框架，通过流程图规范化和威胁向量检测，实现高精度识别LLM节点和威胁向量。

Bounded Autonomy: Controlling LLM Characters in Live Multiplayer Games

有界自主性：控制游戏中的LLM角色

Yunjia Guo, Jinghan Zhu, Siyu Wang, Haixin Qiao

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

AI总结 本文提出有界自主性架构，通过三种接口控制游戏中的LLM角色，使其在多人互动中保持可执行性和社会一致性，并通过实验验证其有效性。

Comments 9 pages, 5 figures, 5 tables; manuscript unchanged from v1

Demystify, Use, Reflect, Assess (DURA): An Experience Report on LLM Integration in CS2

揭秘、使用、反思、评估（DURA）：CS2课程中集成LLM的经验报告

Margaret Ellis, Nikitha Donekal Chandrashekar, Sehrish Basir Nizamani, Mohammed Farghally, Jake O'Brien, Naren Ramakrishnan

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

AI总结 提出DURA框架（揭秘-使用-反思-评估），重构CS2课程以允许使用LLM，通过揭秘、指导使用、反思和增加监考评估，促进学生元认知，学生报告了LLM的多种用途并提高了对教师关怀的感知。

Comments 7 pages, 2 figures, 6 tables. Experience report accepted to SIGCSE Virtual 2026

How to Compare the Security of Code Written by Humans to LLM-generated Code

如何比较人类编写的代码与LLM生成代码的安全性

Jasmine Egli, Rebecca Balebako

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

AI总结 提出一个自动化框架，通过静态和动态质量分析，在人类单独、LLM单独和人类-LLM混合条件下进行可重复的“物种公平”比较实验，以评估LLM生成代码相对于人类代码的安全性。

Understanding LLM Intervention Explanations in Multi-Party Human-Robot Interaction

理解多人在人机交互中的LLM干预解释

Micol Spitale, Massimiliano Nigro, Emily Cross

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

AI总结 研究LLM驱动机器人在多人对话中何时及为何干预，通过24组实验分析610条干预解释，发现解释以促进对话为主，且不同角色（推动者与反对者）的干预模式有差异。

Comments Accepted for 2026 36th IEEE International Conference on Robot and Human Interactive Communication

Supply Chain Propagation of Textual Signals: LLM Embeddings and Cross-Sectional Return Predictability

文本信号的供应链传播：LLM嵌入与横截面收益可预测性

Asef Yılkı

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

AI总结 本文提出将年报披露的LLM嵌入与供应链知识图谱传播相结合，构建网络增强因子，发现其具有显著收益预测能力，年化夏普比率0.86，五因子alpha 7.27%。

Comments 30 pages, 3 figures, 5 tables

Same Scrutiny, More Time: Eye Tracking Insights into Reviewing LLM-Labelled Code

同样审查，更多时间：眼动追踪洞察审查LLM标记代码

Ranim Khojah, Francisco Gomes de Oliveira Neto, Mazen Mohamad, Julian Frattini, Philipp Leitner

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

AI总结 通过Wizard-of-Oz实验和眼动追踪，发现开发者审查LLM标记代码时更专注但策略调整，提示需重新审视AI政策。

Comments Accepted at the 41st IEEE/ACM International Conference on Automated Software Engineering (ASE 2026)

LLMCFG-TGen: Using LLM-Generated Control Flow Graphs to Automatically Create Test Cases from Use Cases

LLMCFG-TGen：利用LLM生成的控制流图从用例自动创建测试用例

Zhenzhen Yang, Chenhui Cui, Tao Li, Rubing Huang, Nan Niu, Dave Towey, Shikai Guo

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

AI总结 提出LLMCFG-TGen方法，通过LLM将自然语言用例转化为控制流图，提取执行路径并生成测试用例，解决现有方法覆盖不全和逻辑遗漏问题。

LLM-assisted Generation of Pseudo-C2 Servers for IoT Malware Dynamic Analysis

LLM辅助生成伪C2服务器用于物联网恶意软件动态分析

K. Hasui, S. Matsugaya, M. Shimamura, M. Hashimoto

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

AI总结 提出结合Ghidra与大语言模型（LLM）的系统，从恶意软件二进制中提取通信规范并自动生成伪C2服务器，在Mirai上实现100%规范提取并复现7/10种DDoS攻击。

Group Selection Promotes Prosocial Prompts in Populations of LLM Agents

群体选择促进LLM智能体群体中的亲社会提示

Luis Celiktemel, Edward Eichhorn, Levin Brinkmann, Robin Schimmelpfennig, Aron Vallinder, Yaomin Jiang, Edward Hughes, Iyad Rahwan

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

AI总结 研究通过多智能体模拟框架，发现群体选择机制能促进LLM智能体群体中的亲社会提示演化，稳定合作行为，而个体选择则导致集体背叛。

Comments 23 pages, 6 figures

Prompt Quality and Pull Request Outcomes: A Stage-Based Empirical Study of LLM-Assisted Development

提示质量与拉取请求结果：基于阶段的LLM辅助开发实证研究

Richard Sserunjogi, Daniel Ogenrwot, John Businge

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

AI总结 通过分析265个开发者与ChatGPT的交互，研究提示结构（上下文、具体性、验证）对LLM辅助开发中代码生成、采纳和集成深度的影响，发现不同维度在不同阶段有不同作用。

Comments 48 pages, 2 figures

Dynamic Prosody Prediction in LLM-based TTS for Improving Speaker Similarity

基于LLM的TTS中的动态韵律预测以提高说话人相似度

Zhenwei Mou, Liping Chen, Yajun Hu, Zhen-Hua Ling, Xin Fang, Jianqing Gao

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

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

AI总结 针对LLM-based TTS忽略风格特定韵律模式导致说话人相似度不足的问题，提出基于先前预测语音的动态音节韵律预测方法，显著提升韵律学习能力和说话人相似度。

Comments Accepted to INTERSPEECH 2026. 5 pages, 2 figures. Audio samples: https://muzw.github.io/dynapros/

DuraMark: Duration-Embedded Watermarking in LLM-based TTS

DuraMark: 基于LLM的文本转语音中的时长嵌入水印

Zhenwei Mou, Weili Jiang, Liping Chen, Zhen-Hua Ling, Kong Aik Lee, Kai Gao, Boyu Zhao

机构 * University of Science and Technology of China（中国科学技术大学） ； Institute of Forensic Science, Ministry of Public Security（公安部刑侦科学研究所） ； The Hong Kong Polytechnic University（香港理工大学） 纠错

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

AI总结 提出DuraMark，一种基于音节时长编辑的信息级水印框架，利用可控时长的LLM-TTS模型嵌入水印，并使用时长提取器检测，有效抵抗生成式攻击。

Comments Accepted to INTERSPEECH 2026. 5 pages, 1 figure. Audio samples: https://muzw.github.io/duramark_demo/

Speech Encoder Fusion for LLM-based Automatic Speech Recognition

面向基于LLM的自动语音识别的语音编码器融合

Jakob Poncelet, Hugo Van hamme

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

AI总结 研究融合多个预训练语音编码器以增强基于LLM的ASR性能，提出多种融合策略并在多场景下验证其有效性。

Comments Accepted at Interspeech 2026

TitanCA: Lessons from Orchestrating LLM Agents to Discover 100+ CVEs

TitanCA：编排LLM代理发现100+个CVE的经验教训

Ting Zhang, Yikun Li, Chengran Yang, Ratnadira Widyasari, Yue Liu, Ngoc Tan Bui, Phuc Thanh Nguyen, Yan Naing Tun, Ivana Clairine Irsan, Huu Hung Nguyen, Huihui Huang, Jinfeng Jiang, Lwin Khin Shar, Eng Lieh Ouh, David Lo, Hong Jin Kang, Yide Yin, Wen Bin Leow

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

AI总结 本文介绍TitanCA，一种通过编排多个LLM代理进行漏洞发现的流水线，已在开源软件中发现203个零日漏洞并产生118个CVE。

Comments Accepted by IEEE Security & Privacy Magazine

Characterizing Students' LLM Usage Behaviors and Their Association with Learning in Critical Thinking Tasks

表征学生在批判性思维任务中的LLM使用行为及其与学习的关联

Minju Park, Ivan Orozco Vasquez, Cristina Conati

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

AI总结 通过分析研究型课程中学生在无限制条件下使用LLM完成学术论文阅读与批判任务的行为数据，提出基于学生主动性的LLM使用类型分类，并考察使用频率和类型对期中考试成绩的影响。

Comments EDM 2026

OptiLoop: Coordination-in-the-Loop Verification and Repair for LLM-Generated Optimization Agents

OptiLoop：面向LLM生成的优化代理的协同验证与修复

Yujia Xu, Zhiheng Wang, Thi Dinh

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

AI总结 针对LLM生成的优化代理在协同决策中可能出现语义错误的问题，提出了一种基于交替方向乘子法（ADMM）共识协议的协同验证与修复方法OptiLoop，通过短时协同运行检测行为异常并驱动修复，显著提升了目标匹配和社会匹配率。

Interpreting the Interpreter: Can We Model post-ECB Conferences Volatility with LLM Agents?

解读解释器：我们能否用LLM代理模型post-ECB会议波动？

Umberto Collodel

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

AI总结 本文提出了一种框架，利用大型语言模型模拟30个异质交易者解读欧洲中央银行会议 transcript，以衡量合成代理之间的横截面分歧。该框架在1998至2026年的293次 Governing Council 事件中，与实际 Overnight Index Swap 波动率相关性约为0.5，优于标准文本方法。LLM推导的分歧提供了超越波动聚类的信息，并在出样本验证中保持稳健。此外，提供历史前后的波动示例能提高模型响应的校准。

Profiling for Pennies: Unveiling the Privacy Iceberg of LLM Agents

一分钱的剖析：揭示LLM代理的隐私冰山

Jiahao Chen, Qi Zhang, Ruixiao Lin, Chunyi Zhou, Tianyu Du, Qingming Li, Tong Zhang, Junhao Li, Yuwen Pu, Shouling Ji

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

AI总结 研究通过人类意识和LLM集成平台实践，揭示隐私风险的显著差异，提出PrivacyIceberg分类体系及IcebergExplorer工具，以低成本高精度识别隐私泄露问题。

Comments 22 pages