语言大模型 / LLM

BadLLM-TG: A Backdoor Defender powered by LLM Trigger Generator

BadLLM-TG：一种由LLM触发生成器驱动的后门防御系统

Ruyi Zhang, Heng Gao, Songlei Jian, Yusong Tan, Haifang Zhou

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

AI总结 本文提出BadLLM-TG，利用大语言模型的知识，通过提示驱动强化学习生成触发器，用于缓解后门攻击，实验表明其在减少攻击成功率方面表现优异。

Comments 5pages, 2 figures

Are Dilemmas and Conflicts in LLM Alignment Solvable? A View from Priority Graph

对LLM对齐中的困境和冲突是否可解？一种优先图的视角

Zhenheng Tang, Xiang Liu, Qian Wang, Eunsol Choi, Bo Li, Xiaowen Chu

机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； New York University（纽约大学） ； National University of Singapore（新加坡国立大学） 纠错

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

AI总结 本文通过优先图模型分析LLM在不同场景中的冲突与困境，揭示了统一稳定对齐的挑战及优先黑客的潜在风险，并提出运行时验证机制以提升鲁棒性。

LLM-Augmented Release Intelligence: Automated Change Summarization and Impact Analysis in Cloud-Native CI/CD Pipelines

LLM增强的发布智能：云原生CI/CD流水线中的自动化变更摘要与影响分析

Happy Bhati

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

AI总结 本文提出一种结合AI的发布智能框架，用于云原生CI/CD流水线中自动化生成变更摘要和影响分析，通过语义过滤、大语言模型摘要和静态依赖分析提升发布通信的准确性和效率。

Comments 13 pages, 1 figure, 4 tables

Beyond Max Tokens: Stealthy Resource Amplification via Tool Calling Chains in LLM Agents

超越最大令牌：通过工具调用链实现隐秘的资源放大

Kaiyu Zhou, Yongsen Zheng, Yicheng He, Meng Xue, Xueluan Gong, Yuji Wang, Xuanye Zhang, Kwok-Yan Lam

机构 * Nanyang Technological University, Singapore（南洋理工大学，新加坡） ； University of Illinois Urbana-Champaign, United States（伊利诺伊大学厄巴纳-香槟分校，美国） ； The Hong Kong University of Science and Technology, Hong Kong（香港科学与技术大学，香港） ； Shanghai Jiao Tong University, China（上海交通大学，中国） 纠错

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

AI总结 本文提出了一种基于工具调用链的隐秘DoS攻击，通过多轮交互显著提升LLM的资源消耗，挑战现有安全防护机制。

Influencing LLM Multi-Agent Dialogue via Policy-Parameterized Prompts

通过策略参数化提示影响LLM多智能体对话

Hongbo Bo, Jingyu Hu, Weiru Liu

机构 * University of Bristol（布里斯托大学） 纠错

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

AI总结 本文提出通过策略参数化提示影响LLM多智能体对话，通过动态构建提示序列影响对话动态，实验验证了其有效性。

Structured Exploration vs. Generative Flexibility: A Field Study Comparing Bandit and LLM Architectures for Personalised Health Behaviour Interventions

结构探索与生成灵活性：一项比较带宽和LLM架构在个性化健康行为干预中的田野研究

Dominik P. Hofer, Haochen Song, Rania Islambouli, Laura Hawkins, Ananya Bhattacharjee, Meredith Franklin, Joseph Jay Williams, Jan D. Smeddinck

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

AI总结 本文通过田野研究比较带宽和LLM架构在个性化健康行为干预中的效果，发现LLM方法更有效，但带宽优化未带来额外帮助性，揭示了结构探索与生成灵活性的权衡。

Comments Currently under review at a conference

Toward a Dynamic Stackelberg Game-Theoretic Framework for Agentic AI Defense Against LLM Jailbreaking

面向动态Stackelberg博弈框架的代理AI防御对抗大语言模型劫持

Zhengye Han, Quanyan Zhu

机构 * Department of Electrical and Computer Engineering（电气与计算机工程系） 纠错

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

AI总结 本文提出动态Stackelberg博弈框架，用于代理AI防御对抗大语言模型劫持，通过RRT搜索和博弈树分析提升防御效果。

Comments Accepted to ICLR 2026 AIMS Workshop. 13 pages, 3 figures

Ignore All Previous Instructions: Jailbreaking as a de-escalatory peace building practise to resist LLM social media bots

忽略此前所有指令：将‘禁锢’视为一种缓和和平建设的实践，以抵抗大语言模型社交媒体机器人

Huw Day, Adrianna Jezierska, Jessica Woodgate

机构 * School of Engineering Maths & Technology University of Bristol（工程数学与科技学院 英国布里斯托尔大学） ； Business School University of Bristol（商学院 英国布里斯托尔大学） ； School of Computer Science University of Bristol（计算机科学学院 英国布里斯托尔大学） 纠错

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

AI总结 本文提出将‘禁锢’作为一种非暴力的缓和和平建设实践，通过用户与疑似LLM账号的互动来对抗大语言模型社交媒体机器人。

Comments Accepted to ICLR 2026 AI for peace workshop

Hybrid LLM-Embedded Dialogue Agents for Learner Reflection: Designing Responsive and Theory-Driven Interactions

混合LLM嵌入对话代理用于学习者反思：设计响应性且理论驱动的互动

Paras Sharma, YuePing Sha, Janet Shufor Bih Epse Fofang, Brayden Yan, Jess A. Turner, Nicole Balay, Hubert O. Asare, Angela E. B. Stewart, Erin Walker

机构 * University of Pittsburgh（匹兹堡大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Bowie State University（鲍威州立大学） 纠错

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

AI总结 本文提出一种混合对话系统，结合LLM的响应能力与理论驱动的规则框架，以支持学习者反思，但发现其在提高反思深度的同时也带来了一些挑战。

Neural Synchrony Between Socially Interacting Language Models

社会交互语言模型间的神经同步

Zhining Zhang, Wentao Zhu, Chi Han, Yizhou Wang, Heng Ji

机构 * Peking University（北京大学） ； Eastern Institute of Technology（东部技术研究所） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

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

AI总结 研究通过分析社会交互语言模型间的神经同步，探讨其社会行为表现与神经同步的关联性，揭示了人类与语言模型社会互动的内在相似性。

Comments Accepted at ICLR 2026

Measuring Mid-2025 LLM-Assistance on Novice Performance in Biology

测量2025年中期LLM对生物学新手表现的影响

Shen Zhou Hong, Alex Kleinman, Alyssa Mathiowetz, Adam Howes, Julian Cohen, Suveer Ganta, Alex Letizia, Dora Liao, Deepika Pahari, Xavier Roberts-Gaal, Luca Righetti, Joe Torres

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

AI总结 2025年中期LLM对生物学新手在实验室任务中的表现影响有限，但显示出适度的性能优势。

Accelerating Post-Quantum Cryptography via LLM-Driven Hardware-Software Co-Design

通过LLM驱动的硬件软件协同设计加速后量子密码学

Yuchao Liao, Tosiron Adegbija, Roman Lysecky

机构 * Electrical \& Computer Engineering University of Arizona Tucson, AZ, USA 纠错

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

AI总结 本文提出利用LLM驱动硬件软件协同设计加速PQC，通过FALCON方案实现内核执行时间提升2.6倍，同时优化资源利用与功耗。

Comments Accepted at the 27th International Symposium on Quality Electronic Design (ISQED 2026)

Toward Formalizing LLM-Based Agent Designs through Structural Context Modeling and Semantic Dynamics Analysis

通过结构上下文建模和语义动态分析正式化基于大语言模型的智能体设计

Haoyu Jia, Kento Kawaharazuka, Kei Okada

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

AI总结 本文提出结构上下文模型和语义动态分析工作流，旨在通过形式化方法提升大语言模型智能体设计的可分析性和一致性。

Agent2Agent Threats in Safety-Critical LLM Assistants: A Human-Centric Taxonomy

安全关键型LLM助手中的Agent2Agent威胁：以人为中心的分类

Lukas Stappen, Ahmet Erkan Turan, Johann Hagerer, Georg Groh

机构 * BMW Group Research（宝马集团研究） ； Technical University Munich（慕尼黑技术大学） 纠错

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

AI总结 本文提出AgentHeLLM框架，通过分离资产识别与攻击路径分析，为安全关键型LLM助手提供以人为中心的威胁建模方法。

LH-Deception: Simulating and Understanding LLM Deceptive Behaviors in Long-Horizon Interactions

LH-Deception：模拟和理解长周期交互中大语言模型的欺骗行为

Yang Xu, Xuanming Zhang, Samuel Yeh, Jwala Dhamala, Ousmane Dia, Rahul Gupta, Sharon Li

机构 * University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Zhejiang University（浙江大学） ； Amazon AGI（亚马逊人工智能研究院） 纠错

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

AI总结 LH-Deception通过多智能体系统模拟长周期交互中的LLM欺骗行为，揭示欺骗的模型依赖性和对信任的侵蚀，为真实场景下的LLM评估提供基础。

Comments ICLR 2026

Trailer Reimagined: An Innovative, Llm-DRiven, Expressive Automated Movie Summary framework (TRAILDREAMS)

Trailer Reimagined: 一种创新的、基于大语言模型的、富有表现力的自动电影预告片生成框架 (TRAILDREAMS)

Roberto Balestri, Pasquale Cascarano, Mirko Degli Esposti, Guglielmo Pescatore

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

AI总结 TRAILDREAMS利用大语言模型自动生成电影预告片，通过选择关键视觉片段和对话生成音频元素，提升预告片的吸引力和视觉效果，但在质量上仍需进一步改进以接近人工创作的预告片。

Journal ref OJCMT, 15(3), e202524 (2025)

Proactive defense against LLM Jailbreak

主动防御对抗大语言模型劫持

Weiliang Zhao, Jinjun Peng, Daniel Ben-Levi, Zhou Yu, Junfeng Yang

机构 * Department of Computer Science, Columbia University, US（计算机科学系，哥伦比亚大学） 纠错

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

AI总结 ProAct通过主动误导劫持方法，显著降低攻击成功率，提升大语言模型的安全性。

PedagoSense: A Pedology Grounded LLM System for Pedagogical Strategy Detection and Contextual Response Generation in Learning Dialogues

PedagoSense: 一种基于土壤学的LLM系统，用于学习对话中的教学策略检测与上下文响应生成

Shahem Sultan, Shahem Fadi, Yousef Melhim, Ibrahim Alsarraj, Besher Hassan

机构 * Al Andlus University（阿尔安多斯大学） ； Ajman University（阿治曼大学） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） 纠错

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

AI总结 PedagoSense通过结合两阶段策略分类器和大语言模型，实现了学习对话中教学策略的检测与上下文响应生成，提升教育技术的适应性。

Comments 8 pages, 5 figures

What Matters to an LLM? Behavioral and Computational Evidences from Summarization

什么是对LLM重要的？来自摘要的行为主观和计算证据

Yongxin Zhou, Changshun Wu, Philippe Mulhem, Didier Schwab, Maxime Peyrard

机构 * Univ. Grenoble Alpes（格勒诺布尔大学） ； CNRS（国家科学研究中心） ； Inria（法国国家信息与自动化技术研究所） ； Grenoble INP（格勒诺布尔研究所） ； LIG（实验室） 纠错

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

AI总结 本文通过行为和计算分析研究LLM在摘要任务中的重要性选择机制，揭示了LLM在重要性模式上的一致性及注意力头与层对重要性的预测作用。

Comments Findings of EACL 2026

DeepGreen: Effective LLM-Driven Greenwashing Monitoring System Designed for Empirical Testing -- Evidence from China

DeepGreen：一种用于实证测试的基于大语言模型的绿色洗刷监测系统设计——来自中国的证据

Congluo Xu, Jiuyue Liu, Ziyang Li, Chengmengjia Lin

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

AI总结 DeepGreen通过LLM驱动系统识别企业绿色洗刷，揭示其与环境处罚的正相关关系，并探讨绿色投资者和企业规模对这一关系的影响。

Comments Major revision accepted in Computational Economics, December 31, 2025. This version incorporates extensive revisions based on the reviewers' comments, with substantial changes

Reputation as a Solution to Cooperation Collapse in LLM-based MASs

声誉作为解决基于大语言模型的多智能体系统合作崩溃的解决方案

Siyue Ren, Wanli Fu, Xinkun Zou, Chen Shen, Yi Cai, Chen Chu, Zhen Wang, Shuyue Hu

机构 * School of Mechanical Engineering, Northwestern Polytechnical University（西北工业大学机械工程学院） ； School of Cybersecurity, Northwestern Polytechnical University（西北工业大学网络安全学院） ； School of Artificial Intelligence, OPtics and ElectroNics (iOPEN), Northwestern Polytechnical University（西北工业大学人工智能、光学和电子学（iOPEN）学院） ； Kyushu University（九州大学） ； South China University of Technology（华南理工大学） ； Yunnan University of Finance and Economics（云南财经大学） ； Northwestern Polytechnical University（西北工业大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） 纠错

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

AI总结 RepuNet通过动态双层声誉框架解决基于大语言模型的多智能体系统中的合作崩溃问题，促进并维持合作。

Comments Published as a conference paper at AAMAS 2026

Marriage Discourse on Chinese Social Media: An LLM-assisted Analysis

中国社交媒体上的婚姻 discourse：一种大语言模型辅助分析

Frank Tian-Fang Ye, Xiaozi Gao

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

AI总结 本研究利用大语言模型分析中国社交媒体上婚姻相关帖子的情感和道德元素，发现自主和社区框架下的帖子多为消极，而神圣框架下的帖子则偏向积极，揭示了个人自主与社区义务对婚姻态度的影响。

Hierarchical Text Classification with LLM-Refined Taxonomies

基于LLM优化的分层文本分类

Jonas Golde, Nicolaas Jedema, Ravi Krishnan, Phong Le

机构 * Humboldt Universität zu Berlin（柏林洪堡大学） ； Amazon（亚马逊） ； Meta ； School of Computer Science, University of St Andrews（圣安德鲁大学计算机学院） 纠错

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

AI总结 本文提出TaxMorph框架，利用LLM优化分类体系，提升分层文本分类性能。

OLAF: Towards Robust LLM-Based Annotation Framework in Empirical Software Engineering

OLAF：迈向面向经验软件工程的鲁棒LLM注释框架

Mia Mohammad Imran, Tarannum Shaila Zaman

机构 * Missouri University of Science and Technology（密苏里科技大学） ； University of Maryland Baltimore County（马里兰大学巴尔的摩县分校） 纠错

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

AI总结 本文提出OLAF框架，旨在提升基于LLM的注释在经验软件工程中的透明性和可重复性。

Journal ref 3rd International Workshop on Methodological Issues with Empirical Studies in Software Engineering (WSESE) 2026

Regret-Driven Portfolios: LLM-Guided Smart Clustering for Optimal Allocation

后悔驱动的组合：LLM引导的智能聚类用于最优分配

Muhammad Abro, Hassan Jaleel

机构 * Lahore University of Management Sciences（拉合尔管理科学大学） ； Institute for Clarity in Documentation（文档清晰研究所） ； Inria Paris-Rocquencourt（巴黎-罗quant研究所） ； Rajiv Gandhi University（拉贾·甘地大学） ； Tsinghua University（清华大学） ； Palmer Research Laboratories（帕勒尔研究实验室） 纠错

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

AI总结 本文提出一种LLM引导的智能聚类方法，通过整合在线学习动态和市场情绪指标，构建高夏普比率的投资组合，实现优于传统基准的收益和风险控制。

SearchLLM: Detecting LLM Paraphrased Text by Measuring the Similarity with Regeneration of the Candidate Source via Search Engine

SearchLLM: 通过搜索引擎检索候选源文本并测量相似性以检测LLM改写文本

Hoang-Quoc Nguyen-Son, Minh-Son Dao, Koji Zettsu

机构 * National Institute of Information and Communications Technology, Japan（日本信息与通信技术国家研究所） ； Nagoya University, Japan（日本名古屋大学） 纠错

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

AI总结 SearchLLM通过搜索引擎检索候选源文本并测量相似性，有效检测LLM改写文本并提升检测器性能。

Comments EACL 2026 camera ready (Main Track)

Deaf and Hard of Hearing Access to Intelligent Personal Assistants: Comparison of Voice-Based Options with an LLM-Powered Touch Interface

聋人和听觉障碍者使用智能个人助手：语音基于选项与LLM驱动触控界面的比较

Paige S. DeVries, Michaela Okosi, Ming Li, Nora Dunphy, Gidey Gezae, Dante Conway, Abraham Glasser, Raja Kushalnagar, Christian Vogler

机构 * Gallaudet University（加拉维特大学） ； University of California, Berkeley（加州大学伯克利分校） ； Pennsylvania State University（宾夕法尼亚州立大学） 纠错

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

AI总结 本研究比较了语音识别与LLM驱动触控界面在聋人和听力障碍者使用智能个人助手中的可用性，发现两者无显著差异，但需改进对聋人语音的识别能力。

Comments Accepted for publication in ACM CHI 2026

INFA-Guard: Mitigating Malicious Propagation via Infection-Aware Safeguarding in LLM-Based Multi-Agent Systems

INFA-Guard: 通过感染感知防护减轻恶意传播在基于大语言模型的多智能体系统中的影响

Yijin Zhou, Xiaoya Lu, Dongrui Liu, Junchi Yan, Jing Shao

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Shanghai Innovation Institute（上海创新研究院） 纠错

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

AI总结 INFA-Guard通过感染感知防护机制有效减轻基于大语言模型的多智能体系统中的恶意传播问题，显著降低攻击成功率并保持拓扑完整性。

LLM Security and Safety: Insights from Homotopy-Inspired Prompt Obfuscation

大语言模型的安全性与安全性：基于同调启发的提示混淆洞察

Luis Lazo, Hamed Jelodar, Roozbeh Razavi-Far

机构 * Canadian Institute for Cybersecurity（加拿大网络安全研究所） ； Faculty of Computer Science（计算机科学学院） ； University of New Brunswick（新 Brunswick大学） 纠错

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

AI总结 本文提出基于同调启发的提示混淆框架，通过系统实验揭示LLM安全漏洞，强调对更强大防御机制和鲁棒性改进的必要性。

Foundations of Global Consistency Checking with Noisy LLM Oracles

基于噪声LLM预言机的全局一致性基础

Paul He, Elke Kirschbaum, Shiva Kasiviswanathan

机构 * Nanyang Technological University（南洋理工大学） ； Amazon Web Services（亚马逊网络服务） 纠错

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

AI总结 本文提出一种基于LLM的自适应分治算法，用于高效检测和定位自然语言事实集合的全局不一致问题，具有低次多项式查询复杂度。

Comments Under Review