Calculating Originality of LLM Assisted Source Code
专题命中 其他LLM ：LLM(title,abstract)；large language model(abstract)；language model(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 12169 篇
Universal Language Modelling agent
专题命中 其他LLM ：language model(title,abstract)；large language model(abstract)；分类 cs.CL、cs.AI、cs.LG
Cheap-fake Detection with LLM using Prompt Engineering
专题命中 其他LLM ：LLM(title,abstract)；large language model(abstract)；language model(abstract)
Comments ICME2023 Workshop
Action-GPT: Leveraging Large-scale Language Models for Improved and Generalized Action Generation
专题命中 其他LLM ：language model(title,abstract)；LLM(abstract)；large language model(abstract)
Comments Code, pretrained models and sample videos will be made available at \url{https://actiongpt.github.io}
Weakly Supervised Data Augmentation Through Prompting for Dialogue Understanding
专题命中 其他LLM ：prompting(title,abstract)；language model(abstract)；分类 cs.CL、cs.AI、cs.LG
Comments To appear in SyntheticData4ML @ NeurIPS 2022. 16 pages, 10 figures, 3 tables
Understanding Cognition-Induced Risks in Agentic AI Systems
理解智能体AI系统中认知引发的风险
机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Tsinghua University（清华大学）
专题命中 其他LLM ：LLM(summary_cn,abstract_cn)；large language model(abstract)；language model(abstract)；分类 cs.AI
AI总结 该研究针对由LLM驱动的智能体AI系统，基于物理、社会、自我指涉认知的三级框架分析其引发的风险，提出策略以增强系统可控性，保障长期安全发展。
Comments This paper has been accepted by IEEE Intelligent Systems, which can be accessed at https://doi.ieeecomputersociety.org/10.1109/MIS.2026.3721766. The DOI is 10.1109/MIS.2026.3721766
What Keeps Agent Skills from Being Reusable? Evidence from 138K SKILL.md Files
是什么阻碍了智能体技能的可复用性？来自13.8万个SKILL.md文件的证据
机构 * The Graduate Center, City University of New York（纽约城市大学研究生中心） ； The Ohio State University（俄亥俄州立大学） ； Hunter College, City University of New York（纽约城市大学亨特学院）
专题命中 其他LLM ：LLM(abstract,abstract_cn)；large language model(abstract)；language model(abstract)；prompting(abstract)
AI总结 本研究通过分析13.8万个SKILL.md文件，发现91.8%的Agent Skills存在可复用性相关缺陷，主要为打包问题，验证了路由元数据对检索可靠性的影响，并提出了结合规范提示等的质量保证生成工作流。
Comments 11 pages, 4 figures
Forgotten History or Test-of-Time? Retrospect and Prospect on RAG from an IR Perspective
被遗忘的历史还是时间的考验？从信息检索视角回顾与展望检索增强生成（RAG）
机构 * National University of Singapore（新加坡国立大学） ； Georgetown University（乔治城大学）
专题命中 其他LLM ：LLM(summary_cn,abstract_cn)；large language model(abstract)；language model(abstract)；分类 cs.AI
AI总结 本文从IR视角指出RAG核心思想源于21世纪初的经典研究，提出将LLM视为旧QA架构的新接口层，其前期工作可指导下一代RAG设计，促进跨领域整合。
Divergent large language model predictions from convergent representations in ambiguous word pairs
歧义词对中收敛表示引发的大语言模型发散预测
机构 * University of Otago（奥塔哥大学）
专题命中 其他LLM ：large language model(title)；language model(title)；分类 cs.CL
AI总结 本研究通过分析三种规模的仅解码器Transformer，揭示其解决词汇歧义的机制：中间层表示区分度最高、顶层预测KL散度最大，且顶层表示差异直接决定输出，为嵌入方法的应用提供了启示。
Comments 21 main text pages, 20 pages supplemental, 4 figures
Isotropy Cliffs: The Geometric Signature of Decision-Making in Large Language Models
各向同性悬崖：大语言模型决策的几何特征
机构 * University of Tübingen（蒂宾根大学） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校）
专题命中 其他LLM ：large language model(title)；language model(title)；分类 cs.AI
AI总结 该研究从各向同性视角分析大语言模型多项选择题问答的决策几何，识别出各向同性转变的决策关键过渡层，发现该几何行为与下游准确率高度相关且对提示变化鲁棒，揭示模型决策的通用机制。
QUBO-Optimized Evidence Selection for Retrieval-Augmented Question Answering with Unconventional Solvers
使用非常规求解器的QUBO优化证据选择用于检索增强问答
机构 * University of California Santa Barbara（加利福尼亚大学圣巴巴拉分校） ； Georgia Institute of Technology（佐治亚理工学院）
专题命中 其他LLM ：LLM(summary_cn,abstract)；language model(abstract)；分类 cs.CL
AI总结 研究针对检索增强问答中证据选择问题，将其转化为QUBO问题构建能量函数，平衡多种因素选择证据段落，再由下游语言模型生成答案。在HotpotQA上评估，该方法性能与基于LLM的选择器相当，为RAG管道提供新思路。
Rethinking On-policy Optimization for Query Augmentation
重新思考查询增强的在线策略优化
机构 * University of Utah（犹他大学） ； The University of Queensland（昆士兰大学） ； University of Waterloo（滑铁卢大学） ； New York University（纽约大学） ； University of Notre Dame（圣母大学） ； Université de Montréal（蒙特利尔大学） ； Google DeepMind（谷歌DeepMind） ； University of Oklahoma（俄克拉荷马大学）
专题命中 其他LLM ：LLM(abstract,abstract_cn)；large language model(abstract)；language model(abstract)；prompting(abstract)
AI总结 本文系统比较了基于提示和强化学习的查询增强方法，发现计算量感知下简单方法常优于RL方法，并提出混合方法OPQE，通过RL生成伪文档以最大化检索性能。
Comments TMLR camera ready version
Can LLMs Hire Fairly? Racial Bias in Resume Screening
LLM能公平招聘吗？简历筛选中的种族偏见
机构 * Department of Finance, CUHK Business School（财务系，CUHK商学院）
专题命中 其他LLM ：LLM(title_cn,abstract_cn)；large language model(abstract)；language model(abstract)；分类 cs.CL
AI总结 使用配对简历方法审计14个主流大语言模型，发现2023年模型重现白人回调差距，而2024年后模型显示无差距或反向偏差，表明算法招聘偏见方向随模型代际反转。
SemChunk-C: Semantic Segmentation for C Code
SemChunk-C: C 代码的语义分割
机构 * Huawei（华为）
专题命中 其他LLM ：LLM(summary_cn,abstract)；language model(abstract)；分类 cs.AI
AI总结 针对 C 语言代码语义分割难题，提出基于轻量级 LLM 的 SemChunk-C 模型，定义代码块类别并实现边界识别与功能属性标注，在边界准确性和语义连贯性上优于基于大型 LLM 的方法。
Comments 7 pages, 9 tables, 2 figures
Stable Menus of Public Goods: AI-Enabled Progress
公共物品的稳定菜单：AI驱动的进展
机构 * School of Engineering and Applied Sciences, Harvard University（哈佛大学工程与应用科学学院）
专题命中 其他LLM ：LLM(summary_cn,abstract)；prompting(abstract)；分类 cs.AI
AI总结 以EC 2025论文的开放问题为测试平台，实验评估AI辅助研究流程的有效性，发现提供人类直觉提示和自动多轮交互有助于提升LLM表现，但LLM略逊于一年级博士生。
Comments Accepted to the EC'26 Workshop on AI-Driven Research in EconCS
JailbreakOPT: Tool-Assisted Iterative Jailbreak Prompt Optimization
JailbreakOPT: 工具辅助的迭代越狱提示优化
机构 * University of California, Davis（加州大学戴维斯分校） ； The Renmin University of China（中国人民大学） ； Independent Researcher（独立研究员） ； Nankai University（南开大学） ； Cornell University（康奈尔大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
专题命中 其他LLM ：LLM(summary_cn,abstract_cn)；large language model(abstract)；language model(abstract)；分类 cs.AI
AI总结 提出JailbreakOPT框架，通过工具库和上下文Thompson采样优化单轮越狱提示，在多个LLM上提高攻击成功率并减少攻击次数。
ResMerge: Residual-based Spectral Merging of Large Language Models
ResMerge：基于残差的谱合并大型语言模型
机构 * Southeast University（东南大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； National University of Singapore（新加坡国立大学） ； Wuhan University of Technology（武汉理工大学） ； Peking University（北京大学） ； Wuhan AI Research（武汉人工智能研究院）
专题命中 其他LLM ：large language model(title)；language model(title)；分类 cs.CL
AI总结 提出ResMerge框架，通过将RL任务向量分解为谱头部和残差组件，利用残差组件构建稳定骨干并选择性引入头部信息，实现无需训练的专家模型合并。
Comments 14 pages including appendix
DAPD: Dependency-Aware Parallel Decoding via Attention for Diffusion LLMs
DAPD: 面向扩散LLM的基于注意力的依赖感知并行解码
机构 * KAIST（韩国科学技术院）
专题命中 其他LLM ：LLM(title_cn,summary_cn)；分类 cs.LG
AI总结 提出一种无需训练的并行解码方法DAPD，利用自注意力构建掩码标记的依赖图，通过选择独立集并行解码，避免强耦合标记同时更新，提升了扩散LLM的精度-步数权衡。
Comments Accepted at ICML 2026
Healthcare Mechanisms from Policy-as-Code Search under Strategic Provider Response
战略提供者响应下的策略即代码搜索中的医疗机制
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Tongji University（同济大学）
专题命中 其他LLM ：LLM(summary_cn,abstract)；language model(abstract)；分类 cs.AI
AI总结 将医疗机制设计转化为语言模型的程序合成，通过多智能体模拟器Medi-Sim评估策略提供者响应下的均衡，并利用LLM引导的进化代码搜索合成可检查的混合目标程序。
Comments 32 pages, 18 figures, 4 tables
Watermarking Game-Playing Agents in Perfect-Information Extensive-Form Games
在完美信息扩展型游戏中水印游戏扮演代理
机构 * Strategic Machine, Inc.（战略机器公司） ； Strategy Robot, Inc.（策略机器人公司） ； Optimized Markets, Inc.（优化市场公司）
专题命中 其他LLM ：LLM(summary_cn,abstract_cn)；large language model(abstract)；language model(abstract)；分类 cs.AI
AI总结 本文研究如何在完美信息扩展型游戏中对策略进行水印，通过调整LLM的KGW水印技术，展示水印检测的统计测试方法，并探讨质量与可检测性之间的权衡。
The Power of Order: Fooling LLMs with Adversarial Table Permutations
顺序的力量：用对抗性表格排列欺骗LLMs
机构 * CMU（卡内基梅隆大学） ； NEC Labs（NEC 实验室） ； Dartmouth College（达特茅斯学院） ； MBZUAI
专题命中 其他LLM ：LLM(summary_cn,abstract_cn)；large language model(abstract)；language model(abstract)；分类 cs.LG
AI总结 研究揭示LLMs对表格布局的脆弱性，提出对抗性表格排列攻击，证明其对多种LLM性能的破坏，凸显结构数据处理的潜在弱点。
Emotive Architectures: The Role of LLMs in Adjusting Work Environments
情感建筑：大型语言模型在调整工作环境中的作用
机构 * National Technical University of Athens（希腊国家技术大学） ； TWT GmbH Science & Innovation（TWT GmbH 科技与创新部门） ； Massachusetts Institute of Technology（麻省理工学院）
专题命中 其他LLM ：LLM(summary_cn,abstract_cn)；large language model(abstract)；language model(abstract)；分类 cs.AI
AI总结 本文探讨了LLM在融合物理与虚拟环境中的应用，通过实时调整光照、声学等参数，提升用户专注度与幸福感，并提出伦理考量与包容性设计的重要性。
Comments 19 pages, 1 Table
Commonsense Knowledge with Negation: A Resource to Enhance Negation Understanding
常识知识与否定：增强否定理解的资源
机构 * University of Arizona（亚利桑那大学） ； University of North Carolina Asheville（北卡罗来纳州阿什维尔大学）
专题命中 其他LLM ：LLM(summary_cn,abstract_cn)；large language model(abstract)；language model(abstract)；分类 cs.CL
AI总结 本文提出通过自动扩展常识知识库以包含否定，生成包含200万条if-then关系的新型语料库，并展示预训练LLM可提升否定理解能力。
Comments Accepted at Findings of ACL 2026
TabEmb: Joint Semantic-Structure Embedding for Table Annotation
TabEmb：表格标注的语义-结构嵌入
机构 * School of Computing Science（计算科学学院） ； Simon Fraser University（西蒙弗雷泽大学）
专题命中 其他LLM ：LLM(summary_cn,abstract)；language model(abstract)；分类 cs.LG
AI总结 本文提出TabEmb，通过解耦语义编码与结构建模，改进表格标注任务。模型利用LLM生成列语义嵌入，并通过图模块注入列间关系，提升语义与结构联合表示的性能。
Sampling at intermediate temperatures is optimal for training large language models in protein structure prediction
在蛋白质结构预测中训练大语言模型时，中间温度下的采样是最佳的
机构 * Department of Physics, via Celoria 16, 20133 Milano, Italy（米兰大学物理系） ； Department of Physics and INFN, via Celoria 16, 20133 Milano, Italy（米兰大学物理系与意大利国家核物理研究院）
专题命中 其他LLM ：large language model(title)；language model(title)；分类 cs.LG
AI总结 研究通过统计力学框架分析transformer模型在蛋白质序列数据上的参数空间，发现transformer在蛋白质结构预测中表现优异的原因是其损失函数中缺乏一阶相变，从而在中间温度下具有良好的学习特性。
StoryBox: Collaborative Multi-Agent Simulation for Hybrid Bottom-Up Long-Form Story Generation Using Large Language Models
StoryBox：基于大型语言模型的混合自底向上长篇故事生成的协作多智能体模拟
专题命中 其他LLM ：large language model(title)；language model(title)；分类 cs.CL
AI总结 本文提出混合自底向上长篇故事生成方法，利用多智能体模拟生成超过10000字的连贯故事，通过智能体交互产生有机情节发展，优于传统自顶向下的结构化方法。
Comments Accepted by AAAI 2026. Project: https://storyboxproject.github.io
Journal ref Proceedings of the AAAI Conference on Artificial Intelligence, 2026, 40(36), 30359-30367
Provable Model Provenance Set for Large Language Models
大语言模型的可证模型来源集
机构 * Department of Statistics and Data Science, Southern University of Science and Technology, Shenzhen, China（统计与数据科学系，南方科技大学，深圳，中国）
专题命中 其他LLM ：large language model(title)；language model(title)；分类 cs.LG
AI总结 本文提出了一种可证明保证的模型来源集，通过顺序测试和排除方法实现可靠来源覆盖，适用于大语言模型的归因与审计任务。
Mastering AI: Big Data, Deep Learning, and the Evolution of Large Language Models -- AutoML from Basics to State-of-the-Art Techniques
掌握AI：大数据、深度学习与大型语言模型的演变——从基础到最新技术的AutoML
机构 * National Taiwan Normal University（台湾师范大学） ； Indiana University（印第安纳大学） ； University of Hawaii（夏威夷大学） ； AppCubic ； Kyoto University（京都大学） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Georgia Institute of Technology（佐治亚理工学院） ； Rutgers University（罗格斯大学） ； Purdue University（普渡大学） ； Emory University（埃默里大学）
专题命中 其他LLM ：large language model(title)；language model(title)；分类 cs.LG
AI总结 本文系统介绍了AutoML的基础知识、主流工具及最新技术，旨在为AI和机器学习领域提供全面的指导与研究参考。
Comments This book contains 169 pages and 5 figures
E-bike agents: Large Language Model-Driven E-Bike Accident Analysis and Severity Prediction
机构 * Civil and Environmental Engineering, University of Maryland（大学工程学院） ； Computer and Information Science, University of Pennsylvania（大学计算机与信息科学学院）
专题命中 其他LLM ：large language model(title)；language model(title)；分类 cs.AI
Learning to Watermark: A Selective Watermarking Framework for Large Language Models via Multi-Objective Optimization
机构 * Harbin Institute of Technology, Shenzhen, China（哈尔滨工业大学（深圳）） ； Lingnan University（岭大大学） ； Zhejiang University（浙江大学） ； Shaqra University, Saudi Arabia（沙迦大学）
专题命中 其他LLM ：large language model(title)；language model(title)；分类 cs.AI
Comments 28 pages, 11 figures, NeurIPS 2025 Poster
