语言大模型 / LLM

Developing and Validating the Spanish Version of the Large Language Models Dependency Scale (LLM-D12-SP)

开发并验证大语言模型依赖量表的西班牙语版本（LLM-D12-SP）

Tran Gia Bao, Mo El-Haj, Sameha Al-Shakhsi, Antonio Garcia-Cabot, Raian Ali, Ala Yankouskaya

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

AI总结 研究针对说西班牙语人群对评估LLM心理依赖工具的需求，开发并验证了LLM-D12-SP量表，经分析其具有良好结构和效度，为研究LLM在组织环境中的心理使用情况提供了可靠工具。

Comments 32 pages

Journal ref Discover Psychology 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。

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

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

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。

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。

Understanding Content Moderation in Large Language Models through Restricted Books: From Refusal to Warning

通过受限书籍理解大语言模型的内容审核：从拒绝对话到发出警告

Xucheng Yu, Emily Knox, Haohan Wang

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

AI总结 该研究以400本受限与非受限书籍为测试平台，对6家AI提供商的6种前沿模型开展大规模实验，发现现代LLM对受限书籍仅0.07%的案例拒绝对话，其内容政策已转向校准的上下文敏感披露。

Comments Accepted at AIES 2026 (AAAI/ACM Conference on AI, Ethics, and Society). 13 pages, 4 figures, 5 tables. This arXiv version includes the full appendix

Randomness in large language models: What researchers need to know (and report)

大语言模型中的随机性：研究人员需要了解（并报告）的内容

Guillaume Coqueret, Joan Llull, Florian Oswald, Christophe Pérignon, Christoph Scheuch, Lars Vilhuber

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

AI总结 研究大语言模型输出随机性问题及影响，指出其输出因多种因素在重复请求时可变，难以精确再现。通过公司备案文件情感分类说明问题，提出文章、复制包报告标准及对数据编辑和作者的指导，建议将LLM输出视为分布抽样。

On the Effectiveness of Fact Checking Information from Politically Congruent and Incongruent Large Language Models

论政治立场一致和不一致的大语言模型的事实核查信息的有效性

Jiangen He, Benjamin D Horne, Dorit Nevo

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

AI总结 研究政治立场一致和不一致的大语言模型事实核查信息的有效性，通过两个受试者内实验发现，LLM能显著改变对新闻标题的信任度，政治一致性在标题政治距离远时起作用，且LLM出错时也会影响信任度，揭示其纠正与歪曲信息的潜力。

Comments To Appear at ICWSM 2027

Large Language Models as Supervised Extraction Assistants: Lowering the Barrier to Documentation Standard Adoption in Agent-Based Modelling

大型语言模型作为监督式提取助手：降低基于智能体建模中文档标准采纳的门槛

Peer-Olaf Siebers, Christopher Frantz

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

AI总结 本研究探索利用大型语言模型（LLMs）辅助自动化ABM文档标准（如RAT-RS）的采纳，通过四个LLMs从已发表论文中提取报告，发现LLMs在描述性任务上表现可靠，但在解释性和评估性任务上存在局限，并提出了何时依赖LLM、何时需要人工监督的实用启发式方法。

Comments 17 pages, accepted for publication at the Social Simulation Conference 2026, see https://www.durham.ac.uk/research/institutes-and-centres/research-methods/social-simulation-conference-2026/

Verified Tool Calls Improve LLM Agent Reliability Under Non-Atomic Failures

经验证的工具调用可提升非原子故障下LLM智能体的可靠性

Isham Kalappurackal Mansoor, Abhishek Phadke, Pratip Rana

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

AI总结 针对非原子故障导致LLM智能体可靠性不足的问题，提出带后置条件验证、重试前逻辑和幂等键的工具包装器，可减少重复动作并保持任务成功率，且无需修改底层LLM。

LLM-Guided Retrieval for Prediction of Molecular Perturbation Responses

大语言模型引导的检索用于分子扰动响应预测

Betty Xiong, Jan-Christian Huetter, Gabriele Scalia, Tommaso Biancalani, Sepideh Maleki

机构 * Stanford University（斯坦福大学） ； Genentech（基因泰克） 纠错

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

AI总结 本研究提出LLM引导的检索方法，在Tahoe-100M数据集上优于多个基线，可提升分子扰动预测的方向准确率，是零样本分子扰动预测的关键驱动因素。

Comments Published at MLGenX @ ICLR 2026

From Chasing Ghosts to Missed Attacks: Perspectives and Perceptions of SOC Practitioners on LLM Integration, Risks, and Readiness

从追逐幽灵到被遗漏的攻击：安全运营中心从业者对大型语言模型（LLM）整合、风险及准备情况的看法与认知

Jonas Thurner, Nadine Jost, Stefan Albert Horstmann, Fabian Ising, Lea Groeber, Alena Naiakshina, Sebastian Schinzel

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

AI总结 本研究通过对25名有LLM使用经验的SOC从业者访谈，分析LLM在SOC的应用情况，明确其优势与局限，推导LLM辅助安全运营的设计与整合要求。

From Minds to Models: The Intersection of Psychology and LLM Behaviours

从心智到模型：心理学与大语言模型（LLM）行为的交叉

Oliver Guidetti, Reza Ryan

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

AI总结 本研究结合心理学方法，测试ChatGPT等LLM的情感差异，发现种族条件的情感效应薄弱且依赖分析方法，提出需跨学科开发模型偏差的行为测量方法。

Comments 32 pages, 1 Figure

AlphaSchema: Exploring the Space of Trading Semantics for LLM-Based Alpha Mining

AlphaSchema：探索基于大语言模型（LLM）的阿尔法挖掘的交易语义空间

Jingyang Yi, Jian Yang, Yifei Jin, Yuqi Li, Jian Li

机构 * X-Tech ； Monash University（莫纳什大学） ； PandaAI（熊猫AI） ； IIIS, Tsinghua University（清华大学智能产业研究院（IIIS）） 纠错

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

AI总结 AlphaSchema构建并探索结构化交易语义空间，通过解耦探索与实施、结合代理模型平衡探索与利用，在中国股市挖掘出强预测与投资组合表现的因子池，且对LLM选择具鲁棒性。

Comments Initial Version

RAISE: LLM-based Automated Heuristic Design with Robust Adversary Instance Search

RAISE：基于LLM的鲁棒对抗实例搜索自动化启发式设计

Fei Liu, Alessio Figalli, Patrick Owen, Nicola Serra

机构 * University of Zurich（苏黎世大学） ； ETH Zurich（苏黎世联邦理工学院） 纠错

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

AI总结 提出RAISE框架，通过将约束最坏情况实例搜索集成到LLM进化循环中，解决现有LLM自动化启发式设计在分布偏移下性能崩溃的问题，在多个在线调度问题上验证了鲁棒性。

LLM-Driven Personalities for Decision Making in Emergency Simulations

用于紧急模拟决策的LLM驱动个性

Stefano Calzolari, Rubens Montanha, Gabriel Schneider, Gustavo Wide, Paulo Knob, Francesco Strada, Andrea Bottino, Soraia Raupp Musse

机构 * Politecnico di Torino（都灵理工大学） ； PUCRS（南里奥格兰德天主教大学） 纠错

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

AI总结 本研究利用大语言模型（LLM）结合OCEAN人格特质驱动虚拟人在疏散模拟中的决策，发现不同人格特质显著影响个体行为和群体模拟结果，增强了模拟环境的真实性和多样性。

An Exploratory Case Study of LLM-Assisted Refactoring and Gameplay Feature Generation in an Endless Runner Game

LLM辅助重构与无尽跑酷游戏玩法特征生成的探索性案例研究

Jan Wunderlich, Markus Kleffmann, Sebastian Lempert

机构 * IU International University of Applied Sciences（国际应用科学大学） 纠错

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

AI总结 通过GPT-4o在Python/Pygame无尽跑酷游戏中的案例，发现LLM在局部重构任务上表现可靠，但在需要跨系统交互的新玩法生成任务中成功率较低。

Comments 7 pages, 1 figure, 4 tables

GAS-Leak-LLM: Genetic Algorithm-Based Suffix Optimization for Black-Box LLM Jailbreaking

GAS-Leak-LLM：基于遗传算法的后缀优化实现黑盒LLM越狱

Aman Anifer, Vignesh Kumar Kembu, Vishnu M, Antonino Nocera, Vinod P., Amal Murali PK, Akshay S Rajan

机构 * Department of Electrical, Computer and Biomedical Engineering（电气、计算机与生物医学工程系） ； University of Pavia（帕维亚大学） ； Department of Computer Applications（计算机应用系） ； Cochin University of Science and Technology（科钦科学技术大学） 纠错

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

AI总结 提出GAS-Leak-LLM方法，利用遗传算法在黑盒设置下自动进化对抗后缀以绕过LLM安全约束，验证了现有安全机制的不足。

Beyond Third-Person Audits: Situated Interaction Auditing for User-Centered LLM Bias Research

超越第三人称审计：以用户为中心的LLM偏见研究的场景交互审计

Andrés Abeliuk, Cinthia Sanchez Macias, Valentina Alarcón, Álvaro Madariaga, Claudia Lopez

机构 * Department of Computer Science University of Chile Center for Artificial Intelligence (CENIA) Santiago, Chile（计算机科学系智利大学人工智能中心（CENIA）圣地亚哥，智利） ； Center for Artificial Intelligence (CENIA) Santiago, Chile（人工智能中心（CENIA）圣地亚哥，智利） ； Institute of Sociology Pontificia Universidad Católica de Chile Santiago, Chile（社会学研究所智利天主教大学圣地亚哥，智利） 纠错

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

AI总结 提出场景交互审计（SIA）框架，通过分析用户画像信号（如社会人口统计标记、写作风格和身份陈述）如何系统性地影响LLM响应质量、内容和语气，以用户为中心研究LLM偏见。

"So There's a Catch-22 Here": How Early Adopters Who Build Multi-Agent LLM Systems Conceptualize Transparency

"所以这里有个第22条军规"：构建多智能体LLM系统的早期采用者如何概念化透明度

Suchismita Naik, Samir Passi, Mihaela Vorvoreanu, Scott Saponas, Amanda Hall

机构 * Purdue University（普渡大学） ； Cornell University（康奈尔大学） ； Microsoft Research（微软研究院） 纠错

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

AI总结 通过访谈13位早期采用者，研究多智能体LLM系统构建者如何理解透明度，提出包含可重复性、调试、边界设定、可视化和审计的多维框架，强调透明度作为情境化的社会技术实践。

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。

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。