语言大模型 / LLM

From Words to Widgets for Controllable LLM Generation

从词语到小部件：可控制的LLM生成

Chao Zhang, Yiren Liu, Lunyiu Nie, Jeffrey M. Rzeszotarski, Yun Huang, Tal August

机构 * Cornell University（康奈尔大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Loyola University Maryland（路易斯安那大学马里兰分校） 纠错

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

AI总结 本文提出Malleable Prompting技术，通过将自然语言提示中的偏好转化为可视化的小部件，使用户能更精确地控制LLM生成，提升可控性和透明度。

Comments UIST 2026

Large Language Models for Mobile GUI Text Input Generation: An Empirical Study

大型语言模型用于移动GUI文本输入生成：一项实证研究

Chenhui Cui, Tao Li, Junjie Wang, Chunyang Chen, Dave Towey, Rubing Huang

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

AI总结 本研究评估九种LLM在115个真实应用中的GUI文本输入生成，比较三种UI上下文提示设置，发现提取文本和XML达到71%的页面通过率，视觉输入成本更高；反馈增强协议提升缺陷检测率至64.5%。

ProbGuard: Proactive Runtime Monitoring for LLM Agent Safety via Probabilistic Prediction

ProbGuard：基于概率的运行时监控用于LLM代理安全

Haoyu Wang, Christopher M. Poskitt, Jiali Wei, Jun Sun

机构 * Singapore Management University（新加坡管理大学） ； Xi'an Jiaotong University（西安交通大学） 纠错

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

AI总结 ProbGuard通过概率风险预测主动监控LLM代理安全，利用离散时间马尔可夫链建模行为动态，提前预警潜在危险，提升安全性和任务完成率。

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

"Is This Really a Human Peer Supporter?": Misalignments Between Peer Supporters and Experts in LLM-Supported Interactions

“这真的是人类同伴支持者吗？”：同伴支持者与专家在LLM支持互动中的错位

Kellie Yu Hui Sim, Roy Ka-Wei Lee, Kenny Tsu Wei Choo

机构 * Singapore University of Technology and Design（新加坡科技设计大学） 纠错

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

AI总结 研究通过混合方法评估LLM模拟求助者、生成建议和实时情绪可视化系统，发现同伴支持者与心理健康专家在识别求助信号和给予建议上存在关键错位，凸显标准化培训需求。

Comments Accepted at CSCW 2026. 53 pages, 12 figures, 17 tables

Explanations of Large Language Models Explain Language Representations in the Brain

大语言模型的解释可解释大脑中的语言表征

Maryam Rahimi, Mohammad Reza Daliri, Yadollah Yaghoobzadeh

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

AI总结 该研究探究LLM与脑语言表征对齐的驱动因素，利用XAI的归因方法结合fMRI数据，发现梯度归因可稳健对齐脑活动，且不同层归因的特性与脑区域对齐模式存在差异。

CodexGraph: Bridging Large Language Models and Code Repositories via Code Graph Databases

CodexGraph：通过代码图数据库连接大型语言模型和代码库

Xiangyan Liu, Bo Lan, Zhiyuan Hu, Yang Liu, Zhicheng Zhang, Fei Wang, Michael Shieh, Wenmeng Zhou

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

AI总结 研究旨在解决大型语言模型处理整个代码库的难题，提出通过将LLM代理与代码库图数据库接口集成的CodexGraph系统，利用图数据库特性实现精确上下文检索和代码导航，经多基准评估及实际应用开发，展现其在软件工程中的竞争力与潜力。

Comments work in progress

Less Deliberate in Teams: Student LLM Use Across Individual and Collaborative Work

团队中更少审慎：学生个体与协作工作中LLM的使用

Sehrish Basir Nizamani, Zannah Ziew, Saad Nizamani, Khyati Goyal

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

AI总结 通过96名本科生一学期的研究，发现从个体作业转向团队项目时，LLM使用率下降42.7个百分点，提示词更简单，验证行为减少，表明协作环境降低了对LLM的审慎参与。

Comments 8 pages, 2 figures, 3 tables. Accepted at ACM SIGCSE Virtual 2026 (November 12-15, 2026)

When Does Personality Composition Matter for Multi-Agent LLM Teams?

人格构成何时对多智能体LLM团队重要？

Aryan Keluskar, Amrita Bhattacharjee, Huan Liu

机构 * School of Computing & AI（计算与人工智能学院） 纠错

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

AI总结 研究通过操纵前沿LLM的人格特质，发现人格对多智能体团队性能的影响取决于任务结构：在编码任务中影响小，在开放协作和谈判任务中显著降低性能。

Comments Accepted to COLM 2026 (20 pages, 6 figures)

Journal ref Conference on Language Modeling (COLM), San Francisco, USA, October 6-9, 2026

Large Language Model Agents Are Not Always Faithful Self-Evolvers

大型语言模型代理并非总是忠实的自我进化者

Weixiang Zhao, Yingshuo Wang, Yichen Zhang, Yang Deng, Yanyan Zhao, Wanxiang Che, Bing Qin, Ting Liu

机构 * University of Science and Technology of China（中国科学技术大学） 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 本研究首次系统调查自我进化LLM代理的经验忠实性，通过因果干预发现代理依赖原始经验但常忽略或误解浓缩经验，并分析其成因。

Comments ICML 2026

Gravity-Awareness: Deep Learning Models and LLM Simulation of Human Awareness in Altered Gravity

重力感知：变重力环境下人类意识的深度学习模型与LLM模拟

Bakytzhan Alibekov, Alina Gutoreva, Elisa Raffaella-Ferre

机构 * School of IT & Engineering, Kazakh-British Technical University（信息技术与工程学院，哈萨克-英国技术大学） ； School of Psychological Sciences, Birkbeck University of London（心理学科学学院，伦敦伯贝克大学） 纠错

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

AI总结 提出一个计算框架，结合轻量级MLP神经网络（CorticalG）和高斯过程模型（PhysioG）预测变重力下的脑电与生理反应，并用LLM模拟主观体验，为航天任务中的人类适应提供预测工具。

Comments 60 pages, 5 figures, 2 datasets, 1 protocol

The Autonomy Tax: Defense Training Breaks LLM Agents

自主性税：防御训练破坏LLM智能体

Shawn Li, Yue Zhao

机构 * University of Southern California（南加州大学） 纠错

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

AI总结 揭示防御训练在提升LLM智能体安全性时，系统性地破坏其工具执行能力，导致任务失败率飙升，且无法有效防御复杂攻击。

Evidence-Gated LLM Priors for Multi-Objective Bayesian Optimization

证据门控的LLM先验用于多目标贝叶斯优化

Jiangyu Chen, Ban Yi

机构 * State Key Laboratory for Novel Software Technology（新型软件技术国家重点实验室） 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 针对多目标贝叶斯优化中LLM先验可能误导的问题，提出一种目标级声誉市场机制，通过在线反馈动态校准专家权重，并引入解耦反事实门控，在合成测试和分子优化基准上验证了动态校准的鲁棒性。

TinyTroupe: An LLM-powered Multiagent Persona Simulation Toolkit

TinyTroupe：一个基于LLM的多智能体人物模拟工具包

Paulo Salem, Robert Sim, Christopher Olsen, Prerit Saxena, Rafael Barcelos, Yi Ding

机构 * Microsoft Corporation（微软公司） ； Dipeak Technology（迪佩克技术） 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 针对现有LLM多智能体系统在细粒度人物模拟方面的不足，提出TinyTroupe工具包，支持详细人物定义和程序化控制，用于行为研究和社会模拟。

Comments 9 pages

A Practical and Privacy-Preserving Framework for Real-World Large Language Model Services

一个实用且保护隐私的真实世界大型语言模型服务框架

Xueping Liao, Yu Mao, Wei Liu, Anjia Yang

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

AI总结 提出基于部分盲签名的隐私保护框架，防止服务提供商关联用户请求，支持订阅和API两种模式，兼容现有LLM系统，开销小。

Journal ref Knowledge-Based Systems, vol. 337, p. 115347, Mar. 2026

AIVV: Neuro-Symbolic LLM Agent-Integrated Verification and Validation for Trustworthy Autonomous Systems

AIVV: 用于可信自主系统的神经符号LLM代理集成验证与验证

Jiyong Kwon, Ujin Jeon, Sooji Lee, Guang Lin

机构 * School of Mechanical Engineering, Purdue University（普渡大学机械工程学院） ； School of Electrical and Computer Engineering, Purdue University（普渡大学电气与计算机工程学院） ； Department of Computer Science, Purdue University（普渡大学计算机科学系） ； Department of Mathematics, Purdue University（普渡大学数学系） 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 本文提出AIVV框架，利用LLM作为决策外层循环，通过语义验证区分真实故障与干扰故障，生成可操作的V&V成果，提升自主系统验证效率。

Can AI Debias the News? LLM Interventions Improve Cross-Partisan Receptivity but LLMs Overestimate Their Own Effectiveness

AI能否去偏新闻？LLM干预提升了跨党派接受度但LLM高估了自身效果

Faisal Feroz, Jonas R. Kunst

机构 * Department of Experimental Psychology, University of Oxford（心理学实验系，牛津大学） ； Uehiro Oxford Institute, University of Oxford（牛津大学欧胡罗研究所） ； Psychology Programme, School of Social Sciences, Nanyang Technological University（南洋理工大学社会科学学院心理学项目） ； Department of Communication and Culture, BI Norwegian Business School（BI挪威商学院传播与文化系） 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 研究探讨LLM对新闻去偏的影响，发现实质性重构干预提升保守派对左派新闻的信任度，但LLM高估自身效果，需人类监督。

LLM-Assisted Semantic Alignment and Integration in Collaborative Model-Based Systems Engineering Using SysML v2

基于 SysML v2 的协作式基于模型的系统工程中 LLM 辅助的语义对齐与集成

Zirui Li, Stephan Husung, Haoze Wang

机构 * IEEE 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 研究基于 SysML v2 的跨组织协作中语义对齐挑战，提出由提示驱动的结构化方法，利用 SysML v2 构造，经迭代开发对齐方法与交互提示，以实现 LLM 辅助的语义对齐集成。

Comments Accepted by IEEE ISSE 2025, DOI pending

Journal ref 2025 IEEE International Symposium on Systems Engineering (ISSE)

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

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。

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。

Simulation of Language Evolution under Regulated Social Media Platforms: A Synergistic Approach of Large Language Models and Genetic Algorithms

受监管社交媒体平台下的语言演化模拟：大语言模型与遗传算法的协同方法

Jinyu Cai, Yusei Ishimizu, Mingyue Zhang, Munan Li, Jialong Li, Kenji Tei

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 提出基于大语言模型的多智能体框架，结合遗传算法模拟用户语言策略在监管下的迭代演化，实验表明对话轮次增加可提升信息传递准确性和对话持续性。

Comments The manuscript has been accepted to IEEE Transactions on Computational Social Systems

Revision or Re-Solving? Decomposing Second-Pass Gains in Multi-LLM Pipelines

修订还是重新解决？多LLM流水线中第二轮收益的分解

Jingjie Ning, Xueqi Li, Chengyu Yu

机构 * School of Computer Science, Carnegie Mellon University（卡内基梅隆大学计算机科学学院） 纠错

专题命中 其他LLM ：LLM(title,title_cn)；prompting(abstract)；分类 cs.CL、cs.AI

AI总结 本文通过控制实验分解多LLM流水线的第二轮收益，发现其收益取决于任务结构、草稿质量和信息类型，不同任务需不同策略。

Comments In Proceedings Of COLM 2026

VirtualCrime: Evaluating the Criminal Potential and Agentic Behaviors of Large Language Models via Sandbox Simulation

VirtualCrime: 通过沙盒模拟评估大语言模型的犯罪潜力

Yilin Tang, Yu Wang, Lanlan Qiu, Wenchang Gao, Yunfei Ma, Baicheng Chen, Tianxing He

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

AI总结 本文提出VirtualCrime框架，通过三代理系统评估大语言模型的犯罪能力，设计40种多样化的犯罪任务，并评估8种强大的LLM，发现模型在犯罪过程中生成详细计划并执行智能犯罪过程，但有时会采取严重行动伤害NPC。

Reading Without a Reader: Large Language Models Collapse Reading and Writing into a Single Entangled Code

无需读者的阅读：大语言模型将阅读和写作合并为一个纠缠的代码

Diego Saldaña Ulloa

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

AI总结 研究探讨大语言模型中阅读和写作代码的纠缠情况，通过纠缠指数比较输入输出代码，发现权重上未绑定模型有耦合代码，行为上理解与生成正耦合，此耦合普遍，贡献是量化及跨层一致性，定位LLMs为独特思维点。

iPack: Intuitive Bin Packing with Large Language Models

iPack: 基于大型语言模型的直观装箱

Yannik Blei, Michael Krawez, Adrian Göß, Devadas Vijayan Sheela, Tobias Jülg, Pierre Krack, Florian Walter, Wolfram Burgard

机构 * University of Technology Nuremberg（图恩大学） ； Friedrich-Alexander University of Erlangen–Nuremberg（埃尔兰根-纽伦堡弗里德里希-亚历山大大学） ； Technical University of Munich（慕尼黑技术大学） 纠错

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

AI总结 提出LLM-Pack方法，利用语言和视觉基础模型生成模仿人类策略的杂货装箱顺序，无需专门训练即可处理新物品，模块化设计便于升级。

Comments 7 Pages, 9 Figures

GPTKB v1.5: A Massive Knowledge Base for Exploring Factual LLM Knowledge

GPTKB v1.5：用于探索事实性LLM知识的大规模知识库

Yujia Hu, Tuan-Phong Nguyen, Shrestha Ghosh, Moritz Müller, Simon Razniewski

机构 * ScaDS.AI Dresden/Leipzig & TU Dresden, Germany（德国德累斯顿/莱比锡ScaDS.AI & 德累斯顿工业大学） ； VNU University of Engineering and Technology, Hanoi, Vietnam（越南河内国立大学工程与技术大学） 纠错

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

AI总结 提出GPTKB v1.5，一个通过GPT-4.1构建的1亿三元组知识库，支持链接遍历、SPARQL查询和LLM知识优劣比较，用于系统分析LLM知识。

Comments 3 pages, 1 figure, 1 table

Journal ref AAAI 2026: Demo track

On Optimizing Multimodal Jailbreaks for Spoken Language Models

关于优化口语语言模型的多模态越狱攻击

Aravind Krishnan, Karolina Stańczak, Dietrich Klakow

机构 * Saarland University（萨尔大学） ； DFKI GmbH（德国人工智能研究中心） ； ETH AI Center（ETH人工智能中心） 纠错

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

AI总结 提出联合音频文本多模态攻击框架JAMA，通过梯度优化同时扰动语音和文本模态，在四个SLM上实现1.5至20倍于单模态的越狱成功率，并分析其运行机制。

Comments Accepted at INTERSPEECH 2026

Analyzing Error Propagation in Korean Spoken QA with ASR-LLM Cascades

分析韩语语音问答中ASR-LLM级联中的误差传播

Donghyuk Jung, Youngwon Choi

机构 * Korea Culture Technology Institute, Republic of Korea（韩国文化科技研究所） ； Maum AI Inc., Republic of Korea（马姆人工智能公司） 纠错

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

AI总结 本文研究了韩语语音问答中ASR-LLM级联中误差传播的问题，通过分析下游语义失败，揭示了传统ASR指标无法完全捕捉的误差影响，发现不同性能的LLM在级联降级上的一致性，识别出单字符ASR错误作为语义失败通道，并通过辅助比较表明大音频语言模型在噪声韩语SQA中优于匹配语言模型的ASR-LLM流水线。

Comments Preprint. Submitted to APSIPA ASC 2026