Loading...
###主要内容1.**研究背景与目的**：大语言模型（LLMs）在自然语言处理方面取得进展，但回复往往正式、缺乏人情味。研究旨在提升LLMs回复的“类人性”，使AI交互更具对话性、亲和力和情感共鸣，同时不影响正式任务的准确
Explicit vs. Implicit: Investigating Social Bias in Large Language Models through Self-Reflection
###文章主要内容本文聚焦大语言模型（LLMs）中的显式和隐式偏差问题展开研究。首先，在方法上，借鉴社会心理学理论，通过精心设计的提示模板，利用基于模拟心理评估的方法测量隐式偏差，再引导模型对自身生成内容进行分析来评估显式偏差，实现了
ToolHop: A Query-Driven Benchmark for Evaluating Large Language Models in Multi-Hop Tool Use
###主要内容1.**背景与问题**：多跳工具使用任务对大语言模型（LLMs）具有挑战性，现有评估多跳工具使用的研究存在不足，如依赖工具驱动的数据构建方法，无法确保工具间的相互依赖和查询的多跳推理，且缺乏可验证答案，易引入模型偏差和
Hidden Entity Detection from GitHub Leveraging Large Language Models
###文章主要内容文章聚焦于利用大语言模型（LLMs）从GitHub仓库文本中自动检测数据集和软件实体，旨在解决知识图谱构建过程中相关实体识别的难题。研究分析了LLaMA2、Mistral7B及其量化模型在特定任务中的表现
LLM4SR: A Survey on Large Language Models for Scientific Research
###文章主要内容文章围绕大语言模型（LLMs）在科学研究中的应用展开，系统探讨了其在科研各关键阶段的作用、方法、挑战及未来方向。1.**科学假设发现**：LLMs生成科学假设的研究源于“基于文献的发现”和“归纳推理”。
Investigating Numerical Translation with Large Language Models
###主要内容1.**研究背景**：数字翻译在金融、科技等领域至关重要，要求高度精确，但现有评估指标难以有效衡量数字翻译的准确性，相关研究较少，大语言模型（LLMs）在数字翻译方面的能力也未得到充分探索。2.**数据集构建**：
LLM+AL: Bridging Large Language Models and Action Languages for Complex Reasoning about Actions
###主要内容1.**研究背景**：大语言模型（LLMs）在复杂行动推理任务上存在局限，将其作为语义解析器转换自然语言为符号表示（如Python程序、PDDL等）的方法也有不足。行动语言在表示行动知识和推理方面有优势，但自动化
BoostStep: Boosting mathematical capability of Large Language Models via improved single-step reason
###主要内容1.**研究背景**：数学推理是人工智能发展中的关键任务，大语言模型（LLMs）在解决复杂数学问题时采用多步推理策略，但单步推理错误是其推理能力的瓶颈。上下文学习（ICL）可通过提供相似示例指导模型，但传统问题级IC
LangFair: A Python Package for Assessing Bias and Fairness in Large Language Model Use Cases
###文章主要内容1.**背景与问题**：传统机器学习公平性工具包不适用于大语言模型（LLMs）的生成性和上下文依赖特性，现有评估工具多在模型层面基于静态基准数据集评估LLMs，未考虑提示特定风险和实际任务，无法代表系统真实性能。
Step-by-Step Mastery: Enhancing Soft Constraint Following Ability of Large Language Models
###文章主要内容1.**研究背景**：大语言模型（LLMs）遵循多约束指令的能力至关重要，尤其是在涉及软约束时，但提升LLMs遵循软约束的能力尚未得到充分探索。现有研究在构建数据集、训练方法和考虑约束难度方面存在局限性。2.
Can Large Language Models Detect Errors in Long Chain-of-Thought Reasoning?
###主要内容1.**研究背景**：近年来大语言模型（LLMs）发展迅速，o1-like模型通过生成长思维链（CoT）推理步骤显著提升推理能力，但对其生成的推理链质量和有效性缺乏系统评估，且现有LLMs在长CoT推理步骤上
3D-AffordanceLLM: Harnessing Large Language Models for Open-Vocabulary Affordance Detection in 3D Wo
###摘要3D可及性检测是一个具有挑战性的问题，在各种机器人任务中有着广泛的应用。现有方法通常将检测范式制定为基于标签的语义分割任务。这种范式依赖于预定义的标签，缺乏理解复杂自然语言的能力，导致在开放世界场景中的泛化能力有限。为了解
What‘s Not Said Still Hurts: A Description-Based Evaluation Framework for Measuring Social Bias in L
###摘要大语言模型（LLMs）的卓越性能往往伴随着其训练数据中所蕴含的社会偏见的无意传播。虽然现有基准通过偏见概念术语与人口统计学术语之间的直接关联来评估明显偏见，但大语言模型越来越善于避免产生有偏见的回答，从而营造出一种中立的假象
Erasing Without Remembering: Implicit Knowledge Forgetting in Large Language Models
###摘要在本文中，我们从一个全新的维度探索机器遗忘（machineunlearning），研究如何在大语言模型（LLMs）中保障模型的遗忘能力。我们的目标是防止已遗忘特定知识的模型回忆起任何与目标知识相关的记忆。我们首先揭示了一个
What‘s Not Said Still Hurts: A Description-Based Evaluation Framework for Measuring Social Bias in L
这篇论文《BeneaththeSurface:HowLargeLanguageModelsReflectHiddenBias》由JinhaoPan等人撰写，提出隐藏偏差基准（HBB）数据集，用于评估大语言模型（LLM
The World of Generative AI: Deepfakes and Large Language Models
###摘要我们生活在生成式人工智能（GenAI）时代。深度伪造（Deepfakes）和大语言模型（LLMs）是生成式人工智能的两个例子。特别是深度伪造，它对社会构成了令人担忧的威胁，因为它们能够传播错误信息并篡改事实。大语言模型是强大
Self-rewarding correction for mathematical reasoning
###摘要我们研究了具有自奖励推理能力的大语言模型（LLMs），这类模型能够在推理时，在没有外部反馈的情况下，逐步生成推理过程，并评估输出的正确性。这种一体化的方法，使单个模型能够独立地引导其推理过程，为模型部署带来了计算优势。我
OSWorld: Benchmarking Multimodal Agents for Open-Ended Tasks in Real Computer Environments
###摘要能够在最少人工干预下完成复杂计算机任务的自主智能体，有望变革人机交互方式，显著提升易用性和生产效率。然而，现有的基准测试要么缺乏交互式环境，要么局限于特定应用或领域的环境，无法反映现实世界中计算机使用的多样性和复杂性，进而限
SWE-RL: Advancing LLM Reasoning via Reinforcement Learning on Open Software Evolution
###摘要最近DeepSeek-R1的发布展示了强化学习（RL）在提升大语言模型（LLMs）通用推理能力方面的巨大潜力。虽然DeepSeek-R1及后续工作主要聚焦于将RL应用于竞赛编程和数学问题，但本文介绍了SWE-R
SPECTRE: An FFT-Based Efficient Drop-In Replacement to Self-Attention for Long Contexts
###摘要传统的自注意力机制具有二次复杂度，这限制了它们在长序列上的可扩展性。我们引入了FFTNet，这是一种自适应频谱滤波框架，它利用快速傅里叶变换（FFT）在\(O(nlogn)\)时间内实现全局令牌混合。通过将输入转换到频
