Loading...
在科学呈指数级增长的时代，识别新颖的研究想法在学术界至关重要但颇具挑战性。尽管潜力巨大，但缺乏合适的基准数据集阻碍了新颖性检测的研究。更重要的是，由于文本相似性与想法概念之间存在差距，简单采用现有的自然语言处理技术（如检索后交叉验证）并非通用解决方案。本文提出利用大型语言模型（LLMs）进行科学新颖性检测（ND），并引入营销和自然语言处理领域的两个新数据集。为构建适用于ND的数据集，我们提出基于论文关系提取闭包集，并基于LLMs总结其主要思想。
Fewer Hallucinations, More Verification: A Three-Stage LLM-Based Framework for ASR Error Correction
自动语音识别（ASR）纠错旨在纠正识别错误，同时保留正确文本。尽管传统方法表现出一定效果，但大语言模型（LLMs）提供了一种无需训练和标注数据的范式。然而，直接使用LLMs会遇到幻觉问题，可能导致正确文本被修改。为解决这一问题，我们提出了可靠的LLM纠错框架（RLLMCF），该框架包括三个阶段：（1）错误预检测，（2）链式思维子任务迭代纠正，（3）推理过程验证。我们的方法无需额外信息或模型微调，并通过多轮处理确保LLM纠正的正确性。
SkyLB: A Locality-Aware Cross-Region Load Balancer for LLM Inference
一、主要内容本文针对多区域大规模语言模型（LLM）推理服务中资源利用率低、成本高的问题，提出了跨区域负载均衡器SkyLB。传统区域本地部署方式需为每个区域按峰值需求配置资源，导致资源浪费；而简单的集中式负载均衡又会引入高延迟。两层跨区域路由架构：每个区域部署本地负载均衡器，协同处理跨区域流量，避免集中式瓶颈。前缀感知路由机制：通过一致性哈希（SkyLB-CH）和区域前缀树快照（SkyLB）维护键值缓存（KV-Cache）局部性，提升缓存命中率。基于待处理请求的选择性推送。
Faithful and Robust LLM-Driven Theorem Proving for NLI Explanations
本文针对自然语言推理（NLI）中自然语言解释的验证与优化问题，提出了一种结合大型语言模型（LLM）和定理证明器（TP）的神经符号框架Faithful-Refiner。核心挑战包括自动形式化过程中的语义丢失、语法错误、LLM构建严谨证明的能力不足。为此，作者提出以下解决方案：实验在e-SNLI、QASC和WorldTree数据集上表明，该框架显著提升了自动形式化的忠实性（+18.46%∼\sim∼+39.77%）和（+29.5%∼\sim∼+51.5%）解释优化率，并通过消融实验验证了各组件的必要性。自然语言
LoRA-Gen: Specializing Large Language Model via Online LoRA Generation
近年来的研究进展凸显了规模化语言模型在提升广泛自然语言处理（NLP）任务性能方面的优势。然而，当这些方法应用于领域特定任务时，尤其是对于小型边缘侧模型，在有效性和效率方面仍面临限制。我们提出了LoRA-Gen框架，该框架利用大型云端模型基于任务描述为边缘侧模型生成LoRA参数。通过采用重参数化技术，我们将LoRA参数合并到边缘侧模型中，以实现灵活的专门化。我们的方法促进了模型之间的知识转移，同时通过减少输入上下文长度，显著提高了专门化模型的推理效率。
code_transformed: The Influence of Large Language Models on Code
研究背景与目标大语言模型（LLMs）如Copilot、Cursor等已广泛应用于编程，但缺乏对其实际影响代码风格的系统性研究。研究聚焦LLMs对代码命名约定、复杂性、可维护性及相似性的影响，分析GitHub上1.9万+仓库的代码数据（2020-2025年）。核心发现命名模式：LLMs偏好更长、更具描述性的变量名（如snake_case），Python中snake_case变量名占比从2023年Q1的47%升至2025年Q1的51%，且GitHub中该趋势与LLM生成代码风格一致。
FAA Framework: A Large Language Model-Based Approach for Credit Card Fraud Investigations
本文提出了一个基于大语言模型（LLM）的信用卡欺诈调查框架FAA（FraudAnalystAssistant），旨在解决人工调查中警报疲劳、流程复杂和证据记录繁琐等问题。FAA框架利用多模态LLM的推理、代码执行和视觉分析能力，自动化完成欺诈调查的七个核心步骤，包括规划、证据收集、数据分析和报告生成。通过对Sparkov和CCTD数据集的500例欺诈调查进行评估，结果显示FAA框架平均仅需7个调查步骤，且收集的证据中71-72%对欺诈嫌疑有高或极高影响，所有证据均具相关性且无逻辑矛盾。
A Hybrid Multi-Agent Prompting Approach for Simplifying Complex Sentences
句子简化是计算语言学中的重要任务，目标是在保留原意的前提下将复杂句子转化为简单结构，在教育、无障碍内容、游戏设计等领域有重要应用。传统方法（规则系统、统计方法、神经网络）难以在简化同时保持语义等价，LLM单独使用时因简化策略多样易失效，微调也可能因训练集有限导致过拟合。复杂句子在动作导向场景（如机器人、游戏逻辑）中存在条件逻辑嵌套、时间依赖等挑战，需分解为可执行步骤。混合多智能体架构：将句子分解、评估、修订任务分配给专用智能体，通过协作提升简化质量，解决单智能体在复杂逻辑处理中的局限性。
Improving Large Language Model Safety with Contrastive Representation Learning
一、主要内容研究背景与问题大语言模型（LLMs）在带来巨大社会影响的同时，易受对抗性攻击（如越狱攻击）生成有害内容。现有防御方法（如电路断路器、RepBend）在跨攻击类型的泛化能力上存在不足，尤其在嵌入空间攻击中效果有限。核心方法提出基于对比表示学习（CRL）的防御框架，将模型防御构建为对比学习问题，通过三元组损失（TripletLoss）分离良性与有害表示。引入对抗硬负挖掘（AdversarialHardNegativeMining）
LearnAlign: Reasoning Data Selection for Reinforcement Learning in Large Language Models
一、主要内容研究背景与问题强化学习（RL）是提升大语言模型（LLM）推理能力的关键技术，但数据效率低下是主要瓶颈。现有数据选择方法多针对监督微调（SFT），在RL场景下效果有限，且存在计算效率低的问题（如需要对完整数据集进行多轮训练）。提出方法：LearnAlign基于改进的梯度对齐，通过估计数据点对模型训练的影响，智能选择具有高可学习性和代表性的推理数据。
Are Multimodal Large Language Models Pragmatically Competent Listeners in Simple Reference
本文聚焦于多模态大语言模型（MLLMs）在指称消解任务中的语用能力研究，通过简单但抽象的视觉刺激（如颜色块和颜色网格）开展实验。摘要我们研究了多模态大语言模型（MLLMs）在指称消解任务中的语言能力，该任务以颜色块和颜色网格等简单但抽象的视觉刺激为特征。尽管这项任务对人类对话者而言直观简单，似乎对当今的语言模型不具挑战性，但我们认为它是探测MLLMs语用能力的重要指标。结果与分析表明，基本语用能力（如颜色描述的语境依赖解释）仍是当前最先进MLLMs的主要挑战。引言。
An Empirical study on LLM-based Log Retrieval for Software Engineering Metadata Management
本文针对自动驾驶系统（ADS）开发中日志数据检索的挑战，提出了一种基于大型语言模型（LLM）的多模态日志检索方法。研究结合信号日志数据与测试驾驶视频，通过自然语言查询替代传统SQL查询，降低专业知识门槛，并引入场景距离图和相对差距指标（如LGap、RLGap）量化评估检索结果的可靠性。Prompt4（结构化指令）生成的描述最简洁准确，平衡了细节与检索效率；视频数据比单帧图像更能捕捉动态信息（如速度、加速度），提升描述可靠性；LLaVA模型在识别高相关记录和过滤无关结果上表现最佳；查询难度。
Long-Short Alignment for Effective Long-Context Modeling in LLMs
研究背景与问题大语言模型（LLMs）在长上下文建模中受限于Transformer的固定上下文窗口，尤其是“长度泛化”问题——模型在训练短序列后难以泛化至更长测试序列。现有方法多关注位置编码（PE）设计或模型机制分析，却忽视了模型输出空间的关键作用。核心发现与方法长-短对齐（Long-ShortAlignment）：通过合成任务（如二进制序列均值预测与长度预测）发现，输出分布的一致性（即不同长度序列的输出分布对齐程度）是影响长度泛化的关键因素。例如，均值预测任务中输出范围固定，泛化性强；
LLMs on support of privacy and security of mobile apps: state of the art and research directions
本文聚焦于大语言模型（LLMs）在移动应用隐私与安全领域的应用，全面梳理了当前研究现状并指明未来研究方向。随着移动设备的广泛普及，移动应用面临的安全与隐私威胁愈发复杂，传统的静态分析、动态分析和混合分析方法在应对这些威胁时存在诸多局限，如准确性与可扩展性难以兼顾、需要root设备等。LLMs凭借其强大的代码理解、生成和推理能力，为移动应用安全分析提供了新思路。文中介绍了LLMs在漏洞检测、bug检测与复现、恶意软件检测等方面的应用。
Conversational AI as a Catalyst for Informal Learning: An Empirical Large-Scale Study on LLM Use
背景：大型语言模型（LLMs）如ChatGPT的出现深刻影响了学习方式，尤其是非正式学习领域，但该领域的大规模研究较为缺乏。目的：通过大规模调查探讨LLM在日常非正式学习中的使用情况，包括用户demographics、使用动机与障碍、学习模式及态度。大型语言模型不仅激发了公众的想象力，还引发了对学习方式的深刻反思。在ChatGPT突破性发布的第三年，随着不同用户群体探索这些新工具，日常非正式学习已发生变革。谁在拥抱LLM进行自主学习，谁仍持犹豫态度？他们采用或回避的原因是什么？
Prioritizing Alignment Paradigms over Task-Specific Model Customization in Time-Series LLMs
研究背景与挑战LLMs在时间序列中的应用潜力：LLMs在时间序列推理任务（如预测、异常检测、因果推理等）中展现出零样本学习能力，但存在符号自然语言与时间序列数据的模态差距，导致传统任务定制模型效率低、灵活性差。现有方法的局限性：现有方法过度关注特定任务模型定制，忽略了时间序列的基本元素（Time-SeriesPrimitives），如领域（Domain）、特征（Characteristic）和表示（Representation），导致模型成本高、适应性弱。核心观点与方法对齐范式优先。
Malicious LLM-Based Conversational AI Makes Users Reveal Personal Information
基于大型语言模型（LLM）的对话式人工智能（CAI），也称为生成式人工智能聊天机器人（如ChatGPT），正越来越多地应用于各个领域，但它们存在隐私风险，因为用户在与CAI对话时可能会泄露个人信息。最近的研究表明，基于LLM的CAI可能被用于恶意目的。然而，一种新型且特别令人担忧的恶意LLM应用仍未被探索：一种专门设计用于从用户那里提取个人信息的基于LLM的CAI。在本文中，我们报告了我们创建的基于大型语言模型的恶意对话式人工智能，这些AI基于使用不同策略来鼓励用户披露个人信息的系统提示。
Predic‘ng Early-Onset Colorectal Cancer with Large Language Models
研究背景与目的：早发性结直肠癌（EoCRC，年龄
Open CaptchaWorld: A Comprehensive Web-based Platform for Testing and Benchmarking Multimodal LLM
CAPTCHA（全自动区分计算机和人类的图灵测试）一直是在实际应用中部署网页代理的关键瓶颈，常常阻碍它们完成端到端的自动化任务。尽管现代多模态大语言模型（MLLM）代理在静态感知任务中表现出色，但其处理如CAPTCHA这类交互式、多步推理挑战的能力尚未得到充分测试。为填补这一空白，我们引入了OpenCaptchaWorld，这是首个基于网络的基准测试平台，专门设计用于通过多样化和动态的CAPTCHA谜题评估MLLM代理的视觉推理和交互能力。
Learning Safety Constraints for Large Language Models
大型语言模型（LLMs）已成为强大的工具，但其通过有害输出和对抗攻击漏洞带来显著安全风险。我们提出SaP（SafetyPolytope的简称），一种LLM安全的几何方法，直接在模型的表示空间中学习和执行多个安全约束。我们开发了一个框架，通过多面体的“面”识别安全和不安全区域，实现通过几何转向对不安全输出的检测和纠正。与现有修改模型权重的方法不同，SaP在表示空间中进行事后（post-hoc）操作，保留模型能力的同时执行安全约束。
