- 博客(4538)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 Self-Improvement for Audio Large Language Model using Unlabeled Speech
近年来，音频大语言模型迅速兴起，在各类语音任务中展现出强大的泛化能力。然而，由于语音信号的固有复杂性，这些模型在特定目标域中不可避免地会出现性能下降。为解决这一问题，本文致力于在无任何标注数据的情况下提升音频大语言模型在目标域中的性能。我们提出了一种名为SI-SDA的自改进方法，该方法利用大模型解码中蕴含的信息评估生成伪标签的质量，然后基于强化学习优化进行域适应。
2026-10-14 13:41:48
4
原创 Improving the Performance of Sequential Recommendation Systems with an Extended Large Language Model
本文聚焦于大型语言模型（LLMs）在序列推荐系统中的应用，提出通过在LlamaRec框架中用Llama3替换Llama2来提升推荐性能。研究保持LlamaRec的原有结构（包括检索器和排序器的两阶段推荐流程），仅更换排序器中的LLM，并通过统一随机种子、相同输入数据等确保实验公平性。实验采用ML-100K、Beauty、Games三个常用数据集，结果显示：替换后排序器性能和整体推荐性能均显著提升，三个数据集的平均性能分别提升38.65%、8.69%和8.19%。
2026-10-14 12:00:00
6
原创 Mitigating Geospatial Knowledge Hallucination in Large Language Models: Benchmarking and Dynamic ...
本文聚焦大语言模型（LLMs）中的地理空间知识幻觉问题（即生成不准确或不一致的地理空间信息），系统性地开展了评估与 mitigation 研究。问题提出：LLMs虽已应用于移动预测、社会指标预测等地理空间任务，但存在地理空间知识幻觉，影响可靠性，而现有研究对其系统性评估和缓解不足。评估框架。
2026-10-14 11:00:00
92
原创 Can Small-Scale Data Poisoning Exacerbate Dialect-Linked Biases in Large Language Models?
本文研究了小规模数据投毒是否会加剧大型语言模型（LLMs）中与方言相关的偏见，重点对比了非洲裔美国白话英语（AAVE）和标准美国英语（SAE）的差异。研究使用小尺度和中尺度的LLaMA模型，发现即使暴露于极少量的投毒数据，模型对AAVE输入的毒性输出也会显著增加，而SAE输入的毒性输出相对不受影响；且模型规模越大，这种放大效应越明显。此外，研究使用GPT-4o作为公平审计工具，识别出与AAVE输入相关的有害刻板印象模式（如攻击性、犯罪倾向、智力低下等）。
2026-10-14 10:00:00
111
原创 Large Language Model Powered Automated Modeling and Optimization of Active Distribution Network D...
本文针对主动配电网（ADNs）调度问题，提出了一种基于大型语言模型（LLM）的自动化建模与优化方法。随着分布式能源（DERs）的大量接入，ADNs调度的复杂性显著提升，但新加入的运营商（如配电网聚合商、虚拟电厂管理者等）往往缺乏电力系统运行、建模、优化及编程的专业知识，依赖人类专家成本高且效率低。信息提取器（Information Extractor）：从用户自然语言请求中提取关键信息（如调度区域、目标、可用设备、约束等）；问题公式化器（Problem Formulator）
2026-10-14 09:00:00
5
原创 Automated Code Review Using Large Language Models with Symbolic Reasoning
本文聚焦于代码审查的自动化问题，指出手动代码审查存在耗时、主观、易出错等缺陷，而现有大型语言模型（LLMs）在代码审查中存在逻辑推理和深层语义理解不足的局限。为此，研究提出了一种混合方法：将符号推理技术与微调后的LLMs相结合，通过整合包含编码最佳实践和缺陷模式的知识图谱，提升自动化代码审查的准确性和效率。实验采用CodexGlue数据集，对CodeT5、CodeBERT、GraphCodeBERT三种模型在四种场景（基础模型、基础模型+少样本学习、微调模型、混合方法）下的性能进行了对比。
2026-10-14 08:00:00
7
原创 Understanding the Supply Chain and Risks of Large Language Model Applications
大型语言模型（LLMs）发展迅速，基于LLM的系统已在多个领域广泛部署。随着这些系统越来越多地应用于现实场景，理解其复杂生态系统中的潜在风险变得愈发重要。基于LLM的系统并非独立模型，它们依赖由预训练模型、第三方库、数据集和基础设施组件组成的复杂供应链。然而，大多数现有风险评估仅局限于模型层面或数据层面，忽视了更广泛的供应链背景。尽管近期研究已开始探索LLM供应链风险，但仍缺乏支持该领域系统研究的基准数据集。
2026-10-14 07:00:00
7
原创 Towards Automated Regulatory Compliance Verification in Financial Auditing with Large Language Mo...
本文聚焦于利用大型语言模型（LLMs）实现财务审计中监管合规性的自动验证，旨在解决传统审计中人工验证合规性的低效问题。研究对比了开源LLMs（如Llama-2系列）与专有LLMs（如OpenAI的GPT系列）在合规性检测中的性能，使用了普华永道（PwC）提供的两个自定义数据集（基于国际财务报告准则IFRS和德国商法HGB），并分析了不同提示词设计对模型表现的影响。开源模型Llama-2 70B在检测不合规（真阴性）方面表现优异，超过所有专有模型；
2026-10-13 20:30:00
202
原创 Generating Search Explanations using Large Language Models
搜索结果中，方面导向的解释通常是置于检索到的文档旁的简洁文本片段，作为解释帮助用户高效定位相关信息。尽管大型语言模型（LLMs）在一系列问题上已展现出卓越性能，但它们生成搜索结果解释的潜力尚未被探索。本研究通过利用编码器-解码器和仅解码器两种类型的大型语言模型生成搜索结果解释，填补了这一空白。生成的解释始终比多种基线模型生成的解释更准确、更合理。
2026-10-13 19:30:00
109
原创 LLM4MEA: Data-free Model Extraction Attacks on Sequential Recommenders via Large Language Models
近年来的研究表明，序列推荐系统容易受到模型提取攻击（MEAs）的影响。模型提取攻击通过收集推荐系统的响应来复制其功能，实现未授权部署，并带来严重的隐私和安全风险。现有模型提取攻击中的数据无关攻击因数据选择采用随机采样，导致合成数据与真实世界分布不匹配，难以有效暴露推荐系统的漏洞。为克服这一局限，我们提出了LLM4MEA——一种利用大型语言模型（LLMs）驱动的代理生成数据的新型模型提取方法。
2026-10-13 18:30:00
9
原创 EFS: Evolutionary Factor Searching for Sparse Portfolio Optimization Using Large Language Models
稀疏投资组合优化是量化金融中的一个基础且具有挑战性的问题，因为传统方法严重依赖历史回报统计和静态目标，难以适应动态的市场状态。为解决这一问题，我们提出了进化因子搜索（EFS），这是一种新颖的框架，它利用大型语言模型（LLMs）实现阿尔法因子的自动生成与进化，以用于稀疏投资组合构建。通过将资产选择问题重构为基于LLM生成因子引导的top-m排序任务，EFS融入了进化反馈循环，基于性能迭代优化因子池。
2026-10-13 17:30:00
8
原创 The Pluralistic Moral Gap: Understanding Judgment and Value Differences between Humans and Large ...
本文聚焦大型语言模型（LLMs）与人类道德判断的差异，通过构建真实世界道德困境数据集，系统分析了二者在道德判断分布和价值观表达上的“多元道德差距”，并提出了缩小该差距的方法。数据集构建：创建了包含1618个真实世界道德困境的“道德困境数据集（MDD）”，每个困境均配有人类的二元判断（行为是否可接受）和自由文本理由，覆盖不同共识水平（从高度分歧到完全一致）。LLMs与人类道德判断对齐分析：比较LLMs与人类的判断分布发现，LLMs仅在人类共识高时与人类对齐较好；
2026-10-13 16:30:00
8
原创 Seed&Steer: Guiding Large Language Models with Compilable Prefix and Branch Signals for Unit Test...
单元测试在软件开发生命周期中起着至关重要的作用。近年来，基于大型语言模型（LLM）的方法取得了显著进展，极大地改进了自动化测试生成，引起了学术界和工业界的广泛关注。本文从一个新的视角重新审视基于LLM的单元测试生成，将前缀生成和断言生成解耦。为了刻画它们各自的挑战，我们定义了初始化复杂度，并采用环路复杂度来衡量前缀生成和断言生成的难度，结果表明前者主要影响编译成功与否，而后者则影响测试覆盖率。为解决这些挑战，我们提出了Seed&Steer，一种结合传统单元测试技术与大型语言模型能力的两阶段方法。
2026-10-13 15:30:00
10
原创 A Versatile Pathology Co-pilot via Reasoning Enhanced Multimodal Large Language Model
本文提出了一种名为的多模态大型语言模型（MLLM），旨在解决计算病理学中现有模型推理能力有限、任务适应性单一的问题。该模型能够同时处理区域感兴趣（ROI）级别和全切片图像（WSI）级别的任务，包括分类、检测、分割和视觉问答（VQA）等，并在72项任务中表现出优于现有模型的性能。尺度依赖的监督微调（Scale-Dependent Supervised Fine-Tuning）：根据任务尺度（ROI或WSI）动态调整图像分辨率和token数量，优化视觉-语言对齐。
2026-10-13 14:30:00
357
原创 A Comprehensive Evaluation on Quantization Techniques for Large Language Models
本文聚焦大语言模型（LLMs）的后训练量化（PTQ）技术，旨在解决现有量化方法因组件复杂、实验配置不一致导致的难以公平比较的问题，并深入分析量化方法的理论关联。核心框架：将现有量化方法分解为两个关键步骤——量化前转换（通过移位、缩放、旋转等预处理减少异常值影响，使数据分布更适合量化）和量化误差缓解（通过自补偿、低秩分支补偿等技术抵消量化引入的误差）。实验评估：在统一配置下（如W4A4精度、相同模型和任务），评估了不同量化组件的组合效果，包括优化的旋转与缩放、GPTQ与低秩补偿的结合等。
2026-10-13 13:30:00
8
原创 RetroDFM-R: Reasoning-Driven Retrosynthesis Prediction with Large Language Models via Reinforceme...
本文提出了一种名为RETRODFM-R的推理驱动型大型语言模型（LLM），专门用于化学逆合成预测。逆合成规划是有机合成和药物发现的核心环节，但现有方法在适用性和可解释性上存在局限。RETRODFM-R通过三阶段训练范式（持续预训练、冷启动推理蒸馏、大规模强化学习）整合化学领域知识与先进推理能力，结合可验证的化学奖励机制，显著提升了预测准确性和可解释性。实验结果显示，RETRODFM-R在USPTO-50K基准数据集上的top-1准确率达到65.0%，超过现有最先进方法；
2026-10-13 12:30:00
10
原创 An Uncertainty-Driven Adaptive Self-Alignment Framework for Large Language Models
大型语言模型（LLMs）在指令遵循和通用推理方面已取得显著进展。然而，在没有人类标注的情况下，实现与人类意图和安全规范的高质量对齐仍是一项根本性挑战。本文提出了一种不确定性驱动的自适应自对齐（UDASA）框架，旨在以全自动方式改进LLM的对齐效果。UDASA首先为每个输入生成多个响应，并从语义、事实性和价值对齐三个维度量化输出不确定性。基于这些不确定性分数，该框架构建偏好对，并根据不确定性差异将训练样本分为保守、中等和探索三个阶段，随后分阶段对模型进行优化。
2026-10-13 11:30:00
90
原创 SLoW: Select Low-frequency Words! Automatic Dictionary Selection for Translation on Large Languag...
世界上有7000多种语言，而当前的大型语言模型（LLMs）仅支持数百种语言。基于字典的提示方法能够增强这些模型的翻译能力，但大多数方法会使用所有可用的字典，这可能成本很高。相反，在token消耗和翻译性能之间进行权衡会更具灵活性。本文提出了一项名为“自动字典选择（ADS）”的新任务。该任务的目标是自动选择使用哪些字典来增强翻译效果。我们提出了一种新颖且有效的方法，称为“选择低频词！（SLoW）”，该方法会选择那些包含更低频率词汇的字典。
2026-10-12 09:00:00
69
原创 DIFFA: Large Language Diffusion Models Can Listen and Understand
本文介绍了DIFFA，这是首个基于扩散模型的大型音频-语言模型（Large Audio-Language Model, LALM），旨在实现语音语言理解。DIFFA的核心设计是将冻结的扩散语言模型与轻量级双适配器架构结合，以连接语音理解和自然语言推理能力。第一阶段通过语音识别（ASR）目标，利用LibriSpeech数据集（960小时）对齐语义表示；第二阶段通过大语言模型自动生成的合成音频-字幕对（127小时），学习指令遵循能力。
2026-10-12 08:00:00
9
原创 Hybrid and Unitary Fine-Tuning of Large Language Models: Methods and Benchmarking under Resource ...
大型语言模型（LLMs）的微调因其规模和内存需求，仍是一个计算瓶颈。本文全面评估了参数高效微调（PEFT）技术，包括LoRA、BOFT、LoRA-GA和uRNN，并提出了一种新颖的混合策略，该策略动态融合BOFT的正交稳定性与LoRA-GA的梯度对齐快速收敛特性。通过基于梯度范数计算每层自适应更新，该混合方法在多种任务上实现了更优的收敛效率和泛化能力。此外，本文首次探索了将酉循环神经网络（uRNN）原理适配于基于Transformer的LLMs，通过结构化酉约束增强梯度稳定性。
2026-10-12 07:00:00
98
原创 A3D-MoE: Acceleration of Large Language Models with Mixture of Experts via 3D Heterogeneous Integ...
本文针对细粒度混合专家（MoE）架构的大型语言模型（LLMs）推理效率问题，提出了一种名为A3D-MoE的3D异构集成系统，旨在解决MoE架构面临的三大挑战： runtime工作负载变化导致的GEMV-GEMM比率不稳定（降低硬件利用率）、注意力操作与MoE操作无法融合（增加延迟和降低利用率）、DRAM访问能耗高且带宽需求大。A3D-MoE通过四项核心技术实现优化：1）3D异构集成系统，利用先进垂直集成技术提升内存带宽，减少片上网络（NoC）开销和能耗；
2026-10-11 18:00:00
12
原创 iPLAN: Redefining Indoor Wireless Network Planning Through Large Language Models
高效的室内无线网络（IWN）规划对于提供高质量的5G室内服务至关重要。然而，由于室内环境（IEs）与IWN需求之间的复杂相互作用，传统的元启发式和基于人工智能的规划方法面临重大挑战。在本文中，我们提出了一种基于大语言模型的室内无线网络规划框架（iPLAN），该框架将多模态室内环境表示整合到由大语言模型（LLM）驱动的优化器中，以改进IWN规划。首先，我们确立了LLMs作为优化器的角色，概述了室内环境的嵌入技术，并介绍了iPLAN的两个核心应用：（i）基于既有室内环境的IWN规划；
2026-10-11 17:00:00
8
原创 OpenNav: Open-World Navigation with Multimodal Large Language Models
预训练大型语言模型（LLMs）已展现出强大的常识推理能力，在机器人导航和规划任务中具有广阔前景。然而，尽管近年来取得了一定进展，如何弥合语言描述与开放世界中实际机器人动作之间的差距（而非仅调用有限的预定义运动原语）仍是一个亟待解决的挑战。本研究旨在使机器人能够解析和分解复杂的语言指令，最终生成一系列轨迹点，以完成涉及开放集指令和开放集物体的多样化导航任务。我们观察到，多模态大型语言模型（MLLMs）在处理自由形式语言指令时表现出强大的跨模态理解能力，具备稳健的场景感知能力。
2026-10-11 16:00:00
10
原创 Large language models provide unsafe answers to patient-posed medical questions
本文是一项由医师主导的红队研究，旨在评估大型语言模型（LLMs）对患者提出的医疗问题的回答安全性。研究选取了四个公开可用的聊天机器人（Anthropic的Claude、Google的Gemini、OpenAI的GPT-4o、Meta的Llama3-70B），基于新构建的HealthAdvice数据集（包含222个涉及内科、女性健康、儿科的初级保健领域患者咨询类医疗问题），对888条聊天机器人回复进行了定量和定性分析。
2026-10-11 15:00:00
11
原创 Debating Truth: Debate-driven Claim Verification with Multiple Large Language Model Agents
本文针对复杂声明的事实核查问题，提出了一种基于多智能体辩论的框架DebateCV。该框架受现实世界事实核查实践（如PolitiFact的“星室会议”）启发，通过两个持对立立场的辩论者（支持与反驳声明）进行多轮论证，由仲裁者评估论证并最终给出带依据的裁决。为解决真实辩论驱动的事实核查数据稀缺问题，研究提出了一种基于合成数据的后训练策略：利用零样本DebateCV生成合成辩论数据，引入“校正者”修正仲裁者的错误裁决及依据，再通过辩论驱动的监督微调（D-SFT）和直接偏好优化（D-DPO）对仲裁者进行训练。
2026-10-11 10:00:00
7
原创 The Moral Gap of Large Language Models
本文聚焦大型语言模型（LLMs）在道德基础检测任务中的表现，通过系统对比最先进的LLMs（如Claude Sonnet 4、GPT-o1-mini等）与微调的Transformer模型（如DeBERTa、RoBERTa），评估两者在Twitter（MFTC）和Reddit（MFRC）数据集上的性能。研究采用ROC、PR、DET曲线等多维度评估指标，发现LLMs存在显著性能差距：即使经过提示工程优化，仍表现出高假阴性率，对道德内容（尤其是“忠诚”“神圣”等维度）的检测存在系统性漏检；
2026-10-11 09:00:00
126
原创 SCOPE: Stochastic and Counterbiased Option Placement for Evaluating Large Language Models
大型语言模型（LLMs）在多选题任务中可能通过利用选项位置或标签的固有偏差获得虚高分数，而非展现真正的理解能力。本研究提出SCOPE，一种旨在以数据集无关的方式测量和缓解此类选择偏差的评估框架。通过重复使用缺乏语义内容的空提示，SCOPE估计每个模型独特的位置偏差分布。然后，它根据逆偏差分布重新分配答案位置，从而平衡“幸运率”（即随机选中正确答案的概率）。此外，它防止语义相似的干扰项与答案相邻，从而阻断基于表面 proximity 线索的近误猜测。
2026-10-11 08:00:00
8
原创 Synthetic Data Generation for Phrase Break Prediction with Large Language Model
本文聚焦于文本到语音（TTS）系统中的短语停顿预测任务，旨在解决传统方法依赖大量人工标注（存在成本高、一致性差等问题）的挑战。研究探索了利用大语言模型（LLMs）生成合成短语停顿标注的可行性，通过与两种传统人工标注（音频导向标注和文本导向标注）的对比，评估了合成数据在多语言场景下的有效性。研究发现，基于LLM的合成数据生成方法能有效缓解短语停顿预测中的数据难题：LLM生成的标注质量与人工标注相当，且具有更高的一致性、更低的成本，仅需少量示例即可实现；
2026-10-11 07:00:00
87
原创 Arg-LLaDA: Argument Summarization via Large Language Diffusion Models and Sufficiency-Aware Refin...
论点摘要旨在为复杂的多视角辩论生成简洁、结构化的表述。尽管近年来的研究在论证组件的识别与聚类方面取得了进展，但生成阶段的探索仍显不足。现有方法通常依赖单轮生成，对事实修正或结构优化的支持有限。为解决这一问题，我们提出了Arg-LLaDA——一种新型大型语言扩散框架，通过充分性引导的重新掩码和再生过程迭代优化摘要。该方法结合灵活的掩码控制器与充分性检查模块，识别并修正不被支持、冗余或不完整的片段，从而生成更忠实、简洁且连贯的输出。
2026-10-10 10:00:00
9
原创 Scout: Leveraging Large Language Models for Rapid Digital Evidence Discovery
近年来，技术的进步以及技术在日常活动中的普及，使得数字证据在越来越多的法律调查中出现的可能性大幅增加。消费级硬件的性能不断提升，内存和存储容量扩大，处理器能力增强。取证调查人员在调查过程中常常需要筛选数十亿字节的数据，这一过程十分繁琐。内存取证、磁盘分析等都有先进工具支持，这些工具通过提供字符串搜索、图像文件分析等功能，显著降低了取证人员的工作量。但在调查过程中，仍会识别出大量假阳性结果，需要减少这类情况。本文提出了Scout，这是一种数字取证框架，它利用大型语言模型进行初步的证据处理和优先级排序。
2026-10-10 09:00:00
9
原创 HIVMedQA: Benchmarking large language models for HIV medical decision support
大型语言模型（LLMs）正逐渐成为支持临床医生日常决策的重要工具。HIV管理因其复杂性和动态性（涉及多种治疗方案、合并症及依从性障碍），成为极具吸引力的应用场景。然而，将LLMs整合到临床实践中面临诸多挑战，包括准确性担忧、潜在危害及临床医生的接受度等。尽管前景广阔，但AI在HIV护理中的应用及其性能尚未得到充分研究，且缺乏LLM基准测试研究。本研究旨在评估LLMs在HIV管理中的现状，探究其优势与局限性。我们开发了HIVMedQA基准，用于评估HIV患者管理场景下的开放式医疗问答。
2026-10-10 08:00:00
6
原创 A Hybrid Early-Exit Algorithm for Large Language Models Based on Space Alignment Decoding (SPADE)
本文针对大型语言模型（LLMs）因深层结构导致的高推理成本问题，提出了一种基于空间对齐解码的混合早期退出算法SPADE-EXIT。现有早期退出算法通过在中间层终止计算降低成本，但因中间层与输出层的表示空间不对齐，解码准确性较差。SPADE（空间对齐解码）：通过传播仅包含起始token（<s>）和答案token（<a>）的最小序列，将中间层表示与输出层表示对齐，无需依赖线性变换，提升解码准确性；L-SPADE。
2026-10-10 07:00:00
92
原创 Policy Disruption in Reinforcement Learning:Adversarial Attack with Large Language Models and Cri...
本文聚焦强化学习（RL）系统的对抗性攻击问题，针对现有攻击方法需修改环境或策略、实用性有限的缺陷，提出了一种名为ARCS（Adversarial Rewards and Critical State Identification）的自适应对抗框架。该框架无需改变环境，通过现有代理引导目标策略输出次优动作，从而破坏其性能。奖励迭代优化模块：利用大型语言模型（LLMs）生成针对目标代理漏洞的定制化对抗性奖励函数，通过迭代优化增强引导目标代理做出次优决策的效果。关键状态识别机制。
2026-10-09 08:00:00
85
原创 URPO: A Unified Reward & Policy Optimization Framework for Large Language Models
本文提出了一种名为Unified Reward & Policy Optimization（URPO，统一奖励与策略优化）的新型框架，旨在解决传统大型语言模型（LLMs）对齐流程中存在的复杂性、资源密集性和性能天花板问题。传统的强化学习从人类反馈中学习（RLHF）流程通常将策略模型（“玩家”）与单独训练的奖励模型（“裁判”）分离，奖励模型在强化学习阶段参数固定，导致静态奖励信号限制模型性能。统一模型与训练阶段：让单个模型同时承担“玩家”（指令遵循）和“裁判”（奖励建模）角色，在单一训练阶段完成优化；
2026-10-09 07:00:00
128
原创 SiLQ: Simple Large Language Model Quantization-Aware Training
本文提出了一种名为的简单大语言模型量化感知训练方法，旨在解决大语言模型（LLMs）量化过程中精度损失、训练成本高及与专用推理加速器兼容性的问题。核心目标：通过量化降低LLMs的推理延迟、模型大小和能耗，同时最小化精度损失，并确保与专用推理加速器兼容。方法流程在模型中添加量化操作，使用直通估计器（straight through estimator）计算训练时的梯度；通过校准初始化量化器步长，再使用LSQ（Learned Step Size Quantization）进一步优化；
2026-10-07 07:30:00
111
原创 Cooling Matters: Benchmarking Large Language Models and Vision-Language Models on Liquid-Cooled V...
本文针对大型语言模型（LLMs）和视觉-语言模型（VLMs）在液冷与空冷的8×NVIDIA H100 GPU系统上的性能与能效进行了基准测试。研究通过GPU Burn、Weights & Biases、IPMItool等工具收集热学、功率及计算数据，对比了两种冷却系统的表现。结果显示：液冷系统能将GPU温度稳定在41–50°C，而空冷系统温度波动在54–72°C；
2026-10-07 06:30:00
94
原创 Analysis of Threat-Based Manipulation in Large Language Models: A Dual Perspective on Vulnerabili...
本文针对大型语言模型（LLMs）在基于威胁的操纵下的表现进行了系统性研究，从脆弱性和性能提升机会的双重视角展开分析。研究选取了Claude、GPT-4、Gemini三个主流LLM，在10个任务领域（涵盖政策评估、司法推理、医疗伦理等）和6种威胁条件（如权威压力、角色责任、时间限制等）下，收集了3390条实验响应。研究通过构建新的威胁分类法和多指标评估框架（包含11个评估维度，如分析深度、确定性、领域适配性等），量化了威胁操纵的负面影响（如脆弱性）和正面效应（如性能提升）。
2026-10-06 23:30:00
8
原创 LLMxCPG: Context-Aware Vulnerability Detection Through Code Property Graph-Guided Large Language ...
本文提出了一种名为LLMxCPG的新型框架，旨在解决现有基于深度学习的软件漏洞检测方法在准确性、鲁棒性和对复杂代码库分析能力上的局限性。基于CPG的切片构建：利用静态应用安全测试工具Joern及其CPGQL查询语言提取潜在漏洞执行路径，通过反向切片技术构建仅包含漏洞相关核心代码的切片，将代码量减少67.84%至90.93%，同时保留关键上下文。双模型架构：包含LLMxCPG-Q（生成CPGQL查询以提取漏洞路径）和LLMxCPG-D（对切片进行分类以判断是否存在漏洞），均基于现有LLM微调。性能表现。
2026-10-06 22:30:00
9
原创 Exploring Gender Bias in Large Language Models: An In-depth Dive into the German Language
近年来，学界提出了多种评估大型语言模型（LLMs）中性别偏见的方法。一个核心挑战在于，最初为英语开发的偏见测量方法在应用于其他语言时的可迁移性。本研究旨在通过提出五个用于评估LLMs性别偏见的德语数据集，为这一研究方向做出贡献。这些数据集基于已确立的性别偏见概念构建，并可通过多种方法使用。对八个多语言LLM模型的评估结果揭示了德语中性别偏见的独特挑战，包括男性职业术语的模糊解读，以及看似中性的名词对性别感知的影响。本研究有助于理解跨语言背景下LLMs中的性别偏见，并强调了定制化评估框架的必要性。
2026-10-06 21:30:00
8
原创 An approach to measuring the performance of Automatic Speech Recognition (ASR) models in the cont...
自动语音识别（ASR）在人机交互中扮演着关键角色，是众多应用的接口。传统上，ASR性能通过词错误率（WER）评估，该指标量化生成转录文本中的插入、删除和替换错误数量。然而，随着大型且强大的大型语言模型（LLM）越来越多地被用作各类应用的核心处理组件，ASR不同类型错误在下游任务中的重要性值得进一步探索。本文分析了LLM纠正ASR引入错误的能力，并提出了一种新的度量方法，用于评估LLM驱动应用中的ASR性能。
2026-10-06 20:30:00
8
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人