采用Prompt工程结合Marked Words、SVM和JSD检测大模型在性别和种族偏见中的表现。
Ke Xu, Shera Potka, Alex Thomo
提出PlugMem，一种任务无关的插件式记忆模块，通过知识图谱结构提升长远记忆效率，超越任务特定方案。
Ke Yang, Zixi Chen, Xuan He 等
LinGO通过语言图优化和LLMs解释网络不文明言论的意图，提升准确率和F1分数。
Yuan Zhang, Thales Bertaglia
RexBERT通过Ecom-niverse语料库和三阶段训练在电商领域表现出色。
Rahul Bajaj, Anuj Garg
提出ImpRIF，通过图结构增强隐性推理，显著提升复杂指令执行能力。
Yuancheng Yang, Lin Yang, Xu Wang 等
代理压缩方法提升语言模型效率，显著优于字节级基线。
Lin Zheng, Xinyu Li, Qian Liu 等
提出SalamaBench，基于MLCommons安全分类体系，评估12类Arabic模型安全性，涵盖8170个提示。
Omar Abdelnasser, Fatemah Alharbi, Khaled Khasawneh 等
InfMem通过PreThink-Retrieve-Write协议提升长文本推理准确性，平均提高10.17分。
Xinyu Wang, Mingze Li, Peng Lu 等
通过强化学习训练LLMs的分而治之(DAC)推理，提升其测试时可扩展性，超越传统链式思考。
Xiao Liang, Zhong-Zhi Li, Zhenghao Lin 等
提出基于RAG的DziriBOT，结合DziriBERT实现阿尔及利亚方言理解，准确率达88%。
El Batoul Bechiri, Dihia Lanasri
本文揭示大模型拒绝行为由多条几何不同方向控制，线性操控实现行为调节。
Faaiz Joad, Majd Hawasly, Sabri Boughorbel 等
提出xMemory，通过解耦和层级聚合优化代理记忆检索，提升答案质量与效率。
Zhanghao Hu, Qinglin Zhu, Runcong Zhao 等
提出Rubric-ARM，通过交替强化学习联合优化评分标准生成器与判别模型，显著提升非验证领域的奖励建模性能。
Ran Xu, Tianci Liu, Zihan Dong 等
DeALOG采用去中心化多智能体架构，通过共享自然语言日志实现多模态问答的鲁棒性与透明性。
Abhijit Chakraborty, Ashish Raj Shekhar, Shiven Agarwal 等
研究发现自进化大语言模型（LLM）在处理原始经验时表现更忠实，但对压缩经验的利用存在显著不足。
Weixiang Zhao, Yingshuo Wang, Yichen Zhang 等
提出SUSTAINSCORE衡量指令遵循对任务解决的干扰，实验显示性能显著下降。
Yunjia Qi, Hao Peng, Xintong Shi 等
Leviathan通过引入LEV层实现输入输出解耦，提升模型在200M-1.2B参数规模下的性能，减少81%稀有词困惑。
Reza T. Batley, Sourav Saha
提出OVD：基于轨迹匹配的对策，显著降低内存消耗，提升Web问答和数学推理性能。
Jing Xiong, Hui Shen, Shansan Gong 等
提出Temporal Guidance (TeGu)，通过时间维度对比提升LLM生成质量，实验显示在GSM8K上提升3.03%。
Hong-Kai Zheng, Piji Li
本文提出Persona Prompting（PP）方法，分析其在LLMs社会推理中的影响，涉及偏见、合理性与任务性能，基于hate speech等数据集。
Jing Yang, Moritz Hechtbauer, Elisabeth Khalilov 等