通过14.8百万提示测试不同人口线索对LLM个性化和偏见的影响，发现效果不一致。
Manuel Tonneau, Neil K. R. Seghal, Niyati Malhotra 等
RPEval基准揭示个性化记忆对LLM行为的影响，RP-Reasoner方法显著减少不合理个性化。
Xueyang Feng, Weinan Gan, Xu Chen 等
通过深度绑定虚拟人设，结合时间和背景信息，提升LLMs在社会决策模拟中的一致性和真实性。
Suhong Moon, Minwoo Kang, Joseph Suh 等
CorpusQA基准测试挑战LLM在1000万标记上的全局推理能力。
Zhiyuan Lu, Chenliang Li, Yingcheng Shi 等
提出执行引导的自动化AI研究框架，通过演化搜索和强化学习优化LLM生成的科研想法。
Chenglei Si, Zitong Yang, Yejin Choi 等
Habibi提出基于多步数据整理和课程学习的开源阿拉伯语多方言TTS框架，覆盖12+方言，性能优于单一方言模型。
Yushen Chen, Junzhe Liu, Yujie Tu 等
CommunityBench评估社区级别的模型对齐，揭示LLM在社区偏好建模中的局限性。
Jiayu Lin, Zhongyu Wei
本文将Tokenization视为模型设计核心，提出上下文感知的联合设计框架，强调标准化评估。
Sawsan Alqahtani, Mir Tafseer Nayeem, Md Tahmid Rahman Laskar 等
WorldMind框架通过知识经验学习对齐代理世界模型，在EB-ALFRED上成功率提升至48.0%。
Baochang Ren, Yunzhi Yao, Rui Sun 等
使用LongPAS方法提升长上下文推理能力，显著超越RLVR基线。
Miao Peng, Weizhou Shen, Nuo Chen 等
提出DPWriter，结合半结构长Chain-of-Thought和多样性引导策略，显著提升创意写作中的输出多样性。
Qian Cao, Yahui Liu, Wei Bi 等
通过视角化建模，分析NLP中标注者分歧，提升模型公平性。
Yinuo Xu, David Jurgens
提出结合对抗攻击的角色一致性评估方法，测试Vicuna模型在虚拟咨询中的表现。
Eric Rudolph, Natalie Engert, Jens Albrecht
提出基于超球面对比学习的情感圆环模型，增强情感表示的可解释性与心理一致性。
Yusuke Yamauchi, Akiko Aizawa
提出归因技术管控RAG系统中的幻觉，涵盖四模块，显著提升回答可信度。
Yuqing Zhao, Ziyao Liu, Yongsen Zheng 等
AlignXplore+通过文本界面实现跨任务个性化，8B模型在九个基准上超越更大模型。
Yuting Liu, Jian Guan, Jia-Nan Li 等
提出StealthGraph，通过知识图引导生成隐性有害提示，结合双策略重写提高隐蔽性。
Huawei Zheng, Xinqi Jiang, Sen Yang 等
提出TabTrim，将表格剪枝从序贯修正转为金轨迹监督的并行搜索，显著提升TableQA性能。
Yu Guo, Shenghao Ye, Shuangwu Chen 等
本研究评估LLM自我解释对用户预测模型行为的帮助，采用对抗性扰动和对比实验，发现解释提升预测准确性。
Pingjun Hong, Benjamin Roth
O-Researcher通过多智能体蒸馏和强化学习生成高质量研究数据，显著提升开源LLM性能。
Yi Yao, He Zhu, Piaohong Wang 等