✍️ 文本生成¶
🤖 AAAI2026 · 3 篇论文解读
📌 同领域跨会议浏览： 🧪 ICML2026 (2) · 💬 ACL2026 (17) · 🔬 ICLR2026 (2) · 📹 ICCV2025 (1) · 🧪 ICML2025 (1) · 💬 ACL2025 (27)
- AutoMalDesc: Large-Scale Script Analysis for Cyber Threat Research
-
提出 AutoMalDesc 自动化静态分析框架，通过迭代自步学习流水线——从 900 个专家标注种子样本出发，经 LoRA 微调 Llama-3.3-70B 生成伪标签，多阶段质量过滤后进行 V2 训练——实现 5 种脚本语言的恶意软件自动分类和行为描述，Batch 脚本检测准确率从 52.7% 提升到 82.4%。
- C3TG: Conflict-aware, Composite, and Collaborative Controlled Text Generation
-
提出 C3TG 框架，通过两阶段方法实现多维度细粒度可控文本生成：生成阶段用加权 KL 散度融合属性分布调整 token 概率，优化阶段用能量函数（分类器分数 + 冲突惩罚项）结合 Feedback Agent 迭代重写，在 17 个属性子类上达到 90.4% 属性准确率且大幅降低毒性。
- Structured Language Generation Model: Loss Calibration and Formatted Decoding for Efficient Text
-
提出 SLGM 框架，通过结构化输入格式、格式损失和格式感知解码三大组件，将生成式语言模型的结构化预测任务重构为分类问题，在不增加模型参数的前提下显著提升 <1B 模型在 NER、RE、SRL 等 5 类 13 个数据集上的结构预测性能。