标签
本文介绍了一种可处理的方法，用于控制自回归大语言模型的生成，使其在多项式时间内满足LR(k)上下文无关文法，相比之前指数时间的方法有所改进。文中证明，当前的大语言模型常常无法生成满足简单嵌套约束的序列，从而凸显了高效约束生成的必要性。
本文提出了一个用于开放网络数据收集的受约束、可验证的智能体框架，该框架将LLM的输出从自由格式的代码转换为类型化的JSON收集器配置，在80个任务上实现了零执行阶段LLM令牌和低延迟。
本文评估了语言模型在词汇约束下玩禁忌游戏的表现，展示了合规性与沟通效果之间的权衡，并发现模型作为猜测者比人类弱。
介绍了金融领域的约束表格扩散（CTDF），该方法将可行性操作集成到扩散采样中，以对金融合成数据生成施加硬约束。
本文提出了一种两阶段微调流程，结合领域自适应微调和强化学习，生成匹配所需氨基酸组成分布并保持序列质量的蛋白质序列。
LatticeBridge 提出了一种扭曲序贯蒙特卡洛解码器用于结构化序列生成，通过将问题视为稀有事件推断来提升约束满足，在CommonGen、E2E NLG和WikiBio上优于贪心搜索和束搜索基线。
本文介绍了一个面向约束幽默生成的系统，该系统采用“先生成大量候选，再择优选择”的策略，并使用从人类比较中学习到的偏好模型。在SemEval-2026任务1中，该系统在英语和中文子任务中排名第一，在西班牙语子任务中排名第二。