基于大语言模型的情感增强多任务碳排放预测框架
材料未报告摘要内容，仅可依据标题推断：该文献提出一种结合情感增强多任务学习与transformer-长短期记忆网络的碳排放预测框架，方向与强度不足以下结论。 研究设计与做法：材料未报告，仅知为资讯类文献，发表于Expert Systems with Applications，证据
LLM 能做功效分析吗？四项模型实证评估（结论：不能替代专家判断）
背景：功效分析（power analysis）对定量研究的严谨性至关重要，但因专用软件门槛高而使用不足；LLM 正被快速整合进研究实践，其在统计任务上的可靠性却缺乏系统评估 —— 存在"未经检验或过于乐观地使用"的风险。 设计：评估四种广泛使用的 LLM —— ChatGPT（G
LLM智能体长期记忆防投毒：双源背书与来源绑定授权的可执行监控评估
在受控工具调用场景中，要求两个独立来源背书或用户显式授权的策略，配合每次动作前检查，可阻止攻击者选定的动作被执行；但作者明确表示，这仅支持在构造化工作流中的条件性执行与恢复，尚不足以证明部署中背书可得且正确。 研究含证明与实验两部分：抽象记忆模型中证明策略在允许变换下保持；另设1
