研究

从可靠证据出发，构建可信智能。

Publications

ARXIV2026

arXiv preprint · 2026

Are Tools All We Need? Unveiling the Tool-Use Tax in LLM Agents

Kaituo Zhang, Zhen Xiong, Mingyu Zhong, Zhimeng Jiang, Zhouyuan Yuan, Zhecheng Li, Ying Lin

分析工具调用协议何时会削弱大模型推理，并提出轻量级的推理时门控方法。

PDF ↗arXiv ↗

TMLR2026

Transactions on Machine Learning Research · 2026

A Survey on Evaluating Quality and Trustworthiness in LLM-Generated Data

Kaituo Zhang, Mingzhi Hu, Hoang Anh Duy Le, Fariha Kabir Torsha, Zhimeng Jiang, Minh Khai Bui, Chia-Yuan Chang, Yu-Neng Chuang, Zhen Xiong, Ying Lin, Guanchu Wang, Na Zou

面向多模态大模型合成数据，建立以质量与可信度为核心的指标化评估框架。

PDF ↗Code ↗

EMNLP2026

Findings of EMNLP · 2026

Cleansing the Artificial Mind: A Self-Reflective Detoxification Framework for Large Language Models

Kaituo Zhang, Zhimeng Jiang, Na Zou

让语言模型依靠自我反思检测并修正有害生成，无需额外模块或人工标注。

PDF ↗Code ↗

ESWA2025

Expert Systems with Applications · 2025

Robust Outlier Detection Method Based on Local Entropy and Global Density

Kaituo Zhang, Bingyang Zhang, Wei Huang, Hua Gao, Ning Xu, Rongchun Wan

EDROD 结合局部香农熵与全局密度，稳健识别点异常与簇异常。

Paper ↗Code ↗

研究方向

可信大语言模型

研究语言模型如何表达不确定性、保持答案忠实性，并在不同人群和语境中实现更公平的表现。

合成数据评估

评估生成数据不仅是否相似，还包括实际效用、可靠性、隐私与下游风险。

异常检测

开发适用于高维场景、无需昂贵参数调节的无监督异常检测方法。