语言大模型 / LLM

Automated Extraction of Unstructured Post-SBRT Toxicity Data from Radiology Reports Using Large Language Models

利用大型语言模型自动提取放射治疗后无结构影像报告中的毒性数据

Justin Pijanowski, Yakout Mezgueldi, Alan Lee, Drew Moghanaki, Ricky R. Savjani, James Lamb

专题命中 领域大模型 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)

AI总结 本研究利用大型语言模型自动提取放射治疗后影像报告中的毒性数据和进展信息，通过设计提示和多审者共识定义标签，实现了高准确率的提取效果。

MACD: Multi-Agent Clinical Diagnosis with Self-Learned Knowledge for LLM

MACD: 基于自学习知识的多智能体临床诊断

Wenliang Li, Rui Yan, Xu Zhang, Li Chen, Hongji Zhu, Jing Zhao, Junjun Li, Mengru Li, Wei Cao, Zihang Jiang, Wei Wei, Kun Zhang, Shaohua Kevin Zhou

专题命中 领域大模型 ：LLM(title,abstract)；large language model(abstract)；language model(abstract)；prompting(abstract)

AI总结 MACD通过多智能体框架实现LLM自学习临床知识，提升诊断准确率，与医生单独诊断相比表现更优，展示人机协作的协同潜力。

LEC-KG: An LLM-Embedding Collaborative Framework for Domain-Specific Knowledge Graph Construction -- A Case Study on SDGs

LEC-KG: 一种基于大语言模型嵌入的领域知识图谱构建协作框架——以可持续发展目标为例

Yikai Zeng, Yingchao Piao, Changhua Pei, Jianhui Li

机构 * Computer Network Information Center, Chinese Academy of Sciences（中国科学院计算机网络信息中心） 纠错

专题命中 领域大模型 ：LLM(title,abstract)；large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI

AI总结 LEC-KG通过结合大语言模型与知识图谱嵌入的双向协作框架，有效解决领域知识图谱构建中的长尾关系问题，提升低频关系的识别与验证能力。

LLM-Enhanced Multimodal Fusion for Cross-Domain Sequential Recommendation

基于大语言模型的跨域序列推荐多模态融合

Wangyu Wu, Zhenhong Chen, Wenqiao Zhang, Xianglin Qiu, Siqi Song, Xiaowei Huang, Fei Ma, Jimin Xiao

机构 * Xi'an Jiaotong-Liverpool University（西安交通大学利物浦大学） ； University of Liverpool（利物浦大学） ； Microsoft（微软公司） ； Zhejiang University（浙江大学） 纠错

专题命中 领域大模型 ：LLM(title,abstract)；large language model(abstract)；language model(abstract)

AI总结 本文提出LLM-EMF方法，通过融合视觉和文本数据提升跨域序列推荐性能，利用CLIP模型生成多模态嵌入并引入多重注意力机制，实验证明其在多领域推荐中的有效性。

Comments arXiv admin note: substantial text overlap with arXiv:2504.15085

Personality as Relational Infrastructure: User Perceptions of Personality-Trait-Infused LLM Messaging

性格作为关系基础设施：用户对融入人格特质的LLM消息的感知

Dominik P. Hofer, David Haag, Rania Islambouli, Jan D. Smeddinck

专题命中 领域大模型 ：LLM(title,abstract)；prompting(abstract)；分类 cs.CL、cs.AI

AI总结 研究探讨了基于人格特质的LLM消息对用户感知的影响，发现人格信息通过整体暴露而非单条信息优化提升个性化和适当性评价。

Comments Currently under review

Paper2Code: Automating Code Generation from Scientific Papers in Machine Learning

Paper2Code: 从科学论文自动生成机器学习代码

Minju Seo, Jinheon Baek, Seongyun Lee, Sung Ju Hwang

机构 * KAIST（韩国科学技术院） ； LG AI Research（LG人工智能研究所） 纠错

专题命中 领域大模型 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.CL

AI总结 Paper2Code通过多代理LLM框架自动生成机器学习论文的高质量代码实现，有效提升代码生成效率和准确性。

Comments ICLR 2026

General vs Domain-Specific CNNs: Understanding Pretraining Effects on Brain MRI Tumor Classification

通用与领域特定CNNs：理解预训练对脑MRI肿瘤分类的影响

Helia Abedini, Saba Rahimi, Reza Vaziri

专题命中 领域大模型 ：pretraining(title)；分类 cs.AI

AI总结 本研究比较了三种CNN架构在脑肿瘤分类中的表现，发现通用网络ConvNeXt-Tiny在数据稀缺情况下表现更优，而领域特定预训练模型泛化能力有限。

DARE-bench: Evaluating Modeling and Instruction Fidelity of LLMs in Data Science

DARE-bench: 评估LLMs在数据科学中的建模和指令忠实度

Fan Shu, Yite Wang, Ruofan Wu, Boyi Liu, Zhewei Yao, Yuxiong He, Feng Yan

机构 * University of Houston（德克萨斯大学休斯顿分校） ； Snowflake AI Research（Snowflake人工智能研究院） 纠错

专题命中 领域大模型 ：large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI

AI总结 DARE-bench通过提供可验证的真实值任务和大规模训练数据，有效评估和提升LLMs在数据科学中的建模和指令忠实度。

Comments Published as a conference paper at ICLR 2026. 10 pages plus appendix

Beyond Accuracy: Risk-Sensitive Evaluation of Hallucinated Medical Advice

超越准确性：对幻觉医疗建议的风险敏感评估

Savan Doshi

机构 * ASU（亚利桑那州立大学） 纠错

专题命中 领域大模型 ：large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI

AI总结 本文提出了一种风险敏感的评估框架，用于评估医疗建议中的幻觉风险，通过量化风险性语言来识别高风险、低支撑的失败模式。

Anansi: Scalable Characterization of Message-Based Job Scams

Anansi：基于消息的就业诈骗的可扩展特征化

Abisheka Pitumpe, Amir Rahmati

专题命中 领域大模型 ：large language model(abstract)；language model(abstract)

AI总结 Anansi 是首个可扩展的自动化工具，用于大规模分析和特征化基于消息的就业诈骗，揭示了诈骗模式和经济损失。

Playsemble: Learning Low-Level Programming Through Interactive Games

Playsemble: 通过互动游戏学习低级编程

Elliott Wen, Paul Denny, Andrew Luxton-Reilly, Sean Ma, Bruce Sham, Chenye Ni, Jun Seo, Yu Yang

专题命中 领域大模型 ：large language model(abstract)；language model(abstract)

AI总结 Playsemble通过互动游戏帮助学生学习汇编编程，提升参与度和理解深度。

Domain-Partitioned Hybrid RAG for Legal Reasoning: Toward Modular and Explainable Legal AI for India

领域划分混合RAG用于法律推理：迈向模块化和可解释的印度法律AI

Rakshita Goel, S Pranav Kumar, Anmol Agrawal, Divyan Poddar, Pratik Narang, Dhruv Kumar

机构 * Birla Institute of Technology and Science, Pilani（巴尔·印度技术科学学院，比兰地） 纠错

专题命中 领域大模型 ：LLM(abstract)；分类 cs.CL、cs.AI

AI总结 本研究提出了一种针对印度法律研究的领域划分混合RAG与知识图谱架构，通过模块化设计和结构化关系推理提升法律AI的可解释性和推理能力。

See, Act, Adapt: Active Perception for Unsupervised Cross-Domain Visual Adaptation via Personalized VLM-Guided Agent

看见、行动、适应：通过个性化VLM引导代理的主动感知用于无监督跨域视觉适应

Tianci Tang, Tielong Cai, Hongwei Wang, Gaoang Wang

机构 * Zhejiang University, Hangzhou, China（浙江大学） 纠错

专题命中 领域大模型 ：language model(abstract)；分类 cs.AI

AI总结 Sea$^2$通过智能姿态控制代理实现无监督跨域视觉适应，利用现成感知模型提升视觉任务性能。

InfoBridge: Mutual Information estimation via Bridge Matching

InfoBridge: 通过桥接匹配估计互信息

Sergei Kholkin, Ivan Butakov, Evgeny Burnaev, Nikita Gushchin, Alexander Korotin

机构 * Applied AI Institute（应用人工智能研究所） ； Institute of Numerical Mathematics (RAS)（俄罗斯科学院数值数学研究所） ； Moscow Independent Research Institute of Artificial Intelligence（莫斯科独立人工智能研究所） 纠错

专题命中 领域大模型 ：language model(abstract)；分类 cs.LG

AI总结 InfoBridge通过桥接匹配方法，解决两个随机变量间互信息估计问题，提供无偏估计器并在多个基准测试中展示性能。

Vision-Language Semantic Grounding for Multi-Domain Crop-Weed Segmentation

面向多领域作物杂草分割的视觉-语言语义定位

Nazia Hossain, Xintong Jiang, Yu Tian, Philippe Seguin, O. Grant Clark, Shangpeng Sun

机构 * Department of Bioresource Engineering, McGill University（生物资源工程系，麦吉尔大学） ； Department of Plant Science, McGill University（植物科学系，麦吉尔大学） 纠错

专题命中 领域大模型 ：pretraining(abstract)

AI总结 VL-WS通过视觉-语言对齐实现多领域作物杂草细粒度分割，提升泛化能力和数据效率。