语言大模型 / LLM

RAG-Driver: Generalisable Driving Explanations with Retrieval-Augmented In-Context Learning in Multi-Modal Large Language Model

RAG-Driver: 多模态大语言模型中基于检索的可泛化驾驶解释

Jianhao Yuan, Shuyang Sun, Daniel Omeiza, Bo Zhao, Paul Newman, Lars Kunze, Matthew Gadd

机构 * University of Oxford（牛津大学） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） 纠错

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

AI总结 RAG-Driver通过检索增强的上下文学习，实现高性能、可解释和可泛化的自动驾驶系统。

Comments 14 pages, 6 figures

Journal ref Robotics: Science and Systems (RSS) 2024

Balancing Domestic and Global Perspectives: Evaluating Dual-Calibration and LLM-Generated Nudges for Diverse News Recommendation

平衡国内与全球视角：评估双校准和LLM生成的提示在多样化新闻推荐中的效果

Ruixuan Sun, Matthew Zent, Minzhu Zhao, Thanmayee Boyapati, Xinyi Li, Joseph A. Konstan

机构 * Grouplens Research, University of Minnesota（群体Lens研究，明尼苏达大学） ； Northwestern University（西北大学） 纠错

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

AI总结 本研究提出双校准算法和LLM生成提示，通过五周实验验证其在提升新闻推荐多样性中的效果，发现算法提示提升多样性，而LLM提示影响因人而异，用户兴趣和相关性提升显著。

Vision-Language System using Open-Source LLMs for Gestures in Medical Interpreter Robots

基于开源大语言模型的医疗解释机器人手势视觉语言系统

Thanh-Tung Ngo, Emma Murphy, Robert J. Ross

机构 * Technological University Dublin（都柏林技术大学） 纠错

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

AI总结 本文提出一种基于开源大语言模型的医疗机器人系统，通过检测言语行为并生成相应手势，提升跨语言沟通效率。

What Topological and Geometric Structure Do Biological Foundation Models Learn? Evidence from 141 Hypotheses

生物基础模型学习了哪些拓扑和几何结构？来自141个假设的证据

Ihor Kendiukhov

机构 * Department of Computer Science University of Tübingen（计算机科学系图宾根大学） 纠错

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

AI总结 生物基础模型通过大规模假设筛选发现，其学习的几何结构具有生物意义，且在不同模型间共享，但基因位置存在差异，同时信号在免疫组织中更显著。

Talk Freely, Execute Strictly: Schema-Gated Agentic AI for Flexible and Reproducible Scientific Workflows

自由交谈，严格执行：基于模式的代理AI用于灵活且可重复的科学工作流

Joel Strickland, Arjun Vijeta, Chris Moores, Oliwia Bodek, Bogdan Nenchev, Thomas Whitehead, Charles Phillips, Karl Tassenberg, Gareth Conduit, Ben Pellegrini

机构 * Intellegens, The Studio（Intellegens工作室） ； Cavendish Laboratory（卡文迪许实验室） 纠错

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

AI总结 本文提出基于模式的代理AI，通过分离对话和执行权限，解决科学工作流中灵活性与确定性的权衡问题。

ESAA-Security: An Event-Sourced, Verifiable Architecture for Agent-Assisted Security Audits of AI-Generated Code

ESAA-安全：一种事件源、可验证的架构，用于代理辅助的AI生成代码安全审计

Elzo Brito dos Santos Filho

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

AI总结 ESAA-Security通过事件源和可验证架构，提供可追溯、可重复的AI生成代码安全审计方法，强调结构化意图验证与风险分类。

Comments Open-source implementation available at: https://github.com/elzobrito/ESAA-Security

XAI for Coding Agent Failures: Transforming Raw Execution Traces into Actionable Insights

代码代理故障的可解释性AI：将原始执行轨迹转化为可操作的见解

Arun Joshi

机构 * Independent Researcher（独立研究者） ； Islington College（伊斯林顿学院） 纠错

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

AI总结 本文提出了一种基于XAI的方法，通过结构化解释和可视化技术，帮助开发者更高效地理解和修复代码代理的故障问题。

Comments 17 Pages, 3 Figures, 2 Tables

PONTE: Personalized Orchestration for Natural Language Trustworthy Explanations

PONTE：面向自然语言可信解释的个性化编排

Vittoria Vineis, Matteo Silvestri, Lorenzo Antonelli, Filippo Betello, Gabriele Tolomei

机构 * Sapienza University of Rome（罗马大学萨皮恩扎） ； Syllotips ； TellmewAI s.r.l.（TellmewAI公司） 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 PONTE通过闭环验证和适应过程，实现自然语言可信解释的个性化生成，提升XAI的完整性和风格对齐性。

Comments 15 pages, 2 figures

Accelerating Scientific Research with Gemini: Case Studies and Common Techniques

用Gemini加速科学研究：案例研究与常见技术

David P. Woodruff, Vincent Cohen-Addad, Lalit Jain, Jieming Mao, Song Zuo, MohammadHossein Bateni, Simina Branzei, Michael P. Brenner, Lin Chen, Ying Feng, Lance Fortnow, Gang Fu, Ziyi Guan, Zahra Hadizadeh, Mohammad T. Hajiaghayi, Mahdi JafariRaviz, Adel Javanmard, Karthik C. S., Ken-ichi Kawarabayashi, Ravi Kumar, Silvio Lattanzi, Euiwoong Lee, Yi Li, Ioannis Panageas, Dimitris Paparas, Benjamin Przybocki, Bernardo Subercaseaux, Ola Svensson, Shayan Taherijam, Xuan Wu, Eylon Yogev, Morteza Zadimoghaddam, Samson Zhou, Yossi Matias, James Manyika, Vahab Mirrokni

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 本文探讨了Gemini模型在加速科学发现中的应用，通过案例研究展示了AI在解决开放性问题、反驳猜想和生成新证明中的作用，并总结了人机协作的有效技术。

Comments The changes over version 2 are that we cleaned up the last paragraph on color-coding at the end of section 2. Also, for section 6.1 we added a reference to followup work of the authors, and other minor edits in that section

Decoding Partial Differential Equations: Cross-Modal Adaptation of Decoder-only Models to PDEs

解码偏微分方程：解码器-only模型在偏微分方程上的跨模态适应

Paloma García-de-Herreros, Philipp Slusallek, Dietrich Klakow, Vagrant Gautam

机构 * Saarland University（萨尔兰大学） ； DFKI ； Heidelberg Institute for Theoretical Studies（海德堡理论研究所） 纠错

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

AI总结 本文研究了解码器-only模型在偏微分方程时间依赖模拟任务中的跨模态适应，提出并行翻转和序列加倍两种方法，提升模型性能，缩小与编码器-only模型的差距。

Comments ICLR 2026 Workshop on AI and Partial Differential Equations

Prompt Group-Aware Training for Robust Text-Guided Nuclei Segmentation

基于提示组的鲁棒文本引导核分割训练

Yonghuang Wu, Zhenyang Liang, Wenwen Zeng, Xuan Xie, Jinhua Yu

机构 * Fudan University, Shanghai, China（复旦大学，上海，中国） 纠错

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

AI总结 本文提出基于提示组的鲁棒文本引导核分割训练方法，通过组内一致性约束和质量引导正则化提升分割鲁棒性和泛化能力。

Sentiment Analysis of Citations in Scientific Articles Using ChatGPT: Identifying Potential Biases and Conflicts of Interest

利用ChatGPT对科学文章中的引用进行情感分析：识别潜在的偏见和利益冲突

Walid Hariri

机构 * Labged Laboratory, Computer Science department（计算机科学系实验室） ； Badji Mokhtar Annaba University（巴吉·莫克塔尔安纳巴大学） 纠错

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

AI总结 本文利用ChatGPT对科学论文中的引用进行情感分析，以识别潜在的偏见和利益冲突，提升学术研究的诚信度。

Analyzing the Performance of ChatGPT in Cardiology and Vascular Pathologies

分析ChatGPT在心血管病和血管病理学中的性能

Walid Hariri

机构 * Labged Laboratory, Computer Science department（Labged实验室，计算机科学系） ； Badji Mokhtar Annaba University（Badji Mokhtar安纳巴大学） 纠错

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

AI总结 研究评估ChatGPT在医学教育中回答心血管病和血管病理学难题的性能，结果显示其在准确性上优于两名医学学生。

Shoot First, Ask Questions Later? Building Rational Agents that Explore and Act Like People

先行动，后提问？构建能探索和行动像人的理性代理

Gabriel Grand, Valerio Pepe, Jacob Andreas, Joshua B. Tenenbaum

机构 * MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） ； MIT Brain and Cognitive Sciences（麻省理工学院脑科学与认知科学） ； Harvard SEAS（哈佛大学工程学院） 纠错

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

AI总结 本文提出了一种基于贝叶斯实验设计的蒙特卡洛推理策略，用于构建能像人类一样探索和行动的理性代理，在战舰和Guess Who?任务中提升了代理性能。

Comments ICLR 2026

K-MaT: Knowledge-Anchored Manifold Transport for Cross-Modal Prompt Learning in Medical Imaging

K-MaT: 基于知识的流形传输用于医学影像中的跨模态提示学习

Jiajun Zeng, Shadi Albarqouni

机构 * University of Bonn（波恩大学） ； University Hospital Bonn（波恩大学医院） ； Clinic for Diagnostic and Interventional Radiology（诊断与介入放射科） 纠错

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

AI总结 K-MaT通过基于知识的流形传输实现跨模态提示学习，提升医学影像模型在不同模态间的泛化能力。

InfoGatherer: Principled Information Seeking via Evidence Retrieval and Strategic Questioning

InfoGatherer: 通过证据检索和策略性提问进行原理化的信息获取

Maksym Taranukhin, Shuyue Stella Li, Evangelos Milios, Geoff Pleiss, Yulia Tsvetkov, Vered Shwartz

机构 * University of British Columbia（不列颠哥伦比亚大学） ； Vector Institute（向量研究所） ； CIFAR AI Chair（CIFAR人工智能主席） ； University of Washington（华盛顿大学） ； Dalhousie University（达尔豪斯大学） 纠错

专题命中 领域大模型 ：LLM(abstract)；分类 cs.CL

AI总结 InfoGatherer通过证据检索和策略性提问，结合结构化证据网络和Dempster-Shafer理论，实现原理化的信息获取，提升医疗和法律任务中的可靠性与可解释性。

Comments Under review

Evolving Medical Imaging Agents via Experience-driven Self-skill Discovery

通过经验驱动的自我技能发现进化医疗影像代理

Lin Fan, Pengyu Dai, Zhipeng Deng, Haolin Wang, Xun Gong, Yefeng Zheng, Yafei Ou

机构 * Southwest Jiaotong University, China（西南交通大学） ； The University of Tokyo, Japan（东京大学） ； RIKEN, Japan（日本理化学研究所） ； Westlake University, China（西湖大学） ； Hokkaido University, Japan（北海道大学） 纠错

专题命中 领域大模型 ：LLM(abstract)；分类 cs.AI

AI总结 MACRO通过经验驱动的自我技能发现，实现医疗影像代理的自我进化，提升多步骤协调精度和跨领域泛化能力。

Comments 18 pages, 4 figures, 3 tables

MOOSEnger -- a Domain-Specific AI Agent for the MOOSE Ecosystem

MOOSEnger -- 一个针对MOOSE生态系统的领域特定AI代理

Mengnan Li, Jason Miller, Zachary Prince, Alexander Lindsay, Cody Permann

机构 * Idaho National Laboratory（爱达荷国家实验室） 纠错

专题命中 领域大模型 ：LLM(abstract)；分类 cs.AI

AI总结 MOOSEnger 是一个专为MOOSE生态系统的AI代理，通过检索增强生成和领域特定工具提升多物理场仿真效率。

Doctor or Patient? Synergizing Diarization and ASR for Code-Switched Hinglish Medical Conditions Extraction

医生还是病人？协同语音识别与说话人识别用于代码混合希金斯医疗条件提取

Séverin Baroudi, Yanis Labrak, Shashi Kumar, Joonas Kalda, Sergio Burdisso, Pawel Cyrta, Juan Ignacio Alvarez-Trejos, Petr Motlicek, Hervé Bredin, Ricard Marxer

专题命中 领域大模型 ：LLM(abstract)

AI总结 本文提出了一种端到端神经说话人识别与向量聚类方法，用于代码混合希金斯医疗条件提取，通过领域特定微调和错误校正，实现了较高的转录准确率，并在DISPLACE-M挑战中取得优异成绩。

Comments Submitted for review at Interspeech 2026

A Semi-Supervised Framework for Breast Ultrasound Segmentation with Training-Free Pseudo-Label Generation and Label Refinement

一种用于乳腺超声分割的半监督框架，具有无训练伪标签生成和标签细化

Ruili Li, Jiayi Ding, Ruiyu Li, Yilun Jin, Shiwen Ge, Yuwen Zeng, Xiaoyong Zhang, Eichi Takaya, Jan Vrba, Noriyasu Homma

机构 * Tohoku University Graduate School of Medicine（东北大学医学研究科） ； Advanced Institute of Convergence Knowledge Informatics（融合知识信息先进研究所） ； Research Institute of Electrical Communication, Tohoku University（东北大学电气通信研究所） ； National Institute of Technology, Sendai College（名古屋国立技术大学送崎学院） ； State Key Laboratory of Oncology in South China, Sun Yat-sen University Cancer Center（南方肿瘤学国家重点实验室，中山大学肿瘤中心） ； Department of Mathematics, Informatics, and Cybernetics, University of Chemistry and Technology（化学与技术大学数学、信息学与自动控制系） ； School of Software Technology, Zhejiang University（浙江大学软件技术学院） ； Southeast University, School of Cyber Science and Engineering（东南大学网络科学与工程学院） 纠错

专题命中 领域大模型 ：language model(abstract)

AI总结 本文提出一种无训练伪标签生成和标签细化的半监督框架，通过跨域结构迁移提升乳腺超声分割性能，实现低标注下的高效分割。

Detecting Semantic Alignments between Textual Specifications and Domain Models

检测文本规范与领域模型之间的语义对齐

Shwetali Shimangaud, Lola Burgueño, Rijul Saini, Jörg Kienzle

专题命中 领域大模型 ：LLM(abstract)

AI总结 本文提出了一种基于自然语言处理和大型语言模型的方法，用于检测文本规范与领域模型之间的语义对齐，通过分类模型元素的对齐状态并提供相关证据句子，实现高精度的对齐检测。

Shifting Adaptation from Weight Space to Memory Space: A Memory-Augmented Agent for Medical Image Segmentation

从权重空间到记忆空间的迁移适应：一种用于医学图像分割的记忆增强代理

Bowen Chen, Qiaohui Gao, Shaowen Wan, Shanhui Sun, Wei Liu, Xiang Li, Tianming Liu, Lin Zhao

机构 * Department of Electrical and Computer Engineering, University of California, Santa Barbara, Santa Barbara, CA 93106, USA（电子工程系，加州大学圣芭芭拉分校） ； College of Engineering, Northeastern University, Boston, MA 02115, USA（工程学院，东北大学） ； Department of Biomedical Engineering, New Jersey Institute of Technology, Newark, NJ 07102, USA（生物医学工程系，新泽西理工学院） ； United Imaging Intelligence, Burlington, MA 01803, USA（联合影像智能公司） ； Department of Radiation Oncology, Mayo Clinic, Scottsdale, AZ 85259, USA（放射肿瘤科，梅奥诊所） ； Department of Radiology, Massachusetts General Hospital and Harvard Medical School, Boston, MA 02115, USA（放射科，麻省总医院和哈佛医学院） ； School of Computing, University of Georgia, Athens, GA 30602, USA（计算学院，佐治亚大学） 纠错

专题命中 领域大模型 ：foundation model(abstract)

AI总结 本文提出MemSeg-Agent，通过将适应从权重空间转移到记忆空间，实现少样本学习、联邦监督学习和测试时间适应，提升医学图像分割的泛化能力和效率。

SAAIPAA: Optimizing aspect-angles-invariant physical adversarial attacks on SAR target recognition models

SAAIPAA：优化面向角度不变的物理对抗攻击以对抗SAR目标识别模型

Isar Lemeire, Yee Wei Law, Sang-Heon Lee, William Meakin, Tat-Jun Chin

专题命中 领域大模型 ：prompting(abstract)

AI总结 SAAIPAA 通过物理建模优化角度不变的对抗攻击，提升 SAR 目标识别模型的鲁棒性。