语言大模型 / LLM

Med-Evo: Test-time Self-evolution for Medical Multimodal Large Language Models

Med-Evo: 医疗多模态大语言模型的测试时自演化

Dunyuan Xu, Xikai Yang, Juzheng Miao, Yaoqian Li, Jinpeng Li, Pheng-Ann Heng

机构 * Department of Computer Science and Engineering, The Chinese University of Hong Kong, Hong Kong, China（计算机科学与工程系，香港中文大学，香港，中国） ； Institute of Medical Intelligence and XR, The Chinese University of Hong Kong, Hong Kong, China（医学智能与XR研究所，香港中文大学，香港，中国） 纠错

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

AI总结 Med-Evo通过无标签强化学习和伪标签技术提升医疗多模态大语言模型性能，实验表明在医疗VQA任务中显著优于现有方法。

Leveraging Large Language Models for Automated Scalable Development of Open Scientific Databases

利用大型语言模型实现开放科学数据库的自动化可扩展开发

Nikita Gautam, Doina Caragea, Ignacio Ciampitti, Federico Gomez

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

AI总结 本文提出利用大型语言模型构建开放科学数据库的自动化方法，通过结合关键词查询、API数据检索和文本分类，实现高效且可扩展的领域特定数据库开发。

TS-MLLM: A Multi-Modal Large Language Model-based Framework for Industrial Time-Series Big Data Analysis

TS-MLLM：一种基于多模态大语言模型的工业时间序列大数据分析框架

Haiteng Wang, Yikang Li, Yunfei Zhu, Jingheng Yan, Lei Ren, Laurence T. Yang

机构 * School of Automation Science and Electrical Engineering, Beihang University（北京航空航天大学自动化科学与电气工程学院） ； School of Software, Beihang University（北京航空航天大学软件学院） ； Hangzhou International Innovation Institute, Beihang University（北京航空航天大学杭州国际创新研究院） ； State Key Laboratory of Intelligent Manufacturing System Technology（智能制造系统技术国家重点实验室） ； School of Computer and Artificial Intelligence, Zhengzhou University（郑州大学计算机与人工智能学院） ； Department of Computer Science, St. Francis Xavier University（圣弗朗西斯科大学计算机科学系） 纠错

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

AI总结 TS-MLLM通过多模态大语言模型联合建模时序信号、频域图像和文本知识，提升工业时间序列预测的鲁棒性、效率和泛化能力。

Automated Extraction of Material Properties using LLM-based AI Agents

基于LLM的材料属性自动提取

Subham Ghosh, Abhishek Tewari

机构 * Mehta Family School of Data Science and Artificial Intelligence（梅塔家族数据科学与人工智能学院） ； Indian Institute of Technology Roorkee（印度理工学院罗尔基分校） ； Department of Metallurgical and Materials Engineering（冶金与材料工程系） 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、cs.LG

AI总结 本研究提出基于LLM的自动材料属性提取方法，构建了大规模热电数据集，实现了高准确率和低成本的属性提取流程，为材料发现提供了新的工具和基础。

Journal ref Computational Materials Science 265 (2026)

RedSage: A Cybersecurity Generalist LLM

RedSage：一种网络安全通用型大语言模型

Naufal Suryanto, Muzammal Naseer, Pengfei Li, Syed Talal Wasim, Jinhui Yi, Juergen Gall, Paolo Ceravolo, Ernesto Damiani

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

AI总结 RedSage通过领域感知的代理增强和预训练，提升网络安全专长和通用推理能力，实现开源本地部署。

Comments Published at ICLR 2026; Project page: https://risys-lab.github.io/RedSage/

Healthy LLMs? Benchmarking LLM Knowledge of UK Government Public Health Information

健康的大语言模型？对大语言模型在英国政府公共卫生信息领域知识的评估

Joshua Harris, Fan Grayson, Felix Feldman, Timothy Laurence, Toby Nonnenmacher, Oliver Higgins, Leo Loman, Selina Patel, Thomas Finnie, Samuel Collins, Michael Borowitz

机构 * UK Health Security Agency (UKHSA)（英国卫生安全局） 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.LG

AI总结 本文提出PubHealthBench基准测试，评估LLM在公共卫生领域的知识，发现最新LLM在多项选择题中表现优异，但在自由回答中需进一步改进。

Comments 27 pages, 9 pages main text

An Senegalese Legal Texts Structuration Using LLM-augmented Knowledge Graph

利用LLM增强的知识图谱对塞内加尔法律文本进行结构化

Oumar Kane, Mouhamad M. Allaya, Dame Samb, Mamadou Bousso

机构 * Sciences and Technologies | Economic and Social Sciences（科技 | 经济和社会科学） ； Iba Der Thiam University（伊巴德里亚姆大学） ； Social Sciences, Iba Der Thiam University, Thies, Senegal（社会科学，伊巴德里亚姆大学，泰西，塞内加尔） 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.LG

AI总结 本研究利用LLM增强的知识图谱对塞内加尔法律文本进行结构化处理，提取7967篇文章并构建图数据库，提升法律信息的可访问性和理解性。

Comments 8 pages, 8 figures, 2 tables, 1 algorithm

From LLM Reasoning to Autonomous AI Agents: A Comprehensive Review

从大语言模型推理到自主AI代理：全面综述

Mohamed Amine Ferrag, Norbert Tihanyi, Merouane Debbah

机构 * Department of Computer and Network Engineering（计算机与网络工程系） ； United Arab Emirates University（阿联酋大学） ； Technology Innovation Institute（技术创新研究院） ； Eötvös Loránd University（埃斯特哈齐·洛朗大学） ； Research Institute for Digital Future（数字未来研究院） ； Khalifa University（卡塔尔大学） 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、cs.LG

AI总结 本文综述了大语言模型和自主AI代理的发展，提出了涵盖多种任务的基准分类法，并讨论了未来研究方向。

From Passive Consumption to Active Interaction: Exploring Interactive LLM Scaffolding to Support Learning Engagement

从被动消费到主动互动：探索交互式LLM支架以支持学习参与

Zixin Chen, Haotian Li, Zhe Liu, Huamin Qu, Xing Xie

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

AI总结 本文探讨在LLM生成的支架中嵌入轻量级交互组件，以促进学习参与并提高短期学习效果。

Comments CHI EA 2026

Journal ref Extended Abstracts of the ACM CHI Conference on Human Factors in Computing Systems 2026

Spoken Conversational Agents with Large Language Models

基于大语言模型的语音对话代理

Chao-Han Huck Yang, Andreas Stolcke, Larry Heck

机构 * NVIDIA Research（NVIDIA研究） 纠错

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

AI总结 本文探讨了如何通过大语言模型构建语音对话代理，涵盖从级联到端到端系统的路径，以及跨模态对齐和联合训练等关键技术，同时讨论了隐私、安全和评估中的开放问题。

Comments Accepted to EMNLP 2025 Tutorial

StyleBench: Evaluating Speech Language Models on Conversational Speaking Style Control

StyleBench: 评估语音语言模型在对话说话风格控制中的表现

Haishu Zhao, Aokai Hao, Yuan Ge, Zhenqiang Hong, Tong Xiao, Jingbo Zhu

机构 * NLP Lab, School of Computer Science and Engineering, Northeastern University, Shenyang, China（计算机科学与工程学院自然语言处理实验室，东北大学，沈阳，中国） ； NiuTrans Research, Shenyang, China（尼乌透研究，沈阳，中国） 纠错

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

AI总结 StyleBench是一个多轮对话基准测试，用于评估语音语言模型在情感、速度、音量和音调四个维度上的风格强度控制能力，并揭示了SLMs与通用语言模型之间的性能差距。

\$OneMillion-Bench: How Far are Language Agents from Human Experts?

一千万基准：语言代理距离人类专家还有多远？

Qianyu Yang, Yang Liu, Jiaqi Li, Jun Bai, Hao Chen, Kaiyuan Chen, Tiliang Duan, Jiayun Dong, Xiaobo Hu, Zixia Jia, Yang Liu, Tao Peng, Yixin Ren, Ran Tian, Zaiyuan Wang, Yanglihong Xiao, Gang Yao, Lingyue Yin, Ge Zhang, Chun Zhang, Jianpeng Jiao, Zilong Zheng, Yuan Gong

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

AI总结 一千万基准通过400个专家精选任务评估语言代理在专业领域中的可靠性、深度和实践能力。

Comments 39 pages, 9 figures, 8 tables

GraphProp: Training the Graph Foundation Models using Graph Properties

GraphProp: 基于图属性训练图基础模型

Ziheng Sun, Qi Feng, Lehao Lin, Chris Ding, Jicong Fan

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

AI总结 GraphProp通过强调结构泛化，提升图基础模型在跨领域任务中的表现，尤其在无节点属性图的处理上效果显著。

Comments The paper will be extensively rewritten to resolve fundamental limitations, particularly concerning the influence of graph properties on performance across various graph tasks

Conformal Prediction for Risk-Controlled Medical Entity Extraction Across Clinical Domains

面向多临床领域的风险控制医疗实体提取的符合预测

Manil Shrestha, Edward Kim

机构 * Department of Computer Science, Drexel University（计算机科学系，德雷塞尔大学） 纠错

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

AI总结 本文提出一种符合预测框架，用于多临床领域医疗实体提取，发现模型在不同领域中校准方向不同，需根据文档结构和任务需求调整阈值以确保安全部署。

The Third Ambition: Artificial Intelligence and the Science of Human Behavior

第三项雄心：人工智能与人类行为的科学

W. Russell Neuman, Chad Coleman

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

AI总结 本文提出利用大型语言模型作为研究人类行为、文化及道德推理的科学工具，探讨其在社会科学中的应用与方法论创新。

AutoAdapt: An Automated Domain Adaptation Framework for LLMs

AutoAdapt：一种用于大语言模型的自动化领域适应框架

Sidharth Sinha, Anson Bastos, Xuchao Zhang, Akshay Nambi, Chetan Bansal, Saravan Rajmohan

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

AI总结 AutoAdapt通过多代理辩论系统和AutoRefine方法，实现高效可靠的LLM领域适应，提升领域适应性能25%。

PIRA-Bench: A Transition from Reactive GUI Agents to GUI-based Proactive Intent Recommendation Agents

PIRA-Bench: 从反应式 GUI 代理到基于 GUI 的主动意图推荐代理的转变

Yuxiang Chai, Shunye Tang, Han Xiao, Rui Liu, Hongsheng Li

机构 * Nankai University（南开大学） ； Huawei Research（华为研究） 纠错

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

AI总结 PIRA-Bench通过引入主动意图推荐代理基准，推动GUI代理从反应式向主动式转变，评估多模态大语言模型在连续弱监督视觉输入中的能力。

MediTools -- Medical Education Powered by LLMs

MediTools -- 由LLMs驱动的医学教育

Amr Alshatnawi, Remi Sampaleanu, David Liebovitz

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 MediTools利用LLMs开发交互式医学教育工具，通过模拟临床场景、文献检索和新闻摘要等功能提升医学教育的效率和效果。

Comments 20 pages, 19 figures, 2 tables. Code available at https://github.com/NM-Streamlit-Team/meditools

Engineering Systems for Data Analysis Using Interactive Structured Inductive Programming

为数据分祈工程系统使用交互式结构归纳编程

Shraddha Surana, Ashwin Srinivasan, Michael Bain

机构 * Dept. of Computer Science \& Information Systems, BITS Pilani, Goa, India School of Computer Science \& Engineering, University of New South Wales, Australia 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 iProg通过交互式结构归纳编程工具，实现科学数据分祈系统的高效开发，提升性能与代码质量。

Comments Accepted for publication in the 38th International Conference on Advanced Information Systems Engineering (CAiSE 2026)

Empowering Locally Deployable Medical Agent via State Enhanced Logical Skills for FHIR-based Clinical Tasks

通过增强状态的逻辑技能赋能本地可部署的医疗代理以用于基于FHIR的临床任务

Wanrong Yang, Zhengliang Liu, Yuan Li, Bingjie Yan, Lingfang Li, Mingguang He, Dominik Wojtczak, Yalin Zheng, Danli Shi

机构 * Department of Computer Science, University of Liverpool（利物浦大学计算机科学系） ； The Hong Kong Polytechnic University（香港理工大学） ； Beijing Normal University（北京师范大学） ； School of Computing, University of Georgia（佐治亚大学计算机学院） ； Department of Eye and Vision, University of Liverpool（利物浦大学眼科学与视觉系） 纠错

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

AI总结 本文提出SELSM框架，通过增强状态的逻辑技能提升本地医疗代理在FHIR临床任务中的零样本能力，实现100%任务完成率和22.67%的成功率提升。

Comments 10 pages, 5 figures

Learning From Design Procedure To Generate CAD Programs for Data Augmentation

从设计过程学习生成用于数据增强的CAD程序

Yan-Ying Chen, Dule Shu, Matthew Hong, Andrew Taber, Jonathan Li, Matthew Klenk

机构 * Toyota Research Institute（丰田研究院） 纠错

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

AI总结 本文提出了一种基于设计过程的CAD程序生成方法，通过引入有机形状和样条基 curvature 提高几何多样性，以增强数据增强效果。

Comments Accepted by NeurIPS 2025 Workshop: Deep Learning for Code in the Agentic Era

Domain-Specific Quality Estimation for Machine Translation in Low-Resource Scenarios

领域特定机器翻译低资源场景下的质量估计

Namrata Patil Gurav, Akashdeep Ranu, Archchana Sindhujan, Diptesh Kanojia

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

AI总结 本文提出ALOPE框架，通过低秩适应提升领域特定机器翻译低资源场景下的质量估计性能，尤其在语义复杂领域表现更优。

Comments 21 pages, 7 tables, 7 figures

EvoScientist: Towards Multi-Agent Evolving AI Scientists for End-to-End Scientific Discovery

EvoScientist: 向多智能体进化AI科学家迈进以实现端到端的科学发现

Yougang Lyu, Xi Zhang, Xinhao Yi, Yuyue Zhao, Shuyu Guo, Wenxiang Hu, Jan Piotrowski, Jakub Kaliski, Jacopo Urbani, Zaiqiao Meng, Lun Zhou, Xiaohui Yan

机构 * Huawei Technologies Co., Ltd.（华为技术有限公司） 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 EvoScientist通过多智能体进化和持久记忆提升科学发现效率，实现端到端的科学发现任务。

S2S-FDD: Bridging Industrial Time Series and Natural Language for Explainable Zero-shot Fault Diagnosis

S2S-FDD：连接工业时间序列与自然语言用于可解释的零样本故障诊断

Baoxue Li, Chunhui Zhao

机构 * 1. State Key Laboratory of Industrial Control Technology, College of Control Science ； Engineering Zhejiang University Hangzhou, China ； Engineering Zhejiang University 2. School of Information ； Electrical Engineering, Zhejiang University City College Hangzhou, China 纠错

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

AI总结 S2S-FDD通过将高维传感器信号转换为自然语言摘要，并结合树状结构诊断方法，实现可解释的零样本故障诊断。

AI Agents, Language, Deep Learning and the Next Revolution in Science

人工智能代理、语言、深度学习与科学的下一次革命

Ke Li, Beijiang Liu, Bruce Mellado, Changzheng Yuan, Zhengde Zhang

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

AI总结 本文提出基于深度学习的智能代理作为科学方法的下一次进化，通过多代理推理框架在粒子物理中实现科学发现的扩展与知识生产的革新。

Comments This perspective paper is accepted by Frontier of Physics

Journal ref Front. Phys., 2026, 21(9): 096401

Helix: Evolutionary Reinforcement Learning for Open-Ended Scientific Problem Solving

Helix：基于进化强化学习的开放性科学问题求解

Chang Su, Zhongkai Hao, Zhizhou Zhang, Zeyu Xia, Youjia Wu, Hang Su, Jun Zhu

机构 * Bosch (China) Investment Co., Ltd.（博世（中国）投资有限公司） ； Tsinghua-Bosch Joint Center for ML, Tsinghua University（清华大学-博世联合人工智能中心，清华大学） ； Dept. of EE, Tsinghua University（清华大学电子工程系） ； Dept. of Comp. Sci. & Techn., Tsinghua University（清华大学计算机科学与技术系） 纠错

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

AI总结 HELIX通过分层进化强化学习框架，在开放性科学问题求解中实现了先进解决方案的发现，其在圆圈装箱任务中取得state-of-the-art结果，并在机器学习基准测试中超越GPT-4o。

Comments Accepted at ICLR 2026

Deterministic Fuzzy Triage for Legal Compliance Classification and Evidence Retrieval

确定性模糊分诊用于法律合规分类和证据检索

Rian Atri

机构 * Rian Atri 纠错

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

AI总结 本文提出了一种确定性双编码器和透明模糊分诊方法，用于法律合规分类和证据检索，实现了高精度和可解释性。

Comments 8 pages, 5 figures. Published in the Proceedings of the AAAI Bridge between Artificial Intelligence and Law 2026 (Full papers), pages 51-58

Journal ref Proceedings of the AAAI Bridge between Artificial Intelligence and Law 2026 (Full papers), pages 51-58, January 21, 2026, AAAI 2026 Bridge Program, Singapore

Causal Retrieval with Semantic Consideration

具有语义考虑的因果检索

Hyunseo Shin, Wonseok Hwang

机构 * Department of Artificial Intelligence, University of Seoul, Seoul 02504, South Korea（人工智能系，首尔大学，首尔） 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 CAWAI是一种结合语义和因果关系的检索模型，通过双重训练目标在因果检索任务中表现优异，尤其在大规模检索场景中具有良好的泛化能力。

From Statistical Fidelity to Clinical Consistency: Scalable Generation and Auditing of Synthetic Patient Trajectories

从统计保真到临床一致性：可扩展的合成患者轨迹生成与审计

Guanglin Zhou, Armin Catic, Motahare Shabestari, Matthew Young, Chaiquan Li, Katrina Poppe, Sebastiano Barbieri

机构 * The University of Queensland（昆士兰大学） ； The University of New South Wales（新南威尔士大学） ； Shahid Sadoughi University of Medical Sciences（沙希德·萨多格伊医学科学与健康服务大学） ； The University of Auckland（奥克兰大学） 纠错

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

AI总结 本研究提出了一种生成和审计合成患者轨迹的方法，通过高保真生成和大规模审计确保临床一致性，从而提升数字健康研究中数据的安全性和有效性。

Comments 23 pages, 8 figures, 6 tables; Code:https://github.com/jameszhou-gl/Coogee

Text to Automata Diagrams: Comparing TikZ Code Generation with Direct Image Synthesis

文本到自动机图：比较TikZ代码生成与直接图像合成

Ethan Young, Zichun Wang, Aiden Taylor, Chance Jewell, Julian Myers, Satya Sri Rajiteswari Nimmagadda, Anthony White, Aniruddha Maiti, Ananya Jana

机构 * Marshall University（马歇尔大学） ； West Virginia State University（西弗吉尼亚州立大学） 纠错

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

AI总结 本研究比较了通过视觉-语言模型生成TikZ代码与直接图像合成在生成自动机图描述中的效果，发现人工修正能显著提高生成准确性。

Comments Accepted to ASEE North Central Section 2026