语言大模型 / LLM

SegAnyPET: Universal Promptable Segmentation from Positron Emission Tomography Images

SegAnyPET：从正电子发射断层扫描图像中进行通用可提示分割

Yichi Zhang, Le Xue, Wenbo Zhang, Lanlan Li, Yuchen Liu, Chen Jiang, Yuan Cheng, Yuan Qi

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

AI总结 SegAnyPET通过构建PETS-5k数据集，提出跨提示自信学习策略，实现从PET图像中高效分割多种器官，提升分割任务的通用性和准确性。

Comments Accept for ICCV 2025

Increasing intelligence in AI agents can worsen collective outcomes

提升AI代理的智能会加剧集体结果

Neil F. Johnson

机构 * Dynamic Online Networks Laboratory and Physics Department（动态在线网络实验室和物理系） 纠错

专题命中 领域大模型 ：LLM(abstract)；分类 cs.AI

AI总结 研究发现，资源稀缺时AI代理多样性与强化学习会加剧系统过载，而部落形成可降低风险，但整体效果取决于容量与人口比。

ZTab: Domain-based Zero-shot Annotation for Table Columns

ZTab: 基于领域的零样本表格列标注

Ehsan Hoseinzade, Ke Wang

机构 * IEEE 42nd International Conference on Data Engineering (ICDE 2026)（IEEE第42届国际数据工程会议） 纠错

专题命中 领域大模型 ：LLM(abstract)；分类 cs.LG

AI总结 ZTab是一种基于领域的零样本框架，通过预定义语义类型和样本表格模式生成伪表格并微调LLM，以提高表格列标注的性能和零样本能力。

DNS-GT: A Graph-based Transformer Approach to Learn Embeddings of Domain Names from DNS Queries

DNS-GT: 基于图的Transformer方法用于从DNS查询中学习域名嵌入

Massimiliano Altieri, Ronan Hamon, Roberto Corizzo, Michelangelo Ceci, Ignacio Sanchez

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

AI总结 本文提出DNS-GT模型，通过基于Transformer的方法从DNS查询序列中学习域名嵌入，提升网络入侵检测系统的性能。

Structure-Aware Set Transformers: Temporal and Variable-Type Attention Biases for Asynchronous Clinical Time Series

结构感知的集合变换器：用于异步临床时间序列的时序和变量类型注意力偏差

Joohyung Lee, Kwanhyung Lee, Changhun Kim, Eunho Yang

机构 * AITRICS ； Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院） 纠错

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

AI总结 本文提出STAR-Set变换器，通过引入时间局部性惩罚和变量类型亲和力，解决异步临床时间序列中变量轨迹和时间局部上下文丢失的问题，提升预测性能。

Comments ICLR 2026 Workshop on Time Series in the Age of Large Models (TSALM)

Computational Pathology in the Era of Emerging Foundation and Agentic AI -- International Expert Perspectives on Clinical Integration and Translational Readiness

在新兴基础和代理AI时代 computational pathology 的发展——国际专家对临床整合与转化准备的视角

Qian Da, Yijiang Chen, Min Ju, Zheyi Ji, Albert Zhou, Wenwen Wang, Matthew A Abikenari, Philip Chikontwe, Guillaume Larghero, Bowen Chen, Peter Neidlinger, Dingrong Zhong, Shuhao Wang, Wei Xu, Drew Williamson, German Corredor, Sen Yang, Le Lu, Xiao Han, Kun-Hsing Yu, Jun-zhou Huang, Laura Barisoni, Geert Litjens, Anant Madabhushi, Lifeng Zhu, Chaofu Wang, Junhan Zhao, Weiguo Hu

机构 * Department of Pathology, Ruijin Hospital, Shanghai Jiao Tong University School of Medicine, Shanghai, China（复旦大学附属中山医院病理科，上海交通大学医学院，上海，中国） ； Department of Radiation Oncology, Stanford University School of Medicine, Stanford, CA, USA（斯坦福大学医学院放射肿瘤科，斯坦福，加利福尼亚州，美国） ； Department of Basic Education, Qingdao City University, Qingdao, Shandong, China（青岛城市大学基础教育系，青岛，山东省，中国） ； Department of Human Genetics, the University of Chicago, Chicago, IL, USA（芝加哥大学人类遗传学系，芝加哥，伊利诺伊州，美国） ； Department of Computer Science, University of Warwick, Coventry UK（沃里克大学计算机科学系，科文特里，英国） ； Department of Electrical and Computer Engineering, Carnegie Mellon University, Pittsburgh, Pennsylvania, USA（卡内基梅隆大学电气与计算机工程系，匹兹堡，宾夕法尼亚州，美国） ； Department of Neurosurgery, Stanford University School of Medicine, Stanford, CA, USA（斯坦福大学医学院神经外科，斯坦福，加利福尼亚州，美国） ； Department of Biomedical Informatics, Harvard Medical School, Boston, MA, USA（哈佛医学院生物医学信息学系，波士顿，马萨诸塞州，美国） 纠错

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

AI总结 本文探讨新兴基础和代理AI在计算病理学中的临床整合与转化准备，分析技术成熟度、经济监管及实际应用挑战，提供国际专家对当前能力与障碍的评估。

MedEyes: Learning Dynamic Visual Focus for Medical Progressive Diagnosis

MedEyes: 学习动态视觉聚焦以进行医学逐步诊断

Chunzheng Zhu, Yangfang Lin, Shen Chen, Yijun Wang, Jianxin Lin

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

AI总结 MedEyes通过动态视觉聚焦和双模式探索策略，提升医学逐步诊断的准确性与临床相关性。

Comments AAAI 2026, Medical Chain-of-Thought (CoT), Reinforcement Learning with Verifiable Rewards (RLVR), Multimodal Grounded Reasoning

Reproducible Synthetic Clinical Letters for Seizure Frequency Information Extraction

可重复的合成临床信件用于癫痫发作频率信息提取

Yujian Gan, Stephen H. Barlow, Ben Holgate, Joe Davies, James T. Teo, Joel S. Winston, Mark P. Richardson

专题命中 领域大模型 ：language model(abstract)

AI总结 本研究提出了一种基于合成数据的框架，用于从临床信件中提取癫痫发作频率，通过结构化标签和证据支持的监督方法实现了高精度的提取。

To Words and Beyond: Probing Large Language Models for Sentence-Level Psycholinguistic Norms of Memorability and Reading Times

词与超越：探究大语言模型以获取句子层面的心理语言学规范的可记忆性和阅读时间

Thomas Hikaru Clark, Carlos Arriaga, Javier Conde, Gonzalo Martínez, Pedro Reviriego

机构 * Massachusetts Institute of Technology（麻省理工学院） ； Universidad Politécnica de Madrid（马德里理工大学） 纠错

专题命中 知识编辑与模型理解 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)；prompting(abstract)

AI总结 本文研究了大语言模型在句子层面可记忆性和阅读时间的预测能力，通过微调提升预测效果，发现其在不同任务上的表现存在显著差异，提示在使用LLM提示替代人类认知测量时需谨慎。

Mechanistic Indicators of Steering Effectiveness in Large Language Models

大语言模型中转向效果的机制指标

Mehdi Jafari, Hao Xue, Flora Salim

专题命中 知识编辑与模型理解 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)；分类 cs.CL

AI总结 本研究通过分析大语言模型中转向效果的机制指标，探讨如何利用内部模型信号诊断转向可靠性，并提出新的评估基线以提升转向方法的性能。

LaMoGen: Language to Motion Generation Through LLM-Guided Symbolic Inference

LaMoGen：通过LLM引导的符号推理实现语言到动作生成

Junkun Jiang, Ho Yin Au, Jingyu Xiang, Jie Chen

机构 * Department of Computer Science, Hong Kong Baptist University, HKSAR（香港 Baptist 大学计算机科学系） 纠错

专题命中 知识编辑与模型理解 ：LLM(title,abstract)；large language model(abstract)；language model(abstract)

AI总结 LaMoGen通过LLM引导的符号推理实现语言到动作的生成，利用LabanLite动作表示提升动作的可解释性和可控性。

Comments Accepted by CVPR 2026. Supplementary material included. Project page: https://jjkislele.github.io/LaMoGen/

Security-by-Design for LLM-Based Code Generation: Leveraging Internal Representations for Concept-Driven Steering Mechanisms

面向基于大语言模型的代码生成的Security-by-Design：利用内部表示进行概念驱动的引导机制

Maximilian Wendlinger, Daniel Kowatsch, Konstantin Böttinger, Philip Sperl

专题命中 知识编辑与模型理解 ：LLM(title)；large language model(abstract)；language model(abstract)；分类 cs.LG

AI总结 本文提出SCS-Code，通过引导大语言模型的内部表示生成安全且功能性的代码，解决现有方法在安全性和功能正确性上的不足。

Comments to be published in the IEEE European Symposium on Security and Privacy (EuroS&P)'26

Exhaustive Circuit Mapping of a Single-Cell Foundation Model Reveals Massive Redundancy, Heavy-Tailed Hub Architecture, and Layer-Dependent Differentiation Control

对单细胞基础模型的全面电路映射揭示了大量冗余、重尾枢纽架构以及层依赖的分化控制

Ihor Kendiukhov

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

专题命中 知识编辑与模型理解 ：foundation model(title,abstract)；分类 cs.LG

AI总结 通过全面电路追踪等方法揭示单细胞基础模型中大量冗余、重尾枢纽结构及层依赖的分化控制，证实模型架构的亚加性特性并建立层位置与分化方向性的因果联系。

Learning Through Dialogue: Engagement and Efficacy Matter More Than Explanations

通过对话学习：参与度和效果比解释更重要

Shaz Furniturewala, Gerard Christopher Yeo, Kokil Jaidka

专题命中 知识编辑与模型理解 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.CL

AI总结 研究发现，LLM学习效果取决于用户参与状态和认知投入，而非单纯依赖解释质量。

Decoupling Perception from Reasoning for Hallucination-Resistant Video Understanding

解耦感知与推理以实现抗幻觉的视频理解

Bowei Pu, Chuanbin Liu, Yifan Ge, Peicheng Zhou, Yiwei Sun, Zhiying Lu, Zhangchi Hu, Hongtao Xie

机构 * University of Science and Technology of China（中国科学技术大学） 纠错

专题命中 知识编辑与模型理解 ：large language model(abstract)；language model(abstract)；post-training(abstract)

AI总结 本文提出DPL模型，通过解耦感知与推理以提升视频理解的抗幻觉能力，引入感知奖励和FAE评估器，有效提高训练后性能和数据效率。

Comments 17 pages, 8 figures

Statistical and structural identifiability in representation learning

表示学习中的统计和结构可识别性

Walter Nelson, Marco Fumero, Theofanis Karaletsos, Francesco Locatello

专题命中 知识编辑与模型理解 ：foundation model(abstract)；分类 cs.LG

AI总结 本文提出统计和结构近可识别性概念，通过ICA后处理实现表示学习中的去纠缠，验证了在合成数据和细胞显微镜中的有效性。

Comments International Conference on Learning Representations (ICLR) 2026

Locating Demographic Bias at the Attention-Head Level in CLIP's Vision Encoder

在CLIP视觉编码器的注意力头级别定位人口偏见

Alaa Yasser, Kittipat Phunjanna, Marcos Escudero Viñolo, Catarina Barata, Jenny Benois-Pineau

机构 * University of Bordeaux（波尔多大学） ； Universidad Autónoma de Madrid（马德里自治大学） ； Instituto Superior Técnico, Universidade de Lisboa（里斯本大学技术学院） 纠错

专题命中 知识编辑与模型理解 ：foundation model(abstract)；分类 cs.AI

AI总结 本文提出一种机制性公平性审计方法，通过分析CLIP视觉编码器的注意力头定位人口偏见，发现性别偏见集中在特定头部，而年龄偏见更分散。

Comments 14 pages, 6 tables, 2 figures. Work conducted during IPCV-AI Erasmus Mundus Master

UniFField: A Generalizable Unified Neural Feature Field for Visual, Semantic, and Spatial Uncertainties in Any Scene

UniFField: 一种通用的统一神经特征场，用于任何场景中的视觉、语义和空间不确定性

Christian Maurer, Snehal Jauhri, Sophie Lueth, Georgia Chalvatzaki

机构 * TU Darmstadt（图宾根大学） ； Robotics Institute（机器人研究所） 纠错

专题命中 知识编辑与模型理解 ：foundation model(abstract)；分类 cs.LG

AI总结 UniFField是一种通用的统一神经特征场，能够整合视觉、语义和几何特征，预测不确定性，适用于任何场景中的鲁棒决策。

Comments ICRA 2026 Project website: https://sites.google.com/view/uniffield

GTM: A General Time-series Model for Enhanced Representation Learning of Time-Series Data

GTM：一种通用时间序列模型，用于增强时间序列数据的表示学习

Cheng He, Xu Huang, Gangwei Jiang, Zhaoyi Li, Defu Lian, Hong Xie, Enhong Chen, Xijie Liang, Zengrong Zheng, Patrick P. C. Lee

专题命中 知识编辑与模型理解 ：foundation model(abstract)；分类 cs.LG

AI总结 GTM通过频域注意力机制和混合遮蔽策略提升时间序列表示学习，实现跨生成任务的泛化能力。

Comments 10 pages main text, 20 pages appendix. Accepted at ICLR 2026

OmniStream: Mastering Perception, Reconstruction and Action in Continuous Streams

OmniStream：在连续流中掌握感知、重建与行动

Yibin Yan, Jilan Xu, Shangzhe Di, Haoning Wu, Weidi Xie

机构 * School of Artificial Intelligence, SJTU（上海交通大学人工智能学院） ； Shanghai Innovation Institute（上海创新研究院） ； VGG, Oxford（牛津大学视觉几何组） 纠错

专题命中 知识编辑与模型理解 ：foundation model(abstract)

AI总结 OmniStream通过统一的流视觉骨干网络，实现对视频流中感知、重建和行动的高效处理，展示了在多种任务上的通用性与竞争力。

Comments Technical Report. Project Page: https://go2heart.github.io/omnistream/

Large Language Models for Biomedical Article Classification

用于生物医学文章分类的大型语言模型

Jakub Proboszcz, Paweł Cichosz

专题命中 其他LLM ：large language model(title,abstract)；language model(title,abstract)；prompting(abstract)；分类 cs.CL

AI总结 本文研究了大型语言模型在生物医学文章分类中的应用，通过对比传统算法，验证了其有效性并提出了实用的设置建议。

Comments 63 pages, 25 tables, 4 figures

Cross-Context Review: Improving LLM Output Quality by Separating Production and Review Sessions

跨上下文审查：通过分离生产与审查 session 提高 LLM 输出质量

Tae-Eun Song

机构 * Daejeon Jungang Cheonggua Co., Ltd.（大田金江青瓜公司） 纠错

专题命中 其他LLM ：LLM(title)；large language model(abstract)；language model(abstract)；分类 cs.CL

AI总结 本文提出跨上下文审查（CCR）方法，通过分离生产与审查 session 提高 LLM 输出质量，实验表明 CCR 在 F1 值上优于其他方法，其优势源于上下文分离而非重复审查。

Comments 10 pages, 2 figures, 8 tables

AgentOS: From Application Silos to a Natural Language-Driven Data Ecosystem

AgentOS: 从应用孤岛到由自然语言驱动的数据生态系统

Rui Liu, Tao Zhe, Dongjie Wang, Zijun Yao, Kunpeng Liu, Yanjie Fu, Huan Liu, Jian Pei

机构 * University of Kansas（堪萨斯大学） ； Clemson University（克莱姆森大学） ； Arizona State University（亚利桑那州立大学） ； Duke University（杜克大学） 纠错

专题命中 其他LLM ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 本文提出AgentOS，通过自然语言驱动的数据生态系统，解决传统操作系统与智能代理的适配问题，构建持续的数据挖掘管道。

From Control to Foresight: Simulation as a New Paradigm for Human-Agent Collaboration

从控制到预见：模拟作为人类-智能体协作的新范式

Gaole He, Brian Y. Lim

专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI

AI总结 本文提出闭环模拟的交互范式，旨在通过模拟未来轨迹提升人类与智能体协作的预见能力，而非依赖传统的控制方式。

Comments CHI 2026 Workshop on Human-Agent Collaboration

Artificial Intelligence for Sentiment Analysis of Persian Poetry

人工智能在波斯诗歌情感分析中的应用

Arash Zargar, Abolfazl Moshiri, Mitra Shafaei, Shabnam Rahimi-Golkhandan, Mohamad Tavakoli-Targhi, Farzad Khalvati

专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI

AI总结 本研究利用BERT和GPT模型分析波斯诗人鲁米和巴尔文·埃特萨米的诗歌，发现鲁米的诗歌情感更积极，且在格律表达多样性上更胜一筹，证明了LLMs在无需人工解释的语义研究中的有效性。

Gender Bias in Generative AI-assisted Recruitment Processes

生成式AI辅助招聘过程中的性别偏见

Martina Ullasci, Marco Rondina, Riccardo Coppola, Antonio Vetrò

专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 本文研究了生成式AI在招聘中因性别背景导致的偏见问题，发现模型倾向于将女性描述为情感型，男性描述为战略型，引发对公平性和透明性的伦理讨论。

Comments 4 pages, 4 figures

Resolving Java Code Repository Issues with iSWE Agent

用iSWE代理解决Java代码仓库问题

Jatin Ganhotra, Sami Serhan, Antonio Abu Nassar, Avraham Shinnar, Ziv Nevo, Martin Hirzel

机构 * IBM 纠错

专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 本文提出iSWE代理，专注于Java问题解决，结合基于规则和模型的技术，提升企业软件开发效率。