语言大模型 / LLM

Triple X: A LLM-Based Multilingual Speech Recognition System for the INTERSPEECH2025 MLC-SLM Challenge

三X：一种基于LLM的多语言语音识别系统，用于INTERSPEECH2025 MLC-SLM挑战

Miaomiao Gao, Xiaoxiao Xiang, Yiwen Guo

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

AI总结 本文提出Triple X系统，通过创新的编码器-适配器-LLM架构优化多语言对话场景的语音识别准确率，采用多阶段训练策略提升多语言识别性能，实验结果显示在开发和测试集上取得竞争力的词错误率表现。

Comments Accepted By Interspeech 2025 MLC-SLM workshop

Developing the PsyCogMetrics AI Lab to Evaluate Large Language Models and Advance Cognitive Science -- A Three-Cycle Action Design Science Study

构建PsyCogMetrics AI实验室以评估大语言模型并推进认知科学——一项三阶段行动设计科学研究

Zhiye Jin, Yibai Li, K. D. Joshi, Xuefei, Deng, Xiaobing, Li

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

AI总结 本文提出构建整合的云平台，通过三阶段行动设计科学方法改进大语言模型评估方法，结合心理学和认知科学理论，提出验证的评估设计。

Comments 10 pages. Prepared: April 2025; submitted: June 15, 2025; accepted: August 2025. In: Proceedings of the 59th Hawaii International Conference on System Sciences (HICSS 2026), January 2026

Journal ref Proceedings of the 59th Hawaii International Conference on System Sciences (HICSS), January 2026, pp. 6952-6961

Depth Charge: Jailbreak Large Language Models from Deep Safety Attention Heads

深度安全攻击：从深度安全注意力头中劫持大语言模型

Jinman Wu, Yi Xie, Shiqian Zhao, Xiaofeng Chen

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 本文提出SAHA攻击框架，通过深入分析注意力头的漏洞，提升对抗样本生成的鲁棒性，实验显示其在ASR指标上优于现有方法。

Automatic In-Domain Exemplar Construction and LLM-Based Refinement of Multi-LLM Expansions for Query Expansion

领域内示例构造与基于大语言模型的多LLM扩展的LLM精炼

Minghan Li, Ercong Nie, Siqi Zhao, Tongna Chen, Huiping Huang, Guodong Zhou

机构 * School of Computer Science and Technology, Soochow University, Suzhou, China（苏州大学计算机科学与技术学院） ； Center for Information and Language Processing (CIS), LMU Munich, Munich, Germany（慕尼黑莱茵恩大学信息与语言处理中心） ； Munich Center for Machine Learning (MCML), Munich, Germany（慕尼黑机器学习中心） ； Chalmers University of Technology, Gothenburg, Sweden（楚科奇技术大学） 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 本文提出一种自动化的查询扩展框架，通过BM25-MonoT5流程构建领域内示例池，并利用无监督的聚类策略生成多样化的演示，再结合两个异构LLM生成扩展并由精炼LLM整合，实现稳定且高效的查询扩展。

Comments Preprint. This paper is under consideration at Pattern Recognition Letters

RXNRECer Enables Fine-grained Enzymatic Function Annotation through Active Learning and Protein Language Models

RXNRECer 通过主动学习和蛋白质语言模型实现细粒度酶功能注释

Zhenkun Shi, Jun Zhu, Dehang Wang, BoYu Chen, Qianqian Yuan, Zhitao Mao, Fan Wei, Weining Wu, Xiaoping Liao, Hongwu Ma

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

AI总结 RXNRECer利用主动学习和蛋白质语言模型直接预测酶促反应，克服传统EC编号方法的局限，提升预测精度和应用灵活性。

VLM4Rec: Multimodal Semantic Representation for Recommendation with Large Vision-Language Models

VLM4Rec：基于大视觉-语言模型的多模态语义表示推荐系统

Ty Valencia, Burak Barlas, Varun Singhal, Ruchir Bhatia, Wei Yang

机构 * University of Southern California（南加州大学） 纠错

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

AI总结 VLM4Rec通过语义对齐而非直接特征融合，提升多模态推荐性能，实验显示其优于原始视觉特征和融合方法。

Comments 13 pages, 4 figures, 1 table

Rethinking the Backbone in Class Imbalanced Federated Source Free Domain Adaptation: The Utility of Vision Foundation Models

重新思考类不平衡联邦源免费领域适应中的骨干网络：视觉基础模型的效用

Kosuke Kihara, Junki Mori, Taiki Miyagawa, Akinori F. Ebihara

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

AI总结 本文针对类不平衡联邦源免费领域适应问题，提出使用冻结的视觉基础模型改进特征提取器，提升模型准确率并降低计算通信成本。

Comments Accepted by the IEEE ICIP 2025 Satellite Workshop 1: Edge Intelligence: Smart, Efficient, and Scalable Solutions for IoT, Wearables, and Embedded Devices (SEEDS)

Journal ref 2025 IEEE International Conference on Image Processing Workshops (ICIPW)

Budget-Sensitive Discovery Scoring: A Formally Verified Framework for Evaluating AI-Guided Scientific Selection

预算敏感的发现评分：一种用于评估AI引导的科学选择的正式验证框架

Abhinaba Basu, Pavan Chakraborty

机构 * Indian Institute of Information Technology Allahabad (IIITA)（印度阿瓦德理工学院信息学院（IIITA）） ； National Institute of Electronics & Information Technology (NIELIT)（国家电子与信息科技研究所（NIELIT）） 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BSDS评分，通过正式验证方法评估AI引导的科学选择策略，证明LLMs在药物发现中无额外价值。

DeCode: Decoupling Content and Delivery for Medical QA

DeCode：解耦内容与交付以实现医疗问答

Po-Jen Ko, Chen-Han Tsai, Yu-Shao Peng

机构 * National Taiwan University（国立台湾大学） ； HTC DeepQ 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 DeCode框架通过解耦内容与交付，提升医疗问答的临床相关性与准确性，实验表明其在零样本任务中性能显著提升。

Comments Preprint

Visual Alignment of Medical Vision-Language Models for Grounded Radiology Report Generation

医学视觉-语言模型的视觉对齐以实现基于基础的放射学报告生成

Sarosij Bose, Ravi K. Rajendran, Biplob Debnath, Konstantinos Karydis, Amit K. Roy-Chowdhury, Srimat Chakradhar

机构 * NEC Laboratories America（NEC美洲实验室） ； University of California, Riverside（加州大学河滨分校） 纠错

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

AI总结 本文提出VALOR方法，通过临床指导文本推理和自监督视觉推理解决医学报告生成中的视觉幻觉问题，提升生成质量与临床准确性。

Enhanced Drug-drug Interaction Prediction Using Adaptive Knowledge Integration

增强药物-药物相互作用预测的自适应知识整合

Pengfei Liu, Jun Tao, Zhixiang Ren

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 本文提出自适应知识整合框架，通过强化学习优化LLM策略空间，提升药物相互作用预测准确性。

Residual SODAP: Residual Self-Organizing Domain-Adaptive Prompting with Structural Knowledge Preservation for Continual Learning

残差SODAP：基于结构知识保留的残差自组织领域自适应提示法用于持续学习

Gyutae Oh, Jungwoo Bae, Jitae Shin

机构 * Department of Electrical and Computer Engineering, Sungkyunkwan University, Suwon 16419, Republic of Korea（釜山大学电气与计算机工程系，Suwon 16419，韩国） 纠错

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

AI总结 本文提出残差SODAP，结合提示表示适应与分类器级知识保留，通过α-entmax稀疏提示选择、残差聚合、数据无关蒸馏与伪特征重放等方法，在无任务ID和额外数据存储的三个DIL基准上取得最优AvgACC/AvgF性能。

Comments 29 page, 10 figures

SciDesignBench: Benchmarking and Improving Language Models for Scientific Inverse Design

SciDesignBench: 科学逆向设计的语言模型基准测试与改进

David van Dijk, Ivan Vrkic

机构 * CellType Inc.（CellType公司） 纠错

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

AI总结 本文提出SciDesignBench，通过520个模拟器支撑任务评估语言模型在科学逆向设计中的表现，发现模拟反馈对不同设计周期有不同影响，并引入RLSF训练方法提升模型性能。

Comments 35 pages, 19 figures, 9 tables

LLM-driven Multimodal Recommendation

基于大语言模型的多模态推荐

Yicheng Di

专题命中 领域大模型 ：LLM(title)；分类 cs.AI

AI总结 本文提出LMMRec框架，通过建模用户动机提升推荐系统的可解释性和说服力，实验表明其在三个真实数据集上效果显著。

Comments There are some writing errors in our methods section that need to be corrected. We will then add extensive experiments and rewrite the Introduction and related work sections

Teaching Agile Requirements Engineering: A Stakeholder Simulation with Generative AI

敏捷需求工程教学：基于生成AI的利害相关者模拟

Eva-Maria Schön, Michael Neumann, Tiago Silva da Silva

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

AI总结 本文通过生成AI的利害相关者模拟，帮助学生掌握与生成AI交互的实践，并理解其在实际中的局限性。

UNIStainNet: Foundation-Model-Guided Virtual Staining of H&E to IHC

UNIStainNet：基于基础模型的虚拟染色：H&E到IHC

Jillur Rahman Saurav, Thuong Le Hoai Pham, Pritam Mukherjee, Paul Yi, Brent A. Orr, Jacob M. Luber

机构 * University of Texas at Arlington（德克萨斯理工大学） ； St. Jude Children’s Research Hospital（圣 Jude 儿童研究医院） 纠错

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

AI总结 UNIStainNet通过结合基础模型生成的密集空间标记，提升H&E到IHC的虚拟染色效果，实现多标记同时处理，并在MIST和BCI数据集上取得最佳分布度指标。

Using a Human-AI Teaming Approach to Create and Curate Scientific Datasets with the SCILIRE System

利用人类与AI协同方法通过SCILIRE系统创建和整理科学数据集

Necva Bölücü, Jessica Irons, Changhyun Lee, Brian Jin, Maciej Rybinski, Huichen Yang, Andreas Duenser, Stephen Wan

机构 * CSIRO（澳大利亚联邦科学工业研究组织） ； University of Málaga（马拉加大学） 纠错

专题命中 领域大模型 ：LLM(abstract)；分类 cs.CL

AI总结 SCILIRE系统通过人类与AI协同原理，结合验证和整理数据的工作流，提升科学文献中结构化知识提取的准确性与效率。

Comments 17pages, 9 figures, EACL demo track

VFM-Recon: Unlocking Cross-Domain Scene-Level Neural Reconstruction with Scale-Aligned Foundation Priors

VFM-Recon：通过尺度对齐基础先验解锁跨域场景级神经重建

Yuhang Ming, Tingkang Xi, Xingrui Yang, Lixin Yang, Yong Peng, Cewu Lu, Wanzeng Kong

机构 * Shanghai Jiao Tong University（上海交通大学） ； Hangzhou Dianzi University（杭州电子科技大学） ； CARDC（中国电子科技研究院） 纠错

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

AI总结 本文提出VFM-Recon，通过引入轻量级尺度对齐阶段和任务特定适配器，解决跨域场景级神经重建中的尺度一致性问题，实现跨域鲁棒性与重建性能的提升。

Comments 19 pages, 5 figures, 4 tables

Human Knowledge Integrated Multi-modal Learning for Single Source Domain Generalization

融合人类知识的多模态学习用于单源域泛化

Ayan Banerjee, Kuntal Thakur, Sandeep Gupta

机构 * Impact Lab, Arizona State University（影响实验室，亚利桑那州立大学） 纠错

专题命中 领域大模型 ：language model(abstract)

AI总结 本文提出GenEval方法，结合基础模型与人类知识提升单源域泛化性能，在糖尿病视网膜病变和癫痫发作区检测中取得优异结果。

Journal ref Proceedings of the IEEE/CVF Winter Conference on Applications of Computer Vision (WACV), 2026, pp. 2380-2391