语言大模型 / LLM

Synergizing a Decentralized Framework with LLM-Assisted Skill and Willingness-Aware Task Assignment for Volunteer Crowdsourcing

融合去中心化框架与LLM辅助的技能和意愿感知任务分配机制用于志愿者众包

Riya Samanta, Rituparna Bhattyacharya

专题命中 领域大模型 ：LLM(title,abstract)

AI总结 本文提出融合LLM辅助语义预处理、可解释技能和意愿感知分配引擎及区块链执行的混合众包框架，提升志愿者任务分配效率，实验显示比传统方法提升42.3%的分配效用。

Effective Feature Learning for 3D Medical Registration via Domain-Specialized DINO Pretraining

通过领域专用DINO预训练实现有效的3D医学图像特征学习

Eytan Kats, Mattias P. Heinrich

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

AI总结 本文通过领域专用DINO预训练学习3D医学图像密集体积分量特征，提升变形匹配性能，在跨患者腹部注册任务中优于自然图像预训练模型。

Comments Accepted for International Symposium on Biomedical Imaging 2026 (ISBI 2026)

MedPT: A Massive Medical Question Answering Dataset for Brazilian-Portuguese Speakers

MedPT：一个面向巴西葡萄牙语使用者的大规模医疗问答数据集

Fernanda Bufon Färber, Iago Alves Brito, Julia Soares Dollis, Pedro Schindler Freire Brasil Ribeiro, Rafael Teixeira Sousa, Arlindo Rodrigues Galvão Filho

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 本文提出MedPT数据集，包含384,095个真实患者-医生问答对，覆盖3200多种健康问题，通过多阶段筛选流程和LLM标注，实现了高语义丰富度，用于医疗专业分类任务，达到94%的F1分数。

Comments Accepted at LREC 2026, 11 pages, 3 tables, 2 figures

Agentic AI, Retrieval-Augmented Generation, and the Institutional Turn: Legal Architectures and Financial Governance in the Age of Distributional AGI

代理AI、检索增强生成与制度转向：分布式AGI时代的法律架构与金融治理

Marcel Osmond

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

AI总结 本文探讨代理AI与检索增强生成对法律问责和金融市场完整性的影响，主张通过制度设计问题重构对齐机制，以构建合规行为主导的机构环境。

Comments 35 pages, 92 references. Comprehensive interdisciplinary analysis integrating AI safety, mechanism design, legal regulation, and financial governance. Published on Zenodo (https://doi.org/10.5281/zenodo.18711509). Includes industry practitioner perspectives alongside peer-reviewed literature

QiboAgent: a practitioner's guideline to open source assistants for Quantum Computing code development

QiboAgent：量子计算代码开发开源助手的实践指南

Lorenzo Esposito, Andrea Papaluca, Stefano Carrazza

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

AI总结 本文提出QiboAgent，通过轻量级开源大语言模型与定制工作流架构，提升量子计算中间件代码生成的准确性和自动化能力，实现90.2%的高精度代码生成。

Comments 13 pages, 9 figures, 1 table. Source code and deployment instructions are publicly available at https://github.com/qiboteam/qiboagent

Six Interventions for the Responsible and Ethical Implementation of Medical AI Agents

为医疗AI代理的负责任和伦理实施提出的六种干预措施

Tom Bisson, Henriette Voelker, Sanddhya Jayabalan, A John Iafrate, Jakob N Kather, Jochen K Lennerz

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

AI总结 本文提出六种干预措施，旨在通过伦理设计框架确保医疗AI代理在自主系统中维持医疗伦理核心原则。

Comments 7 pages, 1 figure

Argumentation for Explainable and Globally Contestable Decision Support with LLMs

基于大语言模型的可解释且全球可争议的决策支持论证

Adam Dejl, Matthew Williams, Francesca Toni

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ArgEval框架，通过结构化评估通用决策选项，实现可解释且可全球争议的决策支持，应用于胶质瘤治疗推荐，产生符合临床实践的解释性指导。

How Do Medical MLLMs Fail? A Study on Visual Grounding in Medical Images

医学 MLLMs 如何失效？对医学图像中视觉语义关联的探讨

Guimeng Liu, Tianze Yu, Somayeh Ebrahimkhani, Lin Zhi Zheng Shawn, Kok Pin Ng, Ngai-Man Cheung

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

AI总结 本文研究了医学 MLLMs 在视觉关联上的不足，通过设计 VGMED 数据集和 VGRefine 方法，验证了其在医学图像任务中的性能瓶颈。

Comments Published as a conference paper at ICLR 2026

Automatic Inter-document Multi-hop Scientific QA Generation

自动跨文档多跳科学问答生成

Seungmin Lee, Dongha Kim, Yuni Jeon, Junyoung Koh, Min Song

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

AI总结 本文提出AIM-SciQA框架，通过大语言模型生成多文档多跳科学问答数据集，结合语义对齐和引用信息提升事实一致性，构建IM-SciQA数据集并验证其在检索增强推理中的有效性。

Comments 14 pages, 5 figures, 8 tables. Accepted to the 2026 International Conference on Language Resources and Evaluation (LREC 2026)

EviAgent: Evidence-Driven Agent for Radiology Report Generation

EviAgent：基于证据的放射学报告生成代理

Tuoshi Qi, Shenshen Bu, Yingfei Xiang, Zhiming Dai

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

AI总结 EviAgent通过引入多维视觉专家和检索机制，解决放射学报告生成中的透明性与证据支持问题，实验表明其在多个数据集上优于通用和专用模型。

OpenExtract: Automated Data Extraction for Systematic Reviews in Health

OpenExtract：用于健康系统综述的自动化数据提取

Jim Achterberg, Bram Van Dijk, Jing Meng, Saif Ul Islam, Gregory Epiphaniou, Carsten Maple, Xuefei Ding, Theodoros N. Arvanitis, Simon Brouwer, Marcel Haas, Marco Spruit

机构 * Leiden University Medical Center, The Netherlands（莱顿大学医学中心，荷兰） ； Leiden Institute of Advanced Computer Science, Leiden University, The Netherlands（莱顿高级计算机科学研究所，莱顿大学，荷兰） ； University of Warwick, UK（沃里克大学，英国） ； School of Engineering, University of Birmingham, UK（伯明翰大学工程学院，英国） ； Syntho BV, The Netherlands（Syntho公司，荷兰） 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 OpenExtract是一种开源管道，通过大型语言模型预测科学文章相关部分的数据条目，用于大规模系统文献综述，其在数字健康领域的测试中实现了超过80%的精度和召回率。

ExtracTable: Human-in-the-Loop Transformation of Scientific Corpora into Structured Knowledge

ExtracTable：人机协同将科学语料库转化为结构化知识

Lena John, Ahmed Malek Ghanmi, Tim Wittenborg, Sören Auer, Oliver Karras

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

AI总结 ExtracTable通过结合大语言模型与用户定义的模式，实现科学文献到结构化知识的转化，提升知识组织效率，降低人工干预成本。

Learning Generalizable 3D Medical Image Representations from Mask-Guided Self-Supervision

从掩码引导自监督学习中学习通用的3D医学图像表示

Yunhe Gao, Yabin Zhang, Chong Wang, Jiaming Liu, Maya Varma, Jean-Benoit Delbrouck, Akshay Chaudhari, Curtis Langlotz

机构 * Stanford University（斯坦福大学） 纠错

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

AI总结 本文提出MASS方法，通过掩码引导自监督学习，学习通用的医学图像表示，实现了在不同数据集上的高效分割和分类任务。

Comments CVPR 2026

Linnaeus: A Hierarchical, Multi-Label Framework for Autonomous System Classification

Linnaeus：一种分层的多标签自主系统分类框架

Marcos Piotto, Ignacio Schuemer, Santiago T. Torres, Mariano G. Beiró, Esteban Carisimo, Fabián E. Bustamante

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

AI总结 本文提出Linnaeus框架，结合网络数据与非网络特征，利用大语言模型和传统机器学习方法，实现自主系统分类，取得83%精度和76%召回率。

Separable neural architectures as a primitive for unified predictive and generative intelligence

可分离神经架构作为统一预测与生成智能的原始构件

Reza T. Batley, Apurba Sarker, Rajib Mostakim, Andrew Klichine, Sourav Saha

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

AI总结 本文提出可分离神经架构(SNA)，通过约束交互阶数和张量秩，将高维映射分解为低 arity 组件，揭示了混沌时空动态与语言自回归的结构类比，并在多个领域展示了其统一预测与生成智能的能力。

Mind the Discriminability Trap in Source-Free Cross-domain Few-shot Learning

注意源无关跨域少样本学习中的判别性陷阱

Zhenyu Zhang, Yixiong Zou, Yuhua Li, Ruixuan Li, Guangyao Chen

机构 * School of Computer Science and Technology, Huazhong University of Science and Technology（华中科技大学计算机科学与技术学院） ； National Key Laboratory for Multimedia Information Processing, Peking University（北京大学多媒体信息处理国家重点实验室） 纠错

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

AI总结 本文研究源无关跨域少样本学习中增强视觉模态判别性会抑制VLM性能的现象，提出通过扰动视觉学习以引导跨模态对齐的方法，实验显示在多种设置和数据集上取得新状态-of-the-art结果。

Comments CVPR 2026

Learning from Limited and Incomplete Data: A Multimodal Framework for Predicting Pathological Response in NSCLC

从有限和不完整数据中学习：一种多模态框架用于预测非小细胞肺癌的病理反应

Alice Natalina Caragliano, Giulia Farina, Fatih Aksu, Camillo Maria Caruso, Claudia Tacconi, Carlo Greco, Lorenzo Nibid, Edy Ippolito, Michele Fiore, Giuseppe Perrone, Sara Ramella, Paolo Soda, Valerio Guarrasi

机构 * Department of Medicine and Surgery（医学与外科系） ； Department of Diagnostics and Intervention, Radiation Physics, Biomedical Engineering（诊断与介入系，放射物理，生物医学工程） ； Umeå University, Umeå, Sweden（乌梅大学，瑞典） 纠错

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

AI总结 本文提出一种多模态深度学习框架，整合基础模型的CT特征提取与缺失感知架构，以在有限数据和不完整临床资料下准确预测NSCLC的病理反应。

Realization of the SI Second Defined by Geometric Mean of Multiple Clock Transitions

通过多个钟跃迁的几何均值实现SI秒的定义

Fang Fang, Chaowei Wang, Yani Zuo, Shaoyang Dai

专题命中 领域大模型 ：prompting(abstract)

AI总结 本文探讨了在不同性能水平和非重叠运行时间的多光学钟情况下，如何通过几何均值或算术均值组合实现SI秒的重新定义，并分析了死时间对氢 maser 作为飞轮参考的影响。

Computer Science Achievement and Writing Skills Predict Vibe Coding Proficiency

计算机科学成就与写作技能预测节奏编码熟练度

Sverrir Thorgeirsson, Theo B. Weidmann, Zhendong Su

专题命中 领域大模型 ：LLM(abstract)

AI总结 研究探讨了计算机科学成就和写作技能对节奏编码流程成效的预测作用，发现两者均显著影响表现，且计算机科学成就在控制一般认知技能后仍保持显著性。

Comments CHI 2026, 17 pages

EyeWorld: A Generative World Model of Ocular State and Dynamics

EyeWorld: 一种眼态与动态的生成世界模型

Ziyu Gao, Xinyuan Wu, Xiaolan Chen, Zhuoran Liu, Ruoyu Chen, Bowen Liu, Bingjie Yan, Zhenhan Wang, Kai Jin, Jiancheng Yang, Yih Chung Tham, Mingguang He, Danli Shi

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

AI总结 EyeWorld通过统一多模态解析与时间条件状态转移，实现对眼态的鲁棒多模态解释与临床预测模拟。

Comments 38 pages, 8 figures

Multi-Grained Vision-Language Alignment for Domain Generalized Person Re-Identification

多粒度视觉-语言对齐用于领域泛化的人员重识别

Jiachen Li, Xiaojin Gong, Dongping Zhang

专题命中 领域大模型 ：language model(abstract)

AI总结 本文提出基于CLIP的多粒度视觉-语言对齐框架，通过引入多粒度提示和自适应掩码模块提升领域泛化人员重识别性能。

Delving into Spectral Clustering with Vision-Language Representations

深入探讨基于视觉-语言表示的谱聚类

Bo Peng, Yuanwei Hu, Bo Liu, Ling Chen, Jie Lu, Zhen Fang

专题命中 领域大模型 ：language model(abstract)

AI总结 本文提出基于预训练视觉语言模型的神经切线核谱聚类方法，通过跨模态对齐提升图像聚类性能，实验表明在16个基准数据集上显著优于现有方法。

Comments ICLR26

Distributional Semantics Tracing: A Framework for Explaining Hallucinations in Large Language Models

分布语义追踪：一种解释大语言模型幻觉的框架

Gagan Bhatia, Somayajulu G Sripada, Kevin Allan, Jacobo Azcona

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、cs.AI

AI总结 本文提出分布语义追踪框架，通过解码残差流状态构建语义图谱，揭示大语言模型幻觉源于表征漂移，通过轻量因果追踪验证假设，实验显示其解释效果优于基线方法。

Beyond the Covariance Trap: Unlocking Generalization in Same-Subject Knowledge Editing for Large Language Models

超越协方差陷阱：在大型语言模型中解锁同一主体知识编辑的泛化能力

Xiyu Liu, Qingyi Si, Zhengxiao Liu, Chenxu Yang, Naibin Gu, Zheng Lin

机构 * Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； School of Cyber Security, University of Chinese Academy of Sciences（中国科学院大学网络安全学院） 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)；分类 cs.CL

AI总结 本文针对大型语言模型在同一主体知识编辑中泛化能力不足的问题，提出RoSE方法，通过几何对齐和知识整合提升指令遵循能力。

Comments 23 pages, 20 figures

Mechanistic Origin of Moral Indifference in Language Models

语言模型中道德冷漠的机制起源

Lingyu Li, Yan Teng, Yingchun Wang

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） 纠错

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

AI总结 研究揭示语言模型存在内在道德冷漠，通过构建道德向量并重构其拓扑关系，提升道德推理能力，实现75%的对抗性基准测试胜率。

Comments 24 pages, 11 figures, 5 tables

GameUIAgent: An LLM-Powered Framework for Automated Game UI Design with Structured Intermediate Representation

GameUIAgent：一种基于大语言模型的自动化游戏UI设计框架，采用结构化中间表示

Wei Zeng, Fengwei An, Zhen Liu, Jian Zhao

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

AI总结 本文提出GameUIAgent框架，通过结构化中间表示将自然语言描述转化为Figma设计，结合神经符号管道实现迭代自校正，发现质量天花板效应和渲染评估保真原则。

Comments 8 pages, 6 figures

LLM-Driven Instance-Specific Heuristic Generation and Selection

基于大语言模型的实例特定启发式生成与选择

Shaofeng Zhang, Shengcai Liu, Ning Lu, Jiahao Wu, Ji Liu, Yew-Soon Ong, Ke Tang

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

AI总结 本文提出InstSpecHH框架，通过实例特征划分问题子类，实现差异化启发式设计，提升求解效率并减少计算开销。

Beyond AlphaEarth: Toward Human-Centered Geospatial Foundation Models via POI-Guided Contrastive Learning

超越AlphaEarth：通过POI引导对比学习实现以人为中心的地理空间基础模型

Junyuan Liu, Quan Qin, Guangsheng Dong, Xinglei Wang, Jiazhuang Feng, Zichao Zeng, Tao Cheng

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

AI总结 本文提出AETHER框架，通过POI引导的多模态对齐，将AlphaEarth与以人为中心的城市分析结合，提升地理空间表示的可解释性与语言可访问性。

MSEG-VCUQ: Multimodal SEGmentation with Enhanced Vision Foundation Models, Convolutional Neural Networks, and Uncertainty Quantification for High-Speed Video Phase Detection Data

MSEG-VCUQ: 多模态分割与增强视觉基础模型、卷积神经网络和不确定性量化用于高速视频相位检测数据

Chika Maduabuchi, Ericmoore Jossou, Matteo Bucci

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

AI总结 本文提出MSEG-VCUQ，结合U-Net和SAM提升高速视频相位检测分割精度，引入不确定性量化和首个开源多模态数据集，实现更可靠的相位分割。

High-Fidelity Text-to-Image Generation from Pre-Trained Vision-Language Models via Distribution-Conditioned Diffusion Decoding

通过分布条件扩散解码从预训练视觉-语言模型生成高保真的文本到图像

Ji Woo Hong, Hee Suk Yoon, Gwanhyeong Koo, Eunseop Yoon, SooHwan Eom, Qi Dai, Chong Luo, Chang D. Yoo

机构 * Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院） ； Microsoft Research Asia (MSRA)（微软亚洲研究院） 纠错

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

AI总结 本文提出一种基于扩散解码的框架，通过训练仅需扩散解码器即可提升图像保真度，利用分布加权代码向量增强视觉质量，仅需ImageNet-1K短训练即可改进VQ-VAE重建和文本到图像生成。