语言大模型 / LLM

DiffVP: Differential Visual Semantic Prompting for LLM-Based CT Report Generation

DiffVP：基于LLM的CT报告生成的微分视觉语义提示

Yuhe Tian, Kun Zhang, Haoran Ma, Rui Yan, Yingtai Li, Rongsheng Wang, Shaohua Kevin Zhou

机构 * Department of Electronic Engineering ； Information Science, School of Information Science ； Technology, University of Science ； Technology of China (USTC), Hefei, Anhui 230026, China School of Biomedical Engineering, Division of Life Sciences ； Medicine, University of Science ； Technology of China (USTC), Hefei, Anhui 230026, China Center for Medical Imaging, Robotics, Analytic Computing \& Learning (MIRACLE), Suzhou Institute for Advanced Research, University of Science ； Technology of China (USTC), Suzhou, Jiangsu 215123, China Jiangsu Provincial Key Laboratory of Multimodal Digital Twin Technology, University of Science ； Technology of China (USTC), Suzhou, Jiangsu 215123, China State Key Laboratory of Precision ； Intelligent Chemistry, University of Science 纠错

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

AI总结 DiffVP通过微分视觉提示方法，利用扫描与参考之间的高阶语义差异指导LLM生成CT报告，提升报告准确性，实验表明其在BLEU和临床效果上均优于现有方法。

Large Language Models in Teaching and Learning: Reflections on Implementing an AI Chatbot in Higher Education

大语言模型在教学与学习中的应用：在高等教育中实施AI聊天机器人反思

Fiammetta Caccavale, Carina L. Gargalo, Julian Kager, Magdalena Skowyra, Steen Larsen, Krist V. Gernaey, Ulrich Krühne

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

AI总结 本文探讨了在高等教育中实施增强型AI助手中的风险与挑战，通过实验评估了大语言模型对学习动机、教学质量及学生表现的影响。

Large Language Models as a Semantic Interface and Ethical Mediator in Neuro-Digital Ecosystems: Conceptual Foundations and a Regulatory Imperative

大语言模型作为神经数字生态系统中的语义接口和伦理调解者：概念基础与监管必要性

Alexander V. Shenderuk-Zhidkov, Alexander E. Hramov

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

AI总结 本文探讨大语言模型在神经语言整合中的双重角色，提出语义透明、知情同意和代理保护原则，构建神经数字生态系统的监管框架。

Comments 21 pages, 1 figure

Oracular Programming: A Modular Foundation for Building LLM-Enabled Software

或acular编程：构建LLM赋能软件的模块化基础

Jonathan Laurent, André Platzer

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） 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 或acular编程通过将传统显式计算与归纳预言相结合，提供模块化构建可靠软件的框架，解决LLM在精确控制和模块化合同组成方面的不足。

Synthetic Data Domain Adaptation for ASR via LLM-based Text and Phonetic Respelling Augmentation

基于大语言模型的文本与音素重写增强的合成数据域适应用于自动语音识别

Natsuo Yamashita, Koichi Nagatsuka, Hiroaki Kokubo, Kota Dohi, Tuan Vu Ho

机构 * Hitachi, Ltd.（日立公司） 纠错

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

AI总结 本文提出基于合成数据的域适应框架，通过大语言模型生成文本增强和音素重写增强，提升ASR在领域特定数据上的鲁棒性。

Comments accepted by ICASSP 2026

Human-AI Co-reasoning for Clinical Diagnosis with Evidence-Integrated Language Agent

人机协同推理用于临床诊断：证据整合语言代理

Zhongzhen Huang, Yan Ling, Hong Chen, Ye Feng, Li Wu, Linjie Mu, Shaoting Zhang, Xiaofan Zhang, Kun Qian, Xiaomu Li

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

AI总结 本文提出PULSE，结合领域调优的大语言模型与文献检索，支持复杂病例的诊断决策。实验显示PULSE在专家级准确度上表现优异，且在罕见病病例中保持稳定性能，揭示了语言模型在临床诊断中的潜力与局限。

Comments After further evaluation, we have decided to withdraw the current version of this manuscript for further revision. We plan to add new experiments, improve the writing and overall presentation for greater clarity and coherence, and re-examine the dataset and related descriptions to ensure rigor and reliability before submitting an updated version

A Unified Language Model for Large Scale Search, Recommendation, and Reasoning

大规模检索、推荐与推理的统一语言模型

Marco De Nadai, Edoardo D'Amico, Max Lefarov, Alexandre Tamborrino, Divita Vohra, Mark VanMiddlesworth, Shawn Lin, Jacqueline Wood, Jan Stypka, Eliza Klyce, Keshi Dai, Timothy Christopher Heath, Martin D. Gould, Yves Raimond, Sandeep Ghael, Tony Jebara, Andreas Damianou, Vladan Radosavljevic, Paul N. Bennett, Mounia Lalmas, Praveen Chandar

机构 * Spotify 纠错

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

AI总结 本文提出NEO框架，通过将预训练解码器模型适应为工具无关的生成器，实现多领域实体、用户和语言的联合推理，展示了在大规模目录上的推荐、搜索和用户理解任务中的优越性能。

TerraLingua: Emergence and Analysis of Open-endedness in LLM Ecologies

TerraLingua：LLM生态中开放性涌现与分析

Giuseppe Paolo, Jamieson Warner, Hormoz Shahrzad, Babak Hodjat, Risto Miikkulainen, Elliot Meyerson

机构 * Cognizant AI Lab（Cognizant AI实验室） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

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

AI总结 研究LLM生态中开放性动态，通过TerraLingua平台分析协作规范、分工劳动及文化积累机制，揭示人工智能社会结构的形成过程。

SecureBERT 2.0: Advanced Language Model for Cybersecurity Intelligence

SecureBERT 2.0：面向网络安全情报的高级语言模型

Ehsan Aghaei, Sarthak Jain, Prashanth Arun, Arjun Sambamoorthy

机构 * Cisco AI San Jose（思科AI圣何塞） 纠错

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

AI总结 SecureBERT 2.0通过改进的长上下文建模和分层编码，提升网络安全领域威胁情报的语义搜索、分析和漏洞检测能力。

Tabular LLMs for Interpretable Few-Shot Alzheimer's Disease Prediction with Multimodal Biomedical Data

用于多模态生物医学数据的可解释少样本阿尔茨海默病预测的表格LLMs

Sophie Kearney, Shu Yang, Zixuan Wen, Weimin Lyu, Bojian Hou, Duy Duong-Tran, Tianlong Chen, Jason H. Moore, Marylyn D. Ritchie, Chao Chen, Li Shen

机构 * University of Pennsylvania（宾夕法尼亚大学） ； Stony Brook University（石溪大学） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； Medical University of South Carolina（南卡罗来纳医科大学） ； Cedars-Sinai Medical Center（西格拉姆山医疗中心） 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.LG

AI总结 本文提出TAP-GPT框架，利用预训练的大语言模型进行少样本阿尔茨海默病分类，展示了其在多模态生物医学数据中的优越性能和可解释性。

Script-to-Slide Grounding: Grounding Script Sentences to Slide Objects for Automatic Instructional Video Generation

脚本到幻灯片接地：将脚本句子接地到幻灯片对象以实现自动教学视频生成

Rena Suzuki, Masato Kikuchi, Tadachika Ozono

机构 * Nagoya Institute of Technology（名古屋技术大学） 纠错

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

AI总结 本文提出Script-to-Slide Grounding任务，利用大语言模型实现脚本与幻灯片对象的自动接地，实验显示F1分数达0.924，为自动化幻灯片视频编辑奠定基础。

Comments The 21st International Conference on E-Service and Knowledge Management (ESKM 2025-Winter)

Caging the Agents: A Zero Trust Security Architecture for Autonomous AI in Healthcare

将代理笼中：面向医疗AI自主系统的零信任安全架构

Saikat Maiti

机构 * VP of Trust, Commure（Commure 职务负责人） ； Founder & CEO, nFactor Technologies（nFactor Technologies 创始人及首席执行官） 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 本文提出零信任安全架构，用于医疗AI自主代理，通过多层防御机制解决代理在医疗环境中存在的关键安全漏洞，包括凭证泄露、执行能力滥用等，并开源相关配置和工具。

Comments Keywords: agentic AI security, autonomous agents, healthcare cybersecurity, zero trust, prompt injection, HIPAA, Kubernetes security, OpenClaw

Trust, Safety, and Accuracy: Assessing LLMs for Routine Maternity Advice

信任、安全与准确性：评估LLMs用于常规产科咨询

V Sai Divya, A Bhanusree, Rimjhim, K Venkata Krishna Rao

机构 * National Institute of Technology, Warangal, India（印度战争格尔国家理工学院） 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 本研究评估了LLMs在提供可靠且易懂的产科信息方面的表现，发现Perplexity在语义上与专家接近，而ChatGPT-4o在文本清晰度和医学术语使用上更优，为偏远地区产科教育提供了可行的AI解决方案。

Concept-to-Pixel: Prompt-Free Universal Medical Image Segmentation

概念到像素：无提示通用医学图像分割

Haoyun Chen, Fenghe Tang, Wenxin Ma, Shaohua Kevin Zhou

机构 * School of Biomedical Engineering, Division of Life Sciences ； Medicine, University of Science ； Technology of China (USTC), Hefei, Anhui 230026, China Center for Medical Imaging, Robotics, Analytic Computing \& Learning (MIRACLE), Suzhou Institute for Advanced Research, USTC, Suzhou, Jiangsu 215123, China Jiangsu Provincial Key Laboratory of Multimodal Digital Twin Technology, Suzhou Jiangsu, 215123, China State Key Laboratory of Precision 纠错

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

AI总结 本文提出C2P框架，通过分离解剖学知识为几何和语义表示，利用多模态大语言模型生成语义令牌，并引入几何令牌约束，实现无提示的通用医学图像分割，实验表明其在多种模态和数据集上表现优异。

Comments 32 pages, code is available at: https://github.com/Yundi218/Concept-to-Pixel

Anisotropic Permeability Tensor Prediction from Porous Media Microstructure via Physics-Informed Progressive Transfer Learning with Hybrid CNN-Transformer

从多孔介质微结构预测各向异性渗透张量的物理引导渐进迁移学习与混合CNN-Transformer

Mohammad Nooraiepour

机构 * Faculty of Mathematics and Natural Sciences, University of Oslo（奥斯陆大学数学与自然科学学院） 纠错

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

AI总结 本文提出一种物理引导的深度学习框架，通过结合MaxViT混合CNN-Transformer架构、渐进迁移学习和可微物理约束，高效预测渗透张量，减少计算成本并提升预测精度。

GUIDE: GenAI Units In Digital Design Education

GUIDE：数字设计教育中的生成式人工智能单元

Weihua Xiao, Jason Blocklove, Matthew DeLorenzo, Johann Knechtel, Ozgur Sinanoglu, Kanad Basu, Jeyavijayan Rajendran, Siddharth Garg, Ramesh Karri

机构 * NYU Tandon（纽约大学Tandon学院） ； NYU Abu Dhabi（纽约大学阿布扎比分校） ； RPI（罗切斯特理工学院） ； Texas A&M（德克萨斯大学阿姆斯特朗分校） 纠错

专题命中 领域大模型 ：LLM(abstract)；分类 cs.AI

AI总结 GUIDE为数字设计教育提供可运行的Google Colab实验室和课程资料，通过标准化教学单元提升学习一致性与教学效率，包含三个代表单元和四门课程实例，涵盖RTL生成、测试bench生成及IP盗版检测等核心内容。

Open Biomedical Knowledge Graphs at Scale: Construction, Federation, and AI Agent Access with Samyama Graph Database

大规模开放生物医学知识图谱：基于Samyama图数据库的构建、联邦与AI代理访问

Madhulatha Mandarapu, Sandeep Kunkunuru

机构 * VaidhyaMegha Private Limited（维达希亚梅加私人有限公司） 纠错

专题命中 领域大模型 ：LLM(abstract)；分类 cs.AI

AI总结 本文提出三种开源生物医学知识图谱，通过可重复的ETL模式构建大规模图谱，实现跨图谱联邦与AI代理访问，展示了高精度的领域特定工具。

Comments 12 pages, 7 tables, open-source code and data

Evidence Packing for Cross-Domain Image Deepfake Detection with LVLMs

跨领域图像深度伪造检测中的证据打包与大视觉语言模型

Yuxin Liu, Fei Wang, Kun Li, Yiqi Nie, Junjie Chen, Zhangling Duan, Zhaohong Jia

机构 * Anhui University（安徽大学） ； Hefei University of Technology（合肥工业大学） ； IAI, Hefei Comprehensive National Science Center（合肥综合国家科学中心人工智能研究院） ； United Arab Emirates University（阿拉伯联合酋长国大学） 纠错

专题命中 领域大模型 ：language model(abstract)

AI总结 本文提出SCEP框架，通过证据驱动推理提升跨领域图像深度伪造检测性能，无需微调大视觉语言模型，有效识别伪造线索。

Halo: Domain-Aware Query Optimization for Long-Context Question Answering

Halo：面向长上下文问题回答的领域感知查询优化

Pramod Chunduri, Francisco Romero, Ali Payani, Kexin Rong, Joy Arulraj

专题命中 领域大模型 ：LLM(abstract)

AI总结 Halo通过自动提取领域知识并应用于多阶段查询流程，提升长上下文问题回答的准确性和效率，实验表明其在金融、文献和科学数据集上准确率提升13%，成本降低4.8倍。

WMoE-CLIP: Wavelet-Enhanced Mixture-of-Experts Prompt Learning for Zero-Shot Anomaly Detection

WMoE-CLIP：小波增强的专家混合提示学习用于零样本异常检测

Peng Chen, Chao Huang

机构 * School of Cyber Science and Technology, Shenzhen Campus of Sun Yat-sen University, Shenzhen（中山大学深圳校区计算机科学与技术学院） 纠错

专题命中 领域大模型 ：language model(abstract)

AI总结 本文提出WMoE-CLIP方法，通过小波分解提取多频图像特征并结合变分自编码器提升提示适应性，引入语义感知的专家混合模块，有效提升零样本异常检测性能。

Journal ref ICASSP 2026 (Oral Presentation)

Agentic Cognitive Profiling: Realigning Automated Alzheimer's Disease Detection with Clinical Construct Validity

代理认知画像：重新对齐自动阿尔茨海默病检测与临床构念效度

Jiawen Kang, Kun Li, Dongrui Han, Jinchao Li, Junan Li, Lingwei Meng, Xixin Wu, Helen Meng

专题命中 领域大模型 ：LLM(abstract)

AI总结 本文提出Agentic Cognitive Profiling框架，通过分解标准化评估为原子认知任务，利用专门LLM代理提取可验证评分原语，提升自动筛查与临床协议逻辑的一致性，实现90.5%的任务匹配率和85.3%的AD预测准确率。

Patient4D: Temporally Consistent Patient Body Mesh Recovery from Monocular Operating Room Video

Patient4D: 从单目手术室视频中恢复时间一致的患者身体网格

Mingxiao Tu, Hoijoon Jung, Alireza Moghadam, Andre Kyme, Jinman Kim

机构 * University of Sydney（悉尼大学） 纠错

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

AI总结 Patient4D通过利用时间一致性先验，结合轻量几何机制和姿态锁定，提升手术AR中单目视频的患者身体网格恢复性能，实验表明其在遮挡条件下表现更优。