语言大模型 / LLM

CDEoH: Category-Driven Automatic Algorithm Design With Large Language Models

CDEoH：基于大语言模型的类别驱动自动算法设计

Yu-Nian Wang, Shen-Huan Lyu, Ning Chen, Jia-Le Xu, Baoliu Ye, Qingfu Zhang

机构 * Key Laboratory of Water Big Data Technology of Ministry of Water Resources（水利部水大数据技术重点实验室） ； College of Computer Science and Software Engineering, Hohai University（河海大学计算机科学与软件工程学院） ； Department of Computer Science, City University of Hong Kong（香港城市大学计算机科学系） ； State Key Laboratory for Novel Software Technology, Nanjing University（南京大学新型软件技术国家重点实验室） 纠错

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

AI总结 本文提出CDEoH，通过显式建模算法类别并平衡性能与多样性，提升进化稳定性，在多尺度组合优化问题中表现优异。

GoAgent: Group-of-Agents Communication Topology Generation for LLM-based Multi-Agent Systems

GoAgent：基于大语言模型的多智能体系统的群体通信拓扑生成

Hongjiang Chen, Xin Zheng, Yixin Liu, Pengfei Jiao, Shiyuan Li, Huan Liu, Zhidong Zhao, Ziqi Xu, Ibrahim Khalil, Shirui Pan

机构 * School of Cyberspace, Hangzhou Dianzi University（杭州电子科技大学信息学院） ； School of Computing Technologies, RMIT University（皇家墨尔本理工大学计算技术学院） ； School of Information and Communication Technology, Griffith University（格里菲斯大学信息与通信技术学院） 纠错

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

AI总结 本文提出GoAgent，通过LLM生成任务相关的群体结构，显式构建多智能体系统通信拓扑，提升协作效率并减少通信开销。

Generalized Stock Price Prediction for Multiple Stocks Combined with News Fusion

多股票股价预测的通用方法结合新闻融合

Pei-Jun Liao, Hung-Shin Lee, Yao-Fei Cheng, Li-Wei Chen, Hung-yi Lee, Hsin-Min Wang

机构 * Graduate Institute of Electrical Engineering, National Taiwan University（国立台湾大学电子工程研究所） ； Institute of Information Science, Academia Sinica（学术院信息科学研究所） ； United Link Co., Ltd.（联合链接公司） ； University of Washington（华盛顿大学） ； National Tsing Hua University（国立清华大学） 纠错

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

AI总结 本文提出一种结合新闻融合的多股票股价预测方法，利用预训练语言模型和注意力机制处理新闻数据，提升预测精度。

Comments Accepted to Journal of Information Science and Engineering (JISE)

A Phylogenetic Approach to Genomic Language Modeling

基于系统发育的基因组语言建模方法

Carlos Albors, Jianan Canal Li, Gonzalo Benegas, Chengzhong Ye, Yun S. Song

机构 * Department of Electrical Engineering and Computer Sciences（电气工程与计算机科学系） ； Department of Statistics（统计学系） 纠错

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

AI总结 本文提出一种基于系统发育树的基因组语言模型训练框架，通过多物种全基因组比对提升模型对进化约束元件的识别能力，展示了PhyloGPN在单序列预测功能性破坏变异方面的有效性。

Comments 15 pages, 7 figures

An Agentic Approach to Generating XAI-Narratives

生成XAI叙述的代理方法

Yifan He, David Martens

机构 * University of Antwerp（安特卫普大学） 纠错

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

AI总结 本文提出多代理框架生成和优化XAI叙述，通过多个批评代理反馈改进叙述的忠实性和连贯性。实验显示基本设计、批评设计和批评规则设计有效提升叙述忠实度，Claude-4.5-Sonnet在三次迭代后减少90%不忠实叙述。

ConSearcher: Supporting Conversational Information Seeking in Online Communities with Member Personas

ConSearcher：通过成员人设支持在线社区中的对话式信息检索

Shiwei Wu, Xinyue Chen, Yuheng Liu, Xingbo Wang, Qingyu Guo, Longfei Chen, Chuhan Shi, Zhenhui Peng

专题命中 其他LLM ：LLM(abstract)；large language model(abstract)；language model(abstract)

AI总结 本文提出ConSearcher，一种基于LLM的对话式信息检索工具，通过动态生成成员人设提升在线社区的信息获取效率，实验显示其在信息获取和用户参与度上优于现有方法，但存在过度个性化的问题。

Comments 25 pages, 7figures

Mapping Caregiver Needs to AI Chatbot Design: Strengths and Gaps in Mental Health Support for Alzheimer's and Dementia Caregivers

将照护需求映射到AI聊天机器人设计：阿尔茨海默病和痴呆症照护者的心理健康支持优势与不足

Jiayue Melissa Shi, Dong Whi Yoo, Keran Wang, Violeta J. Rodriguez, Ravi Karkar, Koustuv Saha

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Indiana University Indianapolis（印第安纳大学印第安纳波利斯分校） ； University of Massachusetts Amherst（马萨诸塞大学阿姆赫斯特分校） 纠错

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

AI总结 研究探讨了阿尔茨海默病和痴呆症照护者在心理健康支持中的需求与AI聊天机器人设计的匹配度，通过访谈揭示了照护者在信息获取、情感支持等方面的需求及技术的优劣势。

Journal ref ACM Transactions on Computing for Healthcare, 2026

Any-Subgroup Equivariant Networks via Symmetry Breaking

通过破译对称性构建任意子群等变网络

Abhinav Goel, Derek Lim, Hannah Lawrence, Stefanie Jegelka, Ningyuan Huang

机构 * MIT（麻省理工学院） ； TUM（技术大学慕尼黑） ； Flatiron Institute（Flatiron研究院） 纠错

专题命中 其他LLM ：foundation model(abstract)；分类 cs.LG

AI总结 本文提出Any-Subgroup Equivariant Network，通过调节辅助输入特征实现多组等变，理论证明其能模拟等变MLP，实验验证其在图、图像及序列任务中优于单独等变模型。

Comments Accepted at ICLR 2026