语言大模型 / LLM

Retrieval-Reasoning Large Language Model-based Synthetic Clinical Trial Generation

基于检索-推理的大型语言模型合成临床试验生成

Zerui Xu, Fang Wu, Yingzhou Lu, Yuanyuan Zhang, Yue Zhao

机构 * Institute for Clarity in Documentation（清晰文档研究所） ； Inria Paris-Rocquencourt（巴黎- Rocquencourt 国家信息与自动化研究所） ； Rajiv Gandhi University（拉吉夫·甘地大学） ； Tsinghua University（清华大学） ； Palmer Research Laboratories（帕勒实验室） ； University of Chicago（芝加哥大学） ； Stanford University（斯坦福大学） ； Purdue University（普渡大学） ； University of Southern California（南加州大学） 纠错

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

AI总结 本文提出基于检索-推理框架的合成临床试验生成方法，利用LLM生成标注二元结果的合成试验报告，通过检索模块和推理模块提升生成质量，实验证明合成数据可有效增强真实数据集并提升临床试验预测性能。

Comments Published in ACM BCB 2025. 9 pages, 4 figures, 5 tables (Main paper + Supplementary Materials)

Journal ref Proceedings of the 16th ACM International Conference on Bioinformatics, Computational Biology, and Health Informatics (ACM BCB 2025)

Sketch2Simulation: Automating Flowsheet Generation via Multi Agent Large Language Models

Sketch2Simulation: 通过多智能体大语言模型自动化流程图生成

Abdullah Bahamdan, Emma Pajak, John D. Hedengren, Antonio del Rio Chanona

机构 * Sargent Centre for Process Systems Engineering（塞格伦过程系统工程中心） ； Imperial College London（帝国理工学院伦敦分校） ； Department of Chemical Engineering（化学工程系） ； Brigham Young University（BYU（ Brigham Young University ）） 纠错

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 本文提出多智能体大语言模型系统，将流程图直接转化为可执行的Aspen HYSYS流程图，解决流程系统工程中流程草图转模拟模型的瓶颈问题。

Comments 27 pages, 14 figures, 8 tables

CodeRefine: A Pipeline for Enhancing LLM-Generated Code Implementations of Research Papers

CodeRefine: 一种提升研究论文中大语言模型生成代码实现的管道

Ekaterina Trofimova, Emil Sataev, Abhijit Singh Jowhari

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

AI总结 CodeRefine通过多步骤方法将论文方法转化为功能代码，利用预定义本体构建知识图谱，并通过回顾性检索增强生成方法提升代码准确性，有效解决理论研究与实践实现之间的桥梁问题。

Comments The results mentioned in the paper are non-reproducible. We have rechecked the metrics, and they do not match with the ones that have been provided in the paper. Therefore, we accept that this article is neither suitable nor up to the mark for the scientific community and must be with-drawn. We fully understand the consequences, and would like to wishfully retract this article

Navigating the Prompt Space: Improving LLM Classification of Social Science Texts Through Prompt Engineering

在提示空间中导航：通过提示工程提高LLM对社会科学文本的分类

Erkan Gunes, Christoffer Florczak, Tevfik Murat Yildirim

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

AI总结 本文通过系统变化提示工程的三个方面，探讨如何通过增加提示上下文提高LLM对社会科学文本的分类准确性，发现最小的上下文增加能显著提升性能，但过度增加反而可能降低准确性。

Evaluating Fine-Tuned LLM Model For Medical Transcription With Small Low-Resource Languages Validated Dataset

评估细调LLM模型在医疗转录中的表现：针对小规模低资源语言验证数据集

Mohammed Nowshad Ruhani Chowdhury, Mohammed Nowaz Rabbani Chowdhury, Sakari Lukkarinen

机构 * School of ICT and Industrial Management（信息通信技术与工业管理学院） ； Metropolia University of Applied Sciences（Metropolia应用科学大学） ； Rensselaer Polytechnic Institute（伦斯勒理工学院） 纠错

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

AI总结 本研究通过在有限的芬兰语验证数据集上微调LLaMA 3.1-8B，评估了领域对齐的NLP模型在医疗转录中的有效性，结果显示BLEU、ROUGE-L和BERTScore F1等指标表现良好，表明细调在芬兰语医疗口语转录中的可行性。

Comments 9 pages, 3 figures, 2 tables

Probabilistic Geometric Alignment via Bayesian Latent Transport for Domain-Adaptive Foundation Models

通过贝叶斯潜在传输的概率几何对齐用于领域自适应基础模型

Aueaphum Aueawatthanaphisut, Kuepon Auewattanapisut

机构 * School of Information, Computer ； Communication Technology Sirindhorn International Institute of Technology, Thammasat University Pathumthani, Thailand 0009-0006-4313-7359 ； epartment of Architecture, Faculty of Architecture Khon Kaen University Khon Kaen, Thailand 纠错

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

AI总结 本文提出一种概率潜在传输框架，通过在表示空间中将领域适应建模为随机几何对齐问题，解决领域自适应中的潜在分布不匹配、优化动态不稳定和不确定性传播校准问题。

Comments 11 pages, 8 Figures, 25 Equations, 5 Tables and 3 Theorems

A Gait Foundation Model Predicts Multi-System Health Phenotypes from 3D Skeletal Motion

步态基础模型预测多系统健康表型从3D骨骼运动

Adam Gabet, Sarah Kohn, Guy Lutsker, Shira Gelman, Anastasia Godneva, Gil Sasson, Arad Zulti, David Krongauz, Rotem Shaulitch, Assaf Rotem, Ohad Doron, Yuval Brodsky, Adina Weinberger, Eran Segal

机构 * Weizmann Institute of Science（魏茨曼科学研究所） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； Newton VR LTD.（Newton VR 有限公司） ； BioPilot AI 纠错

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

AI总结 本文提出步态基础模型，通过3414名深度表型成人记录的5种运动任务数据，发现步态嵌入优于工程特征，能预测年龄、BMI及内脏脂肪面积，并在多个身体系统中独立提升预测效果。

Comments Preprint. Under review

Exploiting Domain-Specific Parallel Data on Multilingual Language Models for Low-resource Language Translation

利用多语言语言模型中的领域特定平行数据进行低资源语言翻译

Surangika Ranathungaa, Shravan Nayak, Shih-Ting Cindy Huang, Yanke Mao, Tong Su, Yun-Hsiang Ray Chan, Songchen Yuan, Anthony Rinaldi, Annie En-Shiun Lee

机构 * School of Mathematical and Computational Sciences, Massey University（马歇尔大学数学与计算科学学院） ； Mila – Quebec AI Institutes（魁北克人工智能研究院） ； Computer Science, Ontario Technology University and University of Toronto（安大略技术大学与多伦多大学计算机科学系） 纠错

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

AI总结 本文研究了如何通过领域特定平行数据提升低资源语言翻译效果，探讨了预训练和微调技术对模型性能的影响，并提出优化策略。

VOLMO: Versatile and Open Large Models for Ophthalmology

VOLMO：面向眼科学的多功能和开放型大模型

Zhenyue Qin, Younjoon Chung, Elijah Lee, Wanyue Feng, Xuguang Ai, Serina Applebaum, Minjie Zou, Yang Liu, Pan Xiao, Mac Singer, Amisha Dave, Aidan Gilson, Tiarnan D. L. Keenan, Emily Y. Chew, Zhiyong Lu, Yih-Chung Tham, Ron Adelman, Luciano V. Del Priore, Qingyu Chen

机构 * Department of Biomedical Informatics & Data Science, Yale University（耶鲁大学生物医学信息学与数据科学系） ； Ray and Stephanie Lane Computational Biology Department, Carnegie Mellon University（卡内基梅隆大学雷和斯蒂芬妮·兰德计算生物学系） ； Yong Loo Lin School of Medicine, National University of Singapore（新加坡国立大学杨洛林医学院） ； Department of Radiology, Washington University in Saint Louis（圣路易斯华盛顿大学放射科） ； National Eye Institute, National Institutes of Health（国家卫生研究院眼科研究所） ； National Library of Medicine, National Institutes of Health（国家卫生研究院国家医学图书馆） 纠错

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

AI总结 VOLMO提出了一种通用框架，用于开发专门的眼科多模态大语言模型，通过预训练、微调和临床推理三个阶段，提升了眼科疾病筛查和诊断的性能。

TopoPilot: Reliable Conversational Workflow Automation for Topological Data Analysis and Visualization

TopoPilot：拓扑数据分析和可视化可靠对话工作流自动化

Nathaniel Gorski, Shusen Liu, Bei Wang

机构 * University of Utah（犹他大学） ； Lawrence Livermore National Laboratory（劳伦斯利弗莫尔国家实验室） 纠错

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

AI总结 TopoPilot通过双代理架构和系统性防护机制，实现复杂科学可视化工作流的可靠自动化，其在1000次多轮对话中成功率达99%。

Toward domain-specific machine translation and quality estimation systems

迈向领域特定机器翻译和质量估计系统

Javad Pourmostafa Roshan Sharami

机构 * Tilburg University（蒂尔堡大学） ； Dublin City University（都柏林城市大学） ； Università di Napoli L’Orientale（那不勒斯东方大学） ； Ghent University（根特大学） ； Leiden University（莱顿大学） 纠错

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 本文研究如何通过数据聚焦贡献适应机器翻译和质量估计系统到特定领域，提出数据选择、质量估计训练流水线、子词分词与词汇作用及基于质量估计的上下文学习方法，提升领域适应性能。

Comments PhD Dissertation

AutoSAM: an Agentic Framework for Automating Input File Generation for the SAM Code with Multi-Modal Retrieval-Augmented Generation

AutoSAM：一种用于自动化生成SAM代码输入文件的代理框架，结合多模态检索增强生成

Zaid Abulawi, Zavier Ndum Ndum, Eric Cervi, Rui Hu, Yang Liu

机构 * Department of Nuclear Engineering, Texas A\&M University. ； Engineering Division, Argonne National Laboratory 纠错

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

AI总结 AutoSAM通过多模态检索增强生成技术，自动化生成SAM代码输入文件，解决异构工程文档中提取设计数据并转换为求解器语法的难题，实现100%结构化输入利用和88%PDF文本提取。

Comments 34 Pages, 14 Figures

Can You Tell It's AI? Human Perception of Synthetic Voices in Vishing Scenarios

你能分辨它是AI吗？在诈骗场景中人类对合成语音的感知

Zoha Hayat Bhatti, Bakhtawar Ahtisham, Seemal Tausif, Niklas George, Nida ul Habib Bajwa, Mobin Javed

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

AI总结 研究探讨了人类在真实诈骗场景中区分AI生成语音与人类录音的能力，发现参与者准确率低，依赖表面线索但无法可靠判断语音真实性。

Comments Withdrawn at the request of the authors pending further revision

DAGverse: Building Document-Grounded Semantic DAGs from Scientific Papers

DAGverse: 从科学论文构建文档导向的语义DAG

Shu Wan, Saketh Vishnubhatla, Iskander Kushbay, Tom Heffernan, Aaron Belikoff, Raha Moraffah, Huan Liu

机构 * Arizona State University（亚利桑那州立大学） ； Worcester Polytechnic Institute（伍斯特理工学院） 纠错

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

AI总结 本文提出DAGverse框架，通过科学论文中的显式DAG图和文本上下文，自动构建文档导向的语义DAG，提升DAG分类和标注的精度。

When Consistency Becomes Bias: Interviewer Effects in Semi-Structured Clinical Interviews

当一致性变成偏差：半结构化临床访谈中的面试官效应

Hasindri Watawana, Sergio Burdisso, Diego A. Moreno-Galván, Fernando Sánchez-Vega, A. Pastor López-Monroy, Petr Motlicek, Esaú Villatoro-Tello

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

AI总结 研究发现半结构化访谈中面试官提示存在系统性偏差，模型依赖固定提示和位置区分抑郁与对照组，限制模型仅使用受试者语言可更准确反映真实语言线索。

Comments Accepted to LREC 2026 Conference

Embedding Ontologies via Incorporating Extensional and Intensional Knowledge

通过整合扩展性与内涵性知识进行本体嵌入

Keyu Wang, Guilin Qi, Jiaoyan Chen, Yi Huang, Tianxing Wu

机构 * School of Computer Science and Engineering, Southeast University（东南大学计算机科学与工程学院） ； Department of Computer Science, The University of Manchester（曼彻斯特大学计算机科学系） ； China Mobile Research Institute（中国移动研究院） 纠错

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

AI总结 本文提出EIKE方法，通过扩展空间和内涵空间整合本体实例、概念及关系，结合几何方法和预训练语言模型捕捉结构与文本信息，在三组数据集上优于现有方法。

OWLEYE: Zero-Shot Learner for Cross-Domain Graph Data Anomaly Detection

OWLEYE：跨域图数据异常检测的零样本学习者

Lecheng Zheng, Dongqi Fu, Zihao Li, Jingrui He

机构 * Virginia Tech（弗吉尼亚理工大学） ； Meta AI ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

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

AI总结 OWLEYE提出一种跨域图数据异常检测框架，通过跨域特征对齐模块、多域多模式字典学习和截断注意力重构模块，实现零样本学习和持续学习能力，提升异常检测性能与泛化能力。

Comments Accepted by ICLR 2026

Hyena Operator for Fast Sequential Recommendation

Hyena 操作符用于快速序列推荐

Jiahao Liu, Lin Li, Zhiyuan Li, Kaixi Hu, Kaize Shi, Jingling Yuan

专题命中 领域大模型 ：language model(abstract)

AI总结 本文提出HyenaRec，通过多项式核参数化与门控卷积结合，解决序列推荐中稀疏长用户序列的表示问题，提升效率与准确性。

Comments 11 pages, 5 figures, accepted by ACM Web Conference 2026 (WWW '26)

Group-Differentiated Discourse on Generative AI in High School Education: A Case Study of Reddit Communities

生成AI在高中教育中的群体差异化讨论：Reddit社区案例研究

Parth Gaba, Emiliano De Cristofaro

专题命中 领域大模型 ：LLM(abstract)

AI总结 研究分析不同Reddit社区对生成AI在高中教育中的讨论，发现教师更关注教学权衡，学生更关注指控与评分，检测相关讨论伴随更高负面情绪，提出过程性评估替代检测作为更公平的作者验证方法。

Test-Time Modification: Inverse Domain Transformation for Robust Perception

测试时修改：逆域变换以实现鲁棒感知

Arpit Jadon, Joshua Niemeijer, Yuki M. Asano

机构 * German Aerospace Center Berlin（德国航空航天中心柏林） ； German Aerospace Center Braunschweig（德国航空航天中心布伦斯维克） ； University of Technology Nuremberg（努尔伯格技术大学） 纠错

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

AI总结 本文提出在测试时利用扩散模型将目标图像映射回源域分布，以提升领域泛化任务的鲁棒性，通过多个任务验证了方法的有效性。

Comments Preprint