语言大模型 / LLM

Generating Multiple-Choice Knowledge Questions with Interpretable Difficulty Estimation using Knowledge Graphs and Large Language Models

基于知识图谱和大语言模型的可解释难度估计多选题生成

Mehmet Can Şakiroğlu, H. Altay Güvenir, Kamer Kaya

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 本文提出利用知识图谱和大语言模型生成带难度估计的多选题，通过知识图谱构建和语言模型生成相结合，实现高质量且可解释的多选题生成。

SCITUNE: Aligning Large Language Models with Human-Curated Scientific Multimodal Instructions

SCITUNE：对齐大型语言模型与人类整理的科学多模态指令

Sameera Horawalavithana, Sai Munikoti, Ian Stewart, Henry Kvinge, Karl Pazdernik

机构 * Pacific Northwest National Laboratory（太平洋西北国家实验室） 纠错

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

AI总结 SCITUNE通过多模态指令提升大语言模型在科学任务中的表现，优于现有模型并在ScienceQA基准上超越人类性能。

Comments In Proceedings of the 1st Workshop on NLP for Science, Association for Computational Linguistics

Journal ref Proc. 1st Workshop on Natural Language Processing for Science (NLP4Science 2024) (2024) 58-72

Detecting HIV-Related Stigma in Clinical Narratives Using Large Language Models

利用大语言模型检测临床叙述中的HIV相关污名化

Ziyi Chen, Yasir Khan, Mengyuan Zhang, Cheng Peng, Mengxian Lyu, Yiyang Liu, Krishna Vaddiparti, Robert L Cook, Mattia Prosperi, Yonghui Wu

机构 * Department of Health Outcomes and Biomedical Informatics, College of Medicine, University of Florida（佛罗里达大学医学院健康结果与生物医学信息学系） ； Department of Epidemiology, College of Public Health and Health Professions, University of Florida（佛罗里达大学公共卫生与健康专业学院流行病学系） ； Preston A. Wells, Jr. Center for Brain Tumor Therapy, Lillian S. Wells Department of Neurosurgery, University of Florida（佛罗里达大学莉莉安·S·威尔斯神经外科系普雷斯顿·A·威尔斯脑肿瘤治疗中心） 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 本文提出利用大语言模型开发首个能识别临床笔记中HIV污名化的NLP工具，通过专家关键词和临床词嵌入提取污名化内容，并在不同污名化子量表上评估模型性能。

Predicting User Satisfaction in Online Education Platforms: A Large Language Model Based Multi-Modal Review Mining Framework

在线教育平台用户满意度预测：基于大型语言模型的多模态评论挖掘框架

Arman Bekov, Azamat Nurgali

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

AI总结 本文提出基于大型语言模型的多模态框架，通过整合文本、情感和行为数据，提升平台和课程层面用户满意度预测的准确性。

Comparative Analysis of Large Language Models in Healthcare

医疗领域大型语言模型的比较分析

Subin Santhosh, Farwa Abbas, Hussain Ahmad, Claudia Szabo

机构 * Adelaide University（阿德莱德大学） ； South Australian Health and Medical Research Institute（南澳大利亚健康与医学研究所） 纠错

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

AI总结 本文通过评估多个医疗任务，比较了ChatDoctor等领域模型与Grok等通用模型的性能，发现领域模型在医疗文本生成中更准确，而通用模型在问答任务中表现更优，强调了任务特定评估的重要性。

Adapting 2D Multi-Modal Large Language Model for 3D CT Image Analysis

将2D多模态大语言模型适应于3DCT图像分析

Yang Yu, Dunyuan Xu, Yaoqian Li, Xiaomeng Li, Jinpeng Li, Pheng-Ann Heng

机构 * Department of Electronic and Computer Engineering, The Hong Kong University of Science and Technology（香港科技大学电子及计算机工程学系） ； Department of Computer Science and Engineering, The Chinese University of Hong Kong（香港中文大学计算机科学与工程学系） ； Institute of Medical Intelligence and XR, The Chinese University of Hong Kong（香港中文大学医学智能与扩展现实研究所） ； Center for Artificial Intelligence and Robotics, Hong Kong Institute of Science and Innovation, Chinese Academy of Sciences（中国科学院香港创新研究院人工智能与机器人创新中心） 纠错

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 本文提出将2D多模态大语言模型适应于3DCT图像分析，设计Text-Guided Hierarchical MoE框架，采用两阶段训练策略提升医学报告生成和视觉问答任务性能。

Catalog-Native LLM: Speaking Item-ID Dialect with Less Entanglement for Recommendation

基于目录的LLM：以更少的纠缠进行推荐的口语化项ID表达

Reza Shirkavand, Xiaokai Wei, Chen Wang, Zheng Hui, Heng Huang, Michelle Gong

机构 * University of Maryland - College Park（马里兰大学帕克分校） ； Roblox ； University of Cambridge（剑桥大学） 纠错

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

AI总结 本文提出IDIOMoE模型，通过将物品交互历史视为语言空间中的本地方言，结合预训练LLM的文本理解和协作信号，提升推荐性能。

SLM Finetuning for Natural Language to Domain Specific Code Generation in Production

为生产环境中的自然语言到领域特定代码生成进行SLM微调

Renjini R. Nair, Damian K. Kowalczyk, Marco Gaudesi, Chhaya Methani

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

AI总结 本文研究了通过微调小型语言模型提升自然语言到领域代码生成的性能与效率，展示了在生产环境中优于大模型的延迟和成本效益。

Comments 11 pages (including appendix), 5 tables, 1 figure. Submitted to arXiv as a preprint

Agentic Exploration of PDE Spaces using Latent Foundation Models for Parameterized Simulations

基于潜在基础模型的PDE空间代理探索用于参数化模拟

Abhijeet Vishwasrao, Francisco Giral, Mahmoud Golestanian, Federica Tonti, Andrea Arroyo Ramo, Adrian Lozano-Duran, Steven L. Brunton, Sergio Hoyas, Soledad Le Clainche, Hector Gomez, Ricardo Vinuesa

机构 * University of Michigan（密歇根大学） ； Universidad Politécnica de Madrid（马德里理工大学） ； Purdue University（普渡大学） ； Universitat Politècnica de València（瓦伦西亚理工大学） ； Caltech（加州理工学院） ； University of Washington（华盛顿大学） 纠错

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

AI总结 本文提出利用多代理LLM与潜在基础模型耦合，实现对PDE参数空间的连续探索，发现流体中不同尺度的标度律，展示了代理推理在PDE系统中的自动化科学发现能力。

SemaCDR: LLM-Powered Transferable Semantics for Cross-Domain Sequential Recommendation

SemaCDR: 基于大语言模型的跨域序列推荐语义

Chunxu Zhang, Shanqiang Huang, Zijian Zhang, Jiahong Liu, Linsong Yu, Ruiqi Wan, Bo Yang, Irwin King

机构 * Jilin University（吉林大学） ； Hong Kong Polytechnic University（香港理工大学） ； The Chinese University of Hong Kong（香港中文大学） 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 SemaCDR通过大语言模型构建统一语义空间，整合领域无关和领域特定语义，利用对比正则化对齐多视角物品特征，通过自适应融合生成统一偏好表示，提升跨域序列推荐效果。

Whisper-AuT: Domain-Adapted Audio Encoder for Efficient Audio-LLM Training

Whisper-AuT：用于高效音频-大语言模型训练的领域适应音频编码器

Jielin Qiu, Ming Zhu, Wenting Zhao, Zhiwei Liu, Liangwei Yang, Zixiang Chen, Roshan Ram, Akshara Prabhakar, Juntao Tan, Rithesh Murthy, Shelby Heinecke, Caiming Xiong, Silvio Savarese, Huan Wang

机构 * Salesforce AI Research（Salesforce AI 研究院） 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Whisper-AuT，通过微调Whisper-large-v3在语音、环境声音和音乐数据上，提升非语音领域的音频表示能力，从而降低下游训练成本。

LLM-based Generation of Semantically Diverse and Realistic Domain Model Instances

基于大型语言模型的语义多样且逼真的领域模型实例生成

Andrei Coman, Lola Burgueño, Dominik Bork, Manuel Wimmer

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

AI总结 本文提出利用LLM和两种提示策略生成语义真实且多样的领域模型实例，通过评估语法正确性、模型一致性及语义多样性验证了方法的有效性。

Raiven: LLM-Based Visualization Authoring via Domain-Specific Language Mediation

Raiven：基于大语言模型的可视化作者化通过领域特定语言中介

Alexandra Irger, Ella Hugie, Minghao Guo, Simon Warchol, Kenneth Moreland, David Pugmire, Wojciech Matusik, Hanspeter Pfister

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

AI总结 Raiven通过领域特定语言中介，统一科学与信息可视化，实现确定性编译和高正确性可视化作者化。

Comments *Alexandra Irger and Ella Hugie are co-first authors

PSF-Med: Measuring and Explaining Paraphrase Sensitivity in Medical Vision Language Models

PSF-Med: 医学视觉语言模型中反语敏感性的测量与解释

Binesh Sadanandan, Vahid Behzadan

机构 * SAIL Lab, University of New Haven（纽黑文大学SAIL实验室） 纠错

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

AI总结 本文提出PSF-Med基准，通过26850个胸部X光问题及92856个意义保持的改写句，评估九种VLMs在临床问题改写下的稳定性与视觉依赖性，发现模型在反语下的翻转率差异显著，且通过特征分析揭示了模型决策机制。

ASPIRin: Action Space Projection for Interactivity-Optimized Reinforcement Learning in Full-Duplex Speech Language Models

ASPIRin: 动作空间投影用于全双工语音语言模型中的交互优化强化学习

Chi-Yuan Hsiao, Ke-Han Lu, Yu-Kuan Fu, Guan-Ting Lin, Hsiao-Tsung Hung, Hung-yi Lee

机构 * National Taiwan University（国立台湾大学） ； ASUS Open Cloud Infrastructure Software Center（华硕开放云端基础设施软件中心） ； NVIDIA AI Technology Center（英伟达人工智能技术中心） 纠错

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

AI总结 ASPIRin通过动作空间投影和GRPO方法优化全双工语音语言模型的交互性能，提升语义连贯性并减少重复生成。

Delving Aleatoric Uncertainty in Medical Image Segmentation via Vision Foundation Models

深入探讨医学图像分割中的随机不确定性：通过视觉基础模型

Ruiyang Li, Fang Liu, Licheng Jiao, Xinglin Xie, Jiayao Hao, Shuo Li, Xu Liu, Jingyi Yang, Lingling Li, Puhua Chen, Wenping Ma

机构 * Key Laboratory of Intelligent Perception and Image Understanding of Ministry of Education（教育部智能感知与图像理解重点实验室） ； International Research Center for Intelligent Perception and Computation（智能感知与计算国际研究中心） ； Joint International Research Laboratory of Intelligent Perception and Computation（智能感知与计算联合国际研究实验室） ； School of Artificial Intelligence, Xidian University（西安电子科技大学人工智能学院） 纠错

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

AI总结 本文通过视觉基础模型分析医学图像分割中的数据不确定性，提出数据过滤和动态优化策略，提升模型鲁棒性和分割性能。

Is There Knowledge Left to Extract? Evidence of Fragility in Medically Fine-Tuned Vision-Language Models

还有可以提取的知识吗？医学微调视觉语言模型中的脆弱性证据

Oliver McLaughlin, Daniel Shubin, Carsten Eickhoff, Ritambhara Singh, William Rudman, Michal Golovanevsky

机构 * Brown University（布朗大学） ； University of Washington（华盛顿大学） ； University of Tübingen（蒂宾根大学） ； 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 ：language model(title,abstract)；分类 cs.AI

AI总结 研究评估了四个医学微调的视觉语言模型在四个医学影像任务中的表现，发现任务难度增加时性能下降至接近随机水平，表明临床推理有限，医学微调无明显优势，模型对提示词敏感。

Domain-Specific Data Generation Framework for RAG Adaptation

面向RAG适应的领域特定数据生成框架

Chris Xing Tian, Weihao Xie, Zhen Chen, Zhengyuan Yi, Hui Liu, Haoliang Li, Shiqi Wang, Siwei Ma

机构 * Peng Cheng Laboratory（鹏城实验室） ； City University of Hong Kong（香港城市大学） ； Peking University（北京大学） 纠错

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

AI总结 本文提出RAGen框架，通过识别文档中的关键概念生成领域相关的问答对，支持多种RAG适应策略，提升领域适应效果。

Comments To appear in ACL 2026

Generating High Quality Synthetic Data for Dutch Medical Conversations

生成高质量的荷兰医疗对话合成数据

Cecilia Kuan, Aditya Kamlesh Parikh, Henk van den Heuvel

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

AI总结 本文提出生成荷兰医疗对话合成数据的流程，利用微调后的大型语言模型，通过定量和定性评估发现生成对话在自然度和结构上存在不足，强调需结合领域知识和精心设计提示以提升质量。

Comments Accepted to LREC 2026. This publication was supported by the MediSpeech project funded by ITEA4 under contract number 22032

Improving Random Testing via LLM-powered UI Tarpit Escaping for Mobile Apps

通过LLM赋能的UI陷阱逃脱提升随机测试

Mengqian Xu, Yiheng Xiong, Le Chang, Ting Su, Chengcheng Wan, Weikai Miao

专题命中 领域大模型 ：LLM(title,abstract)

AI总结 本文提出基于LLM的随机GUI测试方法，通过监控UI相似性识别陷阱并建议事件逃离，提升移动应用测试覆盖率和bug发现率，实验显示HybridMonkey和HybridDroidbot在12个应用上平均覆盖率提升54.8%和44.8%。

BDIViz: An Interactive Visualization System for Biomedical Schema Matching with LLM-Powered Validation

BDIViz：一种基于大语言模型验证的生物医学模式匹配交互可视化系统

Eden Wu, Dishita G Turakhia, Guande Wu, Christos Koutras, Sarah Keegan, Wenke Liu, Beata Szeitz, David Fenyo, Cláudio T. Silva, Juliana Freire

专题命中 领域大模型 ：LLM(title,abstract)

AI总结 BDIViz通过交互式可视化技术解决生物医学模式匹配中的可扩展性和语义模糊问题，结合多种匹配方法与大语言模型验证，提升匹配准确性并降低认知负担。

Comments 11 pages, 9 figures. Accepted to IEEE VIS 2025 (Full Papers Track, submission ID 1204)

Journal ref IEEE Transactions on Visualization and Computer Graphics, vol. 32, no. 1, pp. 1208-1218, Jan. 2026

Evaluating Small Open LLMs for Medical Question Answering: A Practical Framework

评估小型开放语言模型用于医疗问答：一种实用框架

Avi-ad Avraam Buskila

机构 * Bar-Ilan University（巴伊兰大学） 纠错

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

AI总结 本文提出评估小型本地部署开放权重语言模型在医疗问答中的实用框架，强调可重复性与准确性的平衡，通过八个质量指标和重复推理评估发现模型输出一致性不足，且领域微调影响评估结果。

The Myth of Expert Specialization in MoEs: Why Routing Reflects Geometry, Not Necessarily Domain Expertise

专家专业化在MoEs中的神话：为什么路由反映几何，而非领域专业知识

Xi Wang, Soufiane Hayou, Eric Nalisnick

机构 * Johns Hopkins University（约翰霍普金斯大学） 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 本文研究了MoEs中专家专业化的机制，指出路由依赖于隐藏状态相似性，而非领域专业知识，并揭示了专业化的几何属性及在不同数据下的表现。

Retrieval Augmented Conversational Recommendation with Reinforcement Learning

基于强化学习的检索增强对话推荐

Zhenrui Yue, Honglei Zhuang, Zhen Qin, Zhankui He, Huimin Zeng, Julian McAuley, Dong Wang

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RAR框架，通过动态结合检索与生成提升推荐性能与事实性，构建大规模电影语料库并引入强化学习方法优化候选集。

RECIPER: A Dual-View Retrieval Pipeline for Procedure-Oriented Materials Question Answering

RECIPER：一种面向材料问题回答的双视角检索流程

Zhuoyu Wu, Wenhui Ou, Pei-Sze Tan, Wenqi Fang, Sailaja Rajanala, Raphaël C. -W. Phan

机构 * Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院） 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 本文提出RECIPER双视角检索流程，通过结合段落上下文和紧凑的LLM提取的工艺摘要，提升材料科学论文中工艺细节的检索效果，实验表明在多个检索模型上均取得显著提升。

Comments 5 pages, 1 figure

RobustMedSAM: Degradation-Resilient Medical Image Segmentation via Robust Foundation Model Adaptation

RobustMedSAM: 通过鲁棒基础模型适应实现抗退化的医学图像分割

Jieru Li, Matthew Chen, Micky C. Nnamdi, J. Ben Tamo, Benoit L. Marteau, May D. Wang

机构 * Georgia Institute of Technology（佐治亚理工学院） 纠错

专题命中 领域大模型 ：foundation model(title)

AI总结 本文提出RobustMedSAM，通过模块级检查点融合和参数高效变体，提升医学图像分割在退化数据下的鲁棒性，实验表明其在降质图像Dice系数上优于SAM。

Comments 14 pages, 9 figures

LLMs for Qualitative Data Analysis Fail on Security-specificComments in Human Experiments

大型语言模型在定性数据分析中对安全特定评论的处理失败

Maria Camporese, Fabio Massacci, Yuanjun Gong

机构 * University of Trento（特伦托大学） ； Vrije Universiteit Amsterdam（阿姆斯特丹自由大学） 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 本文研究了大型语言模型在自动标注技术安全评论中的有效性，发现尽管模型在某些情况下表现提升，但无法可靠替代人工标注。

Legal2LogicICL: Improving Generalization in Transforming Legal Cases to Logical Formulas via Diverse Few-Shot Learning

Legal2LogicICL: 通过多样少量样本学习提升将法律案例转换为逻辑公式的一般化能力

Jieying Xue, Phuong Minh Nguyen, Ha Thanh Nguyen, May Myo Zin, Ken Satoh

机构 * Center for Juris-Informatics, ROIS-DS（法信息学中心，ROIS-DS） ； Japan Advanced Institute of Science and Technology（日本先端科学技术大学） 纠错

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

AI总结 本文提出Legal2LogicICL框架，通过检索增强生成实现有效上下文学习，构建信息丰富且稳定的少量样本演示，提升法律案例转逻辑表示的准确性与稳定性。

Comments Accepted at ICAIL 2026

Rethinking Software Engineering for Agentic AI Systems

重新思考面向代理AI系统的软件工程

Mamdouh Alenezi

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

AI总结 本文探讨面向代理AI系统软件工程应转向协作与验证，并分析其对教育、工具和实践的影响。

Tracing Prompt-Level Trajectories to Understand Student Learning with AI in Programming Education

通过追踪提示级轨迹来理解学生在编程教育中使用AI的学习过程

Tianyu Shao, Miguel Feijóo-García, Yi Zhang, Hugo Castellanos, Tawfiq Salem, Alejandra Magana, Tianyi Li

专题命中 领域大模型 ：LLM(abstract)；prompting(abstract)

AI总结 研究通过分析学生与AI交互的轨迹，揭示其在编程作业中使用AI工具的学习策略与能力差异，发现学生通过迭代改进而非直接复制AI生成代码的方式提升编程能力。