arXivDaily arXiv每日学术速递 周一至周五更新

AI 大模型

语言大模型 / LLM

大语言模型、预训练、指令微调、后训练和语言模型应用。

2026-04-23 至 2026-04-23 共收录 287 信号源:cs.CL, cs.AI, cs.LG

1. 效率与部署 43 篇

2604.19877 2026-04-23 cs.LG 72%

Super Apriel: One Checkpoint, Many Speeds

Super Apriel:一个检查点,多种速度

SLAM Labs, :, Oleksiy Ostapenko, Raymond Li, Torsten Scholak, Alireza Mousavi-Hosseini, Aman Tiwari, Denis Kocetkov, Joel Lamy Poirier, Kelechi Ogueji, Nanda H Krishna, Rafael Pardinas, Sathwik Tejaswi Madhusudhan, Shruthan Radhakrishna, Srinivas Sunkara, Valerie Becaert

机构 * ServiceNow Research(ServiceNow研究院) University of Toronto(多伦多大学) Vector Institute(向量研究所)

专题命中 效率与部署 :LLM(abstract,abstract_cn);分类 cs.LG

AI总结 Super Apriel通过在解码器层中提供四种预训练的混合器选择,实现单检查点下的多种速度预设,提升解码吞吐量并保持质量。

Comments Models: https://huggingface.co/ServiceNow-AI/SuperApriel-15B-Base and https://huggingface.co/ServiceNow-AI/SuperApriel-15B-Instruct . Dev model: https://huggingface.co/ServiceNow-AI/SuperApriel-0.5B-Base . Training code: https://github.com/ServiceNow/Fast-LLM . Async RL: https://github.com/ServiceNow/pipeline-rl . Training logs: https://wandb.ai/servicenow-team/Super_Apriel

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.20452 2026-04-23 cs.IR cs.CL 70%

HaS: Accelerating RAG through Homology-Aware Speculative Retrieval

HaS:通过同源感知的推测检索加速RAG

Peng Peng, Weiwei Lin, Wentai Wu, Xinyang Wang, Yongheng Liu

机构 * South China University of Technology(华南理工大学) Pengcheng Laboratory(鹏城实验室) Jinan University(暨南大学) Beijing Forestry University(北京林业大学)

专题命中 效率与部署 :large language model(abstract);language model(abstract);分类 cs.CL

AI总结 HaS通过同源感知的推测检索框架,在受限范围内进行低延迟推测检索以获取候选文档,并验证其是否包含所需知识,从而提升RAG的效率。

Comments Accepted by ICDE 2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.20267 2026-04-23 cs.SD cs.AI 70%

ATIR: Towards Audio-Text Interleaved Contextual Retrieval

ATIR:面向音频-文本交错上下文检索

Tong Zhao, Chenghao Zhang, Yutao Zhu, Zhicheng Dou

机构 * Gaoling School of Artificial Intelligence, Renmin University of China(中国人民大学北京校区人工智能学院)

专题命中 效率与部署 :large language model(abstract);language model(abstract);分类 cs.AI

AI总结 本文提出ATIR任务,通过整合ASR、QA和检索数据集构建基准,解决现有音频检索数据集在语义检索上的局限,引入新的token压缩机制提升MLLM在ATIR中的性能。

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.19751 2026-04-23 cs.AI cs.CY 70%

AI to Learn 2.0: A Deliverable-Oriented Governance Framework and Maturity Rubric for Opaque AI in Learning-Intensive Domains

AI学习2.0:面向学习密集领域的交付导向治理框架和成熟度评估表

Seine A. Shintani

机构 * Department of Biomedical Sciences, College of Life and Health Sciences, Chubu University(生物医学科学系,生命与健康科学学院,楚博大学) Center for Mathematical Science and Artificial Intelligence, Chubu University(数学科学与人工智能中心,楚博大学) Institute for Advanced Research, Nagoya University(先进研究所,名古屋大学)

专题命中 效率与部署 :large language model(abstract);language model(abstract);分类 cs.AI

AI总结 本文提出AI学习2.0框架,旨在解决AI辅助工作中的代理失效问题,通过交付导向的治理框架、五部分包装、七维成熟度评估表和能力-证据阶梯,确保交付成果的可使用性、可审计性、可转移性和可辩护性。

Comments 10 pages, 2figures

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.17172 2026-04-23 cs.DC cs.AI 70%

UCCL-Zip: Lossless Compression Supercharged GPU Communication

UCCL-Zip: 无损压缩增强的GPU通信

Shuang Ma, Chon Lam Lao, Zhiying Xu, Zhuang Wang, Ziming Mao, Delong Meng, Jia Zhen, Jun Wu, Ion Stoica, Yida Wang, Yang Zhou

机构 * UC Davis(加州大学戴维斯分校) Harvard University(哈佛大学) Amazon Web Services(亚马逊网络服务) UC Berkeley(加州大学伯克利分校)

专题命中 效率与部署 :large language model(abstract);language model(abstract);分类 cs.AI

AI总结 UCCL-Zip通过无损压缩提升GPU通信效率,支持点对点和集体通信,无需修改API且保持数值精度,实测加速强化学习权重同步达47.5%。

详情

展开后加载摘要…

URL PDF HTML 收藏
2507.08540 2026-04-23 cs.CR cs.AI 70%

White-Basilisk: A Hybrid Model for Code Vulnerability Detection

白蛇:一种用于代码漏洞检测的混合模型

Ioannis Lamprou, Alexander Shevtsov, Ioannis Arapakis, Sotiris Ioannidis

机构 * Technical University of Crete(塞萨洛尼基技术大学) University of Crete(克里特大学) Telefonica Research(Telefonica研究)

专题命中 效率与部署 :large language model(abstract);language model(abstract);分类 cs.AI

AI总结 本文提出白蛇模型,通过整合Mamba层、线性自注意力和专家混合框架,在仅200M参数下实现代码漏洞检测的最新成果,展示了在处理长序列和不平衡数据方面的高效性能。

详情

展开后加载摘要…

URL PDF HTML 收藏
2505.07849 2026-04-23 cs.SE cs.AI cs.IR 70%

SweRank: Software Issue Localization with Code Ranking

SweRank: 代码排名用于软件问题定位

Revanth Gangi Reddy, Tarun Suresh, JaeHyeok Doo, Ye Liu, Xuan Phi Nguyen, Yingbo Zhou, Semih Yavuz, Caiming Xiong, Heng Ji, Shafiq Joty

机构 * University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校) Salesforce Research(Salesforce 研究) KAIST AI(韩国科学技术院人工智能研究所)

专题命中 效率与部署 :LLM(abstract,abstract_cn);分类 cs.AI

AI总结 本文提出SweRank框架,通过高效的检索与重排序方法提升软件问题定位的准确性,实验表明其在SWE-Bench-Lite和LocBench上优于现有方法。

Comments ICLR 2026 Camera Ready Version

详情

展开后加载摘要…

URL PDF HTML 收藏
2509.03740 2026-04-23 cs.CV cs.CL 70%

CLIP-SVD: Efficient and Interpretable Vision-Language Adaptation via Singular Values

CLIP-SVD:通过奇异值实现高效且可解释的视觉-语言适应

Taha Koleilat, Hassan Rivaz, Yiming Xiao

机构 * Department of Electrical & Computer Engineering, Concordia University(康科迪亚大学电气与计算机工程系) Department of Computer Science & Software Engineering, Concordia University(康科迪亚大学计算机科学与软件工程系)

专题命中 效率与部署 :language model(abstract);pretraining(abstract);分类 cs.CL

AI总结 CLIP-SVD通过奇异值微调方法,以0.04%的参数量实现高效视觉-语言模型适应,提升适应性能并保留泛化能力,在11个自然和10个生物医学数据集上取得最佳分类结果。

Comments TMLR 2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.19907 2026-04-23 cs.CV 67%

SceneOrchestra: Efficient Agentic 3D Scene Synthesis via Full Tool-Call Trajectory Generation

SceneOrchestra: 通过完整工具调用轨迹生成实现高效的代理3D场景合成

Yun He, Kelin Yu, Matthias Zwicker

机构 * University of Maryland, College Park(马里兰大学学院公园分校)

专题命中 效率与部署 :LLM(abstract,abstract_cn)

AI总结 SceneOrchestra通过训练可调的 orchestration 框架优化工具调用流程,消除逐步审查循环,提升效率和输出质量。

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.20759 2026-04-23 cs.HC cs.GR cs.SE 67%

Autark: A Serverless Toolkit for Prototyping Urban Visual Analytics Systems

Autark:用于城市视觉分析系统原型设计的无服务器工具包

Lucas Alexandre, João Rulff, Talisson Souza, Gustavo Moreira, Daniel de Oliveira, Claudio Silva, Fabio Miranda, Marcos Lage

专题命中 效率与部署 :LLM(abstract,abstract_cn)

AI总结 本文提出Autark,一个用于快速原型设计城市视觉分析系统的无服务器工具包,通过领域感知抽象和结构化接口,提升AI辅助编码效率,并通过实验验证其在构建稳健可共享原型中的能力。

Comments Autark is available at https://autarkjs.org/

详情

展开后加载摘要…

URL PDF HTML 收藏
2603.14222 2026-04-23 cs.CR cs.AI 57%

Membership Inference for Contrastive Pre-training Models with Text-only PII Queries

对比预训练模型的成员推断与仅文本隐私信息查询

Ruoxi Cheng, Yizhong Ding, Jian Zhao, Hongyi Zhang, Haoxuan Ma, Tianle Zhang, Yiyan Huang, Xuelong Li

机构 * Beijing Electronic Science and Technology Institute(北京电子科技研究所) Institute of Artificial Intelligence, China Telecom (TeleAI)(中国电信人工智能研究院(TeleAI)) Nanyang Technological University(南洋理工大学) Nanjing University(南京大学) School of Computing and Information Technology, Great Bay University(广东大湾区大学计算机与信息科技学院)

专题命中 效率与部署 :pretraining(abstract);分类 cs.AI

AI总结 本文提出UMID框架,通过仅文本模态推断多模态模型的记忆,有效检测隐私信息泄露,无需生物特征输入,提升隐私审计效率与效果。

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.20682 2026-04-23 cs.LG 57%

Variance Is Not Importance: Structural Analysis of Transformer Compressibility Across Model Scales

方差并非重要性:Transformer压缩的结构分析及其模型规模

Samuel Salfati

机构 * fraQtl AI Research(fraQtl人工智能研究院)

专题命中 效率与部署 :post-training(abstract);分类 cs.LG

AI总结 本文通过40多项实验研究Transformer压缩,发现方差与重要性无关,块线性依赖分布,重建墙现象,线性随深度增加,30%token计算简单。

Comments 18 pages, 10 figures

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.19278 2026-04-23 cs.AI cs.MA 57%

Explicit Trait Inference for Multi-Agent Coordination

显式特征推断用于多智能体协调

Suhaib Abdurahman, Etsuko Ishii, Katerina Margatina, Divya Bhargavi, Monica Sunkara, Yi Zhang

机构 * University of Southern California(南加州大学) AWS Agentic AI Labs(AWS 代理AI实验室)

专题命中 效率与部署 :LLM(abstract);分类 cs.AI

AI总结 本文提出显式特征推断方法,通过推断伙伴特征提升多智能体协调效率,在经济游戏和复杂多智能体场景中均取得显著效果。

Comments Accepted at ACL 2026 Main Conference

详情

展开后加载摘要…

URL PDF HTML 收藏
2602.22525 2026-04-23 cs.CR 50%

Systems-Level Attack Surface of Edge Agent Deployments on IoT

边缘代理在物联网上的系统级攻击面

Zhonghao Zhan, Krinos Li, Yefan Zhang, Hamed Haddadi

专题命中 效率与部署 :LLM(abstract)

AI总结 研究分析了三种物联网边缘代理部署架构的系统级攻击面,发现边缘部署虽减少云数据暴露,但 fallback 机制会削弱主权,且溯源链易被绕过。

Comments Proceedings of the 6th Workshop on Machine Learning and Systems (EuroMLSys '26), co-located with EuroSys 2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.20515 2026-04-23 cond-mat.mtrl-sci 50%

Accurate and Efficient Interatomic Potentials for Dislocations in InP

精确且高效的InP位错互作用势

Thomas Rocke, Thomas Hudson, Richard Beanland, James Kermode

专题命中 效率与部署 :foundation model(abstract)

AI总结 本文提出基于DFT计算的ACE和MACE模型,用于研究InP中位错运动,其精度优于现有模型,误差低至4%,且计算效率提升五倍。

详情

展开后加载摘要…

URL PDF HTML 收藏

2. 领域大模型 30 篇

2403.20208 2026-04-23 cs.LG cs.AI 93%

Unlock the Potential of Large Language Models for Predictive Tabular Tasks in Data Science with Table-Specific Pretraining

解锁大型语言模型在数据科学中预测表格任务的潜力:通过表格特定预训练

Yazheng Yang, Yuqi Wang, Yaxuan Li, Sankalok Sen, Lei Li, Lin Qiu, Qi Liu

机构 * Department of Computer Science, The University of Hong Kong(香港大学计算机科学系) School of Computer Science and Technology, Harbin Institute of Technology(哈尔滨工业大学计算机科学与技术学院) Department of Information Systems and Management Engineering, Southern University of Science and Technology(南方科技大学信息 systems 和管理工程系)

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

AI总结 本文通过表格特定预训练方法提升LLM在表格预测任务中的表现,验证了定制化训练对提升表格智能的有效性。

Comments 10 pages; Accepted by TKDE

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.19789 2026-04-23 cs.AI cond-mat.mtrl-sci 92%

From Data to Theory: Autonomous Large Language Model Agents for Materials Science

从数据到理论:用于材料科学的自主大语言模型代理

Samuel Onimpa Alfred, Veera Sundararaghavan

机构 * University of Michigan(密歇根大学)

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

AI总结 本文提出自主LLM代理用于材料理论开发,能自主选择方程形式并验证理论准确性,展示其在AI辅助科学发现中的潜力与局限。

Comments 24 pages, 5 figures

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.19774 2026-04-23 cs.CL cs.AI 92%

Phase 1 Implementation of LLM-generated Discharge Summaries showing high Adoption in a Dutch Academic Hospital

LLM生成的出院小结在荷兰学术医院中的阶段1实施显示高采用率

Nettuno Nadalini, Tarannom Mehri, Anne H Hoekman, Katerina Kagialari, Job N Doornberg, Tom P van der Laan, Jacobien H F Oosterhoff, Rosanne C Schoonbeek, Charlotte M H H T Bootsma-Robroeks

机构 * Department of Health Information Office, Data & Digitalization, University Medical Center(健康信息办公室、数据与数字化化大学医院) Department of Trauma Surgery / Orthopedics, University Medical Center(创伤外科/骨科大学医院) Department of Orthopaedic Surgery, Massachusetts General Hospital(骨科手术科马萨诸塞总医院) Harvard Medical School Orthopaedic Trauma Initiative(哈佛医学院骨创伤倡议) Department of Orthopaedic Surgery and Sports Medicine, Amsterdam UMC location University of Amsterdam(骨科手术与运动医学部门,阿姆斯特丹UMC地点大学) Department of Orthopaedic Trauma, Flinders University Medical Centre(骨创伤部门,弗林德斯大学医疗中心) Department of Otolaryngology – Head and Neck Surgery, University Medical Center(耳鼻喉科-头颈外科大学医院) Department of Pediatrics, Pediatrics Nephrology, Beatrix Children’s Hospital, University Medical Center(儿科、儿科肾病学,比西特儿童医院,大学医院)

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

AI总结 本研究评估了集成到电子健康记录中的LLM生成出院小结草案的效果,结果显示高采用率和文档时间减少,支持进一步实施。

Comments The methods section is located after the discussion in this manuscript

详情

展开后加载摘要…

URL PDF HTML 收藏
2508.09958 2026-04-23 cs.CL cs.LG 92%

Neural Bandit Based Optimal LLM Selection for a Pipeline of Subtasks

基于神经带宽的最优LLM选择用于子任务流水线

Baran Atalar, Eddie Zhang, Carlee Joe-Wong

机构 * Carnegie Mellon University(卡内基梅隆大学)

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

AI总结 本文提出一种神经上下文带宽算法,用于在无需历史LLM性能数据的情况下,指导不同子任务的LLM选择,通过子任务输出影响后续任务,实现子任务间复杂依赖关系的学习。

详情

展开后加载摘要…

URL PDF HTML 收藏
2602.20181 2026-04-23 cs.CY cs.AI 92%

Catalyzing Informed Residential Energy Retrofit Decisions via Domain-Specific LLM

通过领域特定LLM催化知情的住宅能源改造决策

Lei Shu, Dong Zhao, Jianli Chen, Armin Yeganeh, Sinem Mollaoglu, Jiayu Zhou

机构 * School of Planning, Design, and Construction, Michigan State University(密歇根州立大学规划、设计与建设学院) Human-Building Systems Lab, Michigan State University(密歇根州立大学人建筑系统实验室) Department of Civil and Environmental Engineering, Michigan State University(密歇根州立大学土木与环境工程系) School of Civil Engineering, Tongji University(同济大学土木工程学院) School of Information, University of Michigan(密歇根大学信息学院)

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

AI总结 本文提出领域特定LLM,通过自然语言描述帮助非专业人士做出知情决策,提升住宅能源改造的效率与科学性。

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.20065 2026-04-23 cs.IR 91%

From Hidden Profiles to Governable Personalization: Recommender Systems in the Age of LLM Agents

从隐藏档案到可控个性化:在LLM代理时代推荐系统

Jiahao Liu, Mingzhe Han, Guanming Liu, Weihang Wang, Dongsheng Li, Hansu Gu, Peng Zhang, Tun Lu, Ning Gu

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

AI总结 本文探讨LLM代理时代推荐系统从隐藏平台档案转向可控个性化,提出五个研究方向,强调用户模型的透明性、隐私保护及跨领域设计。

Comments 6 pages, under review

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.19776 2026-04-23 cs.CL cs.LG 91%

Development and Preliminary Evaluation of a Domain-Specific Large Language Model for Tuberculosis Care in South Africa

针对南非结核病护理的领域专用大型语言模型的开发与初步评估

Thokozile Khosa, Olawande Daramola

机构 * University of Pretoria(南非大学)

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

AI总结 本文提出一种专门用于南非结核病护理的大型语言模型,通过量化低秩适应算法和图检索生成技术,提升了模型在结核病领域的上下文对齐能力。

Comments 12 pages, 2 figures, ICICT 2026 Conference

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.20556 2026-04-23 cs.CL cs.AI 91%

LayerTracer: A Joint Task-Particle and Vulnerable-Layer Analysis framework for Arbitrary Large Language Model Architectures

LayerTracer:一种用于任意大语言模型架构的联合任务-粒子和脆弱层分析框架

Yuhang Wu, Qinyuan Liu, Qiuyang Zhao, Qingwei Chong

机构 * China Electronic Technology Nanhu Research Institute(中国电子科技纳湖研究院)

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

AI总结 本文提出LayerTracer框架,通过逐层提取隐藏状态并映射到词汇概率分布,实现任务粒子定位与层脆弱性量化分析,为混合架构设计和模型优化提供科学依据。

Comments 5 pages, 3 figures

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.19793 2026-04-23 cs.AI cs.CL cs.IR cs.LG 90%

SkillGraph: Graph Foundation Priors for LLM Agent Tool Sequence Recommendation

SkillGraph:用于LLM代理工具序列推荐的图基础先验

Hao Liu, Dongyu Li

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

AI总结 本文提出SkillGraph,通过挖掘49831条成功轨迹构建有向加权执行过渡图,用于LLM代理工具选择与排序。提出的两阶段框架在ToolBench和API-Bank上取得显著提升。

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.20791 2026-04-23 cs.CL cs.AI 90%

Can "AI" Be a Doctor? A Study of Empathy, Readability, and Alignment in Clinical LLMs

AI能成为医生吗?对临床LLM中共情、可读性和对齐性的研究

Mariano Barone, Francesco Di Serio, Roberto Moio, Marco Postiglione, Giuseppe Riccio, Antonio Romano, Vincenzo Moscato

机构 * Department of Electrical Engineering and Information Technology(电子工程与信息科技系) University of Naples Federico II(那不勒斯费德里科二世大学) Department of Translational Medical Sciences(转化医学科学系) University of Campania ”Luigi Vanvitelli”(坎帕尼亚“路易吉·范维蒂利”大学) Department of Computer Science, McCormick School of Engineering and Applied Science(计算机科学系,麦科马克工程与应用科学学院) Northwestern University(西北大学)

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

AI总结 本文研究了临床LLM在共情、可读性和对齐性方面的表现,发现协作重写能显著提升对齐效果,但LLM仍无法超越医生的临床专业性。

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.18878 2026-04-23 cs.CL 89%

LegalBench-BR: A Benchmark for Evaluating Large Language Models on Brazilian Legal Decision Classification

LegalBench-BR: 一个用于评估大型语言模型在巴西法律决策分类上的基准

Pedro Barbosa de Carvalho Neto

机构 * Teresina, PI, Brazil(巴西蒂雷西纳州,PI)

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

AI总结 本文提出LegalBench-BR,首个公开的巴西法律文本分类评估基准,通过LoRA微调在消费级GPU上实现零边际推理成本,展示领域适应模型在巴西法律分类中的必要性。

Comments 8 pages, 1 figure. Preprint. First public benchmark for Brazilian legal text classification. Dataset and model available on Hugging Face

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.01965 2026-04-23 cs.IR cs.AI cs.CL cs.DL 88%

Do We Need Bigger Models for Science? Task-Aware Retrieval with Small Language Models

我们是否需要更大的模型用于科学?基于任务的检索与小型语言模型

Florian Kelber, Matthias Jobst, Yuni Susanti, Michael Färber

机构 * TU Dresden, Germany(德累斯顿理工大学,德国) FIZ Karlsruhe, Germany(卡尔斯鲁厄研究所,德国) ScaDS.AI, TU Dresden, Germany(ScaDS.AI,德累斯顿理工大学,德国)

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

AI总结 本文探讨小型语言模型在科学应用中的可行性,通过设计轻量级检索增强框架,结合全文科学论文和结构化元数据,展示检索与模型规模的互补性。

Comments Accepted at NSLP@LREC 2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2502.07963 2026-04-23 cs.CL cs.AI 87%

Caught in the Web of Words: Do LLMs Fall for Spin in Medical Literature?

陷入词语的网络:大型语言模型是否在医学文献中受偏见影响?

Hye Sun Yun, Karen Y. C. Zhang, Ramez Kouzy, Iain J. Marshall, Junyi Jessy Li, Byron C. Wallace

机构 * Northeastern University, Boston, MA, USA(东北大学,波士顿,马萨诸塞州,美国) The University of Texas MD Anderson Cancer Center, Houston, Texas, USA(德克萨斯大学MD安德森癌症中心,休斯顿,德克萨斯州,美国) King’s College London, London, UK(伦敦国王学院,伦敦,英国) The University of Texas at Austin, Austin, Texas, USA(德克萨斯大学奥斯汀分校,奥斯汀,德克萨斯州,美国)

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

AI总结 研究探讨了大型语言模型(LLM)在处理医学文献时是否受作者偏见影响,发现LLM比人类更容易受偏见影响,但可通过提示减少其影响。

Comments 26 pages, 17 figures, 4 tables, Conference on Health, Inference, and Learning (CHIL) 2025

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.20548 2026-04-23 cs.CL cs.AI cs.DL cs.IR 87%

Enhancing Research Idea Generation through Combinatorial Innovation and Multi-Agent Iterative Search Strategies

通过组合创新和多智能体迭代搜索策略增强研究想法生成

Shuai Chen, Chengzhi Zhang

机构 * Department of Information Management, Nanjing University of Science and Technology(南京理工大学信息管理学院)

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

AI总结 本文提出结合迭代知识搜索与LLM多智能体系统的框架,通过反复交互生成、评估和优化研究想法,提升多样性与新颖性,在自然语言处理领域实验表明优于现有基线方法。

Comments Scientometrics

详情

展开后加载摘要…

URL PDF HTML 收藏
2511.15141 2026-04-23 cs.IR cs.AI 85%

ItemRAG: Item-Based Retrieval-Augmented Generation for LLM-Based Recommendation

ItemRAG: 基于物品的检索增强生成用于基于大语言模型的推荐系统

Sunwoo Kim, Geon Lee, Kyungho Kim, Jaemin Yoo, Kijung Shin

机构 * Seoul National University(首尔国立大学)

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 ItemRAG通过细粒度物品级检索提升推荐效果,结合共购信息与语义信息,有效解决冷启动问题,实验表明其优于现有RAG方法。

Comments Published as a conference paper at SIGIR 2026 (short)

详情

展开后加载摘要…

URL PDF HTML 收藏