语言大模型 / LLM

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） 纠错

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

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） 纠错

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

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） 纠错

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

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） 纠错

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。

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） 纠错

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。

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

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） 纠错

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

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） 纠错

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

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。

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） 纠错

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。

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） 纠错

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

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） 纠错

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

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） 纠错

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

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） 纠错

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

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） 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 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)

A multimodal and temporal foundation model for virtual patient representations at healthcare system scale

面向医疗系统规模的多模态与时间基础模型：虚拟患者表示

Andrew Zhang, Tong Ding, Sophia J. Wagner, Caiwei Tian, Ming Y. Lu, Rowland Pettit, Joshua E. Lewis, Alexandre Misrahi, Dandan Mo, Long Phi Le, Faisal Mahmood

机构 * Department of Pathology, Mass General Brigham, Harvard Medical School（病理学系，马萨诸塞州总医院与哈佛医学院） ； Cancer Program, Broad Institute of Harvard and MIT（癌症计划，哈佛-麻省理工Broad研究所） ； Data Science Program, Dana-Farber Cancer Institute（数据科学计划，达纳-法伯癌症研究所） ； Health Sciences and Technology, Harvard-MIT（健康科学与技术，哈佛-麻省理工） ； Harvard John A. Paulson School of Engineering and Applied Sciences, Harvard University（哈佛约翰·A·保罗森工程与应用科学学院，哈佛大学） ； Department of Biomedical Informatics, Harvard Medical School（生物医学信息学系，哈佛医学院） ； Electrical Engineering and Computer Science, Massachusetts Institute of Technology (MIT)（电气工程与计算机科学，麻省理工学院（MIT）） ； School of Computer and Communication Sciences, EPFL, Lausanne, Switzerland（计算机与通信科学学院，EPFL，瑞士洛桑） 纠错

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

AI总结 本文提出Apollo模型，整合多模态和时间信息，构建虚拟患者表示，用于预测疾病风险、治疗反应等，展示其在医疗计算中的潜力。

From Fuzzy to Formal: Scaling Hospital Quality Improvement with AI

从模糊到正式：利用AI扩展医院质量改进

Patrick Vossler, Jean Feng, Venkat Sivaraman, Robert Gallo, Hemal Kanzaria, Dana Freiser, Christopher Ross, Amy Ou, James Marks, Susan Ehrlich, Christopher Peabody, Lucas Zier

机构 * University of California, San Francisco（加州大学旧金山分校） ； Zuckerberg San Francisco General Hospital（扎克伯格旧金山总医院） 纠错

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

AI总结 本文提出通过AI框架优化医院质量改进过程，通过学习LLM提示和自然语言规范，提升质量因素发现的效率与可追溯性，实现人类与AI协同优化。

Comments 34 pages, 8 figures, 6 tables

FELA: A Multi-Agent Evolutionary System for Feature Engineering of Industrial Event Log Data

FELA：一种用于工业事件日志数据特征工程的多智能体进化系统

Kun Ouyang, Haoyu Wang, Dong Fang

机构 * Department of Electronic Engineering, Tsinghua University LIGHTSPEED STUDIOS, China 纠错

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

AI总结 本文提出FELA，一种基于大语言模型的多智能体系统，通过协作生成、验证和实现新颖特征，提升工业事件日志数据的特征工程效率与性能。

Comments 14 pages, 11 figures

LLAMADRS: Evaluating Open-Source LLMs on Real Clinical Interviews--To Reason or Not to Reason?

LLAMADRS：在真实临床访谈中评估开源大语言模型——理性推理还是不理性推理？

Gaoussou Youssouf Kebe, Jeffrey M. Girard, Einat Liebenthal, Justin Baker, Fernando De la Torre, Louis-Philippe Morency

机构 * Carnegie Mellon University, School of Computer Science（卡内基梅隆大学计算机学院） ； University of Kansas, Department of Psychology（堪萨斯大学心理学系） ； McLean Hospital, Harvard Medical School（麦肯纳医院哈佛医学院） 纠错

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

AI总结 本文通过LLAMADRS基准测试，评估了25种开源大语言模型在结构化临床评估中的表现，发现理性推理模型在误差控制上并不总是更优，提示提示设计对模型性能有关键影响。

SciCoQA: Quality Assurance for Scientific Paper--Code Alignment

SciCoQA：科学论文与代码对齐的质量保障

Tim Baumgärtner, Iryna Gurevych

机构 * Ubiquitous Knowledge Processing Lab (UKP Lab), Department of Computer Science, TU Darmstadt and National Research Center for Applied Cybersecurity ATHENE（普遍知识处理实验室（UKP实验室）、计算机科学系、德累斯顿技术大学和应用网络安全国家研究中心ATHENE） 纠错

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

AI总结 本文提出SciCoQA数据集，用于评估LLM在科学论文与代码对齐任务中的表现，揭示自动化科学质量保障的关键差距。

Comments Accepted at ACL 2026

CyberCertBench: Evaluating LLMs in Cybersecurity Certification Knowledge

CyberCertBench: 评估大语言模型在网络安全认证知识中的表现

Gustav Keppler, Ghada Elbez, Veit Hagenmeyer

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CyberCertBench，通过行业认证试题评估大语言模型的网络安全知识，验证了前沿模型在通用知识上的表现，但其在特定厂商标准问题上的准确性下降。

CoAuthorAI: A Human in the Loop System For Scientific Book Writing

CoAuthorAI：一种用于科学书籍写作的人机协作系统

Yangjie Tian, Xungang Gu, Yun Zhao, Jiale Yang, Lin Yang, Ning Li, He Zhang, Ruohua Xu, Hua Wang, Kewen Liao, Ming Liu

机构 * Kexin Technology, Beijing（凯欣科技，北京） ； Institute for Sustainable Industries and Liveable Cities, Victoria University（可持续产业与宜居城市研究所，维多利亚大学） ； School of Information Technology, Deakin University（信息科技学院，德坎大学） 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 CoAuthorAI通过人机协作系统，结合检索增强生成、专家设计的层级大纲和自动参考链接，提升科学书籍写作的准确性和一致性，实现从文章到整本书的出版扩展。

Do Hallucination Neurons Generalize? Evidence from Cross-Domain Transfer in LLMs

幻觉神经元能否泛化？来自LLMs跨领域迁移的证据

Snehit Vaddi, Pujith Vaddi

机构 * Independent Researcher（独立研究员） 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 研究探讨了LLMs中幻觉神经元在不同知识领域间的泛化能力，发现其在跨领域迁移时性能显著下降，表明幻觉机制具有领域特异性。

Comments 18 pages, 5 models, 6 domains, ACL format. Includes causal intervention analysis

Enhancing ASR Performance in the Medical Domain for Dravidian Languages

增强达罗毗荼语言医学领域ASR性能

Sri Charan Devarakonda, Ravi Sastry Kolluru, Manjula Sri Rayudu, Rashmi Kapoor, Madhu G, Anil Kumar Vuppala

机构 * Vallurupalli Nageswara Rao Vignana Jyothi Institute of Engineering and Technology（瓦卢鲁普利·纳加斯瓦拉·拉奥维迦纳·乔蒂学院工程与技术学院） 纠错

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

AI总结 本文提出一种结合静态感知和声学相似度及动态模型熵的混合置信度训练框架，通过整合真实和合成语音数据提升达罗毗荼语言医学领域ASR性能，实验显示在Telugu和Kannada医疗数据集上显著降低识别错误率。

CEDAR: Context Engineering for Agentic Data Science

CEDAR：面向代理的数据科学应用

Rishiraj Saha Roy, Chris Hinze, Luzian Hahn, Fabian Kuech

机构 * Department of Generative AI, Fraunhofer IIS（生成人工智能系，弗劳恩霍夫研究所） 纠错

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

AI总结 CEDAR通过有效的上下文工程解决数据科学任务中的复杂性、数据规模、计算限制和上下文限制问题，采用分步生成计划和代码块的方式提升数据科学任务自动化水平。

Comments Accepted at ECIR 2026

From Raw Features to Effective Embeddings: A Three-Stage Approach for Multimodal Recipe Recommendation

从原始特征到有效嵌入：一种多模态食谱推荐的三阶段方法

Jeeho Shin, Kyungho Kim, Kijung Shin

机构 * KAIST（韩国科学技术院） 纠错

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

AI总结 本文提出TESMR三阶段框架，通过内容、关系和学习增强多模态特征，提升食谱推荐性能，实验表明其在Recall@10上比现有方法高7-15%。

Multi-Armed Bandits With Machine Learning-Generated Surrogate Rewards

多臂老虎机与机器学习生成的代理奖励

Wenlong Ji, Yihan Pan, Ruihao Zhu, Lihua Lei

机构 * Stanford University（斯坦福大学） ； Northwestern University（西北大学） ； Cornell University（康奈尔大学） 纠错

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

AI总结 本文提出MLA-UCB算法，利用机器学习模型将辅助信息转换为代理奖励，解决代理奖励偏差问题，改进累积遗憾并实现渐近最优。

Effects of Cross-lingual Evidence in Multilingual Medical Question Answering

多语言医疗问答中跨语言证据的影响

Anar Yeginbergen, Maite Oronoz, Rodrigo Agerri

机构 * HiTZ Center - Ixa, University of the Basque Country UPV/EHU（巴斯克大学希茨中心 - Ixa，巴斯克国家大学UPV/EHU） 纠错

专题命中 领域大模型 ：LLM(abstract)；分类 cs.CL

AI总结 本文研究了多语言医疗问答中跨语言证据的作用，探讨了不同规模模型在三种外部证据源下的表现，发现大模型在英语中表现更优，而低资源语言需结合英式和目标语言检索以获得相近准确率。

Structure-Semantic Decoupled Modulation of Global Geospatial Embeddings for High-Resolution Remote Sensing Mapping

全局地理嵌入的结构-语义解耦调制用于高分辨率遥感制图

Jienan Lyu, Miao Yang, Jinchen Cai, Yiwen Hu, Guanyi Lu, Junhao Qiu, Runmin Dong

机构 * Sun Yat-Sen University（中山大学） ； Tsinghua University（清华大学） 纠错

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

AI总结 本文提出SSDM框架，通过解耦全局地理表示为两个互补的跨模态注入路径，提升高分辨率遥感制图的结构和语义一致性，实现更准确的土地覆盖分类。

An Analysis of Attack Vectors Against FIDO2 Authentication

对FIDO2认证攻击向量的分析

Alexander Berladskyy, Andreas Aßmuth

专题命中 领域大模型 ：prompting(abstract)

AI总结 本文分析了FIDO2认证的攻击方法，探讨了两种新型攻击方式，发现其安全性较高，相比传统密码认证更具优势。

Comments 7 pages

Journal ref Proc of the First International Conference on Cross-Domain Security in Distributed, Intelligent and Critical Systems (CROSS-SEC 2026), Lisbon, Portugal, pp.~77--83, April 2026