语言大模型 / LLM

What Don't You Understand? Using Large Language Models to Identify and Characterize Student Misconceptions About Challenging Topics

你有什么不明白吗？利用大型语言模型识别和表征学生在困难主题上的误解

Michael J. Parker, Maria G. Zavala-Cerna

机构 * Harvard Medical School and Division of Pulmonary, Critical Care and Sleep Medicine, Beth Israel Deaconess Medical Center（哈佛医学院和肺科、重症医学及睡眠医学部门，贝斯以色列德aconess医疗中心） 纠错

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

AI总结 本文通过量化分析与大型语言模型结合的方法，识别在线学习环境中学生在关键主题上的误解，揭示了通过考试题目内容、学生回答模式和课堂讲义相结合的数据分析，发现学生误解的可操作见解。

Comments 60 pages. Education and Information Technologies (2026)

Can Coding Agents Reproduce Findings in Computational Materials Science?

编码代理能否在计算材料科学中复现研究成果？

Ziyang Huang, Yi Cao, Ali K. Shargh, Jing Luo, Ruidong Mei, Mohd Zaki, Zhan Liu, Wyatt Bunstine, William Jurayj, Somdatta Goswami, Tyrel McQueen, Michael Shields, Jaafar El-Awady, Paulette Clancy, Benjamin Van Durme, Nicholas Andrews, William Walden, Daniel Khashabi

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(summary_cn,abstract)；large language model(abstract)；language model(abstract)；foundation model(abstract)

AI总结 研究探讨编码代理在计算材料科学领域复现研究结果的能力，提出AutoMat基准测试，发现当前LLM代理在复现复杂科学流程时表现有限，存在流程不完整、方法偏差等问题。

Comparing Exploration-Exploitation Strategies of LLMs and Humans: Insights from Standard Multi-armed Bandit Experiments

比较语言模型和人类的探索-利用策略：来自标准多臂老虎机实验的见解

Ziyuan Zhang, Darcy Wang, Ningyuan Chen, Rodrigo Mansur, Vahid Sarhangian

机构 * Department of Mechanical & Industrial Engineering, University of Toronto（机械与工业工程系，多伦多大学） ； The Rotman School of Management, University of Toronto（罗特曼管理学院，多伦多大学） ； Department of Psychiatry, University of Toronto（精神病学系，多伦多大学） 纠错

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

AI总结 本文通过多臂老虎机实验比较语言模型、人类和算法的探索-利用策略，发现启用思考使语言模型行为更接近人类，但在复杂环境中表现受限。

Lightweight Domain Adaptation of a Large Language Model for Legal Assistance in the Indian Context

轻量级领域适应大型语言模型用于印度法律援助

Jatin Gupta, Akhil Sharma, Saransh Singhania, Ali Imam Abidi

机构 * Department of Computer Science and Engineering, Sharda University, Greater Noida, India（计算机科学与工程系，Sharda大学，Greater Noida，印度） 纠错

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

AI总结 本文提出Legal Assist AI框架，通过检索增强生成与策略性提示工程，在印度法律领域实现高效表现，利用高质量法律文档集提升性能，比GPT-3.5 Turbo更高效，且有效缓解幻觉问题。

Comments 8 pages, 2 tables, 5 figures. This is a revised version of a preprint previously available at this DOI: \url{https://doi.org/10.48550/arXiv.2505.22003}

Adoption and Use of LLMs at an Academic Medical Center

学术医疗中心中大语言模型的采用与使用

Nigam H. Shah, Nerissa Ambers, Abby Pandya, Timothy Keyes, Juan M. Banda, Srikar Nallan, Carlene Lugtu, Artem A. Trotsyuk, Suhana Bedi, Alyssa Unell, Miguel Fuentes, Francois Grolleau, Sneha S. Jain, Jonathan Chen, Devdutta Dash, Danton Char, Aditya Sharma, Duncan McElfresh, Patrick Scully, Vishanthan Kumar, Clancy Dennis, Connor OBrien, Satchi Mouniswamy, Elvis Jones, Krishna Jasti, Gunavathi Mannika Lakshmanan, Sree Ram Akula, Varun Kumar Singh, Ramesh Rajmanickam, Sudhir Sinha, Vicky Zhou, Xu Wang, Bilal Mawji, Joshua Ge, Wencheng Li, Travis Lyons, Jarrod Helzer, Vikas Kakkar, Ramesh Powar, Darren Batara, Cheryl Cordova, William Frederick, Olivia Tang, Phoebe Morgan, April S. Liang, Stephen P. Ma, Shivam Vedak, Dong-han Yao, Akshay Swaminathan, Mehr Kashyap, Brian Ng, Jamie Hellman, Nikesh Kotecha, Christopher Sharp, Gretchen Brown, Christian Lindmark, Anurang Revri, Michael A. Pfeffer

机构 * Stanford Medicine, Technology and Digital Solutions（斯坦福医学院技术与数字解决方案） 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.AI

AI总结 本文提出ChatEHR系统，通过整合患者多年医疗记录，实现LLM在临床文档中的自动化与交互应用，提升医疗效率与数据准确性。

ViLegalNLI: Natural Language Inference for Vietnamese Legal Texts

ViLegalNLI：越南法律文本的自然语言推理

Nhung Thi-Hong Duong, Mai Ngoc Ho, Tin Van Huynh, Kiet Van Nguyen

机构 * University of Information Technology（信息技术大学） ； Vietnam National University（越南国家大学） 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、cs.AI、cs.LG

AI总结 本文提出ViLegalNLI，首个针对法律领域构建的越南语自然语言推理数据集，包含42,012个前提-假设对，涵盖多种法律领域，用于评估法律推理的结构逻辑与术语一致性。

Comments 33 pages, 17 figures

Budget-Aware Routing for Long Clinical Text

面向预算的路由：长临床文本

Khizar Qureshi, Geoffrey Martin, Yifan Peng

机构 * MIT, Cambridge, MA（麻省理工学院，马萨诸塞州剑桥） ； Cornell University, Ithaca, NY（康奈尔大学，纽约州伊萨克中心） ； Weill Cornell Medicine, New York, NY（韦尔医学院，纽约市） 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、cs.AI

AI总结 本文研究了在预算限制下选择临床文本上下文的方法，提出RCD目标平衡相关性、覆盖性和多样性，并通过实验展示不同单位化策略和路由启发式方法的效果差异。

Evaluating Legal Reasoning Traces with Legal Issue Tree Rubrics

用法律问题树准则评估法律推理轨迹

Jinu Lee, Kyoung-Woon On, Simeng Han, Arman Cohan, Julia Hockenmaier

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； LBOX ； Stanford（斯坦福） ； Yale（耶鲁） 纠错

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

AI总结 本文提出 LEGIT 数据集，用于评估 LLM 在法律领域推理轨迹的质量，发现法律问题覆盖度和正确性影响 LLM 推理能力，RAG 和带准则的 RL 分别提升整体能力与正确性。

Comments ACL 2026 Main Conference

AirFM-DDA: Air-Interface Foundation Model in the Delay-Doppler-Angle Domain for AI-Native 6G

AirFM-DDA：用于AI原生6G的延迟-多普勒-角度域空气接口基础模型

Kejia Bian, Meixia Tao, Jianhua Mo, Zhiyong Chen, Leyan Chen

机构 * School of Information Science and Electronic Engineering, Shanghai Jiao Tong University, Shanghai, 200240, China（上海交通大学信息科学与电子工程学院，上海，200240，中国） ； Shanghai Innovation Institute, Shanghai 200231, China（上海创新研究院，上海200231，中国） 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AirFM-DDA，一种在延迟-多普勒-角度域运作的空气接口基础模型，用于物理层任务，通过重新参数化CSI并引入帧结构感知位置编码，提升零样本泛化能力与计算效率。

Comments 16 pages

When RAG Chatbots Expose Their Backend: An Anonymized Case Study of Privacy and Security Risks in Patient-Facing Medical AI

当RAG聊天机器人暴露其后端：对患者面向医疗AI隐私和安全风险的匿名案例研究

Alfredo Madrid-García, Miguel Rujas

机构 * Independent researcher（独立研究者） ； Escuela Técnica Superior de Ingenieros de Telecomunicación Universidad Politécnica de Madrid（电信工程学院理工大学） 纠错

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

AI总结 研究通过匿名案例分析，揭示了患者面向RAG聊天机器人中隐私和安全风险，指出通过浏览器工具可发现关键漏洞，强调部署前需独立审查。

GenRecEdit: Adapting Model Editing for Generative Recommendation with Cold-Start Items

GenRecEdit：为生成推荐适应模型编辑以应对冷启动项目

Chenglei Shen, Teng Shi, Weijie Yu, Xiao Zhang, Jun Xu

机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学全球化人工智能学院） ； School of Information Technology and Management, University of International Business and Economics（国际经济贸易大学信息科学技术与管理学院） 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 GenRecEdit通过模型编辑技术解决生成推荐中冷启动问题，通过迭代token级编辑和一对一触发机制提升冷启动项目推荐性能，仅需9.5%的训练时间。

SENECA: Small-Sample Discrete Entropy Estimation via Self-Consistent Missing Mass

SENECA: 通过自一致缺失质量进行小样本离散熵估计

Lucas H. McCabe, H. Howie Huang

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

AI总结 SENECA提出一种基于自一致缺失质量计算的熵估计方法，解决小样本下因未观测支持集成员导致的系统性低估问题，在生物多样性估计和大语言模型检测中表现优异。

Pedagogical Promise and Peril of AI: A Text Mining Analysis of ChatGPT Research Discussions in Programming Education

AI在教育中的教学潜力与风险：对编程教育中ChatGPT研究讨论的文本挖掘分析

Juvy C. Grume, John Paul P. Miranda, Aileen P. De Leon, Jordan L. Salenga, Hilene E. Hernandez, Mark Anthony A. Castro, Vernon Grace M. Maniago, Joel D. Canlas, Joel B. Quiambao

机构 * Pampanga State University（帕曼加州大学） 纠错

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

AI总结 本文通过文本挖掘分析编程教育中ChatGPT的研究文献，揭示了教学实施、以学生为中心的学习、AI基础设施与人机协作、以及评估与模型评估四大主题，指出需加强评估与治理机制。

Comments 3 tables, 14 pages, book chapter

Journal ref Pedagogical Innovations in Computer Science Education, 2026, pp. 305-330