语言大模型 / LLM

Practical Limits of Autonomous Test Repair: A Multi-Agent Case Study with LLM-Driven Discovery and Self-Correction

自主测试修复的实践极限：基于LLM驱动发现与自我校正的多智能体案例研究

Hyukjoo Lee

机构 * Independent Researcher（独立研究者） 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 本文通过多智能体系统在企业UI测试中的应用，探讨自主测试的限制，发现受限自主性能提升系统稳定性与可靠性，需结合验证边界和人工监督。

Comments Industrial case study; submitted for review

Towards Agentic Runtime Healing

面向代理的运行时自愈

Zhensu Sun, Haotian Zhu, Bowen Xu, Xiaoning Du, Li Li, David Lo

机构 * Singapore Management University（新加坡国立大学） ； North Carolina State University（北卡罗来纳州立大学） ； Monash University（墨尔本大学） ； Beihang University（北航） 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 本文提出利用大语言模型实现动态生成错误处理策略，通过Healer框架在四个代码数据集上验证了其在运行时错误恢复中的有效性，展示了LLM在自愈系统中的潜力。

Comments Accepted by CACM

Generalized Category Discovery under Domain Shifts: From Vision to Vision-Language Models

在域偏移下进行广义类别发现：从视觉模型到视觉-语言模型

Hongjun Wang, Po Hu, Kai Han

机构 * School of Computing and Data Science, The University of Hong Kong（计算与数据科学学院，香港大学） 纠错

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

AI总结 本文研究在域偏移下的广义类别发现问题，提出三种适应基础模型的框架，从自监督视觉模型到视觉-语言模型，通过多级特征提取和互信息最小化等方法提升性能。

Comments Submission to TPAMI

Learning Decomposed Contextual Token Representations from Pretrained and Collaborative Signals for Generative Recommendation

从预训练和协作信号中学习分解的上下文令牌表示以生成推荐

Yifan Liu, Yaokun Liu, Zelin Li, Zhenrui Yue, Gyuseok Lee, Ruichen Yao, Yang Zhang, Dong Wang

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Miami University（迈阿密大学） 纠错

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

AI总结 本文提出DECOR框架，通过上下文化令牌组成和分解嵌入融合，提升推荐性能，实验证明其优于现有方法。

Comments Accepted to SIGIR 2026. Full author version

AI Realtor: Towards Grounded Persuasive Language Generation for Automated Copywriting

AI 房地产经纪人：迈向基于现实的说服性语言生成以实现自动化文案写作

Jibang Wu, Chenghao Yang, Yi Wu, Simon Mahns, Chaoqi Wang, Hao Zhu, Fei Fang, Haifeng Xu

机构 * Schmidt Sciences（施密特科学） 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 本文提出了一种基于大语言模型的代理框架，用于房地产营销中的自动化文案写作中的基于现实的说服性语言生成。通过系统的人类受试者实验，证明了该方法在保持事实准确性的同时，生成的营销描述更受潜在购房者青睐。

HepScript: A Dual-Use DSL for Human-AI Collaborative Data Analysis Workflows in High-Energy Physics

HepScript：一种双用途DSL，用于高能物理中的人工智能协作数据分析工作流

Junkun Jiao, Tong Liu, Ke Li, Weimin Song, Yipu Liao, Bolun Zhang, Beijiang Liu, Chang-Zheng Yuan, Yue Sun

机构 * Jilin University（吉林大学） ； Institute of High Energy Physics, CAS（高能物理研究所） ； University of Chinese Academy of Sciences（中国科学院大学） 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 HepScript通过双用途DSL提升高能物理数据分析效率，减少人工编写代码93%，AI可自主生成95%的成功执行规范。

Teaching LLMs Brazilian Healthcare: Injecting Knowledge from Official Clinical Guidelines

教大语言模型巴西医疗：注入官方临床指南的知识

Hugo Abonizio, Filipe Rocha Lopes, Roberto Lotufo, Rodrigo Nogueira

机构 * FEEC, UNICAMP（UNICAMP电子工程学院） ； Maritaca AI 纠错

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

AI总结 本文通过适配Qwen2.5-14B-Instruct模型，生成合成数据并采用持续预训练和GRPO方法，构建了HealthBench-BR和PCDT-QA基准，实现了在巴西医疗领域上的高准确率表现。

Democratizing the medieval English legal tradition

让中世纪英国法律传统民主化

Michael Zhang, Elise Wang, Charlotte Whatley, Seth Strickland, Dylan Bannon

机构 * University of Chicago（芝加哥大学） ； California State University（加州州立大学） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Carnegie Mellon University（卡内基梅隆大学） ； Unaffiliated（无隶属机构） 纠错

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

AI总结 本文通过构建包含193个中世纪案件的文本数据集，训练端到端转录管道，利用神经网络和后处理技术提升手写文本识别准确率，最终展示TrOCR与CNN+LSTM的性能对比。

Comments Submitted to International Conference on Document Analysis and Recognition (ICDAR) 2026

GraphLand: Evaluating Graph Machine Learning Models on Diverse Industrial Data

GraphLand：在多样工业数据上评估图机器学习模型

Gleb Bazhenov, Oleg Platonov, Liudmila Prokhorenkova

机构 * HSE University（莫斯科国立高等经济学院） ； Yandex Research（Yandex研究院） 纠错

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

AI总结 GraphLand引入14个多样工业数据集，评估图学习模型在不同规模和结构下的性能，探讨时间分布变化对模型的影响，并发现GBDT在工业应用中表现优异。

Comments Accepted at NeurIPS 2025 (Datasets & Benchmarks Track)

HeteroRAG: A Heterogeneous Retrieval-Augmented Generation Framework for Medical Vision Language Tasks

HeteroRAG：一种用于医疗视觉语言任务的异构检索增强生成框架

Zhe Chen, Yusheng Liao, Zhiyuan Zhu, Haolin Li, Hongcheng Liu, Yanfeng Wang, Yu Wang

机构 * Shanghai Jiao Tong University（上海交通大学） ； Fudan University（复旦大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） 纠错

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

AI总结 本文提出HeteroRAG框架，通过异构知识源增强医疗大视觉语言模型，解决异构数据检索问题，提升事实准确性与可靠性。

Comments ACL 2026 Findings

Exploring Prompt Alignment with Clinical Factors in Zero-Shot Segmentation VLMs for NSCLC Tumor Segmentation

探索临床因素在零样本分割VLMs中的提示对齐用于NSCLC肿瘤分割

Suraj Pai, Thibault Heintz, Cosmin Ciausu, Marion Tonneau, Hugo Aerts, Raymond Mak

机构 * Artificial Intelligence in Medicine Program, Mass General Brigham, Harvard Medical School, USA（麻省总医院布里奇沃特医学中心人工智能医学项目，哈佛医学院，美国） 纠错

专题命中 领域大模型 ：language model(abstract)

AI总结 研究通过分析VoxTell在NSCLC肿瘤数据集上的提示对齐方向，发现解剖位置主导空间注意力，零样本分割VLMs在NSCLC肿瘤分割中表现优于其他模型。