语言大模型 / LLM

A Few Good Clauses: Comparing LLMs vs Domain-Trained Small Language Models on Structured Contract Extraction

几个优质的子句：比较LLM与领域训练的小语言模型在结构化合同提取中的表现

Nicole Lincoln, Nick Whitehouse, Jaron Mar, Rivindu Perera

机构 * Onit AI Labs, Onit Inc.（Onit AI实验室，Onit公司） 纠错

专题命中 领域大模型 ：LLM(title_cn,summary_cn)；language model(title,abstract)；small language model(title,abstract)；SLM(abstract,abstract_cn)

AI总结 本文比较了LLM与领域训练的小语言模型在结构化合同提取中的性能，发现领域训练的小模型在成本显著降低的情况下表现更优。

Lightweight Stylistic Consistency Profiling: Robust Detection of LLM-Generated Textual Content for Multimedia Moderation

轻量级风格一致性剖析：面向多媒体审核的LLM生成文本稳健检测

Siyuan Li, Aodu Wulianghai, Xi Lin, Xibin Yuan, Qinghua Mao, Guangyan Li, Xiang Chen, Jun Wu, Jianhua Li

机构 * School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学学院） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） 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.CL

AI总结 本文提出LiSCP方法，通过结合离散风格特征与连续语义信号，提升对抗环境下的LLM生成文本检测鲁棒性，实现在多领域中的优越性能。

Cooperative Profiles Predict Multi-Agent LLM Team Performance in AI for Science Workflows

协同特征预测多智能体LLM团队在AI for Science工作流中的性能

Shivani Kumar, Adarsh Bharathwaj, David Jurgens

机构 * University of Michigan（密歇根大学） 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

AI总结 本文通过六种行为经济学游戏评估35个LLM的协同特征，发现其能有效预测AI for Science任务中的团队表现，特别是在数据处理、建模和报告生成中，协同策略优于贪心策略。

Whole-body CT attenuation and volume charts from routine clinical scans via evidence-grounded LLM report filtering

通过证据引导的LLM报告过滤从常规临床扫描中获得全身CT衰减和体积图表

Christian Wachinger, Bernhard Renger, Christopher Späth, Jan Kirschke, Marcus Makowski

机构 * Institute of Radiology, School of Medicine and Health, Technical University of Munich（医学与健康学院放射学研究所，慕尼黑技术大学） ； Institute of Neuroradiology, School of Medicine and Health, Technical University of Munich（医学与健康学院神经放射学研究所，慕尼黑技术大学） ； Munich Data Science Institute (MDSI), Technical University of Munich（慕尼黑数据科学研究所（MDSI），慕尼黑技术大学） ； Munich Center for Machine Learning (MCML), Munich, Germany（慕尼黑机器学习中心（MCML），德国慕尼黑） 纠错

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

AI总结 本文提出证据引导的LLM集成方法，通过过滤病理发现，构建病理减少的队列，建立106个解剖结构的全身参考图表，支持标准化定量表型分析和多中心影像研究。

Comments Supplement available at: https://github.com/ai-med/body-charts/blob/main/body_charts_supp.pdf

Multi-Modal LLM based Image Captioning in ICT: Bridging the Gap Between General and Industry Domain

基于多模态LLM的ICT图像描述：弥合通用与行业领域之间的差距

Lianying Chao, Kai Zhang, Haoran Cai, Sijie Wu, Xubin Li, Xin Chen

机构 * GTS, Huawei Technologies Co., Ltd.（华为技术有限公司GTS部门） 纠错

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

AI总结 本文提出多阶段训练策略，构建ICT领域图像描述模型DICModel，通过合成图像文本对提升模型性能，实验表明其在BLEU指标和准确率上均优于现有模型。

Journal ref 2025 CCF BigData

Decodable but Not Corrected by Fixed Residual-Stream Linear Steering: Evidence from Medical LLM Failure Regimes

可解码但无法通过固定残差-流线性引导进行纠正：来自医疗LLM失败模式的证据

Ming Liu

机构 * Amazon（亚马逊） 纠错

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

AI总结 研究探讨了LLM隐藏状态中线性可解码的失败信号能否用于纠正失败，通过Overthinking现象发现线性引导无法有效纠正，但可解码的失败结构支持生成后可靠性估计。

Comments 22 pages (14 main + 8 appendix), 5 figures, 7 tables. Under review

Hypothesis generation and updating in large language models

在大语言模型中生成和更新假设

Hua-Dong Xiong

机构 * School of Psychological and Brain Sciences（心理与脑科学学院） 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.LG

AI总结 研究大语言模型在数独游戏中生成和更新假设的机制，发现其存在系统偏差，且在评估与生成之间存在差距，但无法有效推广至未覆盖的假设领域。

Bridging visual saliency and large language models for explainable deep learning in medical imaging

弥合视觉显著性与大语言模型以实现医学影像中可解释的深度学习

Paul Valery Nguezet, Elie Tagne Fute, Yusuf Brima, Benoit Martin Azanguezet, Marcellin Atemkeng

机构 * Department of Mathematics and Computer science（数学与计算机科学系） ； Institute of Cognitive Science（认知科学研究所） ； Rhodes University（罗德斯大学） ； National Institute for Theoretical and Computational Sciences (NITheCS)（理论与计算科学国家研究所） 纠错

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

AI总结 本文提出一种多模态可解释框架，通过结合CNN和大语言模型，生成脑肿瘤分类的可操作临床见解，提升深度学习在医学影像中的透明度和临床责任性。

EAGLE: Expert-Augmented Attention Guidance for Tuning-Free Industrial Anomaly Detection in Multimodal Large Language Models

EAGLE：专家增强的注意力引导用于多模态大语言模型中的无调优工业异常检测

Xiaomeng Peng, Xilang Huang, Seon Han Choi

机构 * Ewha Womans University（峨山女子大学） 纠错

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

AI总结 EAGLE通过整合专家异常检测器与冻结的MLLM，提出无调优框架，提升多模态大语言模型在工业异常检测中的准确率，且在MVTec-AD和VisA数据集上达到94.4%和88.1%的异常鉴别准确率。

Automated Clinical Report Generation for Remote Cognitive Remediation: Comparing Knowledge-Engineered Templates and LLMs in Low-Resource Settings

远程认知康复中自动化临床报告生成：在低资源环境下比较知识工程模板与LLM

Yongxin Zhou, Fabien Ringeval, François Portet

机构 * Univ. Grenoble Alpes, CNRS, Grenoble INP, LIG（格勒诺布尔阿尔卑斯大学、国家科学研究中心、格勒诺布尔INP、LIG实验室） 纠错

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

AI总结 本文比较了在低资源环境下使用知识工程模板和LLM生成远程认知康复的自动化临床报告，探讨了临床可靠性与语言质量的权衡。

Eliciting associations between clinical variables from LLMs via comparison questions across populations

通过跨人群比较问题从LLMs中提取临床变量之间的关联

Fabian Kabus, Kian Kordtomeikel, Thomas Brox, Heinz Wiendl, Daiana Stolz, Harald Binder

机构 * Institute of Medical Biometry and Statistics (IMBI), Medical Center, University of Freiburg（弗赖堡大学医学生物统计学研究所（IMBI）、弗赖堡大学医学中心） ； Department of Computer Science, Faculty of Engineering, University of Freiburg（弗赖堡大学工程学院计算机科学系） ； Department of Pneumology, Medical Center, University of Freiburg（弗赖堡大学呼吸科医学中心） ； Department of Neurology and Neurophysiology, Medical Center, University of Freiburg（弗赖堡大学神经学与神经生理学医学中心） 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.LG

AI总结 本文提出通过结构化比较问题从LLMs中提取临床变量关联，结合统计模型估计相关性，验证在COPD和MS领域中获得保守的因果预测候选链接。

Wisteria: A Unified Multi-Scale Feature Learning Framework for DNA Language Model

藤萝：一种统一的多尺度特征学习框架用于DNA语言模型

Weihua Wang, Haoji Li, Feilong Bao, Lei Yang, Guanglai Gao

机构 * College of Computer Science, Inner Mongolia University（内蒙古大学计算机科学学院） ； National and Local Joint Engineering Research Center of Intelligent Information Processing Technology for Mongolian（蒙古语智能信息处理技术国家级与地方联合工程研究中心） ； Inner Mongolia Key Laboratory of Multilingual Artificial Intelligence Technology（内蒙古多语种人工智能技术重点实验室） ； School of Life Sciences, Inner Mongolia University（内蒙古大学生命科学学院） 纠错

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

AI总结 本文提出Wisteria模型，通过统一框架整合多尺度特征学习，结合门控扩张卷积和门控多层感知机，有效统一局部和全局依赖建模，提升DNA序列分析性能。

Comments 25 pages, 4 figures. Under review

Plug-and-play Class-aware Knowledge Injection for Prompt Learning with Visual-Language Model

即插即用的类感知知识注入用于具有视觉-语言模型的提示学习

Junhui Yin, Nan Pu, Xinyu Zhang, Lingfeng Yang, Lin Wu, Xiaojie Wang, Zhun Zhong

机构 * University of Science and Technology Beijing（北京科技大学） ； Hefei University of Technology（合肥工业大学） ； University of Auckland（奥克兰大学） ； Nanjing University of Science and Technology（南京理工大学） ； Swansea University（斯旺西大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） 纠错

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

AI总结 本文提出CAKI框架，通过类特定提示生成和查询-键提示匹配，补充现有方法中的类特定知识，提升基类和新类的性能。

Comments Accepted by International Journal of Computer Vision

Beyond Factual Correctness: Mitigating Preference-Inconsistent Explanations in Explainable Recommendation

超越事实正确性：缓解可解释推荐中的偏好不一致解释

Chengkai Wang, Baisong Liu

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

AI总结 本文提出PURE框架，通过选择-生成范式缓解推荐中因偏好不一致导致的解释问题，提升解释可信度与推荐准确性。

Comments The authors have identified an issue in the evaluation protocol in Section 5.1.3. Feature extraction and semantic matching used to compute P-EHR require correction and re-validation, as they may not have been applied consistently across all generated explanations and baselines. This may affect part of the reported quantitative results and analysis, so the authors withdraw this version

Purely Agent-Driven Black-Box Optimization for Biological Design

纯粹的基于代理的黑盒优化用于生物设计

Natalie Maus, Yimeng Zeng, Haydn Thomas Jones, Yining Huang, Gaurav Ng Goel, Alden Rose, Kyurae Kim, Hyun-Su Lee, Marcelo Der Torossian Torres, Fangping Wan, Cesar de la Fuente-Nunez, Mark Yatskar, Osbert Bastani, Jacob R. Gardner

机构 * University of Pennsylvania（宾夕法尼亚大学） 纠错

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

AI总结 本文提出PABLO框架，通过基于语言的代理方法在生物设计中实现高效黑盒优化，提升样本效率和目标值，展示其在抗微生物肽优化中的卓越性能。

Dynamic Expert-Guided Model Averaging for Causal Discovery

动态专家指导的模型平均用于因果发现

Adrick Tench, Thomas Demeester

机构 * Ghent University - imec（根特大学 - imec） 纠错

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

AI总结 本文提出一种动态专家指导的模型平均方法，整合选择性专家查询以集成多种因果发现算法，区分边存在与方向，提升数据驱动与专家输入的互补优势。

RVPO: Risk-Sensitive Alignment via Variance Regularization

基于方差正则化的风险敏感对齐：RVPO

Ivan Montero, Tomasz Jurczyk, Bhuwan Dhingra

机构 * Apple（苹果公司） 纠错

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

AI总结 本文提出RVPO框架，通过在优势聚合中惩罚奖励方差，将目标从最大化总和转为最大化一致性，提升多目标对齐的可靠性。

Comments 17 pages, 5 figures

Handling and Interpreting Missing Modalities in Patient Clinical Trajectories via Autoregressive Sequence Modeling

通过自回归序列建模处理和解释患者临床轨迹中的缺失模态

Andrew Wang, Ellie Pavlick, Ritambhara Singh

机构 * Brown University（布朗大学） 纠错

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

AI总结 本文通过自回归序列建模方法处理医疗数据中缺失模态的问题，提出对比预训练目标并验证了其在MIMIC-IV和eICU数据集上的有效性，提升了模型可解释性。

MedHorizon: Towards Long-context Medical Video Understanding in the Wild

MedHorizon：迈向真实场景下的长上下文医学视频理解

Bodong Du, Bowen Liu, Yang Yu, Xinpeng Ding, Zhiheng Wu, Shuning Wang, Shuo Nie, Naiming Liu, Qifeng Chen, Yangqiu Song, Xiaomeng Li

机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； Baidu Inc.（百度公司） ； Xidian University（西安电子科技大学） 纠错

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

AI总结 MedHorizon提出一个真实场景下的长上下文医学视频理解基准，通过稀疏证据和多跳临床推理评估，揭示当前系统在完整流程理解上的不足。

Stateful Agent Backdoor

具备状态的代理后门

Zhengchunmin Dai, Jiaxiong Tang, Liantao Wu, Peng Sun, Honglong Chen

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

AI总结 本文提出一种具备状态的代理后门，通过持久化组件跨多个会话维持状态，实现自主递增执行。该方法基于Mealy机建模，并通过分解框架提升攻击成功率。

Automatic techniques for issue report classification: A systematic mapping study

自动技术用于问题报告分类：系统映射研究

Muhammad Laiq, Felix Dobslaw

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

AI总结 本文通过系统映射研究总结了自动技术在问题报告分类中的应用，指出现有文献缺乏实践参与和多因素考量，未来需加强工业评估与技术可解释性。

CXR-ContraBench: Benchmarking Negated-Option Attraction in Medical VLMs

CXR-ContraBench：医疗视觉语言模型中否定选项吸引力的基准测试

Zhengru Fang, Yanan Ma, Yu Guo, Senkang Hu, Yixian Zhang, Hangcheng Cao, Wenbo Ding, Yuguang Fang

机构 * City University of Hong Kong（香港城市大学） ； Tsinghua Shenzhen International Graduate School（清华大学深圳国际研究生院） 纠错

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

AI总结 研究医疗视觉语言模型在否定选项吸引力问题上的表现，通过CXR-ContraBench基准测试发现模型在面对矛盾图像和问题时易产生极性反转，提出QCCV-Neg方法有效修复极性混淆问题。

PARNESS: A Paper Harness for End-to-End Automated Scientific Research with Dynamic Workflows, Full-Text Indexing, and Cross-Run Knowledge Accumulation

PARNESS：一种用于端到端自动化科学研究的论文工具，支持动态工作流、全文索引和跨运行知识积累

Yuchen Wang, Zhongzhi Luan

专题命中 领域大模型 ：LLM(abstract,abstract_cn)

AI总结 PARNESS通过动态工作流、全文索引和跨运行知识积累，解决传统科研系统流程僵化、知识累积不足的问题，实现端到端自动化科研。

Comments 31 pages, 13 figures, includes appendix with a verbatim end-to-end-generated paper produced by the framework. Source: https://github.com/gtrhythm/PARNESS

BioResearcher: Scenario-Guided Multi-Agent for Translational Medicine

BioResearcher: 用于转化医学的场景引导多智能体系统

Remigiusz Kinas, Joanna Krawczyk, Rafał Powalski, Przemysław Pietrzak, Agnieszka Kowalewska, Krzysztof Kolmus, Maciej Sypetkowski, Łukasz Smoliński, Tomasz Jetka

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

AI总结 本文提出BioResearcher，一种场景引导的多智能体系统，通过版本化研究 playbook 将查询映射到多种工具和机器学习端点，实现跨异构生物医学数据源的可审计、场景特定工作流。系统在单元级能力、开放性生物医学推理和端到端临床发现中均表现优异。

Comments 5 pages (main text), 21 pages (appendix), 8 figures, 11 tables

GraphVec: Cross-Domain Graph Vectorization for Graph-Level Representation Learning

GraphVec：跨域图向量化解构用于图级表示学习

Qi Feng, Jicong Fan

机构 * School of Data Science（数据科学学院） 纠错

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

AI总结 GraphVec通过构建多尺度全局图并提取谱嵌入，实现跨域图表示学习，其结合GIN-图Transformer和多层参考分布模块，提升节点分布信息，实验表明在跨域少样本图分类和聚类中优于基线模型。

PlotPick: AI-powered batch extraction of numerical data from scientific figures

PlotPick: 基于AI的科学图表中数值数据批量提取工具

Tommy Carstensen

机构 * Copenhagen Research Centre for Biological and Precision Psychiatry（哥本哈根生物与精准精神病学研究中心） ； Mental Health Centre Copenhagen（哥本哈根心理健康中心） ； Copenhagen University Hospital（哥本哈根大学医院） 纠错

专题命中 领域大模型 ：language model(abstract)

AI总结 PlotPick利用视觉语言模型批量提取科学图表中的结构化表格数据，六个VLMs在ChartX和PlotQA基准测试中均优于专用模型DePlot，尤其在未包含在训练数据中的图表类型上表现更佳。

Comments 7 pages, 2 figures, 2 tables. Software available at https://plotpick.streamlit.app and https://github.com/tommycarstensen/plotpick

VISER: Visually-Informed System for Enhanced Robustness in Open-Set Iris Presentation Attack Detection

VISER：用于增强开放集虹膜呈现攻击检测鲁棒性的视觉引导系统

Byron Dowling, Jacob Piland, Eleanor Frederick, Christopher Sweet, Adam Czajka

机构 * University of Notre Dame（诺丁汉大学） 纠错

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

AI总结 本文提出VISER系统，通过比较手标注、眼跟踪热图等方法，提升开放集虹膜呈现攻击检测的鲁棒性，实验表明去噪眼跟踪热图在APCER和BPCER指标上表现最佳。

Comments Version 2

The Ambivalent Experience of Eye Contact for People with Visual Impairments: Mechanisms and Design Challenges

眼神接触的矛盾体验：对于视障人士的机制与设计挑战

Markus Wieland, Phillip Koch, Michael Sedlmair

专题命中 领域大模型 ：prompting(abstract)

AI总结 研究探讨视障人士在混合能力协作中眼神接触的体验机制，揭示了三个核心机制及五项设计挑战，强调可访问性应支持可配置的互动契约而非单纯使目光可见。