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。

2026-05-12 至 2026-05-12 共收录 876 信号源:cs.CL, cs.AI, cs.LG

1. 领域大模型 57 篇

2603.02678 2026-05-12 cs.LG cs.ET cs.HC stat.ME stat.ML 81%

Causal Discovery Should Embrace the Wisdom of the Crowd

因果发现应拥抱大众智慧

Ryan Feng Lin, Yuantao Wei, Huiling Liao, Xiaoning Qian, Shuai Huang

机构 * Department of Industrial and Systems Engineering, University of Washington(华盛顿大学工业与系统工程系) Department of Applied Mathematics, Illinois Institute of Technology(伊利诺伊理工学院应用数学系) Department of Electrical & Computer Engineering, Texas A&M University(德克萨斯阿灵顿大学电气与计算机工程系)

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 本文探讨了因果学习中大众智慧范式的发展,提出通过分布式和基于群体的方法整合分散的因果知识,构建全局因果结构,并呼吁跨学科合作。

详情

展开后加载摘要…

URL PDF HTML 收藏
2504.12334 2026-05-12 cs.CL 81%

QM-ToT: A Medical Tree of Thoughts Reasoning Framework for Quantized Model

QM-ToT: 一种用于量化模型的医学树状思维推理框架

Zongxian Yang, Jiayu Qian, Kay Chen Tan, Hau-San Wong, Yulong Chen, Haoyu Zhang, Zhi-An Huang

机构 * City University of Hong Kong(Dongguan)(香港城市大学(东莞)) Hong Kong Polytechnic University(香港理工大学) City University of Hong Kong(香港城市大学)

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 本文提出QM-ToT框架,通过树状思维方法分解复杂医疗问题,提升INT4量化模型在MedQAUSMLE数据集上的性能,使LLaMA2-70b模型准确率从34%提升至50%。

Comments Accepted by ICIC 2026 Poster

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.09258 2026-05-12 cs.CV cs.AI 79%

Monocular Biomechanical Tracking of Fingers with Inverse Kinematics to Foundation Models

单目生物力学追踪手指:结合逆运动学与基础模型

R. James Cotton, Pouyan Firouzabadi, Wendy Murray

机构 * Shirley Ryan AbilityLab Department of PM\&R Northwestern University Shirley Ryan AbilityLab Department of Biomedical Engineering Northwestern University

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

AI总结 本文提出结合SAM 3D Body基础模型与逆运动学优化的方法,实现单目视频中手指关节角度的生物力学追踪,验证结果表明在多视角重建中误差较小,扩展了单目生物力学分析的应用范围。

Comments Accepted to EMBC 2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2506.16234 2026-05-12 cs.LG 79%

Sequential Causal Discovery with Noisy Language Model Priors

具有噪声语言模型先验的顺序因果发现

Prakhar Verma, David Arbour, Sunav Choudhary, Harshita Chopra, Arno Solin, Atanu R. Sinha

机构 * ELLIS Institute Finland and Aalto University(芬兰ELLIS研究所和阿尔托大学) Adobe Research(Adobe研究) University of Washington, Seattle(华盛顿大学(西雅图))

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

AI总结 本文提出一种混合框架,通过适应性整合顺序批次数据与噪声专家知识,提升因果发现的准确性,并扩展到参数估计,展示了对语言模型噪声的鲁棒性。

Comments 32 pages, Transactions on Machine Learning Research - TMLR (04/2026)

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.10002 2026-05-12 cs.CV 78%

Med-StepBench: A Hierarchical Reasoning Framework for Evaluating Hallucinations in Medical Vision-Language Models

Med-StepBench:一种用于评估医学视觉-语言模型幻觉的分层推理框架

Minh Khoi Nguyen, Dai Lam Le, Amir Reza Jafari, Tuan Dung Nguyen, Mai Hong Son, Mai Huy Thong, Quang Huy Nguyen, Thanh Trung Nguyen, Reza Farahbakhsh, Noel Crespi, Phi Le Nguyen

机构 * AI4LIFE, Hanoi University of Science and Technology, Vietnam(AI4LIFE,越南科学与技术大学) SAMOVAR, Télécom SudParis, Institut Polytechnique de Paris, France(SAMOVAR,法国电信南巴黎学院,巴黎理工学院) Military Central Hospital, Vietnam(越南108军中心医院)

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

AI总结 本文提出Med-StepBench,首个针对3D肿瘤PET/CT图像的分步幻觉检测基准,通过12000张图像和100万对图像-陈述数据,揭示了现有VLMs在多步临床推理中的系统性缺陷。

Comments Accepted at IJCAI-ECAI 2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.08207 2026-05-12 cs.CV 78%

A Breast Vision Pathology Foundation Model for Real-world Clinical Utility

乳腺病理科基础模型用于真实世界临床应用

Yingxue Xu, Zhengyu Zhang, Xiuming Zhang, Mengwei Xu, Fengtao Zhou, Yihui Wang, Jiabo Ma, Yi Xin, Danyi Li, Chengyu Lu, Zhijian Cen, Ying Tan, Qingbing Yao, Qi Wang, Zizhao Gao, Yong Zhang, Jingjing Chen, Feifei Liu, Qian Xu, Yi Dai, Hongxuan Tan, Cheng Jin, Huajun Zhou, Zhengrui Guo, Ling Liang, Hongyi Wang, Yingcong Chen, Xi Wang, Zhenhui Li, Ronald Cheong Kin Chan, Ning Mao, Muyan Cai, Zhe Wang, Li Liang, Hao Chen

机构 * Department of Computer Science and Engineering, The Hong Kong University of Science and Technology, Hong Kong SAR, China(香港科技大学计算机科学与工程系) Department of Pathology, Nanfang Hospital, School of Basic Medical Sciences, Southern Medical University, Guangzhou, China(南方医科大学基础医学学院病理学系,广州医院) Department of Pathology, The First Affiliated Hospital, School of Medicine, Zhejiang University, Hangzhou, China(浙江大学医学院第一附属医院病理学系,杭州) State Key Laboratory of Holistic Integrative Management of Gastrointestinal Cancers, Department of Pathology, School of Basic Medicine and Xijing Hospital, Fourth Military Medical University, Xi’an, China(胃肠癌整体整合管理国家重点实验室,第四军医大学基础医学学院病理学系,西京医院)

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

AI总结 本文提出BRAVE模型,通过101638张乳腺全切片图像评估其在乳腺癌诊断中的临床实用性,展示了在不同阶段的病理评估中提升诊断效率和准确性的能力。

Comments 60 pages

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.08956 2026-05-12 cs.AI 77%

Agentic AI Scientists Are Not Built For Autonomous Scientific Discovery

代理式AI科学家并非为自主科学发现而建

Harshit Bisht, Vinay Kumar, Kevin Maik Jablonka, Mausam, N. M. Anoop Krishnan

机构 * Yardi School of Artificial Intelligence, Indian Institute of Technology Delhi(印度理工学院德里人工智能学院) Department of Computer Science and Engineering, Indian Institute of Technology Delhi(印度理工学院德里计算机科学与工程系) Department of Civil and Environmental Engineering, Indian Institute of Technology Delhi(印度理工学院德里土木与环境工程系) Laboratory of Organic and Macromolecular Chemistry (IOMC), Friedrich Schiller University Jena(耶拿弗里德里希·席勒大学有机与大分子化学实验室) Center for Energy and Environmental Chemistry Jena, Friedrich Schiller University Jena(耶拿弗里德里希·席勒大学能源与环境化学中心) Helmholtz Institute for Polymers in Energy Applications Jena (HIPOLE Jena)(耶拿海德堡聚合物能源应用研究所(HIPOLE耶拿))

专题命中 领域大模型 :large language model(abstract);language model(abstract);post-training(abstract);分类 cs.AI

AI总结 本文指出,尽管代理式AI科学家能作为合作者,但其设计并非为自主科学发现。挑战包括问题选择偏差、实验室知识缺失、输出多样性压缩及缺乏实验反馈,需重新审视基础设计。

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.10171 2026-05-12 cs.CL cs.AI 73%

When Reviews Disagree: Fine-Grained Contradiction Analysis in Scientific Peer Reviews

当评论存在分歧时:科学同行评审中的细粒度矛盾分析

Sandeep Kumar, Yash Kamdar, Abid Hossain, Bharti Kumari, Tanik Saikh, Asif Ekbal

机构 * Department of Computer Science and Engineering, Indian Institute of Technology Patna, India(印度理工学院帕纳瓦分校计算机科学与工程系) School of Computer Engineering, KIIT Deemed to be University, Bhubaneswar, India(比哈尔邦布尔萨大学计算机工程学院)

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

AI总结 本文提出细粒度的同行评审矛盾分析方法,通过识别矛盾证据跨度并分配矛盾强度评分,改进了现有二元矛盾检测方法,引入RevCI基准和IMPACT框架,并通过TIDE模型实现高效部署。

Comments accepted at ACL 2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2603.03756 2026-05-12 cs.LG cs.CE cs.CL 73%

MOOSE-Star: Unlocking Tractable Training for Scientific Discovery by Breaking the Complexity Barrier

MOOSE-Star: 通过突破复杂性障碍实现科学发现的可 tractable 训练

Zonglin Yang, Lidong Bing

机构 * MiroMind AI

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

AI总结 MOOSE-Star 通过分解子任务、层次搜索和受限组合方法,实现科学假设生成过程的可 tractable 训练,降低复杂度至对数级别,提升训练和推理效率。

Comments Accepted by ICML 2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.08837 2026-05-12 cs.CL cs.AI 73%

The Grounding Gap: How LLMs Anchor the Meaning of Abstract Concepts Differently from Humans

概念基础差距:LLMs如何以不同于人类的方式锚定抽象概念的含义

Odysseas S. Chlapanis, Orfeas Menis Mastromichalakis, Christos H. Papadimitriou

机构 * Department of Informatics(信息学院) Athens University of Economics and Business(雅典经济与商业大学) Archimedes, Athena Research Center(阿基米德·雅典研究中心) Instituto de Telecomunicações(电信研究所) Department of Computer Science(计算机科学系) Columbia University(哥伦比亚大学)

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 研究比较了LLMs与人类对抽象概念的锚定方式,发现LLMs过度依赖词关联,缺乏情感和内部状态属性,导致基础差距显著。

详情

展开后加载摘要…

URL PDF HTML 收藏
2511.01196 2026-05-12 stat.ML cs.AI cs.LG 73%

An Interdisciplinary and Cross-Task Review on Missing Data Imputation

关于缺失数据填补的跨学科和跨任务综述

Jicong Fan

机构 * School of Data Science(数据科学学院)

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 本文综述了缺失数据填补的核心概念和方法,涵盖不同领域和数据类型,分析了填补方法的分类和应用,并探讨了填补与下游任务的整合及未来研究方向。

Journal ref Foundations and Trends in Signal Processing, Vol. 20, No. 3, pp. 185-317, 2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.08255 2026-05-12 cs.LG cond-mat.mtrl-sci cs.AI 73%

Can LLMs Predict Polymer Physics Just by Reading Synthesis and Processing Prose?

大语言模型能否仅通过阅读合成与加工描述来预测聚合物物理特性?

Yuchu Liu, Rui Zhu, Jingwei Xiong, Haixu Tang

机构 * Yale University(耶鲁大学) UC Davis(加州大学戴维斯分校) Indiana University Bloomington(印第安纳大学布卢明顿分校)

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PolyLM模型,通过自然语言直接预测材料性能,利用大规模文献数据训练,实现高精度预测,展示了自然语言在材料性能预测中的强大潜力。

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.08140 2026-05-12 physics.ins-det cs.AI cs.LG 73%

Forecasting Source Stability in Scientific Experiments using Temporal Learning Models: A Case Study from Tritium Monitoring

利用时间学习模型预测科学实验中的源稳定性:氚监测的案例研究

Nicholas Tan Jerome, Nadia Aouadi, Christoph Koehler, Suren Chilingaryan, Andreas Kopmann

机构 * Institute for Data Processing(数据处理研究所) Schmalkalden University of Applied Sciences(施马尔卡尔登应用科学大学) Technical University Munich(慕尼黑技术大学) Max-Planck-Institut für Kernphysik(马克斯·普朗克核物理研究所)

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

AI总结 本文利用深度学习模型预测氚源稳定性,解决传统方法在稀疏不稳定事件和长预测周期中的不足,通过N-BEATS模型优化大规模物理实验。

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.28087 2026-05-12 cs.LO cs.AI 70%

Towards Neuro-symbolic Causal Rule Synthesis, Verification, and Evaluation Grounded in Legal and Safety Principles

迈向基于法律和安全原则的神经符号因果规则合成、验证与评估

Zainab Rehan, Christian Medeiros Adriano, Sona Ghahremani, Holger Giese

机构 * Hasso Plattner Institute \ of Potsdam Prof.-Dr.-Helmert Str. 2-3, D-14482 Potsdam, Germany Hasso Plattner Institute \ of Potsdam

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

AI总结 本文提出一种神经符号因果框架,结合一阶逻辑抽象树、结构因果模型和深度强化学习,通过Meta层缓解目标误指定问题,实现可扩展的规则维护。

Journal ref Neurosymbolic eXplainable Trustworthy Systems @ AAMAS 2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2602.06286 2026-05-12 cs.AI 70%

When Agents Say One Thing and Do Another: Validating Elicited Beliefs from LLMs

当代理人言辞与行为不一致时:从LLMs中验证提取的信念

Khurram Yamin, Jingjing Tang, Santiago Cortes-Gomez, Amit Sharma, Eric Horvitz, Bryan Wilder

机构 * Carnegie Mellon University(卡内基梅隆大学) Microsoft Research(微软研究院)

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

AI总结 本文提出一种决策理论框架,通过提取概率判断和决策并检验其一致性,验证LLMs的信念是否合理,发现最强模型的不一致程度较小。

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.10367 2026-05-12 cs.IR 67%

AgentGR: Semantic-aware Agentic Group Decision-Making Simulator for Group Recommendation

AgentGR: 基于语义的群体决策模拟器用于群体推荐

Yangtao Zhou, Wenhao You, Hua Chu, Shihao Guo, Jianan Li, Zhifu Zhao, Qingshan Li

专题命中 领域大模型 :LLM(abstract,abstract_cn)

AI总结 AgentGR通过结合语义推理和群体动态模拟,提升群体推荐的准确性与决策模拟能力,采用链式偏好推理机制和多智能体策略改进用户偏好和群体互动模拟。

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.09765 2026-05-12 cs.LG cs.AI 62%

WISTERIA: Learning Clinical Representations from Noisy Supervision via Multi-View Consistency in Electronic Health Records

WISTERIA:通过电子健康记录中的多视图一致性学习临床表示

Ruan Dong, Yuanyun Zhang, Shi Li

机构 * University of Science and Technology of China(中国科学技术大学) Columbia University(哥伦比亚大学)

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

AI总结 WISTERIA通过多视图一致性学习电子健康记录中的临床表示,利用弱监督学习框架,改进预测性能并增强对标签噪声的鲁棒性。

详情

展开后加载摘要…

URL PDF HTML 收藏
2511.07055 2026-05-12 cs.CL cs.IR cs.LG 62%

Complete Evidence Extraction with Model Ensembles: A Case Study on Medical Coding

基于模型集成的完整证据提取:医疗编码的案例研究

Katharina Beckh, Sven Heuser, Stefan Rüping

机构 * Fraunhofer IAIS(弗劳恩霍夫人工智能研究所) Lamarr Institute(拉马尔研究所)

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

AI总结 本文提出完整证据提取任务,通过多语言模型集成提升医疗编码决策的证据完整性,实验表明三模型集成在召回率上超越单一模型。

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.10754 2026-05-12 cs.AI 57%

The Agent Use of Agent Beings: Agent Cybernetics Is the Missing Science of Foundation Agents

代理行为的代理使用:代理循证学是基础代理的缺失科学

Xinrun Wang, Chang Yang, He Zhao, Zhuoyi Lin, Shuyue Hu

机构 * Singapore Management University(新加坡管理大学) The Hong Kong Polytechnic University(香港理工大学) Nanyang Technological University(南洋理工大学) Institute for Infocomm Research, Agency for Science, Technology and Research (A*STAR)(信息通信研究院,科技研究局(A*STAR)) Shanghai Artificial Intelligence Laboratory(上海人工智能实验室)

专题命中 领域大模型 :LLM(abstract);分类 cs.AI

AI总结 本文提出代理循证学作为基础代理的理论基础,通过将经典循证学定律映射到代理设计原则,提出可靠性、持续运行和自我改进三大工程需求,以指导复杂任务中的代理设计与部署。

Comments Preliminary Work

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.10397 2026-05-12 cs.CV cs.AI 57%

AnomalyClaw: A Universal Visual Anomaly Detection Agent via Tool-Grounded Refutation

AnomalyClaw:通过工具引导的反驳实现通用视觉异常检测代理

Xi Jiang, Yinjie Zhao, Zesheng Yang, Feng Zheng

机构 * Department of Computer Science and Engineering, Southern University of Science and Technology (SUSTech), Shenzhen, China(南方科技大学计算机科学与工程系,深圳,中国) School of EEE, Nanyang Technological University (NTU), Singapore(南洋理工大学电子工程学院,新加坡) CFAR, Agency for Science, Technology and Research (A*STAR), Singapore(科技研究局(A*STAR)的CFAR,新加坡)

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

AI总结 本文提出AnomalyClaw,一种无需训练的视觉异常检测代理,通过多轮反驳过程提升异常判断。在CrossDomainVAD-12基准上,AnomalyClaw在多个模型上均取得显著提升,且引入自演化扩展提升模型性能。

Comments We release the agent, the benchmark, and the analysis artifacts at https://github.com/jam-cc/AnomalyClaw

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.10341 2026-05-12 cs.AI cs.SE 57%

PaperFit: Vision-in-the-Loop Typesetting Optimization for Scientific Documents

PaperFit:科学文档中的视觉闭环排版优化

Bihui Yu, Xinglong Xu, Junjie Jiang, Jiabei Cheng, Caijun Jia, Siyuan Li, Conghui He, Jingxuan Wei, Cheng Tan

机构 * University of Chinese Academy of Sciences(中国科学院大学) Shanghai Artificial Intelligence Laboratory(上海人工智能实验室) School of Automation and Intelligent Sensing, Shanghai Jiao Tong University(上海交通大学自动化与智能感知学院)

专题命中 领域大模型 :LLM(abstract_cn);分类 cs.AI

AI总结 PaperFit通过视觉闭环优化将可编译的LaTeX文档转化为高质量PDF,解决排版问题并提升文档自动化流程的完整性。

Comments 47 pages, 17 figures, 17 tables

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.10253 2026-05-12 cs.CR cs.AI 57%

Knowledge Poisoning Attacks on Medical Multi-Modal Retrieval-Augmented Generation

针对医疗多模态检索增强生成的知识污染攻击

Peiru Yang, Haoran Zheng, Tong Ju, Shiting Wang, Wanchun Ni, Jiajun Liu, Shangguang Wang, Yongfeng Huang, Tao Qi

机构 * Tsinghua University(清华大学) Beijing University of Posts and Telecommunications(北京邮电大学) Northwestern Polytechnical University(西北工业大学) ETH Zurich(苏黎世联邦理工学院)

专题命中 领域大模型 :LLM(abstract_cn);分类 cs.AI

AI总结 本文提出M³Att框架,针对医疗多模态RAG系统,通过在文本数据中注入隐蔽虚假信息并利用配对视觉数据作为查询无关触发器,提升检索概率,从而在不依赖用户查询先验知识的情况下实现知识污染攻击。

Comments Accepted by ACL 2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.09716 2026-05-12 cs.AI 57%

Medical Model Synthesis Architectures: A Case Study

医学模型合成架构:一种案例研究

Katherine M. Collins, Marlene Berke, Ilia Sucholutsky, Ayman Ali, Adrian Weller, Timothy J. O'Donnell, Tyler Brooke-Wilson, Lionel Wong, Joshua B. Tenenbaum

机构 * MIT(麻省理工学院) University of Cambridge(剑桥大学) Princeton University(普林斯顿大学) Duke University(杜克大学) The Alan Turing Institute(艾伦·图灵研究所) Canada CIFAR AI Chair(加拿大CIFAR人工智能主席)

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

AI总结 本文提出一种框架,使AI系统能在不确定性下进行实用且形式透明的临床预测。通过语言模型检索知识并构建概率模型,实现校准和可验证的推理,用于鉴别诊断并讨论未来应用方向。

Comments Working paper

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.09384 2026-05-12 cs.CV cs.AI q-bio.QM 57%

LiteMedCoT-VL: Parameter-Efficient Adaptation for Medical Visual Question Answering

LiteMedCoT-VL: 用于医疗视觉问答的参数高效适应

Runze Ma, Shunbo Jia, Haonan Lyu, Guo Liu, Caizhi Liao

机构 * School of Information Technology(信息科技学院) Monash University Malaysia(墨尔本大学马来西亚分校) Faculty of Innovation Engineering(创新工程学院) Macau University of Science and Technology(澳门科学技术大学) Department of Bioelectronics(生物电子系) Faculty of Biomedical Engineering(生物医学工程学院) Shenzhen University of Advanced Technology(深圳先进技术大学)

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

AI总结 本文提出LiteMedCoT-VL,通过LoRA微调将大模型的推理过程转移到小模型,实现医疗视觉问答的高效部署,实验显示2B模型在准确率上超越4B模型。

Comments 17 pages, 5 figures

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.07202 2026-05-12 cs.AI 57%

Towards Autonomous Business Intelligence via Data-to-Insight Discovery Agent

通过数据到洞察发现代理实现自主商业智能

Dongming Wu, Junwen Li, Ming Lu, Gang Wang, Ting Chen

机构 * Rajax Network Technology(Taobao Shangou of Alibaba)(阿里淘宝购物网络技术)

专题命中 领域大模型 :LLM(abstract_cn);分类 cs.AI

AI总结 本文提出AIDA框架,通过灵活的零售环境和定制DSL实现复杂业务环境的自主探索,实验表明其在洞察发现和分析深度上优于传统方法。

详情

展开后加载摘要…

URL PDF HTML 收藏
2502.12396 2026-05-12 physics.flu-dyn cs.CE cs.LG 57%

Scientific Machine Learning of Flow Resistance Using Universal Shallow Water Equations with Differentiable Programming

利用通用浅水方程进行流阻科学机器学习

Xiaofeng Liu, Yalan Song

机构 * Department of Civil and Environmental Engineering, Pennsylvania State University, University Park, Pennsylvania, USA 16802(宾夕法尼亚州立大学土木与环境工程系,大学公园,宾夕法尼亚州,美国 16802) Institute of Computational and Data Sciences, Pennsylvania State University, University Park, Pennsylvania, USA 16802(宾夕法尼亚州立大学计算与数据科学研究所,大学公园,宾夕法尼亚州,美国 16802)

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

AI总结 本文提出Hydrograd solver,结合物理方程与神经网络,实现流阻反演与水动力学物理发现,解决传统方法在时空变异性中的局限。

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.10850 2026-05-12 cs.CV 50%

Verification Mirage: Mapping the Reliability Boundary of Self-Verification in Medical VQA

验证幻象:映射医学视觉问答中自我验证的可靠性边界

Ruinan Jin, Beidi Zhao, Myeongkyun Kang, Qiong Zhang, Xiaoxiao Li

机构 * The University of British Columbia(不列颠哥伦比亚大学) Vector Institute(向量研究所) Redmin University of China(红矿大学)

专题命中 领域大模型 :language model(abstract)

AI总结 本文研究了医学视觉问答中自我验证的可靠性边界,通过分解验证行为中的辨别能力和同意偏差,发现验证幻象现象,指出任务条件对可靠性有显著影响,且验证无法独立提供安全信号。

Comments 31 pages, 12 figures

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.05831 2026-05-12 cs.CV 50%

Unifying Scientific Communication: Fine-Grained Correspondence Across Scientific Media

统一科学交流:跨科学媒体的细粒度对应

Megha Mariam K. M, Vineeth N. Balasubramanian, C. V. Jawahar

机构 * IIIT Hyderabad(IIIT海得拉尔学院) Microsoft Research India & IIT Hyderabad(微软研究院印度分部及IIIT海得拉尔学院)

专题命中 领域大模型 :language model(abstract)

AI总结 本文提出MCD数据集,通过整合科研论文、演示视频、解释视频和幻灯片,评估不同模型在发现跨格式细粒度对应关系中的能力,揭示了视觉语言模型和嵌入模型的优缺点。

Comments Accepted at the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) Findings Track, 2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.09151 2026-05-12 cs.CV 50%

MultiMedVision: Multi-Modal Medical Vision Framework

多模态医学视觉框架:MultiMedVision

Frank Li, Bardia Khosravi, Mohammadreza Chavoshi, Young Seok Jeon, Theo Dapamede, Hari Trivedi, Janice Newsome, Judy Gichoya

机构 * Emory University(埃默里大学) Yale University(耶鲁大学)

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

AI总结 本文提出MultiMedVision框架,通过稀疏视觉Transformer实现2D/3D医学影像的统一表征学习,无需模态特定适配器,在共享潜在空间中处理混合模态数据,取得2D和3D任务的竞争力表现。

Comments 9 pages, 2 figures

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.02564 2026-05-12 eess.IV cs.CV 50%

Why Invariance is Not Enough for Biomedical Domain Generalization and How to Fix It

为何不变性不足以实现生物医学领域泛化以及如何修复它

Sebo Diaz, Polina Golland, Elfar Adalsteinsson, Neel Dey

机构 * MIT(麻省理工学院) MGH(麻省总医院) HMS(哈佛医学院)

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

AI总结 MaskGen通过结合源域图像强度和领域稳定的基模型表示,提出了一种简单有效的领域泛化策略,在生物医学图像分割中实现了更强的泛化能力。

Comments Project GitHub https://github.com/sebodiaz/MaskGen

详情

展开后加载摘要…

URL PDF HTML 收藏