语言大模型 / LLM

A Large Language Model Based Pipeline for Review of Systems Entity Recognition from Clinical Notes

基于大型语言模型的临床笔记中系统回顾实体识别流程

Hieu Nghiem, Zhuqi Miao, Hemanth Reddy Singareddy, Jivan Lamichhane, Abdulaziz Ahmed, Johnson Thomas, Dursun Delen, William Paiva

机构 * Department of Computer Science（计算机科学系） ； Department of Management（管理系） ； Department of Medicine（医学系） ； Center for Health Systems Science and Information Systems（健康系统科学与信息系统中心） ； The State University of New York（纽约州立大学） ； Upstate Medical University（上州医学院） ； Oklahoma State University（俄克拉荷马州立大学） ； Innovation New Paltz（新帕尔茨创新中心） ； Department of Health Services（健康服务系） ； Center for Health Systems（健康系统中心） ； Science and Information Systems University of Alabama at Stillwater, OK, USA（阿拉巴马大学仍水分校） ； Innovation Birmingham, AL, USA（伯明翰创新中心） 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 本文提出了一种基于大型语言模型的流程，用于从临床笔记中自动提取系统回顾实体，通过开源模型和新算法提升识别精度与效率。

Comments Accepted by IEEE EMBC 2026. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses, in any current or future media, including reprinting/republishing this material for advertising or promotional purposes, creating new collective works, for resale or redistribution to servers or lists, or reuse of any copyrighted component of this work in other works

Rongzai agent: A Large Language Model-Based Autonomous Assistant for Rietveld Refinement of Neutron Diffraction Data

荣宰代理：一种基于大语言模型的自主助手，用于中子衍射数据的Rietveld精修

Qingmeng Li, Hao Wang, Dongbo Xiong, Jiajun Zhong, Wenhai Ji, Hao Hu, Yiyu Zhang, Bolun Zhang, Hong Wang, Yongfeng Zhu, Rong Du, Zhengde Zhang, Fazhi Qi, Junrong Zhang

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

AI总结 本文提出基于大语言模型的荣宰代理，实现中子衍射数据Rietveld精修的自动化，通过知识驱动决策，提升精修效率与准确性，已在中国散裂中子源部署。

Quantifying and Mitigating Premature Closure in Frontier LLMs

对前沿大语言模型中过早闭合进行量化与缓解

Rebecca Handler, Suhana Bedi, Nigam Shah

机构 * Department of Medicine, Stanford University（斯坦福大学医学系） ； Department of Biomedical Data Science, Stanford University（斯坦福大学生物医学数据科学系） 纠错

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

AI总结 本文研究了大语言模型在医疗任务中过早闭合的问题，通过评估五个前沿模型发现其在不确定情况下仍频繁给出答案，安全提示虽能减少错误，但仍有残留问题，需进一步验证医疗LLM是否能判断何时不应回答。

Comments 14 pages, 3 figures, 1 table

Agentifying Patient Dynamics within LLMs through Interacting with Clinical World Model

通过与临床世界模型交互实现患者动态的智能体化

Minghao Wu, Yuting Yan, Zhenyang Cai, Ke Ji, Chuangsen Fang, Ziying Sheng, Xidong Wang, Rongsheng Wang, Hejia Zhang, Shuang Li, Benyou Wang, Hongyuan Zha

机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） 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、cs.LG

AI总结 本文提出SepsisAgent，通过临床世界模型模拟患者对液体-血管加压药干预的响应，采用提出-模拟-细化流程进行脓毒症治疗推荐，优于传统RL和LLM基线方法。

LLM-Based Robustness Testing of Microservice Applications: An Empirical Study

基于大型语言模型的微服务应用鲁棒性测试：实证研究

Hrushitha Goud Tigulla, Marco Vieira

机构 * College of Computing（计算学院） ； Informatics University of North Carolina at Charlotte（北卡罗来纳大学夏洛特分校信息学院） ； Charlotte, USA（美国夏洛特） 纠错

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

AI总结 本文通过实证研究探讨大型语言模型在生成微服务应用鲁棒性测试用例中的有效性，发现提示策略对测试用例多样性影响更大，引入两种策略提升测试覆盖率并保持低跨模型相似性。

XDomainBench: Diagnosing Reasoning Collapse in High-Dimensional Scientific Knowledge Composition

XDomainBench：诊断高维科学知识组合中的推理崩溃

Gong Zhiren, Tiantong Wu, Jiaming Zhang, Fuyao Zhang, Che Wang, Yurong Hao, Yikun Hou, Foo Ping, Yilei Zhao, Fei Huang, Chau Yuen, Wei Yang Bryan Lim

机构 * Alibaba Group, China（阿里巴巴集团，中国） 纠错

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

AI总结 XDomainBench通过系统压力测试科学推理，揭示LLM在跨学科知识组合中的推理崩溃问题，发现领域组合导致直接难度增加和轨迹模式引发的误差累积是根本原因。

LLMs learn scientific taste from institutional traces across the social sciences

大语言模型通过社会科学研究中的机构痕迹学习科学品味

Ziqin Gong, Ning Li, Huaikang Zhou

机构 * School of Economics and Management, Tsinghua University（清华大学经济管理学院） 纠错

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

AI总结 本文探讨机构痕迹作为训练信号，帮助AI在低可验证性领域进行评估判断，通过八个社会科学学科的四层研究提案基准测试，验证了微调LLM在不同领域的准确率，最高达85.5%。

Explainable Detection of Depression Status Shifts from User Digital Traces

从用户数字痕迹中可解释地检测抑郁状态转变

Loris Belcastro, Francesco Gervino, Fabrizio Marozzo, Domenico Talia, Paolo Trunfio

机构 * DIMES, University of Calabria（DIMES，卡塔尔大学） 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 本文提出一个可解释框架，通过结合多个BERT模型提取多维信号，构建用户轨迹以识别抑郁状态转变，利用大语言模型生成可读报告，提升解释性。

Hidden State Poisoning Attacks against Mamba-based Language Models

针对基于Mamba的语言模型的隐藏状态污染攻击

Alexandre Le Mercier, Chris Develder, Thomas Demeester

机构 * IDLab–T2K, Ghent University–imec（IDLab–T2K，根特大学–imec） 纠错

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

AI总结 本文研究了特定短输入短语对Mamba模型造成部分遗忘效应的攻击现象，揭示了SSM模型对隐藏状态污染攻击的脆弱性，并展示了攻击对Jamba和Nemotron-3-Nano模型的影响。

Comments 29 pages, 4 figures

BRIDGE: Building Representations In Domain Guided Program Synthesis

BRIDGE: 在领域引导的程序合成中构建表示

Robert Joseph George, Carson Eisenach, Udaya Ghai, Dominique Perrault-Joncas, Anima Anandkumar, Dean Foster

机构 * California Institute of Technology（加州理工学院） ； Amazon（亚马逊） 纠错

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

AI总结 BRIDGE通过多艺术ifacts程序合成框架提升Lean验证正确性，结合代码、规范和定理证明领域，提高生成效率和正确率。

Comments 41 pages, 10 figures, 3 tables. Preprint

NeuroAtlas: Benchmarking Foundation Models for Clinical EEG and Brain-Computer Interfaces

NeuroAtlas：用于临床EEG和脑机接口的基础模型基准测试

Konstantinos Kontras, Trui Osselaer, Stylianos G. Mouslech, Angeliki-Ilektra Karaiskou, Guido Gagliardi, Thomas Strypsteen, Mohammad Hossein Badiei, Anku Rani, Maarten Vanmarcke, Miguel Bhagubai, Chanakya Ekbote, Jaedong Hwang, Christos Chatzichristos, Paul Pu Liang, Maarten De Vos

机构 * KU Leuven（鲁文大学） ； MIT（麻省理工学院） 纠错

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

AI总结 NeuroAtlas是首个大规模EEG基准测试，包含42个数据集和260万小时的数据，涵盖癫痫、睡眠医学和脑年龄估计等领域，评估了EEG基础模型与通用时间序列模型的性能，揭示了现有模型在统一EEG模型上的不足。

SpectraFlow: Unifying Structural Pretraining and Frequency Adaptation for Medical Image Segmentation

SpectraFlow：统一结构预训练与频率适应用于医学图像分割

Zhiquan Chen, Haitao Wang, Guowei Zou, Hejun Wu

机构 * School of Computer Science（计算机科学学院） ； Engineering, Sun Yat-sen University（工程，中山大学） ； Guangdong Key Laboratory of Big Data Analysis（大数据分析与处理重点实验室） 纠错

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

AI总结 本文提出SpectraFlow框架，结合结构感知编码器预训练与边界导向解码，解决低数据下医学图像分割的挑战，提升鲁棒性和边界精度。

Language-Induced Priors for Domain Adaptation

领域适应中的语言诱导先验

Qiyuan Chen, Jiayu Zhou, Raed Al Kontar

机构 * University of Michigan（密歇根大学） 纠错

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

AI总结 本文提出语言诱导先验(LIP)用于领域适应，通过利用目标领域的专家描述，结合预训练大语言模型学习偏好，改进源域选择并提升性能。

SkillFlow: Flow-Driven Recursive Skill Evolution for Agentic Orchestration

SkillFlow: 以流程驱动的递归技能进化用于代理编排

Mingda Zhang, Tiesunlong Shen, Haoran Luo, Wenjin Liu, Zikai Xiao, Erik Cambria, Xiaoying Tang

机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； National University of Singapore（新加坡国立大学） ； Nanyang Technological University（南洋理工大学） ； Zhejiang University（浙江大学） 纠错

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

AI总结 SkillFlow通过流程驱动的递归技能进化解决代理编排中的策略崩溃、梯度方差高和无指导技能进化问题，实现高效任务编排。

Comments 49 pages, 5 figures, 6 tables

Text Knows What, Tables Know When: Clinical Timeline Reconstruction via Retrieval-Augmented Multimodal Alignment

文本知晓什么，表格知晓何时：通过检索增强的多模态对齐进行临床时间线重建

Sayantan Kumar, Shahriar Noroozizadeh, Juyong Kim, Jeremy C. Weiss

机构 * National Library of Medicine National Institutes of Health（国家医学图书馆国立卫生研究院） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

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

AI总结 本文提出一种检索增强的多模态对齐框架，通过结合文本和结构化EHR数据，提高临床时间线的精确度，提升时间一致性，同时保持事件匹配率。

Comments Sayantan Kumar, Shahriar Noroozizadeh, Juyong Kim (authors contributed equally)

FlowSteer: Towards Agents Designing Agentic Workflows via Reinforced Progressive Canvas Editing

FlowSteer：通过强化递进画布编辑设计代理工作流

Mingda Zhang, Wenjin Liu, Tiesunlong Shen, Qika Lin, Rui Mao, Erik Cambria, Xiaoying Tang, Haoran Luo

机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Nanyang Technological University（南洋理工大学） ； National University of Singapore（新加坡国立大学） 纠错

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

AI总结 本文提出FlowSteer，一种通过强化学习递进画布编辑设计代理工作流的新范式，解决传统工作流构建中依赖人类、缺乏图级执行反馈和无法在长周期内修复错误的问题。

Comments 51 pages, 6 figures, 5 tables. Project page: http://flowsteer.org/

Agentic Design of Compositional Descriptors via Autoresearch for Materials Science Applications

通过Autoresearch进行组合描述符的代理设计用于材料科学应用

Matteo Cobelli, Stefano Sanvito

机构 * School of Physics（物理系） ； CRANN Institute, Trinity College, Dublin 2, Dublin, Ireland（CRANN研究所，三一学院，都柏林2号，都柏林，爱尔兰） 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 本文通过Autoresearch框架设计输入描述符，利用大语言模型生成化学化合物的组合描述符，并通过随机森林工作流评估，提升了材料性质预测的性能。

MindGap: A Conversational AI Framework for Upstream Neuroplastic Intervention in Post-Traumatic Stress Disorder

MindGap：一种用于创伤后应激障碍上游神经可塑性干预的对话式AI框架

Eranga Bandara, Ross Gore, Asanga Gunaratna, Ravi Mukkamala, Nihal Siriwardanagea, Sachini Rajapakse, Isurunima Kularathna, Pramoda Karunarathna, Wathsala Herath, Chalani Rajapakse, Sachin Shetty, Anita H. Clayton, Christopher K. Rhea, Ng Wee Keong, Kasun De Zoysa, Amin Hass, Shaifali Kaushik, Preston Samuel, Atmaram Yarlagadda

机构 * Old Dominion University（旧 Dominion 大学） ； AI Motion Labs（AI Motion 实验室） ； Nanyang Technological University（南洋理工大学） ； University of Colombo（科伦坡大学） ； Accenture Technology Labs（Accenture 技术实验室） ； Department of Psychiatry and Neurobehavioral Sciences（精神病学与神经行为科学系） ； University of Virginia School of Medicine（弗吉尼亚大学医学院） ； Blanchfield Army Community Hospital（Blanchfield 军队社区医院） ； McDonald Army Health Center（McDonald 军队健康中心） 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 MindGap通过依赖起源于佛教心理框架的三层观察层，实现对PTSD患者神经可塑性康复的结构化干预，通过设备端运行的轻量级大语言模型提供每日校准暴露训练，实现对神经可塑性路径的上游溶解。

VerbalValue: A Socially Intelligent Virtual Host for Sales-Driven Live Commerce

VerbalValue：面向销售驱动直播电商的社会智能虚拟主持人

Yuyan Chen

机构 * Cornell University（康奈尔大学） 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 本文提出VerbalValue，一种以销售转化为导向的虚拟主持人，通过构建产品知识库和销售术语词典，结合大语言模型微调，提升直播电商中的信息传达和说服力。

Comments Accepted to the CVPR 2026 HiGen Workshop

A Non-Destructive Methodological Framework for Modernizing Legacy Clinical Reporting Systems for AI-Driven Pharmacoinformatics: A SAS Case Study

一种非破坏性的方法论框架用于现代ize遗留临床报告系统以实现AI驱动的药理信息学：SAS案例研究

Jaime Yan

机构 * Harrisburg University of Science and Technology（哈里斯堡科学与技术大学） 纠错

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

AI总结 本文提出非破坏性框架，通过元数据层实现遗留系统与AI的兼容，SAS案例显示其在保持原有功能的同时提升AI处理能力，减少专有代码并验证药理学应用效果。

Comments 29 pages, 7 figures, 5 tables

SciPaths: Forecasting Pathways to Scientific Discovery

SciPaths: 预测科学发现的路径

Eric Chamoun, Yizhou Chi, Yulong Chen, Rui Cao, Zifeng Ding, Michalis Korakakis, Andreas Vlachos

机构 * University of Cambridge（剑桥大学） ； The Alan Turing Institute（艾伦·图灵研究所） ； Singapore University of Technology and Design（新加坡科技设计大学） 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SciPaths基准，通过专家标注的262条金路径和2444条银路径，评估科学发现路径预测任务，发现核心方法依赖最难恢复，需改进分解质量以提升端到端路径恢复能力。

Medical Report Generation: A Hierarchical Task Structure-Based Cross-Modal Causal Intervention Framework

医学报告生成：基于层次任务结构的跨模态因果干预框架

Yucheng Song, Yifan Ge, Junhao Li, Zhining Liao, Zhifang Liao

专题命中 领域大模型 ：language model(abstract)

AI总结 本文提出HTSC-CIF框架，通过层次任务分解解决医学报告生成中领域知识不足、跨模态对齐差和虚假相关性三大问题，提升生成效果。

Comments Due to issues with the training epochs and training strategy in our paper, there are numerical errors in the result comparison table presented in the preprint. Therefore, we have decided to withdraw the manuscript for further revision

Multimodal Causal-Driven Representation Learning for Generalizable Medical Image Segmentation

多模态因果驱动表示学习用于通用化医学图像分割

Xusheng Liang, Lihua Zhou, Nianxin Li, Miao Xu, Ziyang Song, Dong Yi, Jinlin Wu, Jiawei Ma, Hongbin Liu, Zhen Lei, Jiebo Luo

机构 * City University of Hong Kong（香港城市大学） ； Shenzhen Loop Area Institute（深圳河套学院） ； CAIR, HKISI, Chinese Academy of Sciences（中国科学院计算智能研究所） ； UESTC（电子科技大学） ； MAIS, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） 纠错

专题命中 领域大模型 ：language model(abstract)

AI总结 本文提出MCDRL框架，结合因果推理与VLM解决医学图像分割的领域泛化问题，通过文本提示识别病变区域并消除领域特定影响，提升分割准确性与泛化能力。

Comments Accepted by CVPR 2026