语言大模型 / LLM

LLM-EDT: Large Language Model Enhanced Cross-domain Sequential Recommendation with Dual-phase Training

LLM-EDT: 基于大语言模型的跨领域序列推荐增强方法与双阶段训练

Ziwei Liu, Qidong Liu, Wanyu Wang, Yejing Wang, Pengyue Jia, Tong Xu, Wei Huang, Chong Chen, Xiangyu Zhao

机构 * City University of Hong Kong Hong Kong China ； Xi'an Jiaotong University \& City University of Hong Kong Xi'an China ； University of Science ； Independent Researcher Beijing China ； Tsinghua University Beijing China ； City University of Hong Kong ； Xi'an Jiaotong University \& City University of Hong Kong ； Independent Researcher ； Tsinghua University 纠错

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

AI总结 本文提出LLM-EDT，通过双阶段训练策略解决跨领域序列推荐中的领域不平衡和过渡问题，引入可转移物品增强器和领域感知配置模块，提升推荐效果。

SemanticOpt: Towards LLM-Based Semantic Black-Box Optimization

SemanticOpt: 向基于LLM的语义黑盒优化迈进

Jamison Meindl, Yunsheng Tian, Tony Cui, Veronika Thost, Zhang-Wei Hong, Jie Chen, Wojciech Matusik, Mina Konaković Luković

机构 * MIT（麻省理工学院） ； MIT-IBM Watson AI Lab（麻省理工-IBM沃森人工智能实验室） 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、cs.LG

AI总结 SemanticOpt利用LLM处理语义信息，通过微调结构化贝叶斯优化轨迹与自然语言上下文，提升黑盒优化性能，在多个实际问题中优于传统方法和现有LLM方法。

Muon-OGD: Muon-based Spectral Orthogonal Gradient Projection for LLM Continual Learning

Muon-OGD: 基于muon的谱范数正交梯度投影用于大语言模型持续学习

Binghang Lu, Zheyuan Deng, Runyu Zhang, Bing Hu, Yunhan Zhao, Yuan Tian, Changhong Mou, Guang Lin, Xiaomin Li

机构 * Purdue University（普渡大学） ； Brown University（布朗大学） ； Massachusetts Institute of Technology（麻省理工学院） ； University of California, Irvine（加州大学 Irvine 分校） ； Utah State University（犹他州立大学） ； Harvard University（哈佛大学） 纠错

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

AI总结 本文提出Muon-OGD框架，通过谱范数约束优化和正交投影约束，改进LLM持续学习的稳定性-可塑性平衡，实验证明其在持续学习基准上优于传统方法。

Retrieval-Augmented Large Language Models for Schema-Constrained Clinical Information Extraction

基于检索增强的大型语言模型用于受模式约束的临床信息提取

A H M Rezaul Karim, Ozlem Uzuner

机构 * George Mason University（乔治·马歇尔大学） 纠错

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

AI总结 本文提出一种模块化检索增强生成框架，通过schema约束提示、确定性后处理和二次审核，提升护士-患者对话中观察提取的F1分数达80.36%。

Contexting as Recommendation: Evolutionary Collaborative Filtering for Context Engineering

上下文作为推荐：面向上下文工程的进化式协同过滤

Jiachen Zhu, Zhuoying Ou, Congmin Zheng, Yuxiang Chen, Zeyu Zheng, Rong Shan, Lingyu Yang, Lionel Z. Wang, Weiwen Liu, Yong Yu, Weinan Zhang, Jianghao Lin

机构 * Shanghai Jiao Tong Univ.（上海交通大学） ； Univ. College London（伦敦大学学院） ； Carnegie Mellon Univ.（卡内基梅隆大学） ； Hong Kong Polytechnic Univ.（香港理工大学） 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

AI总结 本文提出将上下文工程视为推荐问题，通过Neural Collaborative Context Engineering框架，实现动态实例级路由，提升LLM上下文工程的个性化性能。

Artificial Aphasias in Lesioned Language Models

病变语言模型中的人工失语症

Nathan Roll, Jill Kries, Laura Gwilliams, Cory Shain

机构 * Wu Tsai Neurosciences Institute（吴Tsai神经科学研究所） 纠错

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

AI总结 通过模拟失语症对语言模型进行参数损伤，研究其功能组织特性，发现模型与人类失语症在症状分布上有显著差异，揭示学习和处理细节对语言处理的影响。

Comments 49 pages, 13 figures

Can Vision Language Models Be Adaptive in Mathematics Education? A Learner Model-based Rubric Study

视觉语言模型在数学教育中能否具备适应性？一种基于学习者模型的评分研究

Jie Gao, Yongan Yu, Junzhu Su, Yiran Lin, Adam K. Dube, Jackie Chi Kit Cheung

机构 * McGill University（麦吉尔大学） ； Mila – Quebec AI Institute（魁北克AI研究院） ； Canada CIFAR AI Chair（加拿大CIFAR人工智能 chair） 纠错

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

AI总结 本文探讨视觉语言模型在数学教育中的适应性，提出基于学习者模型的评分框架，评估模型在认知、动机和复杂度方面的适应性，并发现现有模型在有限学习者信息下难以产生一致的指导响应。

General-Purpose Co-Evolutionary Construction of Parallel Algorithm Portfolios for Multi-Objective Binary Optimization

通用目的协同进化并行算法组合在多目标二进制优化中的构建

Zhiyuan Wang, Shengcai Liu, Shaofeng Zhang, Ke Tang

专题命中 领域大模型 ：LLM(summary_cn,abstract)

AI总结 本文提出DACMO方法，通过神经实例表示架构和LLM自动搜索算子生成，解决多目标二进制优化问题中的通用并行算法组合构建问题，实验显示其在四个问题类上均表现优异。

Adapting Foundation Vision-Language Models to Medical Diagnosis via Query-Driven Expert Bridging

通过查询驱动专家桥梁适应基础视觉-语言模型用于医学诊断

Yitong Li, Morteza Ghahremani, Christian Wachinger

机构 * Lab for AI in Medical Imaging, Technical University of Munich (TUM)（医学影像人工智能实验室，慕尼黑技术大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） 纠错

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

AI总结 本文提出MedBridge框架，通过结合领域对齐、分辨率保持和多标签推理的互补VLM专家，解决医学影像诊断中的领域差距问题，实现跨领域泛化和领域内特化，提升多标签胸腔疾病诊断性能。

ADMIT: Few-shot Knowledge Poisoning Attacks on RAG-based Fact Checking

ADMIT: RAG基事实核查中的少样本知识污染攻击

Yutao Wu, Xiao Liu, Yinghui Li, Yifeng Gao, Yifan Ding, Jiale Ding, Xiang Zheng, Xingjun Ma

机构 * Deakin University（德金大学） ； Fudan University（复旦大学） ； City University of Hong Kong（香港城市大学） 纠错

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

AI总结 ADMIT提出一种无需访问目标模型的少样本攻击方法，通过注入真实证据来翻转事实核查决策，实验显示其在多种系统中成功率达86%，揭示了RAG事实核查系统的重大漏洞。

SMCEvolve: Principled Scientific Discovery via Sequential Monte Carlo Evolution

SMCEvolve：通过序列蒙特卡洛进化进行原理性科学发现

Jiachen Jiang, Huminhao Zhu, Zhihui Zhu

机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； The Ohio State University（俄亥俄州立大学） 纠错

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

AI总结 SMCEvolve通过将程序搜索视为从奖励倾斜的目标分布中采样，并利用序列蒙特卡洛采样器近似该分布，提出三种核心机制：自适应父采样、变异与接受的混合、自动收敛控制，从而在数学、算法效率、符号回归和端到端ML研究基准中超越现有系统。

Automatic Construction of a Legal Citation Graph from 100 Million Ukrainian Court Decisions: Large-Scale Extraction, Topological Analysis, and Ontology-Driven Clustering

从1亿份乌克兰法院判决中自动构建法律引文图：大规模提取、拓扑分析和本体驱动聚类

Volodymyr Ovcharov

机构 * LEX AI LLC, Kyiv, Ukraine（LEX AI LLC，基耶夫，乌克兰） 纠错

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

AI总结 研究通过大规模提取和拓扑分析，构建了首个大规模法律引文图，揭示了司法引文结构编码法律领域边界并预测立法重要性。

Comments 15 pages, 7 figures, 2 tables, 21 references

CodeDistiller: Automatically Generating Code Libraries for Scientific Coding Agents

CodeDistiller：自动为科学编码代理生成代码库

Peter Jansen, Samiah Hassan, Pragnya Narasimha

机构 * University of Arizona（亚利桑那大学） ； Allen Institute for Artificial Intelligence（人工智能研究所） 纠错

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

AI总结 CodeDistiller通过自动提炼科学GitHub仓库代码，生成经过验证的领域特定代码库，提升科学发现系统实验的准确性与完整性。

Comments 8 pages, 3 figures, 3 tables. Accepted to ACL 2026 (Demo Track)

Probabilistic Seasonal Streamflow Forecasting Across California's Sierra Nevada Watersheds with Agentic AI

基于代理AI的加州Sierra Nevada流域概率季节性径流预测

Ignacio Lopez-Gomez, Michael P. Brenner, Tapio Schneider

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

AI总结 本文提出利用代理AI与自动代码突变系统结合的方法，提升Sierra Nevada流域季节性径流预测的准确性，通过适应性集成三个XGBoost分模型，减少预测误差达29%。

On the Factual Consistency of Text-based Explainable Recommendation Models

基于文本的可解释推荐模型的事实一致性研究

Ben Kabongo, Vincent Guigue

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

AI总结 本文研究基于文本的可解释推荐模型的事实一致性，提出评估框架和指标，发现尽管模型在语义相似度上表现良好，但事实一致性指标表现不佳，凸显了事实意识评估的重要性。

Comments 13 pages, 2 figures, 4 tables

Beyond Answers: How LLMs Can Pursue Strategic Thinking in Education

超越答案：LLMs如何在教育中追求战略思维

Eleonora Grassucci, Gualtiero Grassucci, Aurelio Uncini, Danilo Comminiello

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

AI总结 本文探讨LLMs如何作为耐心导师和协作伙伴提升教育效果，通过个性化教学和解决复杂问题培养学生的战略思维能力。

Journal ref IEEE Signal Processing Magazine, 2026

From Guidelines to Guarantees: A Graph-Based Evaluation Harness for Domain-Specific Evaluation of LLMs

从指南到保证：一种基于图的评估工具用于特定领域语言模型的评估

Jessica M. Lundin, Usman Nasir Nakakana, Guillaume Chabot-Couture

机构 * Gates Foundation（比尔及梅琳·格ates基金会） 纠错

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

AI总结 本文提出一种基于图的评估工具，通过将结构化临床指南转化为可查询的知识图谱，实现对特定领域语言模型的评估，揭示模型在症状识别、治疗方案和临床决策上的系统性差距。

AOT-POT: Adaptive Operator Transformation for Large-Scale PDE Pre-training

AOT-POT：面向大规模PDE预训练的自适应算子变换

Qitan Lv, Hong Wang, Zhongkai Hao, Wen Wu, Xuenan Xu, Bowen Zhou, Feng Wu, Chao Zhang

机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Department of Electronic Engineering, Tsinghua University, China（清华大学电子工程系） 纠错

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

AI总结 本文提出AOT-POT方法，通过自适应算子变换将复杂多样的PDE解算子转化为统一形式，提升预训练效果，实验表明其在12个PDE基准上表现优异，参数仅增加3%。

BiomedAP: A Vision-Informed Dual-Anchor Framework with Gated Cross-Modal Fusion for Robust Medical Vision-Language Adaptation

BiomedAP: 一种基于视觉的双锚框架与门控跨模态融合用于鲁棒的医学视觉-语言适应

Huanyang Tong, Kai Liu, Fangjun Kuang, Huiling Chen

机构 * Wenzhou University（温州大学） ； Wenzhou Business College（温州商务学院） 纠错

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

AI总结 BiomedAP通过门控跨模态融合和双锚约束机制，提升医学视觉-语言模型在提示变化下的鲁棒性，实验显示其在多个基准上均优于基线方法。

Comments CVPR2026 Workshop

From Clever Hans to Scientific Discovery: Interpreting EEG Foundational Transformers with LRP

从聪明汉到科学发现：通过LRP解释EEG基础Transformer

Justus Meyer zu Bexten, Nico Scherf, Bogdan Franczyk, Simon M. Hofmann

机构 * Center for Scalable Data Analytics and Artificial Intelligence (ScaDS.AI)（可扩展数据分析与人工智能中心（ScaDS.AI）） ； Leipzig University（莱比锡大学） ； Neural Data Science and Statistical Computing, Max Planck Institute for Human Cognitive and Brain Sciences（神经数据科学与统计计算，人类认知与脑科学马克斯·普朗克研究所） ； Faculty of Economics, Leipzig University（经济学院，莱比锡大学） ； Department of Neurology, Max Planck Institute for Human Cognitive and Brain Sciences（神经病学系，人类认知与脑科学马克斯·普朗克研究所） 纠错

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

AI总结 本文研究了EEG基础模型中注意力感知的LRP方法，用于验证模型决策并提出生物合理假设，揭示了模型在运动想象和情绪预测中的潜在问题。

Comments 18 pages, 6 figures

Topological constraints on self-organisation in locally interacting systems

拓扑约束在局部相互作用系统自组织中的作用

Francesco Sacco, Dalton A R Sakthivadivel, Michael Levin

机构 * Allen Discovery Center at Tufts University, Medford, MA 02155（塔夫茨大学艾伦发现中心，马萨诸塞州梅德福02155） ； Department of Mathematics, CUNY Graduate Center, New York, NY 10016（纽约市立大学研究生中心数学系，纽约州纽约市10016） ； Department of Biology, Tufts University（塔夫茨大学生物学系） ； Wyss Institute for Biologically Inspired Engineering, Harvard University（哈佛大学生物启发工程研究所） 纠错

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

AI总结 研究局部相互作用系统中自组织的拓扑约束，通过分析不同模型的自由能缩放性，探讨图结构对有序相存在性的必要条件。

Comments 11+3 pages, four figures, four tikzpictures. This version to appear in Philos Trans R Soc A

Journal ref Philosophical Transactions A, 384(2320), 2026

Prefer-DAS: Learning from Local Preferences and Sparse Prompts for Domain Adaptive Segmentation of Electron Microscopy

Prefer-DAS: 从局部偏好和稀疏提示中学习，用于电子显微镜领域自适应分割

Jiabao Chen, Shan Xiong, Jialin Peng

机构 * College of Computer Science and Technology, Huaqiao University（华侨大学计算机科学与技术学院） 纠错

专题命中 领域大模型 ：preference optimization(abstract)

AI总结 本文提出Prefer-DAS，通过利用局部偏好和稀疏提示实现高效的领域自适应分割，结合自训练和提示引导对比学习，提升了分割性能和灵活性。

Polarimetry and albedo of the Near-Earth Asteroid 2025 FA22

2025 FA22近地小行星的偏振测量和反照率

J. -P. Rivet, S. Bagnulo, P. Bendjoya, G. Borisov, A. Cellino, M. Devogèle, Z. Gray, S. Ieva, L. Kolokolova, Y. G. Kwon, A. Berdyugin, S. V. Berdyugina, L. Boulanger, E. Dotto, P. Fatka, E. Frank, M. Lazzarin, V. Piirola, P. Pravec, the NEOPOPs team

专题命中 领域大模型 ：prompting(abstract)

AI总结 研究通过偏振和光谱偏振观测分析2025 FA22的光谱特性，确定其反照率和分类，为近地天体防御提供快速表征方法。

Toward a unified data-driven turbulence model through multi-objective learning

通过多目标学习实现统一的数据驱动湍流模型

Zhuoran Liu, Haochen Wang, Zhuolin Zhao, Heng Xiao

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

AI总结 本文提出一种统一的数据驱动湍流模型框架，通过多目标学习策略，在多种流动机制中实现鲁棒学习，适用于不同流动区域，并在工业相关复杂三维配置中表现优异。

Comments Accepted for publication in National Science Review