AI 大模型
大语言模型、预训练、指令微调、后训练和语言模型应用。
超越医学诊断：医学多模态大语言模型如何在空间中思考
专题命中 领域大模型 ：large language model(title,abstract)；language model(title,abstract)
AI总结 本文提出SpatialMed基准，通过自主合成空间视觉问答数据评估医学MLLMs的3D空间智能，发现现有模型在医学影像空间推理能力不足。
汽车领域中基于大语言模型驱动的建模工具互操作性方法
机构 * European Chips Joint Undertaking（欧洲芯片联合体） ； Federal Ministry of Research, Technology and Space of Germany（德国联邦研究、科技与航天部）
专题命中 领域大模型 ：LLM(title,abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI
AI总结 研究汽车领域异构建模工具互操作性难题，提出基于大语言模型驱动的方法，涉及模型实例到目标元模型的映射及元模型合并，经案例验证该方法可行，能减少手动转换工作量并生成有效目标模型促进跨工具互操作。
VLT：用于工业智能的视觉-语言-时间序列多模态基础模型
机构 * School of Automation Science and Electrical Engineering, Beihang University（北京航空航天大学自动化科学与电气工程学院） ； Hangzhou International Innovation Institute, Beihang University（北京航空航天大学杭州国际创新研究院） ； State Key Laboratory of Intelligent Manufacturing System Technology（智能制造系统技术国家重点实验室） ； School of Computer Science and Artificial Intelligence, Zhengzhou University（郑州大学计算机科学与人工智能学院）
专题命中 领域大模型 ：foundation model(title,abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI
AI总结 针对工业时间序列单模态建模局限及连接时间序列与文本语义的挑战，提出VLT多模态基础模型，通过设计Time-MoE等机制联合建模多种模态，经实验验证其在多种复杂设置下优于现有方法，提升了鲁棒性和泛化能力。
Comments 18 pages, 13 figures, and 13 tables, including supplementary material. Haiteng Wang and Jingheng Yan contributed equally to this work
通过GradientSHAP和隐函数求导解释过程控制优化建议
机构 * University of Strathclyde（斯特拉斯克莱德大学） ； Weir（威尔）
专题命中 领域大模型 ：LLM(abstract,abstract_cn)；large language model(abstract)；language model(abstract)；分类 cs.AI
AI总结 针对工业过程控制优化中算法设计者与操作员的信任问题，提出结合隐函数定理灵敏度分析、SHAP归因及大语言模型叙述生成的方法，在HPGR控制优化问题上实现等效SHAP归因且加速超40倍，能实时生成自然语言解释。
ViPSAM：使用Segment Anything模型的视觉提示医学图像分割
机构 * Department of Artificial Intelligence, Sungkyunkwan University, Republic of Korea（人工智能系，成均馆大学，大韩民国） ； Department of Radiation Oncology, Samsung Medical Center, Sungkyunkwan University School of Medicine, Republic of Korea（放射肿瘤科，三星医疗中心，成均馆大学医学院，大韩民国） ； Department of MetaBioHealth, Sungkyunkwan University, Republic of Korea（元生物健康系，成均馆大学，大韩民国）
专题命中 领域大模型 ：prompting(title,abstract)；分类 cs.AI
AI总结 针对质子治疗计划中NCCT图像病变分割因对比度低而困难的问题，提出ViPSAM框架，基于SAM模型，利用视觉提示编码器和视觉引导交叉注意力模块整合跨模态信息，实验证明其在肝脏病变分割上优于其他方法，能实现更准确稳健的分割。
Comments Accepted at MICCAI 2026
ARMOR++：用于对深度伪造检测器进行可转移攻击的多域原语集的智能编排
机构 * Department of Informatics, Aristotle University of Thessaloniki（塞萨洛尼基亚里士多德大学信息学系） ； Infocomm Technology Cluster, Singapore Institute of Technology（新加坡科技学院信息通信技术集群） ； Department of Applied Physics and Applied Mathematics, Columbia University（哥伦比亚大学应用物理与应用数学系） ； Division of Natural and Applied Sciences, Duke Kunshan University（昆山杜克大学自然科学与应用科学部） ； Department of Electrical and Computer Engineering, University of Toronto（多伦多大学电气与计算机工程系）
专题命中 领域大模型 ：LLM(abstract)；large language model(abstract)；language model(abstract)
AI总结 研究针对深度伪造检测器在黑盒对抗转移下可靠性下降问题，提出ARMOR++多智能体框架，利用视觉与语言模型提供语义先验并编排原语选择等，整合多种原语有效针对异构偏差，实验表明其性能优于现有基线，凸显当前检测器可靠性差距及智能编排的有效性。
看似无害的数据，潜在的意识形态：微调语言模型中的意识形态泛化
专题命中 领域大模型 ：language model(abstract)；prompting(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 研究发现微调语言模型会引发意识形态泛化，提出衡量广度和放大率的方法，指出少样本提示表明泛化方向，微调会使模型走向极端，该效果能复现且对模型准确率影响小。
ArogyaSutra：面向印度语言的多模态医学推理的多智能体框架
机构 * Indian Institute of Technology Patna（印度理工学院巴特那分校） ； Indian Institute of Technology Kanpur（印度理工学院坎普尔分校） ； Prasannadeb Women’s College（普拉萨纳德布女子学院）
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 针对印度语言医疗场景中多模态大语言模型性能不足的问题，提出多模态医学问答数据集ArogyaBodha和基于演员-评论家的多智能体框架ArogyaSutra，通过工具接地与双记忆机制提升多语言医学推理准确性。
Comments Accepted for publication in IJCAI,2026
L-MARS：具有协调推理和代理搜索的法律多智能体工作流
机构 * University of Southern California（南加州大学） ； University of California, San Diego（加利福尼亚大学圣迭戈分校）
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 L-MARS是一种多代理检索框架，通过分解查询为结构化子问题，利用代理网络搜索获取证据，并通过验证代理过滤结果，从而在法律问答中实现高准确率。
Comments Accepted at the AI4Law Workshop at ICML 2026
SYNAPSE：一个多语言大模型编排的人工智能导师，用于具有神经差异优先设计的安全软件开发教育
专题命中 领域大模型 ：LLM(title)
AI总结 针对安全软件开发教育中神经差异学习者的问题，SYNAPSE平台通过协调多个大模型，采用三阶段苏格拉底式提示策略，结合可访问性特征和ShopSecure应用，实现自适应辅导，提高了可用性和参与度。
Comments Accepted at the 42nd IEEE International Conference on Software Maintenance and Evolution (ICSME 2026), Tool Demonstration and Data Showcase Track. Source code archived at https://doi.org/10.5281/zenodo.20480483
SearchOS-V1：迈向稳健的开放域信息检索智能体协作
机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学高瓴人工智能学院） ； Ant Group（蚂蚁集团）
专题命中 领域大模型 ：large language model(abstract)；language model(abstract)；分类 cs.AI
AI总结 研究开放域信息检索智能体协作问题，提出SearchOS系统级多智能体框架，通过将搜索进展转化为显式状态、设计上下文管理、应用调度机制及引入中间件和技能系统，在相关数据集上领先基线，推动稳健信息检索协作。
Comments Code is available at https://github.com/antins-labs/SearchOS
路由上限与领域无关：代码安全漏洞检测中的结构先验注入
机构 * Bytepro AI（字节专业人工智能公司）
专题命中 领域大模型 ：large language model(abstract)；language model(abstract)；分类 cs.CL
AI总结 研究在代码安全漏洞检测中测试路由器假设是否跨领域，通过重现SAIR设计评估三个大语言模型。结果表明结构先验能提升语义漏洞召回率，零样本性能随语义复杂度下降，备忘单在真实数据上效果不佳，迭代重新校准也有问题，证实了SAIR的跨分布权衡及路由器假设的跨领域性。
Comments 12 pages, 5 tables
迈向自主工业系统的意图抽象层
专题命中 领域大模型 ：large language model(abstract)；language model(abstract)；分类 cs.AI
AI总结 针对自主工业系统中各子系统运行目标冲突难以及时发现的问题，提出意图抽象层（IAL），通过大型语言模型等将自然语言目标解析为结构化意图，检测并解释冲突，实现执行前意图级检查，保障协作自主系统行为。
NeuroGRIP：用于基于知识的脑电图癫痫诊断的检索增强图细化
专题命中 领域大模型 ：large language model(abstract)；language model(abstract)；分类 cs.LG
AI总结 研究针对脑电图癫痫诊断难题，提出NeuroGRIP框架，结合外部医学知识校准脑电图图。通过构建知识库、利用大语言模型提取知识图，经对齐感知查询和相似性搜索检索关系证据，提升诊断准确性与可解释性，为临床诊断提供新框架。
多域检索的认证域一致性：具有共形风险保证的无标签逐域污染控制
机构 * Electric Power Research Institute (EPRI)（电力研究协会）
专题命中 领域大模型 ：LLM(abstract)；分类 cs.AI、cs.LG
AI总结 针对多域检索中错误域证据及污染控制问题，提出C3R控制层。基于风险控制预测集构建双分割方案，认证污染预算。通过实验验证其稳定性及有效性，能减少错误权威基础，且与冻结堆栈和重排器无关。
Comments Submitted to ACM TOI
用于动态系统零样本重建的最小可解释架构
机构 * Central Institute of Mental Health, Mannheim, Germany（德国曼海姆中央精神卫生研究所） ； Interdisciplinary Center for Scientific Computing (IWR), Heidelberg, Germany（德国海德堡跨学科科学计算中心 (IWR)） ； Faculty of Physics and Astronomy, Heidelberg University, Heidelberg, Germany（德国海德堡大学物理与天文学系）
专题命中 领域大模型 ：foundation model(abstract)；分类 cs.AI、cs.LG
AI总结 研究针对动态系统零样本重建基础模型缺乏预测机制洞察的问题，将DynaMix简化为DynaBase，其通过简单线性混合预测，参数负载低，表现出色，还得出映射族及不同训练策略效果，揭示最小机制并协调文献观察。
用于减轻 3D 医学成像中假阴性的多模态语义感知对比学习
机构 * University of Toronto（多伦多大学） ； The Hospital for Sick Children（病童医院） ； Vector Institute（向量研究所） ； University Hospital Augsburg（奥格斯堡大学医院）
专题命中 领域大模型 ：pretraining(abstract)；分类 cs.LG
AI总结 研究针对3D医学成像中假阴性问题，提出多模态语义感知对比学习框架MseaCL，通过纳入放射学报告语义相似性作指导信号，经实验验证该框架用于预训练可提升下游任务表现，如儿科脑肿瘤分子分类AUC至少增22.6%。
用于减轻疾病分类器偏差和检测偏差的人口统计学条件合成医学图像
机构 * Institute of Data Science, Faculty of Science and Engineering, Maastricht University（马斯特里赫特大学科学与工程学院数据科学研究所） ； Department of Advanced Computing Sciences, Faculty of Science and Engineering, Maastricht University（马斯特里赫特大学科学与工程学院高级计算科学系） ； VITO（比利时弗拉芒技术研究所）
专题命中 领域大模型 ：pretraining(abstract)；分类 cs.AI
AI总结 研究医学图像分类器亚组公平性审计的样本量问题，提出用人口统计学条件合成生成器减轻训练偏差、检测评估偏差。以COVID-19胸部CT分类为例，发现其在偏差减轻和检测上的作用，如预训练效果好、能再现亚组排名等。
通过成对验证器实现无奖励进化智能体
专题命中 领域大模型 ：LLM(abstract)；分类 cs.AI
AI总结 研究提出用成对验证器取代标量奖励设计，集成到三个自我进化引擎中，有自适应焦点和软Elo两种变体。该方法在多智能体和两种工件基质上多数设置下达到或超全奖励基线，无需标记成本，是替代每步奖励设计的有效方案。
CIPHER：用于数据科学智能体测试时扩展的解耦探索-选择框架
机构 * Amazon Web Services（亚马逊网络服务公司）
专题命中 领域大模型 ：language model(abstract)；分类 cs.AI
AI总结 研究针对数据科学任务自动化挑战，提出CIPHER智能体，通过生成和选择多初始状态实现测试时扩展，解耦生成与选择过程。经实验验证其性能超越现有技术，刻画DES框架设计空间并给出设计建议。
XCT-SAM：用于工业XCT缺陷分割的SAM顺序参数高效域适应
专题命中 领域大模型 ：foundation model(abstract)；分类 cs.LG
AI总结 针对增材制造X射线计算机断层扫描图像缺陷分割难题，提出XCT-SAM框架，先在合金微观结构数据集微调Conv-LoRA适配器，再转移到XCT图像，参数高效且冻结超99%模型，实验表明其性能优于基线，有效实现工业XCT缺陷分割。
Comments 10 pages, 7 figures, 3 tables. Accepted to the IAPR Workshop on Machine Vision for Industrial Inspection (MVI2), in conjunction with ICPR 2026. Code: https://github.com/Mahedi-61/XCT-SAM
MedBeads：面向可信医疗AI的智能体原生不可变数据基底
机构 * Diagnostic Imaging and Interventional Radiology, Institute of Medicine, University of Tsukuba（东京大学医学研究院诊断影像与介入放射学部） ； Center for Cyber Medicine Research, University of Tsukuba（东京大学计算机医学研究中心）
专题命中 领域大模型 ：LLM(abstract_cn)；分类 cs.AI
AI总结 针对医疗AI中电子病历与智能体间的上下文不匹配问题，提出基于Merkle有向无环图的不可变数据架构MedBeads，通过确定性图遍历替代概率检索，实现可审计、防篡改的临床上下文提供。
Comments 23 pages, 5 figures, 3 tables. Reference implementation and reproducible Docker demo available at https://github.com/medbeads/medbeads
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈