语言大模型 / LLM

LLM4EHR: Aligning Clinical Time Series with Medical Event Sequences via Large Language Models

LLM4EHR：通过大语言模型将临床时间序列与医疗事件序列对齐

Jingteng Li, Alexander Capstick, Louise Rigny, Iona Biggart, Neil J Sebire, Payam Barnaghi

机构 * UK Dementia Research Institute（英国痴呆症研究所） 纠错

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

AI总结 研究聚焦临床机器学习中重症监护室结果预测，提出LLM4EHR模型，结合领域适应大语言模型与变压器TS编码器，通过时间对齐EHR事件和TS预训练，能学习鲁棒可转移表示，提升下游临床任务性能，助力构建更好临床基础模型。

Symbolic Predicate-Guided Language Agents for Inverse Design of Perovskite Oxides

用于钙钛矿氧化物逆设计的符号谓词引导语言智能体

Dong Hyeon Mok, Seoin Back, Victor Fung, Guoxiang Hu

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

AI总结 研究钙钛矿氧化物逆设计，引入 DSL 引导策略，将自然语言规则转化为符号谓词，开发 ORCHESTRA 框架。该策略能增强 LLM 智能体推理能力，无需大量特定任务数据集或额外训练，提升材料设计性能。

One Pass, Any Order: Position-Invariant Listwise Reranking for LLM-Based Recommendation

一次通过，任意顺序：基于LLM的推荐系统位置不变列表重排序

Ethan Bito, Yongli Ren, Estrid He

机构 * RMIT University（皇家墨尔本理工大学） 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.LG

AI总结 本文提出InvariRank框架，通过结构化注意力掩码和RoPE共享位置框架，实现位置不变的列表重排序，提升推荐系统稳定性与效率。

Comments Accepted at SIGIR 2026

Journal ref Proceedings of the 49th International ACM SIGIR Conference on Research and Development in Information Retrieval, 2026, pp. 3625-3629

EduGuard: A Safe RAG-Based LLM Tutor for Programming Education

EduGuard：一种用于编程教育的基于安全检索增强生成的语言模型导师

S M Asif Hossain, Ruksat Khan Shayoni, M. F. Mridha, Jungpil Shin

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

AI总结 研究针对学生使用GenAI进行编程学习时的问题，提出EduGuard安全RAG辅导框架，集成多种功能。通过构建基准测试并与强基线比较，在正确性、基础等方面表现最佳，能提升准确率并降低过度依赖，证明安全GenAI辅导需多方面保障。

Large Language Models as Unified Multimodal Learners for Clinical Prediction

作为临床预测统一多模态学习者的大语言模型

Ajay Madhavan Ravichandran, Bilgin Osmandoja, Klemens Budde, Klaus Netter, Tobias Strapatsas, Aljoscha Burchardt, Sebastian Möller, Roland Roller

机构 * German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心（DFKI）） ； Charité Universitätsmedizin Berlin（柏林夏里特大学医学中心） ； DNC Information Management GmbH（DNC信息管理有限公司） ； Klinik für Akut- und Notfallmedizin, Asklepios Klinikum Harburg（哈堡阿斯克勒庇俄斯医院急性与急诊医学科） ； Technical University Berlin（柏林工业大学） 纠错

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

AI总结 研究探讨利用大语言模型进行临床预测，提出将不同模态患者数据转为自然语言序列，端到端微调预训练语言模型的方法，经三个临床任务评估，该方法匹配或超越多模态基线，优于临床梯度提升系统，降低系统复杂性。

What Does It Take to Research with AI? A Rapid Review of Competencies to Train LLM-Literate Researchers

利用人工智能进行研究需要具备什么？对培养精通大语言模型的研究人员所需能力的快速回顾

Danilo Monteiro Ribeiro, Ronnie de Souza Santos, Rodrigo Siqueira, Breno Andrade, Rafael Batista Duarte, Gilberto Hida, Julia Alencar, Gustavo Pinto

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

AI总结 研究探讨科研中使用大语言模型时研究人员所需能力，通过分析相关文章确定八项能力，指出领域专业知识是关键，培养人员使用大语言模型需综合多方面能力，结果对研究生项目和人工智能素养计划设计有指导意义。

HiLSVA: Design and Evaluation of a Human-in-the-Loop Agentic System for Scientific Visualization

HiLSVA：用于科学可视化的人机协同智能系统设计与评估

Kuangshi Ai, Patrick Phuoc Do, Chaoli Wang

机构 * Department of Computer Science and Engineering, University of Notre Dame（Notre Dame 大学计算机科学与工程系） 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.AI

AI总结 提出HiLSVA，一种人机协同智能系统，通过计划优先的多智能体架构、显式人类监督和逐步溯源，支持混合主动的科学可视化工作流，增强而非替代人类分析推理。

Comments IEEE Transactions on Visualization and Computer Graphics (IEEE VIS '26)

Vision-Language Model Purified Semi-Supervised Semantic Segmentation for Remote Sensing Images

面向遥感图像的视觉-语言模型纯化半监督语义分割

Shanwen Wang, Xin Sun, Danfeng Hong, Fei Zhou

机构 * Faculty of Data Science, City University of Macau（数据科学学院，澳门城市大学） ； School of Automation, Southeast University（自动化学院，东南大学） ； College of Oceanography and Space Informatics, China University of Petroleum (East China)（海洋与空间信息学院，中国石油大学（华东）） 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SemiEarth模型，通过引入视觉-语言模型的伪标签纯化结构，提升遥感图像半监督语义分割的性能与可解释性。

Visualization Autocomplete: Visualization Authoring via Stepwise Design Recommendations

可视化自动完成：通过逐步设计建议进行可视化创作

Hyeon Jeon, Sungbok Shin, Niklas Elmqvist

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

AI总结 研究针对领域专家创建图表时确定设计下一步的难题，提出VISAUTOCOMPLETE系统，受文本自动完成启发，按顺序过程推荐步骤，用户可干预。提炼大语言模型逻辑，经评估在复杂图表创作清晰度上超基线，可接近性与大语言模型相当。

Comments IEEE VIS 2026 & IEEE Transactions on Visualization and Computer Graphics (TVCG)

Ruling Out to Rule In: Contrastive Hypothesis Retrieval for Medical Question Answering

排除谬误以确认正确：面向医疗问答的对比假设检索

Byeolhee Kim, Min-Kyung Kim, Young-Hak Kim, Tae-Joon Jeon

机构 * Asan Medical Center（峨山医疗中心） ； Yonsei University（延世大学） ； University of Ulsan College of Medicine（蔚山大学医学院） 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 本文提出对比假设检索框架CHR，通过生成正确和错误假设来提升医疗问答系统检索效果，实验显示在多个基准测试中优于现有方法，有效减少硬负样本污染。

ToolSciVer: Multimodal Scientific Claim Verification with Visual Tool Augmented Reinforcement Learning

ToolSciVer：基于视觉工具增强强化学习的多模态科学声明验证

Binglin Zhou, Peng Shi, Ryo Kamoi, Nan Zhang, Rui Zhang

机构 * The Pennsylvania State University（宾夕法尼亚州立大学） ； University of Waterloo（滑铁卢大学） 纠错

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

AI总结 研究多模态科学声明验证问题，提出ToolSciVer框架，为视觉语言模型配备三种类型感知视觉工具，用组相对策略优化训练策略，实验证明该方法在多模型上性能优于竞争基线。

CoWeaver: A Bi-directional, Learnable and Explainable Matching Engine for Mixed Human-Agent Science Collaboration

CoWeaver：用于混合人机科学协作的双向、可学习且可解释的匹配引擎

Jiayao Gu, Kexin Chu, Peidong Liu, Yue Yang, Lynn Ai, Qi Zhang, Ling Yang, Tianyu Shi

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

AI总结 研究针对基于大语言模型的智能体在科学协作中存在的问题，提出CoWeaver算法，通过填补能力差距匹配人员，经两阶段排名筛选，结合探索与贪婪策略，在匹配质量和效率上优于基线，能促进人机科学协作。

S1-Omni: A Unified Multimodal Reasoning Model for Scientific Understanding, Prediction, and Generation

S1-Omni：用于科学理解、预测和生成的统一多模态推理模型

Jiahao Zhao, Junyi Liu, Lifeng Xu, Nan Xu, Qingli Wang, Qingxiao Li, Tianle Chen, Xiaoyu Wu, Yawen Zheng, Zikai Wang, Guanming Liu, Hequn Zhou, Jingyi Wang, Jingyuan Shu, Keqi Wang, Li He, Songyang Diao, Wenhui Xu, Xinyu Ren, Yaqin Fan, Yujin Zhou, Zhanao Yao

机构 * ScienceOne AI（科学一号人工智能） ； Wenge AI（文阁人工智能） 纠错

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

AI总结 研究针对科学人工智能模型能力分散问题，提出S1-Omni统一多模态推理模型，基于科学数据统一表示、知识对齐和解码三个核心组件，经训练和评估，在多基准测试中表现出色优于同类模型，为统一科学建模提供实用路径。

RECAP: Feedback-Driven Streaming Semantic User Profiles for Short-Video Recommendation

RECAP：用于短视频推荐的反馈驱动流语义用户画像

Ziyi Zhao, Xiaoyou Zhou, Xiao Lv, Yangyang Li, Chubo He, Zhao Liu, Jiayao Shen, Yuqi Liu, He Li, Chengyi Zhang, Jian Liang, Ming Li, Chongming Gao, Fuli Feng, Ruiming Tang, Han Li

专题命中 领域大模型 ：LLM(abstract)

AI总结 研究短视频推荐中用户画像生成问题，提出RECAP离线闭环框架，结合大语言模型语义更新、生命周期及容量控制维护画像，通过大语言模型判断和双塔评估器构建反馈，实验证明其提升推荐指标，在线测试显示提高用户应用使用时间。

Comments 9 pages, 5 figures, 2 tables. Accepted at RecSys 2026

Model Merging for Medical LVLMs: A Benchmark and a Winner-Take-All Approach

用于医学视觉语言模型的模型合并：一个基准和一种赢家通吃的方法

Lichao Mou, Shilan Zhang, Chunlei Li, Bingcong Yan, Jingliang Hu, Yilei Shi, Shengwu Xiong, Xiao Xiang Zhu, Lei Li, Yaxiong Chen

机构 * Wuhan University of Technology（武汉理工大学） ； Technical University of Munich（慕尼黑工业大学） ； National University of Singapore（新加坡国立大学） 纠错

专题命中 领域大模型 ：language model(abstract)

AI总结 研究医学LVLMs的模型合并，提出涵盖多种成像模态和临床任务类型的MergeMedBench基准，评估现有合并方法，提出赢家通吃方法，该方法简单且无超参数，优于现有方法，为LoRA合并提供新视角和实用基线。

Comments Project Page: https://github.com/MedAI-T/MergeMedBench

Clinical Audit Logs as Multi-Axial Traces of Care Delivery

临床审计日志作为护理交付的多轴轨迹

Braden Eberhard, Nate Apathy, Kevin Johnson

专题命中 领域大模型 ：pretraining(abstract)

AI总结 研究以电子健康记录审计日志为对象，将其视为多轴事件流，通过基础模型预训练学习可重复使用的表示，阐述了审计日志在表示学习、评估和治理方面的作用及相关规定。