语言大模型 / LLM

Tools Are Not Islands: Set-Level Tool Retrieval for LLM Agents via Query-Conditioned Hyperedge Prediction

工具并非孤岛：通过查询条件超边预测为语言模型智能体进行集合级工具检索

Xinyi Hong, Pinjun Dong, Xinyang Yu, Binyan Jiang

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

AI总结 研究LLM智能体的工具检索问题，提出HYSET方法，将其表述为查询条件超边预测，通过特定基数交互捕捉工具兼容性，设计为预选择模块，实验证明该方法在工具检索性能及任务成功率上优于基线，还支持零样本/少样本迁移。

Comments 9 pages, 2 figures, 3 tables

Scientific Knowledge Discovery in the Age of Large Language Models

大语言模型时代的科学知识发现

Eleni Adamidi, Serafeim Chatzopoulos, Thanasis Vergoulis

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

AI总结 本章综述34篇应用生成式大语言模型的同行评审论文，针对学术文献检索与合格研究筛选任务，基于OpenAIRE Graph布尔搜索筛选文献，为科学知识发现提供更灵活方案。

Comments 21 pages, 4 figures

IMFuse: Instance-Aware Multi-Layer Fusion for LLM-Enhanced Sequential Recommendation

IMFuse：面向大语言模型增强型序列推荐的实例感知多层融合方法

Yuheng Zheng, Yu Cui, Bin Wu, Jian Zhang, Ye Feng, Can Wang, Jiawei Chen

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

AI总结 针对LLM增强型序列推荐中仅用最后一层表示的缺陷，提出IMFuse方法，通过实例感知多层融合策略生成个性化语义表示，在四个数据集上平均相对提升6.72%且开销有限。

Comments 12 pages, 5 figures, and 9 tables. Yuheng Zheng and Yu Cui contributed equally. Jiawei Chen is the corresponding author

Cognitive Convergence: Deep Similarities Between Large Language Models and Human Cognition

认知趋同：大语言模型与人类认知的深层相似性

Chandra Sripada, Richard Lewis

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

AI总结 该研究指出，尽管大语言模型与人类存在多方面差异，但在推理组织等五个认知维度上与人类认知结构趋同，相关核心原则可用于解释基于大语言模型的系统智能。

Comments 23 pages, 0 figures

Using large language models to probe the limits of atom-centered structural descriptors

利用大语言模型探究原子中心结构描述符的极限

Michelangelo Domina, Michele Ceriotti

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

AI总结 该研究借助大语言模型发现原子中心结构描述符在考虑至多七个邻原子簇时仍存在简并，揭示了AI在跨领域转化成果、加速科学突破的新应用模式。

SCALPEL: Semantic Cross-modal Alignment via LLM-Powered Encoder Learning for Medical Vision-Language Representation

SCALPEL：基于大语言模型驱动的编码器学习的医学视觉-语言语义跨模态对齐框架

Yunzhan Fu, Enyu Bao, Xiangyu Shen, Yihao Wu, Chunbo Jiang, Fangli Guan, Liqi Yan

机构 * School of Computer Science, Hangzhou Dianzi University（杭州电子科技大学计算机学院） 纠错

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

AI总结 针对现有医学视觉-语言预训练的三大瓶颈，本文提出SCALPEL框架，通过临床报告对比微调、非对称对齐策略及解剖-否定感知目标，在三大医学基准上实现了多项任务的最优性能。

Comments 14 pages, 3 figures, accepted by PRCV2026

$\texttt{AMEND++}$: Benchmarking Eligibility Criteria Amendments in Clinical Trials

AMEND++：临床试验资格标准修订的基准测试

Trisha Das, Mandis Beigi, Jacob Aptekar, Jimeng Sun

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Medidata Solutions（Medidata解决方案） 纠错

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

AI总结 AMEND++通过CAMLM模型提升临床试验资格标准修订预测的准确性与效率。

Guess Where You Go: Generative Next Point-of-Interest Recommendation in Amap

猜猜你要去哪里：高德地图中的生成式下一个兴趣点推荐

Penglong Zhai, Bowen Zheng, Jie Li, Yifang Yuan, Yue Liu, Sicong Wang, Mingyang Yin, Tingting Hu, Shuaijun Guo, Fanyi Di, Xin Li

专题命中 领域大模型 ：LLM(summary_cn,abstract)；pretraining(abstract)

AI总结 该研究提出Gwhere框架，结合SID生成与LLM生成式下一个POI推荐，经实验验证其在高德地图中可提升P-CTR和U-CTR，已部署应用且效果显著。

Comments 10 pages, 4 figures

Validating ETCS Data with the B Mathematical Language: An Industrial Pipeline and a Blueprint for LLM Integration

用B数学语言验证ETCS数据：工业流水线与大语言模型集成蓝图

Thierry Lecomte, Vincent Germain

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

AI总结 本文报告CLEARSY公司ValidAItion项目进展，将ERTMS操作模拟器与CLEARSY数据求解器桥接，用B语言验证ETCS数据，Claude生成规则库，工具链与人工审核裁决，形式化规则为事实来源，大模型为受管控助手。

Comments Submitted and accepted to DisCoRail @ISOLA 2026

The User Asks, Platforms Compete: How Agentic Recommendation Markets Take Shape

用户提问，平台竞争：代理推荐市场如何形成

Deyao Hong, Kehan Zheng, Qian Li, Jun Zhang, Jie Jiang, Hongning Wang

机构 * Tsinghua University（清华大学） ； Tencent Inc.（腾讯公司） 纠错

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

AI总结 研究基于LLM的代理推荐市场，用户先提需求平台竞争注意力。实验发现新设置在获取与注意力间有紧张关系，竞争引发平台策略行为，关联反馈可增加购买机会，强调设计代理推荐需综合考虑多方面并作为联合机制设计问题。

LLMAR: A Tuning-Free Recommendation Framework for Sparse and Text-Rich Industrial Domains

LLMAR：一种适用于稀疏且文本丰富的工业领域的无调优推荐框架

Ryogo Hishikawa, Ichiro Kataoka, Shinya Yuda

机构 * Hitachi, Ltd. Research and Development Group（日立株式会社研发部门） ； Hitachi Power Solutions Co., Ltd.（日立电力解决方案公司） 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

AI总结 LLMAR通过无调优框架整合大语言模型推理，捕捉用户潜在动机，解决工业领域数据稀疏问题，提升推荐准确率和效率。

Comments 10 pages, 3 figures

LAMUS: A Large-Scale Corpus for Legal Argument Mining from U.S. Caselaw using LLMs

LAMUS：利用LLMs构建大规模美国判例法法律论证语料库

Serene Wang, Lavanya Pobbathi, Haihua Chen

机构 * University of North Texas（北卡罗来纳大学达顿分校） 纠错

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

AI总结 LAMUS利用LLMs构建大规模美国判例法法律论证语料库，通过数据驱动方法提升法律NLP研究的可扩展性和实证支持。

Comments This article has been peer reviewed and formally published in the Journal of Computational Law and Legal Technology (JCLLT). The final Version of Record is available at: https://doi.org/10.47852/bonviewJCLLT62029649

AgentGFM: A Graph Foundation Model with Node-Agent Information-Flow Control

AgentGFM：具备节点智能体信息流控制的图基础模型

Jingbo Cui, Jitao Zhao, Di Jin, Dongxiao He

机构 * School of Computer Science and Technology, Tianjin University（天津大学计算机科学与技术学院） 纠错

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

AI总结 针对现有图基础模型固定传播方案不适配节点多样结构模式的问题，提出AgentGFM，以节点为智能体通过预测-行动-观察-修正实现自适应信息流控制，实验验证其在多样图拓扑中的有效性。

Comments 13 pages, 5 figures

FirstResearch: Auditable Question Formation for LLM Scientific Discovery Agents

FirstResearch：用于大语言模型科学发现智能体的可审计问题形成

Yufeng Wang

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

AI总结 研究针对大语言模型科学发现智能体首个研究问题难审计的问题，提出FirstResearch框架，核心是研究问题证书，记录多种要素使问题可检查。实验表明该框架在多个主题上优于基线，以证书为中心的核心组件作用显著，支持明确推导约束可提升问题可审计性。

Comments Withdraw for further improvement and work consolidation

Comparing the Performance of Foundation Model Derived Embeddings with Traditional Approaches for Distant Metastasis Prediction in Head and Neck Cancer

比较基于基础模型的嵌入与传统方法在头颈部癌远处转移预测中的性能

Erich Schmitz, Meixu Chen, Bowen Jing, Jing Wang

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

AI总结 本研究以RADCURE数据集2327例HNC患者术前CT图像为基础，对比CT基础模型嵌入、放射组学等特征集预测远处转移的性能，发现CT基础模型嵌入性能更优，可作为传统放射组学的替代方案

Comments 27 pages including supplemental materials, 5 main figures, 2 supplemental figures, 5 main tables, 7 supplemental tables. Poster Abstract at 2026 AAPM Meeting and Exhibition

The Capability Paradox: How Smarter Auditors Make Multi-Agent Systems Less Secure

能力悖论：更聪明的审计员如何使多智能体系统更不安全

Qiqi Liu, Runhan Song, Shilin Ye

机构 * University of Chinese Academy of Sciences（中国科学院大学） ； Max Planck Institute for Security and Privacy（马克斯·普朗克安全与隐私研究所） ； Henan Yinzhu Safety Technology Co., Ltd.（河南亿众安全技术有限公司） ； Harbin Institute of Technology, Faculty of Computing（哈尔滨工业大学计算机学院） 纠错

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

AI总结 本文研究了多智能体系统中，随着工人能力的提升，系统级攻击成功率反而上升的现象，揭示了语言确定性在攻击传播中的作用，并提出异质性集成验证作为解决方案，以降低攻击成功率。

Comments 28 pages, 6 figures

Deep Expert Injection for Anchoring Retinal VLMs with Domain-Specific Knowledge

深度专家注入用于带有领域特定知识的视网膜视觉语言模型的锚定

Shuai Lu, Meng Wang, Jia Guo, Jiawei Du, Bo Liu, Shengzhu Yang, Weihang Zhang, Huazhu Fu, Huiqi Li

机构 * Beijing Institute of Technology, Beijing, China（北京理工大学） ； National University of Singapore, Singapore（新加坡国立大学） ； Tsinghua University, Beijing, China（清华大学） ； The Hong Kong Polytechnic University, Hong Kong（香港理工大学） 纠错

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

AI总结 本文提出EyExIn框架，通过深度专家注入机制提升视网膜VLMs的领域知识嵌入能力，解决感知与推理间隙问题，实现高精度眼科视觉问答。

(EC)2: Event-Centric Explainability for Cybersecurity Through Multi-Agent LLM Investigations

(EC)2：基于多智能体大语言模型调查的网络安全以事件为中心的可解释性

Neta Kirmayer, David Tayouri, Andrés Murillo, Motoyoshi Sekiya, Asaf Shabtai, Rami Puzis

专题命中 领域大模型 ：LLM(title)；分类 cs.AI

AI总结 该研究提出多智能体框架(EC)2，为中小型企业网络的网络安全警报提供基于可验证证据的以事件为中心的可解释性，可提升检测后分析效果与事件分类准确率。

Comments 21 pages

The Reliability of LLMs for Medical Diagnosis: An Examination of Consistency, Manipulation, and Contextual Awareness

大语言模型在医疗诊断中的可靠性：一致性、可操纵性与情境感知能力的检验

Krishna Subedi

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 该研究检验Google Gemini 2.0 Flash与OpenAI ChatGPT-4o的医疗诊断可靠性，发现二者虽一致性达100%，但易受无关信息操纵，且情境响应存在差异，提示其医疗应用需临床监督与结构化保障。

ClockRoPE: Random Fourier Rotations for Temporal Routine Modeling

ClockRoPE：用于时序常规建模的随机傅里叶旋转

Yiwen Chen, Joshua Ainslie, Krzysztof Choromanski, Xiang Gao, Su-Lin Wu, Yiping Yuan, Qian Sun

机构 * Google DeepMind（谷歌DeepMind） ； YouTube（优兔） 纠错

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

AI总结 ClockRoPE基于随机傅里叶旋转理论提出，用于序列推荐的时序常规建模，经在线A/B测试可提升参与度指标，已部署于大型视频平台的生成式检索系统。

AI LEGO: Scaffolding Cross-Functional Collaboration in Industrial Responsible AI Practices during Early Design Stages

AI LEGO：在早期设计阶段为工业负责任的AI实践搭建跨职能协作框架

Muzhe Wu, Yanzhi Zhao, Shuyi Han, Michael Xieyang Liu, Hong Shen

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Northwestern University（西北大学） 纠错

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

AI总结 针对工业跨职能团队早期设计阶段负责任AI实践的协作难题，开发基于边界对象理论的AI LEGO原型，可提升跨角色危害识别的数量与概率，优化协作效果。

A Design Study on Voice-based Interaction for Immersive Network Visualization and Analysis

面向沉浸式网络可视化与分析的基于语音交互的设计研究

Sam Yu-Te Lee, Hsin-Ai Chen, Sarah Yuniar, David Bauer, Kwan-Liu Ma

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

AI总结 本研究通过研究驱动设计，设计了依托大语言模型的沉浸式网络可视化语音交互系统，经用户研究表明其可提升感知可用性、降低认知负荷，为沉浸式可视化提供设计启示。

Hearsay: Vision-Language Medical Diagnoses Without an Image

Hearsay：无需图像的视觉-语言医学诊断

Siddharth Vohra

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Amazon Web Services AI Native（亚马逊网络服务AI原生部门） 纠错

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

AI总结 该研究发现前沿视觉-语言模型在无图像时会基于人口统计学特征编造医学诊断，存在不同失败模式，提出需直接审计其结构化输出通道并将探针词敏感性作为核心评估维度。

Comments Peer-reviewed and presented at the 1st Workshop on Toward Trustworthy Vision-Language Models in the Wild (TrustVLM), co-located with ACM ICMR 2026, Amsterdam. Non-archival workshop. Reviews public on OpenReview. 5 pages, 2 figures

TREA-Net: A Transferable Residual Epidemiological Adaptation Network for Dengue Incidence Forecasting

TREA-Net：用于登革热发病率预测的可迁移残差流行病学适配网络

Inesh Shukla, Madhurima Panja, Tanujit Chakraborty, Chittaranjan Hens

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

AI总结 针对新监测系统数据不足的登革热预测问题，提出TREA-Net模型，结合环境时间序列SIR模型与轻量门控残差修正，跨区域迁移知识，在多数据集上提升预测性能，是适用于数据有限机构的预警框架。

Unpacking Vibe Coding: Help-Seeking Processes in Student-AI Interactions While Programming

解析Vibe编码：学生与AI互动中的求助过程

Daiana Rinja, Eduardo Araujo Oliveira, Sonsoles López-Pernas, Mohammed Saqr, Marcus Specht, Kamila Misiejuk

机构 * CATALPA ； FernUniversität in Hagen（费尔恩大学） ； School of Computing and Information Systems（计算与信息系统学院） ； University of Melbourne（墨尔本大学） ； School of Computing（计算学院） ； University of Eastern Finland（东芬兰大学） 纠错

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

AI总结 研究通过分析110名学生的19418次互动，探讨学生在编程中与AI协作的求助过程，发现高绩效学生采用探索性求助，低绩效学生则依赖任务委托，指出AI需转向教育导向设计以促进认知发展。

Comments Accepted by the 27th International Conference on Artificial Intelligence in Education (AIED'26)

Towards Grounded GI Endoscopy VQA via Multi-Task Learning on Small VLMs

基于小型视觉语言模型多任务学习的 grounded 胃肠道内窥镜视觉问答研究

Itbaan Safwan, Ramail Khan, Muhammad Annas Shaikh, Muhammad Atif Tahir

机构 * Institute of Business and Administration（商业管理学院） 纠错

专题命中 领域大模型 ：language model(abstract)

AI总结 该研究针对胃肠道内窥镜视觉问答任务，提出多任务微调方案，利用现有数据集构建辅助任务，微调小型视觉语言模型，实现了准确率提升与答案-图像区域对齐优化。

Comments Accepted at EMA4MICCAI 2026 (Workshop on Efficient Medical AI, MICCAI 2026)

Caption-Matching: A Multimodal Approach for Cross-Domain Image Retrieval

图像跨域检索：一种多模态方法

Lucas Iijima, Nikos Giakoumoglou, Tania Stathaki

机构 * Department of Electrical and Electronic Engineering, Imperial College London（帝国理工学院电气与电子工程系） 纠错

专题命中 领域大模型 ：language model(abstract)

AI总结 本文提出Caption-Matching方法，利用预训练视觉语言模型生成的图像描述作为中间表示，实现跨域图像检索，无需标注数据或进一步训练，在Office-Home和DomainNet上取得显著提升。