语言大模型 / LLM

Trustworthiness Costs of Domain Adaptation in Small Language Models:A Cross-Architecture Empirical Study

小语言模型领域适应的可信性代价：一项跨架构实证研究

Ramesh B. Paramkusham

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

AI总结 本文通过对三类SLM架构、三个领域、两类训练数据及四种微调策略的216组实验，量化了领域适应的可信性代价，发现对抗扰动训练数据可提升适应质量且不降低可信性，部分安全策略反而增加对抗伤害易感性。

Comments 13 pages, 7 tables, 2 appendices (Reproducibility Checklist; Software and Data Availability). Code, model checkpoints, and datasets publicly available at https://github.com/rbpdlf/slm-trw

Self-Evolving Recommendation System: End-To-End Autonomous Model Optimization With LLM Agents

自进化推荐系统：基于LLM代理的端到端自主模型优化

Haochen Wang, Yi Wu, Daryl Chang, Li Wei, Lukasz Heldt

机构 * Google Inc（谷歌公司） 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 本文提出了一种基于LLM代理的自进化推荐系统，通过端到端自动化流程自主优化模型，提升开发效率和性能。

Comments RecSys 2026

GARDRec: Decision-Level Graph Grounding for Large Language Model Recommendation

GARDRec：面向大语言模型推荐的决策级图接地方法

Yong Wang, Hongliang Sun, Jinlan Liu, Hua Zhang, Dianbo Sui, Dianhui Chu, Zhiying Tu

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

AI总结 本文针对现有图增强型LLM推荐器排序决策受用户-物品关系约束弱的问题，提出GARDRec框架，通过图接地技术提升下一项推荐的候选排序性能，经实验验证其优于代表性基线。

Comments 18 pages, 2 figures

DriveCode: Domain Specific Numerical Encoding for LLM-Based Autonomous Driving

DriveCode: 针对基于LLM的自动驾驶的领域特定数值编码

Zhiye Wang, Yanbo Jiang, Rui Zhou, Bo Zhang, Fang Zhang, Zhenhua Xu, Yaqin Zhang, Jianqiang Wang

机构 * School of Information Science and Engineering, Lanzhou University（兰州大学信息科学与工程学院） ； The School of Vehicle and Mobility, Tsinghua University（清华大学车辆与移动性学院） ； The Institute for AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究院） ； DiDi, Beijing, China（滴滴出行） ； State Key Laboratory of Intelligent Green Vehicle and Mobility, Tsinghua University（清华大学智能绿色车辆与移动性国家重点实验室） 纠错

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

AI总结 本文提出DriveCode，一种将数字表示为专用嵌入而非离散文本标记的新型数值编码方法，提升LLM在自动驾驶中的数值推理与解码效率。

Comments The project page is available at https://shiftwilliam.github.io/DriveCode

EntailLLM: Verifying LLM-Generated Vulnerability Discovery Paths with Domain Knowledge via Logic Programming

EntailLLM：通过逻辑编程结合领域知识验证大语言模型生成的漏洞发现路径

Kaustuv Mukherji, Jaikrishna Manojkumar Patil, Colton Payne, Paulo Shakarian, Dana Warmsley, Nigel Stepp, Evelyn Kim

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

AI总结 EntailLLM通过逻辑编程结合领域知识验证LLM生成的漏洞发现路径，在三类CWE、四个LLM等多组实验中，将合并蕴含率从78%提升至98%，可端到端部署且无需逐设备调优。

Large Language Models as Automatic Annotators and Annotation Adjudicators for Fine-Grained Opinion Analysis

大语言模型作为细粒度意见分析的自动标注者和标注裁决者

Gaurav Negi, MA Waskow, John McCrae, Omnia Zayed, Paul Buitelaar

机构 * Data Science Institute（数据科学研究所） ； University of Galway（Galway大学） 纠错

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

AI总结 本文探索使用大语言模型作为自动标注者进行细粒度意见分析，提出声明式标注流水线和LLM裁决方法，实验表明LLM在跨度级别可靠但难以再现关系结构，更适合作为标注助手而非完全替代人类。

Don't Offer What Can't Be Done: Deterministic Executability Gating for LLM Skill Selection at Scale

不要提供无法完成的任务：面向大规模LLM技能选择的确定性可执行性门控机制

Ortal Ashkenazi, Vitalii Kloz, Mykhailo Ulianchenko

机构 * Wix Israel（Wix以色列） ； Wix Ukraine（Wix乌克兰） 纠错

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

AI总结 该研究针对大规模LLM技能选择中不可执行技能的干扰问题，提出三阶段选择流水线，经生产分析和反事实测试，可大幅减少技能描述上下文并阻止不可执行技能影响模型选择。

Comments 7 pages, 3 figures. Preprint. Submitted to the ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD 2027), Applied Data Science Track; currently under review

Tokenizing Numerical and Embedding Features for LLM RecSys

用于语言模型推荐系统的数值和嵌入特征分词

Zhe Xu, Ankit Peshin, Chiyu Zhang, Feng Qi, Johnson Lui, Anil Ramakrishna, Justin Johnson, Carl Hu, Kaushik Rangadurai, Luke Simon

机构 * Meta 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 研究针对多数基于大语言模型的推荐器无法利用非文本信号的问题，提出软令牌融合框架，将数值和嵌入特征映射到LLM嵌入空间，在基于共享参数LLM的双塔检索模型中实例化该框架，实验证明该方法有效提升了检索性能。

Journal ref Second Tokenization Workshop @ COLM 2026

Computational Approaches to Understanding Large Language Model Impact on Writing and Information Ecosystems

理解大语言模型对写作与信息生态系统影响的计算方法

Weixin Liang

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

AI总结 本论文以计算方法研究LLMs对写作与信息生态系统的影响，涵盖AI检测器的公平性问题、LLMs在多写作领域的采用模式及LLMs为研究者提供手稿反馈的潜力。

Comments Stanford CS PhD Dissertation

Characterizing Treatment-Context Medication Evidence Across Clinic Notes and Structured EHR Medication History

刻画门诊病历与结构化电子健康记录（EHR）药物史中的治疗情境药物证据

Mingyang Jiang, Congning Ni, Weixin Liu, Zhijun Yin

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 本研究针对门诊病历与结构化EHR药物史的药物信息差异，开发结合LLM、人工审核等的标准化方法，通过患者级测试集验证，明确不匹配原因并提升了药物信息一致性。

Comments 9 pages, 3 figures. Submitted to IEEE BIBM 2026

TrainShield: Targeted Awareness for Cybersecurity Training

TrainShield：面向网络安全培训的目标感知机制

Giovanni Pizzenti, Alberto Verna, Nikhil Jha, Giuseppe Tipaldo, Stefano Traverso, Marco Mellia

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

AI总结 本研究提出嵌入用户工作流的场景化网络安全培训范式TrainShield，结合实时风险检测与LLM生成内容，初步验证其可提升风险意识，为行为导向网络安全教育提供新方向。

Comments Paper accepted for publication at ACM Hypertext 2026

Few-Shot Concept Prompt Learning for Segmentation Foundation Models via Visual Grounding

基于视觉定位的分割基础模型少样本概念提示学习

Rahul Venkataramani, Rachana Sathish

机构 * Advanced Technology Group（先进技术集团） ； GE HealthCare（GE医疗） 纠错

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

AI总结 该研究针对分割基础模型在临床任务中表现不足的问题，提出FS-CPL方法，通过视觉定位学习概念提示，在四个医学影像基准上取得显著性能提升，且与骨干网络无关。

MedTextWeaver: Procedural Knowledge Evolution in Agentic Medical Text Editing

ExperienceWeaver: 优化基于 LLM 的临床文本改进的小样本经验学习

Ziyan Xiao, Yinghao Zhu, Liang Peng, Kyongtae T Bae, Lequan Yu

机构 * School of Computing and Data Science, The University of Hong Kong（计算与数据科学学院，香港大学） 纠错

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

AI总结 ExperienceWeaver 通过经验学习优化小样本下 LLM 的临床文本改进，通过提炼反馈知识提升模型修订能力。

Generative AI and Foundation Models in Medical Image

医学影像中的生成式AI与基础模型

Masahiro Oda

机构 * Nagoya University（名古屋大学） ； Graduate School of Informatics, Nagoya University（名古屋大学信息学研究科） 纠错

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

AI总结 本文概述生成式AI相关的扩散模型、LLMs及基础模型，介绍其在医疗辅助中的应用，探讨基础模型的构建方法与医疗应用，并研究利用国家资源开发医疗辅助AI的路径。

Comments Review Article

Journal ref Radiological Physics and Technology, vol.18, pp.937-948, 2025

Location-Aware Fine-Grained Representation Learning for Medical Vision Foundation Models

面向医学视觉基础模型的位置感知细粒度表示学习

Myeongkyun Kang, Yanting Yang, Xiaoxiao Li

机构 * The University of British Columbia（不列颠哥伦比亚大学） ； Vector Institute（矢量研究所） 纠错

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

AI总结 本研究提出基于位置感知细粒度表示学习的医学视觉基础模型LoFi，构建大规模医学定位数据集MedG，在多项医学视觉任务中性能优于现有模型。

Meflex: A Multi-agent Scaffolding System for Entrepreneurial Ideation Iteration via Nonlinear Business Plan Writing

Meflex：一种基于非线性商业计划写作的多智能体支架系统，用于创业构想迭代

Lan Luo, Dongyijie Primo Pan, Junhua Zhu, Muzhi Zhou, Pan Hui

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

AI总结 Meflex通过非线性商业计划写作支架系统，支持创业构想的迭代发展，提升反思与元反思能力，降低认知负担。

Comments In Proceedings of The First Reflection in Creative Experience (RiCE) Workshop (RiCE W1) arXiv:2607.24558

CENTILE: A Telemetry Foundation Model Evaluated by the Decisions It Drives

CENTILE：一种由其驱动的决策评估的遥测基础模型

Zifan Zhang, Zhichao Hou, Tingxiang Ji, Yuchen Liu

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

AI总结 提出的\textbf{\textsc{Centile}}是首个经重放评估可改善HPC调度与网络配置决策的预训练遥测基础模型，可降低HPC回填平均有界减速约77%、违规率减半。

High-Stakes Decisions with Language Models: Insights from Emergency Triage

基于语言模型的高风险决策：来自急诊分诊的见解

Khurram Yamin, Christopher Kelly, Bryan Wilder, Eric Horvitz

机构 * Microsoft（微软） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

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

AI总结 本研究以急诊分诊为案例，将语言模型的高风险决策置于概率决策框架内，发现语言模型可根据效用调整建议，强调高风险场景下需将其作为概率决策系统评估。

Comments 29 pages

Gaokerena: A Small Persian Medical Language Model Family

Gaokerena：一个小型波斯语医疗语言模型家族

Mehrdad Ghassabi, Hamidreza Baradaran Kashani, Pedram Rostami, Sadra Hakim, Zahra Kazemi, Audrina Ebrahimi

机构 * University of Isfahan（伊斯法罕大学） ； University of Tehran（德黑兰大学） ； University of Windsor（温莎大学） ； Alzahra University（阿勒扎哈拉大学） ； University of Texas at Dallas（德克萨斯大学达拉斯分校） 纠错

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

AI总结 针对波斯语医疗语言模型研究不足的问题，该研究推出Gaokerena家族，包含Gaokerena-V和Gaokerena-R两款模型，在医疗问答基准上取得性能提升，还配备不确定性头，为本地化数字医疗提供基础但仍需完善。

Comments 29 pages, 9 figures

Empirical investigation of 3D CT Foundation Models and Unsupervised Adaptation for Head and Neck Cancer Recurrence Prediction

3D CT 基础模型与无监督适应用于头颈癌复发预测的实证研究

Bilel Guetarni, Feryal Windal, David Pasquier, Halim Benhabiles

机构 * University of Lille（里尔大学） ； Academic Department of Radiation Oncology, Centre Oscar Lambret（奥斯卡·兰布雷特中心放射肿瘤学学术部） ； Junia（朱尼亚学院） ； Centrale Lille（里尔中央理工学院） ； IMT Nord Europe, Institut Mines-Télécom（北欧电信学院、矿业电信学院） 纠错

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

AI总结 该研究通过两个含 3644 名患者的公开数据集，实证评估 3D CT 基础模型用于头颈癌复发预测的泛化能力，发现其跨场景泛化困难，影像与临床数据结合的预后方法最准确。

Comments Accepted at AIiH 2026

Intersectional Fairness in Vision-Language Models for Medical Image Disease Classification

视觉-语言模型在医学影像疾病分类中的交叉公平性

Yupeng Zhang, Adam G. Dunn, Usman Naseem, Jinman Kim

机构 * Biomedical Data Analysis and Visualisation (BDAV) Lab, School of Computer Science（生物医学数据分析与可视化实验室，计算机科学学院） ； Sydney School of Public Health（悉尼公共卫生学院） ； School of Computing（计算学院） 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CMAC-MMD框架，通过标准化交叉亚组的诊断确定性，减少医学影像疾病分类中的交叉偏见，提升诊断准确性和公平性。

Constructing Executable Analytical Knowledge Representations for Meta-Analysis Synthesis Using an Agentic Harness

使用智能体管控系统构建用于元分析综合的可执行分析知识表示

Lingbo Li, Anuradha Mathrani, Teo Susnjak

机构 * School of Mathematical and Computational Sciences（数学与计算科学学院） ； Massey University（梅西大学） 纠错

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

AI总结 该研究提出EAKR，在智能体管控系统MetaSynDec中实施后，可高效构建元分析所需的可执行分析知识表示，其性能优于直接大型语言模型生成，验证了相关方法的可行性与优势。

EasyBCI Agent: Towards Universal Neural Data Preprocessing for Brain-Computer Interfaces

EasyBCI Agent：面向脑机接口的通用神经数据预处理

Yu Zhu, Runkai Zhao, Zhimin Zhou, Jinyu Cai, Zhouheng Yao, Chutian Zhang, Peiyuan Li, Xiaoxing Zhang, Qihao Zheng, Jiamin Wu, Mianxin Liu, Chi Zhang, Bin Min, Lei Bai, Chengyu Li, Jingpeng Wu, Chunfeng Song

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

AI总结 EasyBCI是两阶段大语言模型智能体，可针对六种信号类型规划执行脑机接口预处理，经评估其在EEG任务中表现优于人工流程及通用编码智能体，可扩展至多模态并提升可复现性。

Comments 15 pages, 6 figures, 4 tables

MENTOR: A Metacognition-Driven Self-Evolution Framework for Uncovering and Mitigating Implicit Domain Risks in LLMs

MENTOR: 一种元认知驱动的自我进化框架，用于发现和缓解大语言模型中的隐式领域风险

Liang Shan, Kaicheng Shen, Wen Wu, Zhenyu Ying, Chaochao Lu, Yan Teng, Jingqi Huang, Qingshan Liu, Guangze Ye, Guoqing Wang, Jie Zhou, Liang He

机构 * School of Computer Science and Technology, East China Normal University（东华大学计算机科学与技术学院） ； Shanghai AI Lab, Shanghai Innovation Institute（上海人工智能实验室，上海创新研究院） 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 针对大语言模型在特定领域（如教育、金融、管理）中存在的隐式安全风险，提出基于元认知自我评估和动态规则知识图谱的MENTOR框架，通过激活级引导信号有效降低攻击成功率。

Bridging Artificial Intelligence and Power Systems Education Using a Hands-On Executable Framework

使用可执行实践框架搭建人工智能与电力系统教育的桥梁

Junjie Yin, Buxin She, Xinyu Feng, Fangxing, Li

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

AI总结 本文提出可执行实践框架，通过渐进式模块降低电力系统AI入门门槛，经IEEE网络研讨会验证，可满足跨学科学习者对电力专用AI实践课程的需求。

Comments 10 pages, 10 figures, 3 tables

Rethinking Generative AI Literacy: An Integrative, Developmental, and Dialectical Framework for K-12 Teacher Education

重新思考生成式AI素养：面向K-12教师教育的整合型、发展型与辩证型框架

Shahin Hossain, Sima Ahmadi, Leqi Li, Idowu David Awoyemi, Wei Huang, Chenxi Zhou, Jujia Li, Samaa Haniya, Shapla Khanam, Tasbirun Mashreka Subaha

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GenAI素养滞后于技术扩散的问题，提出整合型、发展型、辩证型的RAIL-Ed框架，明确六大支柱与三级标准，为K-12教师教育及相关政策提供理论基础。

Comments 20 pages, 2 figures, 7 tables

Bridging the English-Arabic Medical Knowledge Gap: Targeted Low-Rank Adaptation via Causal Layer Selection

缩小英阿医学知识鸿沟：通过因果层选择实现针对性低秩适配

Chaimae Abouzahir, Musa Khan, Hala Ali-Hassan, Congbo Ma, Khaled Saleh, Yousra Sadqi, Jihad Mallat, Walid Al-Eisawi, Nizar Habash, Farah E. Shamout

机构 * New York University Abu Dhabi（纽约大学阿布扎比分校） ； Cleveland Clinic Abu Dhabi（克利夫兰诊所阿布扎比分校） 纠错

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

AI总结 该研究针对阿拉伯语医学LLMs性能弱于英文的问题，提出TLoRA方法并构建阿拉伯医学对话基准，通过机制诊断实现针对性适配，提升了阿拉伯语医学任务性能。

On the Limits of Support-Preserving Alignment and Bounded Filtering

关于支持保持对齐和有界过滤的局限性

Aryan Dutt, Rui Mao, Anupam Chattopadhyay

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

AI总结 研究在大语言模型中，重塑基础模型输出分布的对齐方案与有界安全过滤器结合能否消除有害行为。通过形式化设置并分析，发现有界过滤可能无法消除所有有害输出，实证评估显示有害输出率始终高于零。

Comments Withdrawn to allow a complete rewrite and substantial revision of the theoretical analysis and experiments

C-MIG: Multi-view Information Gain-based Retrieval-Augmented Generation for Clinical Diagnosis Reasoning

C-MIG：基于多视角信息增益的检索增强生成用于临床诊断推理

Yuwei Miao, Gen Li, Yunsheng Zeng, Xiandong Li, Yujin Wang, Siyu Chen, Luning Wang, Yunhao Qiao, Junfeng Wang, Jianwei Lv, Bo Yuan

机构 * Baidu Inc（百度公司） 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 提出C-MIG框架，通过多视角信息增益和多重子查询检索增强策略，解决检索增强生成中奖励信号丢失和异构推理监督问题，在临床诊断任务上取得最优性能。

Unifying biomedical knowledge in a modern multimodal graph

OptimusKG：统一生物医学知识的现代多模态图

Lucas Vittor, Ayush Noori, Iñaki Arango, Joaquín Polonuer, Sam Rodriques, Andrew White, David A. Clifton, Marinka Zitnik

机构 * Department of Biomedical Informatics, Harvard Medical School（哈佛医学院生物医学信息学系） ； Department of Engineering Science, University of Oxford（牛津大学工程科学系） ； Edison Scientific Inc.（Edison科学公司） ； Oxford Suzhou Centre for Advanced Research, University of Oxford（牛津大学苏格兰研究中心） ； Broad Institute of MIT and Harvard（MIT与哈佛大学Broad研究所） ； Kempner Institute for the Study of Natural and Artificial Intelligence, Harvard University（哈佛大学自然与人工智能研究所） ； Harvard Data Science Initiative（哈佛大学数据科学计划） 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 OptimusKG通过整合结构化和半结构化资源，构建了多模态生物医学标记属性图，统一了分子、解剖、临床和环境领域的知识，验证了其在生物医学领域的有效性。