语言大模型 / LLM

DASyR-LLM: Domain-Aware Symbolic Regression with LLMs for Kinetic Model Discovery

DASyR-LLM：基于大语言模型的领域感知符号回归用于动力学模型发现

Roberto Aliaga Medina, Paulina Quintanilla, Antonio del Rio Chanona

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 该研究提出了DASyR-LLM框架，将LLM嵌入迭代SR算法，通过领域知识减少41.7%-79.3%的动力学模型发现迭代次数，预测性能与现有方法相当。

Feedback Loops and Code Perturbations in LLM-based Software Engineering: A Case Study on a C-to-Rust Translation System

基于LLM的软件工程中的反馈循环与代码扰动：一种C到Rust翻译系统的案例研究

Martin Weiss, Jesko Hecking-Harbusch, Jochen Quante, Matthias Woehrle

机构 * Otto von Guericke University（奥托·冯·格里克大学） ； Bosch Research（博世研究） 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

AI总结 本文研究了反馈循环、LLM选择和代码扰动对C到Rust翻译系统性能的影响，发现反馈循环可减少模型差异并提升系统鲁棒性。

Comments 10 pages, 9 figures

Transforming Remanufacturing Automation with Large Language Models: A Forward-Looking Analysis with Case Studies

用大语言模型推动再制造自动化：前瞻性分析与案例研究

Chang Liu, Sara Behdad, Prabhakar Pagilla, Xiao Liang, Minghui Zheng

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

AI总结 本文通过前瞻性分析与案例研究，提出ReManGPT概念框架，探讨大语言模型在再制造自动化中的应用，以应对报废产品变异性等挑战，同时分析其部署障碍与未来方向。

Journal ref Robotics and Computer-Integrated Manufacturing 2027

Using Large Language Models to Support Automation of Failure Management in CI/CD Pipelines: A Case Study in SAP HANA

利用大型语言模型支持CI/CD流水线故障管理的自动化：SAP HANA案例研究

Duong Bui, Stefan Grintz, Alexander Berndt, Thomas Bach

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

AI总结 本研究利用大型语言模型结合历史故障数据，实现了CI/CD流水线故障管理的自动化，准确率达92.1%。

Comments Accepted for publication in the proceedings of SANER 2026

Journal ref 2026 IEEE International Conference on Software Analysis, Evolution and Reengineering (SANER), Limassol, Cyprus, 2026, pp. 524-535

Assessing and Explaining the Persuadability of Large Language Models as Legal Decision Tools

说服性与大语言模型作为法律决策工具

Oisin Suttle, David Lillis

机构 * School of Law ； Criminology Maynooth University Maynooth Ireland ； School of Computer Science University College Dublin Dublin Ireland ； Criminology Maynooth University ； School of Computer Science University College Dublin 纠错

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

AI总结 研究大语言模型在法律决策中的说服性，分析其对法律论点的响应机制及影响因素，探讨模型在法律和行政领域的应用可行性。

Comments v2 is the conference version, accepted for the Proceedings of the 21st International Conference on Artificial Intelligence and Law (ICAIL 2026), (DOI: 10.1145/3836937.3837003). v3 is a substantially extended version for journal submission

Enhancing Trustworthy Clinical Diagnosis Decision-Making in Large Language Models via Etiology-Aware Attention Supervision

通过病因感知注意力监督增强大型语言模型在临床诊断决策中的可信性

Peixian Li, Yu Tian, Ruiqi Tu, Chengkai Wu, Jingjing Ren, Jingsong Li

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

AI总结 该研究提出病因感知注意力监督框架，通过引入临床病因模式对大型语言模型进行参数高效微调，在两类诊断队列上提升了诊断准确率与注意力聚焦性，增强了模型临床诊断的可信性。

Comments 20 pages, 8 figures

MIDAS: Multi-LLM Iterative Data-Adaptive Summarization

MIDAS：多大语言模型迭代数据自适应摘要生成

Karen Lee, Dhanashree Balaram, Seojun Shon, Umair Rasheed

机构 * Volkswagen Group Innovation（大众集团创新公司） 纠错

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

AI总结 针对现有自动提示词优化方法无法适配多样摘要需求的问题，提出多大语言模型迭代数据自适应摘要生成框架MIDAS，在企业客户工单摘要任务中优于CriSPO等方法，还具备跨模型与跨领域泛化能力。

Comments Accepted at the 20th International Conference on Document Analysis and Recognition (ICDAR 2026). 17 pages, 2 figures

MediRec: Enhancing Chinese Medication Recommendation with Explainable Clinical Reasoning

代谢性疾病出院药物推荐中的大型语言模型应用

Juntao Li, Haobin Yuan, Ling Luo, Yuanyuan Sun, Jian Wang, Hongfei Lin

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

AI总结 本文研究了大型语言模型在中文代谢性疾病出院药物推荐中的应用，评估了多种LLM家族的性能，发现监督微调虽提升效果，但仍有改进空间。

Comments Accepted by NLPCC 2026

DeepImagine: Clinical Trial Outcome Prediction via Stepwise Local Counterfactual Imaginations

DeepImagine: 通过连续反事实想象学习生物医学推理

Youze Zheng, Jianyou Wang, Yuhan Chen, Matthew Feng, Longtian Bao, Hanyuan Zhang, Maxim Khan, Aditya K. Sehgal, Christopher D. Rosin, Umber Dube, Ramamohan Paturi

机构 * Laboratory for Emerging Intelligence, University of California, San Diego（新兴智能实验室，加州大学圣地亚哥分校） ； Department of Dermatology, University of California, San Diego（皮肤科系，加州大学圣地亚哥分校） ； University of Chicago（芝加哥大学） ； Elsevier（艾尔斯特出版社） 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、cs.AI、cs.LG

AI总结 本文提出DeepImagine框架，通过连续反事实想象训练语言模型进行生物医学推理，利用反事实对偶和强化学习提升临床试验预测性能，展示模型在生物医学领域的可解释性改进。

Comments Preprint

LLM-based Vulnerability Discovery in Business Process Documentation

基于大语言模型的业务流程文档漏洞发现

Ben Falchuk, Himanshu Garg, Euthimios Panagos, Sioan Zohar

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

AI总结 该研究将LLMs应用于MIRABELLE系统，通过实验测试多种LLMs在业务流程文档漏洞检测各阶段的性能，以实现从业务流程表示中识别业务逻辑漏洞。

Unforgettable Generalization in Language Models

语言模型的不可遗忘泛化

Eric Zhang, Leshem Choshen, Jacob Andreas

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

AI总结 该研究探究语言模型通过随机标签微调遗忘技能时的行为差异，发现遗忘泛化程度与初始预测置信度和训练数据表示变异性相关，且遗忘为浅层，凸显技能移除的难度与不可预测性。

Comments 18 pages, 9 figures, published in First Conference on Language Modeling 2024

Journal ref First Conference on Language Modeling (2024)

DeepConnect: A Visual Analytics System for Bridging Interdisciplinary Research Collaborations

DeepConnect：用于搭建跨学科研究合作的可视分析系统

Yingchaojie Feng, Zekai Shao, Yiqun Sun, Yixuan Tang, Anthony K. H. Tung

专题命中 领域大模型 ：LLM(summary_cn,abstract)

AI总结 DeepConnect是一种LLM增强的可视分析系统，可解决跨学科合作启动难的问题，通过转化合作目标、检索论文、可视化比较研究者等功能，经评估可用于互补团队组建等场景。

Comments 11 pages, 7 figures, and 1 table. Accepted at IEEE VIS 2026; to appear in IEEE Transactions on Visualization and Computer Graphics

Overview of CHIP 2025 Shared Task 2: Discharge Medication Recommendation for Metabolic Diseases Based on Chinese Electronic Health Records

Juntao Li, Haobin Yuan, Ling Luo, Tengxiao Lv, Yan Jiang, Fan Wang, Ping Zhang, Huiyi Lv, Jian Wang, Yuanyuan Sun, Hongfei Lin

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

Journal ref Health Information Processing. CHIP 2025. Communications in Computer and Information Science, vol 2884

Combating Knowledge Corruption in Agent Systems: A Byzantine-Tolerant Secure Collaborative RAG Framework

对抗智能体系统中的知识篡改：一种拜占庭容错的安全协同RAG框架

Zhaoqi Wang, Daqing He, Zijian Zhang, Ye Liu, Jiamou Liu, Zhirui Zeng, Zhan Qin, Zhen Li, Xin Li, Hongwei Yao, Jincheng An, Yong Liu, Yi Li, Qi Sun, Xiulei Liu, Liehuang Zhu

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 针对RAG系统面临的知识篡改攻击问题，提出拜占庭容错的安全协同RAG框架SecureCollaRAG，通过多源知识验证机制与动态GNN可信度评分实现攻击防护，在非IID数据下保持鲁棒性。

Journal ref Proceedings of the ACM Web Conference 2026, pages 2661-2672, 2026

EvolveNet: Collaborative Harness Evolution for Agent Self-Improvement

EvolveNet：智能体自我改进的协作式工具链进化

Jun Nie, Yonggang Zhang, Qianshu Cai, Yiu-ming Cheung, Xinmei Tian, Bo Han

机构 * Hong Kong Baptist University（香港浸会大学） ； University of Science and Technology of China（中国科学技术大学） ； The Hong Kong University of Science and Technology（香港科技大学） 纠错

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

AI总结 EvolveNet提出协作式工具链进化范式，通过数据本地智能体的程序适配组合实现共享工具链改进，在五类任务场景均获增益，异构工作负载下效果更显著。

Comments 20 pages, 3 figures

The First EgoCross Challenge at EgoVis 2026: Cross-Domain Egocentric Video Question Answering

2026年EgoVis首届EgoCross挑战赛：跨域自我中心视频问答

Yuqian Fu, Tianwen Qian, Yanjun Li, Yu Li, Kunyu Peng, Xu Zheng, Yongqin Xian, Alessio Tonioni, Yanwei Fu, Xiaoling Wang, Danda Paudel, Federico Tombari, Luc Van Gool, Leyi Wu, Yifan Zhao, Jinjie Zhang, Yinchuan Li, Yingcong Chen, Zixu Li, Zhiwei Chen, Zhiheng Fu, Wenbo Wang, Yupeng Hu, Weili Guan, Liqiang Nie, Takuya Murakawa, Toru Tamaki, Yi Wen, Zhenglin Du, Zhengyang Li, Lingling Li, Licheng Jiao, Wenping Ma

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

AI总结 本文介绍2026年EgoVis研讨会举办的首届EgoCross跨域自我中心视频问答挑战赛，含两个赛道，共获1500余份提交，公布结果与获胜方案，资源公开以推进相关研究。

Comments 1st EgoCross challenge @ EgoVis workshop, CVPR26

Improving Auto-Design of Neural PDE Solvers with a Domain-Specific Language

用领域特定语言改进神经偏微分方程求解器的自动设计

Shengxin Kong, Liwen Xu, Jingwen Fu

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

AI总结 该研究提出ADSL-PDE领域特定语言，通过结构化搜索空间提升神经PDE求解器自动设计的搜索效率与优化稳定性，前十次迭代性能提升超52%。

ECLAIR: A Causally-Grounded AI Framework for Scientific Discovery in Empirical Software Engineering

ECLAIR：一种用于实证软件工程科学发现的因果基础AI框架

Alejandro Velasco, Daniel Rodriguez-Cardenas, Dipin Khati, David N. Palacio, Denys Poshyvanyk

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

AI总结 该研究提出因果基础AI框架ECLAIR，将LLMs整合到软件工程科学过程各阶段，通过案例研究揭示提示设计对LLMs代码生成准确率的影响，为AI辅助软件工程实证研究提供方法论基础。

Industrial Synthetic Segment Pre-training

工业合成片段预训练

Shinichi Mae, Hirokatsu Kataoka, Ryousuke Yamada, Yoshihiro Fukuhara, Risa Shinoda, Christian Rupprecht

机构 * TICO-AIST Cooperative Research Lab for Advanced Logistics, Japan（TICO-AIST先进物流联合研究实验室，日本） ； National Institute of Advanced Industrial Science and Technology (AIST), Japan（日本国家先进工业科学与技术研究院） ； Visual Geometry Group, University of Oxford, UK（牛津大学视觉几何组） 纠错

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

AI总结 该研究提出基于FDSL的InsCore合成数据集，在不使用真实图像的情况下预训练的分割模型，在5个领域的表现与ImageNet-21k预训练模型相当，解决了工业分割模型对真实图像的依赖问题。

EndoVLM: An Endoscopy Vision-Language Pre-training Model via Anatomy-Guided Sparsity and Progressive Alignment

EndoVLM：一种通过解剖学引导的稀疏性与渐进式对齐实现的内窥镜视觉-语言预训练模型

Zhenyu Yi, Jianwei Xu, Yue Hu, Zhongwei Qiu, Sijing Li, Liang Huang, Bin Lv, Ling Zhang, Yingda Xia

机构 * DAMO Academy, Alibaba Group（阿里巴巴达摩院） ； The First Affiliated Hospital of Zhejiang Chinese Medical University（浙江中医药大学附属第一医院） ； Shanghai Jiao Tong University（上海交通大学） ； Hupan Lab（湖畔实验室） ； Zhejiang University（浙江大学） 纠错

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

AI总结 本研究提出了EndoVLM这一内窥镜视觉-语言预训练模型，通过解剖学引导的稀疏池化、渐进式语义感知对齐等技术，在34.8万例内窥镜检查数据上预训练，其性能优于现有基础模型且具备零样本泛化能力。

Patients-like-me: A Variational LM--GNN Framework for Explainable Clinical Prediction

Patients-like-me：用于可解释临床预测的变分LM-GNN框架

Xinyu Wang, Yixuan Li, Hanwei Wu, Qincheng Lu, Chi-Kuang Yeh, Xiao-Wen Chang, Ziyang Song

机构 * McGill University（麦吉尔大学） ； Université de Montréal（蒙特利尔大学） ； Georgia State University（佐治亚州立大学） ； Ohio University（俄亥俄大学） 纠错

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

AI总结 本研究提出Patients-like-me（PLM）这一LM-GNN统一框架，结合局部患者语义与全局队列结构，在MIMIC-III、MIMIC-IV上优于现有方法，可提供可解释的参考患者归因，且计算开销适度。

Long-term Measurements: Towards a Longitudinal Understanding of Human-AI Interactions

长期测量：迈向对人机交互的纵向理解

Nicole Mitchell, Dhruv Agarwal, Maty Bohacek, Remi Denton, Roma Patel

机构 * Google Research（谷歌研究院） ； Cornell University（康奈尔大学） ； Stanford University（斯坦福大学） ； Google DeepMind（谷歌DeepMind） 纠错

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

AI总结 本研究针对语言模型融入生活引发的长期人机交互风险，结合社会科学测量与NLP计算方法，提出通过长期测量建模人类行为变化，实现问题行为在线检测以缓解用户长期风险。

CIDR: A Large-Scale Industrial Source Code Dataset for Software Engineering Research

CIDR：一个大规模工业源代码数据集用于软件工程研究

Vladislav Savenkov

机构 * Fermatix AI 纠错

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

AI总结 CIDR是首个基于工业合作的大型源代码数据集，包含2440个仓库、138种语言和3.73亿行代码，支持代码智能、软件质量分析和语言模型预训练等研究。

Comments 60 pages, 13 figures, 8 appendices. Dataset access: https://fermatix.ai/#Contact. Anonymization tool: https://github.com/Fermatix/repo-sanitizer. Metadata utility: https://github.com/Fermatix/repo_metadata_cli

Bag-of-Visual-Words for Spatial Mapping of Lung Adenocarcinoma Growth Patterns

用于肺腺癌生长模式空间映射的视觉词袋模型

Darya Ardan, Valentin Oreiller, Henning Müller

机构 * University of Geneva（日内瓦大学） ； University of Applied Sciences Western Switzerland (HES-SO Valais)（瑞士西部应用科学大学（HES-SO Valais）） 纠错

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

AI总结 该研究提出弱监督BoVW流程，从ROI学习视觉词汇并生成LUAD空间模式图，在肿瘤/健康和组织学分级分类任务中表现优于或接近现有方法，可保留与分级相关的异质性。

Comments 10 pages, 2 figures. Accepted at the 7th International Conference on Medical Imaging and Computer-Aided Diagnosis (MICAD 2026)

COSMO: Consensus-Driven Shift Modulation for Source-Free Domain Adaptation

COSMO：面向无源域自适应的共识驱动偏移调制

Bo Li, Junjie Peng, Xiaohua Xie, Jianhuang Lai

机构 * School of Computer Science and Engineering, Sun Yat-sen University（中山大学计算机科学与工程学院） 纠错

专题命中 领域大模型 ：language model(abstract)

AI总结 针对无源域自适应的源衍生证据遗忘问题，提出COSMO方法，通过锚定共享共识的协同适配实现样本级可靠性分配，在四个基准上达到最优性能，平衡了源证据保留与VLM互补证据吸收。

Comments 30 pages, 7 figures