语言大模型 / LLM

Simulating Dispute Mediation with LLM-Based Agents for Legal Research

基于大语言模型智能体的争议调解模拟：面向法律研究

Junjie Chen, Haitao Li, Minghao Qin, Yujia Zhou, Yanxue Ren, Wuyue Wang, Yiqun Liu, Yueyue Wu, Qingyao Ai

专题命中 领域大模型 ：LLM(title,summary_cn)

AI总结 研究针对法律争议调解实证研究的局限，提出首个基于LLM的AgentMediation框架模拟争议调解，通过可控实验发现符合社会学理论的模式，为社科与AI在法律研究的融合提供平台。

Comments AAAI 2026

AquiLLM: An Architecture for Supporting Tacit Knowledge Capture in Research Groups

AquiLLM：支持研究群体中隐性知识捕获的架构

Jack Stark, Srinath Saikrishnan, Vikram Seenivasan, Bernie Boscoe, Andrew Lizarraga, Tuan Do

机构 * Southern Oregon University（南俄勒冈大学） ； University of California, Los Angeles（加利福尼亚大学洛杉矶分校） 纠错

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

AI总结 AquiLLM是一款采用开放权重模型的开源模块化RAG-LLM框架，经领域专家反馈优化了架构与功能，可支持研究群体捕获隐性知识，助力AI贴合科研实践。

Comments Accepted for publication in the NGEN-AI 2026 proceedings

EmoPatient: An Emotion-Directed Patient Simulator for Realistic Palliative Care Communication Training

EmoPatient：用于姑息治疗沟通训练的情绪导向患者模拟器

Yining Wu, Tianshu Du, Jinrui Fang, Chi Zhang, Sonal Admane, Ying Ding

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

AI总结 研究针对现有LLM患者模拟器无法捕捉动态情绪变化的问题，提出情绪导向的EmoPatient模拟器，引入情绪指导代理生成动态情绪控制信号，经评估其在情绪真实性指标和稳健性上均优于基线，可提升姑息治疗沟通训练的真实性。

AutoRefine: Compiling Trajectories into Validated Typed Agent Artifacts

AutoRefine: 从轨迹到可重用的专业知识为连续LLM代理优化

Libin Qiu, Zhirong Gao, Junfu Chen, Yuhang Ye, Liangyu Li, Weizhi Huang, Xiaobo Xue, Wenkai Qiu, Shuo Tang

机构 * alibaba（阿里巴巴集团） 纠错

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

AI总结 AutoRefine通过提取和维护双重形式的经验模式，提升连续LLM代理的知识积累与维护效率，实现98.4%的准确率提升。

Comments 7 pages, 2 figures, 3 tables

Automated Synthesis of Deterministic Cross-Domain Interfaces

确定性跨域接口的自动合成

Konstantinos Christodoulopoulos, Antonis Selentis-Boulntadakis

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

AI总结 该研究提出框架，利用LLM实现智能体与处理程序模块，自动合成跨域确定性网络的静态、动态契约，经实验验证其动态契约性能优于静态配置，且分工模式可保障模型可靠性。

TARGET: Automated Scenario Generation from Traffic Rules for Testing Autonomous Vehicles via Validated LLM-Guided Knowledge Extraction

Yao Deng, Jiaohong Yao, Zhi Tu, Xi Zheng, Mengshi Zhang, Tianyi Zhang

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

Journal ref IEEE Transactions on Software Engineering, Jul. 2025, pp. 1950-1968, vol. 51

RISE-RL: Rubric-Informed Selective Exploration for Open-Ended Reinforcement Learning

RISE-RL：基于评分规则的开放式强化学习选择性探索

Jinkun Hou, Zhuo Liu, Huimin Ren, Hongsheng Xin, Pan Zhou, Kun Zhan

机构 * Li Auto Inc.（理想汽车） 纠错

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

AI总结 该研究针对开放式任务中LLM的强化学习探索难题，提出RISE-RL方法，通过奖励过滤与策略支持塑造实现选择性内化，在多领域基准评测中显著优于现有方法。

Contemporary AI lacks the imagination to diverge or negate in science

当代人工智能缺乏在科学中发散或否定的想象力

Honglin Bao, Siyang Wu, Xiao Liu, Sida Li, Shiyun Cao, James A. Evans

机构 * Data Science Institute, University of Chicago（芝加哥大学数据科学研究所） ； Knowledge Lab, University of Chicago（芝加哥大学知识实验室） 纠错

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

AI总结 通过大规模科学家评估，发现当前AI在科学假设生成中缺乏多样性，无法自发提出零假设，且自动评估与专家判断一致性低，但微调奖励模型可缩小差距。

H2: A Dual Hybrid Semantic Data Lake Architecture for Medical Data Harmonization with Human-In-the-Loop verified, LLM Driven Metadata Annotation System

H2：一种用于医疗数据协调的双混合语义数据湖架构，带有人类在环验证、大语言模型驱动的元数据标注系统

Ioannis N. Tzortzis, Georgia Kapetadimitri, Agapi Davradou, Nefeli Kousta, Nikolaos Bakalos, Ioannis Rallis, Dimitrios Kalogeras, Nikolaos Doulamis, Anastasios Doulamis

机构 * Institute of Communication and Computer Systems (ICCS)（通信与计算机系统研究所（ICCS）） ； University of Macedonia (UOM)（马其顿大学（UOM）） 纠错

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

AI总结 本文提出带人类在环验证、LLM驱动元数据标注系统的双混合语义数据湖架构，解决医疗数据异质性与数据沼泽问题，支撑医疗数据协调及机器学习技术应用。

Comments This work has been submitted to the IEEE for possible publication. Copyright may be transferred without notice, after which this version may no longer be accessible

On the use of foundation models in cognitive science

基础模型在认知科学中的应用

Raj Sanjay Shah, Alex Warstadt, Michael Frank, Sashank Varma

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

AI总结 本文针对将基础模型作为认知模型的挑战，提出四阶段推理框架，明确连接假设作用，强调行为对齐需结合理论承诺等才具科学意义。

RAG-Based Auto-Configuration for Industrial Fieldbus Devices

基于检索增强生成（RAG）的工业现场总线设备自动配置

Aadil Gani Ganie, Saad Ezzini, Naveed Farooz Marazi

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

AI总结 针对工业现场总线设备手动配置的低效易错问题，提出SysName流水线，结合RAG、本地LLM与两级弃权门控，在多协议设备配置任务中实现高效高准确率的端到端自动化，经基准测试与案例验证效果优异。

Beyond Tables: Doc2DB-Bench for Relationally Faithful Document-to-Database Construction

超越表格：用于关系忠实的文档到数据库构建的Doc2DB-Bench

Zhuowen Liang, Zhengxuan Zhang, Jiayang Wang, Jiazhuo Chen, Nan Tang

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

AI总结 该研究针对现有文档到表格基准无法适配关系数据库构建需求的问题，推出Doc2DB-Bench基准，含多领域长文档实例，为基于LLM的可靠数据系统提供测试平台。

Comments 24 pages, 13 figures, 7 tables

Routesplain: Towards Faithful and Intervenable Routing for Software-related Tasks

Routesplain：面向软件相关任务的可信赖且可干预的路由方法

Adam Štorek, Vikas Upadhyay, Marianne Menglin Liu, Daniel W. Peterson, Anshul Mittal, Sujeeth Bharadwaj, Fahad Shah, Sujith Ravi, Dan Roth

机构 * Columbia University（哥伦比亚大学） ； Oracle AI 纠错

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

AI总结 Routesplain是首个面向软件相关任务的LLM路由工具，通过提取可解释概念路由，在8项软件任务上的16种LLM中，其性能优于单个模型且不逊于黑盒基线，可提升响应质量并降低成本。

Comments Accepted to COLM 2026

See Me, Believe Me: Causality, Intersectionality, and Interventions Improving the Appearance of Patients

看见我，相信我：提升患者外观的因果关系、交叉性与干预措施

Kenya S. Andrews, Mesrob I. Ohannessian, Elena Zheleva

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

AI总结 本研究构建结构化因果模型（SCM）探究医疗记录中证言不公的人口统计特征交叉性，通过有选择性编辑医生记录或用LLM修改，发现针对性编辑可改善患者经历感知、转移责任至外部因素。

Forgetting-Resistant and Lesion-Aware Source-Free Domain Adaptive Fundus Image Analysis with Vision-Language Model

具有遗忘抵抗性和病变意识的源无关域自适应视网膜图像分析与视觉-语言模型

Zheang Huai, Hui Tang, Hualiang Wang, Xiaomeng Li

机构 * The Hong Kong University of Science（香港科学与技术大学） 纠错

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

AI总结 本文提出FRLA方法，通过保留目标模型的自信预测和利用ViL模型的细粒度知识，提升视网膜图像诊断的源无关域自适应性能。

Comments Some experimental results in Section 3 are based on comparisons that may not be entirely fair

Agentic AI-driven Immersive Simulation: A Knowledge-Aware Virtual Training Platform forHigh Dose Rate (HDR) Brachytherapy

智能体AI驱动的沉浸式模拟：用于高剂量率（HDR）近距离放射治疗的知识感知虚拟训练平台

Ronghua Xu, Kepha Barasa, Manoj Kumal, Xinyun Liu, Weihua Zhou, Xin Qian

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 该研究提出一款智能体AI驱动的沉浸式模拟平台，用于HDR阴道圆柱近距离放射治疗虚拟训练，集成VR、移动计算与RAG技术，经原型验证可提供高保真无风险训练环境，具备合适延迟与高RAG支持质量。

Learning an Interior Layout Policy in a Domain Specific Language Action Space

在领域特定语言动作空间中学习室内布局策略

Yuhao Lu, Weichen Zhang, Wenyi Xiao, Haohui Chen, Yiyun Fei

机构 * Taobao & Tmall Group of Alibaba（阿里巴巴淘宝与天猫集团） 纠错

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

AI总结 针对现有室内布局生成方法的缺陷，该研究提出基于LLM的LayoutDSL框架，通过领域特定语言动作空间学习布局策略，结合数据集构建与强化学习优化，显著提升了布局的空间合理性与设计逻辑性。

ArtifactLinker: Linking Scientific Artifacts for Automatic State-of-the-Art Discovery

ArtifactLinker: 通过自动发现最新研究成果来链接科学制品

Haofei Yu, Jiaxuan You, Peter Clark, Bodhisattwa Prasad Majumder, Kyle Richardson

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Allen Institute for AI（人工智能算法研究所） 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.LG

AI总结 本文提出ArtifactLinker框架，通过图神经网络和大语言模型预测模型-数据集链接，并通过编码实验验证，以实现自动发现最新研究成果

Comments 10 pages

El Agente Gráfico: A Semantic Execution Runtime for Scientific Agents

图形代理：用于科学代理的结构化执行图

Jiaru Bai, Abdulrahman Aldossary, Thomas Swanick, Marcel Müller, Yeonghun Kang, Changhyeok Choi, Naruki Yoshikawa, Zijian Zhang, Jin Won Lee, Tsz Wai Ko, Aiwei Yin, Mohammad Ghazi Vakili, Chris Crebolder, Varinia Bernales, Alán Aspuru-Guzik

机构 * School of Computer Science, McGill University（计算机科学学院，麦吉尔大学） 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 El Agente Gráfico通过结构化执行图和类型安全机制，实现科学代理的高效自动化，适用于复杂计算任务。

Hybrid Neural-Classical Correction for Frozen Time Series Foundation Models: A Comprehensive Ablation Study on High-Frequency Stock Prediction

用于冻结时间序列基础模型的混合神经-经典校正：高频股票预测的全面消融研究

Kasun Dewage, Suranadi De Silva, Shankhadeep Mondal

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

AI总结 本研究针对高频股票预测任务，对冻结的TimesFM模型开展混合神经-经典校正的全面消融实验，发现经典残差学习贡献最大，GatedLinear+RF性能最优，为基础模型适配提供了实用指导。

Comments Accepted and presented at IJCNN 2026, part of the IEEE World Congress on Computational Intelligence (WCCI 2026)

Protecting patient privacy in clinical foundation models: Technical and legal perspectives

临床基础模型中的患者隐私保护：技术与法律视角

Sana Tonekaboni, Lena Stempfle, Sasha Ronaghi, Corinna Coupette, I. Glenn Cohen, Emily Alsentzer, Marzyeh Ghassemi

机构 * Massachusetts Institute of Technology (MIT)（麻省理工学院（MIT）） ； The Broad Institute of MIT and Harvard（麻省理工学院与哈佛大学博德研究所） ； Borealis AI ； Stanford University（斯坦福大学） ； Aalto University（阿尔托大学） ； Max Planck Institute for Tax Law and Public Finance（马克斯·普朗克税法与公共财政研究所） ； Stanford Law School（斯坦福法学院） ； Harvard Law School（哈佛法学院） ； Petrie-Flom Center for Health Law Policy, Biotechnology & Bioethics（皮里-弗洛姆健康法律政策、生物技术与生物伦理中心） 纠错

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

AI总结 针对临床基础模型的隐私风险，提出实用评估框架，结合技术与法律措施缓解泄露，在保留模型价值的同时保护患者隐私。

Comments 14 pages, 2 Figures, 2 Tables

OpenMHC: Accelerating the Science of Wearable Foundation Models

OpenMHC：加速可穿戴基础模型科学发展

Narayan Schuetz, Yuze Bai, Lianggang Pan, Edgar Eggert, Favour Nerrise, Juan Delgado-SanMartin, Max Rosenblattl, Milana Gurbanova, Mohammad Asadi, Anders Johnson, Paul Schmiedmayer, Dennis Wang, Allan Lawrie, Daniel Seung Kim, Xin Liu, Akshay Paruchuri, Ehsan Adeli, Euan Ashley, Kelly W. Zhang

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

AI总结 为加速可穿戴健康领域开放科学，发布OpenMHC这一最大最全的可穿戴健康数据集及模型开源实现，引入统一开放基准，对多种模型进行测试，通过大规模开源数据、代码和模型权重，推动可穿戴健康AI研究发展。

Exploring AI-Supported Disciplinary Mediation in Student Project Teams' Text-Based Communication

探索AI支持的学生项目团队基于文本的交流中的学科调解

Ching-Jung Cheng, Yu-Chan Chung, Bing-Chen Chiu, Yu-Hsun Lin, Jia-Wei Liao

专题命中 领域大模型 ：LLM(summary_cn,abstract)

AI总结 本研究提出基于Discord的LLM工具Spritz，通过监测群聊边界信号、匿名综合观点等方式调解学生跨学科项目团队交流，发现其兼具认知与关系价值，但需解决AI角色扩展带来的中立性张力问题。

GeoPhysAdapter: Scale-Matched Geophysical Adaptation for Cross-Domain Landslide Mapping with Vision Foundation Models

GeoPhysAdapter：用于基于视觉基础模型的跨域滑坡制图的尺度匹配地球物理适配方法

Zhihang Liu, Mei-Po Kwan, Jinlin Wu, Hao Li

机构 * Institute of Space and Earth Information Science, The Chinese University of Hong Kong（香港中文大学太空与地球信息科学研究所） ； Department of Geography and Resource Management, The Chinese University of Hong Kong（香港中文大学地理与资源管理学系） ； Urban Governance and Design Thrust, The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）城市治理与设计学域） ； Department of Geography, National University of Singapore（新加坡国立大学地理学系） 纠错

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

AI总结 针对跨域滑坡制图中视觉基础模型的误报问题，提出GeoPhysAdapter方法，在像素和候选滑坡体决策单元结合地球物理约束适配，在PILD数据集上大幅降低了假阳性误差。

Auditing Medical Vision-Language Models on Chest Radiographs: Estimating Reference Agreement Across Institutions

胸部X光医学视觉语言模型审计：估算跨机构参考一致性

Pengyang Yu, Yiou Wang, Zhongping Dong, Sahraoui Dhelim, Chun-Mei Feng, M. Tahar Kechadi

机构 * University College Dublin（都柏林大学学院） ； School of Computer Science, University College Dublin（都柏林大学学院计算机科学学院） ； The Third Affiliated Hospital of Southern Medical University（南方医科大学第三附属医院） ； Dublin City University（都柏林城市大学） 纠错

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

AI总结 该研究通过评估三个生成式视觉语言模型在胸部X光数据上的表现，估算跨机构参考一致性，发现无法推荐默认估算器，且参考一致性需按站点和接口重新评估。

Comments 10 pages, 3 figures, 3 tables

Foundational values for foundation models

基础模型的基础价值

John S. H. Baxter, Elodie Germani

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

AI总结 本文探讨医学影像机器学习领域的基础模型，通过苏格拉底式研究价值分析，明确使用或弃权基础模型的依据，阐明其与医学机器学习哲学的契合方式。

Comments 12 pages, 1 figure, accepted to the MICCAI 2026 Workshop on Fairness, Regulation, and Ethics (FAIMI-BRIDGE-EPIMI 2026)

Reassessing Code Authorship Attribution in the Era of Language Models

在语言模型时代重新评估代码作者归属

Atish Kumar Dipongkor, Ziyu Yao, Kevin Moran

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

AI总结 本研究首次大规模实证评估了多种代码语言模型在代码作者归属任务上的性能，揭示了它们理解代码风格模式的关键行为。

Comments Accepted in TOSEM

A Rigorous Turing Test: a Foundation for Evaluating Artificial General Intelligence

一项严格的图灵测试：评估通用人工智能的基础

Sharon Temtsin, Diane Proudfoot, David Kaber, Christoph Bartneck

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 该研究严格遵循图灵原始规则开展图灵测试，发现仅1名参与者误识别大型语言模型，表明其通过图灵测试的说法尚不成熟，图灵测试仍将是评估机器智能的核心手段。

When Confidence Fails: Overconfidence in LLMs under Uncertainty and Missing Clinical Information

当置信度失效：不确定性与临床信息缺失下大语言模型的过度自信

Maryam Tahermazandarani, Adnan Mahmood, Fahmida Islam, Quan Z. Sheng

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

AI总结 本文针对临床信息不确定性下的LLMs开展行为分析，提出基于MedMCQA的评估框架，发现模型置信度与准确率不匹配、弃权能力差异大等关键局限，凸显需采用不确定性感知评估方法。

Idea Search: Guiding Tree Search with Ideas to Explore Diverse Scientific Methods

思路搜索：用思路引导树搜索以探索多样化的科学方法

Xuefei Julie Wang, Hao Cui, Michael P. Brenner, Subhashini Venugopalan

机构 * California Institute of Technology（加州理工学院） ； Google Research（谷歌研究院） ； Harvard University（哈佛大学） 纠错

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

AI总结 该研究针对树搜索在科学方法探索中易陷局部最优的问题，提出Idea Search框架，通过整合动态思路库优化树搜索，在scRNA-seq批次整合任务上提升了性能。