语言大模型 / LLM

Fine-grained Semantics Integration for Large Language Model-based Recommendation

细粒度语义集成用于基于大语言模型的推荐

Jiawei Feng, Xiaoyu Kong, Leheng Sheng, Bin Wu, Chao Yi, Feifang Yang, Xiang-Rong Sheng, Han Zhu, Xiang Wang, Jiancan Wu, Xiangnan He

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

AI总结 TS-Rec通过细粒度语义集成提升基于LLM的推荐系统性能

Preserving Item Semantics for Free: Rethinking Token Initialization in LLM-Based Generative Recommendation

免费保留物品语义：重新思考基于大语言模型的生成式推荐中的令牌初始化

Donald Loveland, Liam Collins, Bhuvesh Kumar, Danai Koutra, Neil Shah

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

AI总结 本研究针对基于LLM的生成式推荐中SID令牌初始化的缺陷，提出质心初始化方法，无需额外开销即可提升推荐性能，减少训练步骤并改善冷物品表现。

Large Language Models are Powerful Electronic Health Record Encoders

大型语言模型是强大的电子健康记录编码器

Stefan Hegselmann, Georg von Arnim, Tillmann Rheude, Noel Kronenberg, David Sontag, Gerhard Hindricks, Roland Eils, Benjamin Wild

机构 * Berlin Institute of Health at Charité – Universitätsmedizin Berlin（柏林夏里特医学院健康研究所） ； BIH Biomedical Innovation Academy, BIH Charité Digital Clinician Scientist Program（BIH生物医学创新学院，BIH夏里特数字临床科学家计划） ； Deutsches Herzzentrum der Charité – Medical Heart Center of Charité and German Heart Institute Berlin（夏里特德国心脏中心 – 夏里特医学院和德国心脏研究所柏林） ； Layer Health, Inc.（Layer Health公司） 纠错

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

AI总结 本文提出利用大型语言模型对电子健康记录进行编码，通过将医疗代码转换为自然语言描述，提升模型在临床预测任务中的表现，同时展示其在不同任务中的有效性。

How sensitive do we want AI to be? Socio-communicative competencies of large language models in healthcare

我们希望人工智能有多敏感？医疗领域大型语言模型的社会交际能力

Dorothee Amelung, Andrew M. Bean, Sabine C. Herpertz, Felix H. Krones, Guy Parsons, Adam Mahdi, Isabella Schneider

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

AI总结 本研究通过分析HELP-Med数据集的1800条对话，评估GPT 4o、Llama 3和Command R+三种LLM的医疗领域社会交际能力，发现其结构化表现差，需调整评估框架以适配人机差异。

Prompt engineering does not universally improve Large Language Model performance across clinical decision-making tasks

提示工程并不能普遍提升大型语言模型在临床决策任务中的性能

Mengdi Chai, Ali R. Zomorrodi

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

AI总结 本研究发现提示工程对LLMs在临床决策任务中的性能提升具有高度依赖模型和任务的特性，强调了定制化策略的重要性。

Weather- and Location-Aware Agentic Dining Recommendation: Leveraging LLM World Knowledge for Region-Sensitive Contextual Reasoning

感知天气与位置的智能体餐饮推荐：利用大语言模型世界知识开展区域敏感语境推理

Kadharmoideen Fadurudeen

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

AI总结 该研究提出感知天气与位置的智能体餐饮推荐系统，利用LLM的世界知识生成区域敏感的适配天气的餐饮推荐，为智能体推荐提供了可扩展的架构模式。

Comments 5 pages. An agentic LLM system that reasons over combined location and weather context for region-sensitive dining recommendation. Working prototype implemented and briefly deployed end-to-end

RobustDefect-LLM: Explainable and Robustness-Aware Industrial Surface Defect Classification with Decision Support and AI-Assisted Reporting

RobustDefect-LLM：具备决策支持与AI辅助报告的可解释、鲁棒性感知型工业表面缺陷分类方法

Nazlıcan Düşünmez, Halûk Gümüşkaya

专题命中 领域大模型 ：LLM(title,title_cn)

AI总结 本文提出RobustDefect-LLM框架，在NEU-DET数据集上评估四种CNN，选MobileNetV3-Large实现高准确率，结合Grad-CAM与置信度路由，集成AI辅助报告，验证了工业缺陷检测工作流的可行性。

Comments 27 pages, 11 figures, 16 tables, preprint manuscript, the source code is publicly available

Structure-Preserving Projection for Mitigating Modality Bias in LLM-Based Sequential Recommendation

面向基于大语言模型（LLM）的序列推荐中缓解模态偏差的结构保留投影

Tzu-Wei Chiu, Song-Duo Ma, Hsin-Yu Lin, Pu-Jen Cheng

专题命中 领域大模型 ：LLM(title,title_cn)

AI总结 本文针对基于LLM的序列推荐中投影引入的模态偏差问题，提出结构保留投影方法，通过专用损失维持协同嵌入关系几何，经实验验证可提升推荐性能。

Comments Accepted at RecSys 2026

Enhancing Scientific Named Entity Recognition via Large Language Models: A Type-driven Multi-task Learning Approach

基于大语言模型增强科学命名实体识别：一种类型驱动的多任务学习方法

Tong Bao, Yi Zhao, Heng Zhang, Chengzhi Zhang

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

AI总结 该研究针对LLMs处理SciNER时因实体类型过多导致准确率低的问题，提出类型驱动的多任务学习方法TdSciNER，通过实体类型筛选、多任务学习和示例选择策略提升性能，相关方法在三个数据集上达到与全监督模型相当的效果。

Journal ref Expert Systems With Applications, 2026

LLMs-Healthcare : Current Applications and Challenges of Large Language Models in various Medical Specialties

LLMs-Healthcare : 大型语言模型在各医疗专科中的当前应用与挑战

Ummara Mumtaz, Awais Ahmed, Summaya Mumtaz

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

AI总结 本文综述了大型语言模型在医疗领域中的最新应用与挑战，涵盖诊断、治疗及各专科的创新贡献，探讨其在医疗诊断和患者护理中的潜力与限制。

Comments 26 pages and one figure

Journal ref Artificial Intelligence in Health ,Published online: 2 April 2024

MedPixel: A Unified Pixel-Language Model for Medical Reasoning and Segmentation

MedPixel：用于医学推理与分割的统一像素-语言模型

Haoyu Yang, Meixing Shi, Zengjie Chen, Haoran Sun, Haitao Leng, Xiaoming Shi, Yuxiang Cai, Yankai Jiang

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

AI总结 该研究提出统一医学像素-语言模型MedPixel，引入44万样本的MedPLG-440K数据集，通过联合多任务微调与像素级偏好优化训练，支持多类医学任务，性能优异且具备零样本迁移与鲁棒性。

SocialFiVis: A Visual Analytics Sandbox for LLM-Grounded Multi-Agent Simulation in Social Finance

SocialFiVis：面向社会金融中基于大语言模型的多智能体模拟的可视分析沙箱

Yi-Fan Cao, Qing Shi, Liangwei Wang, Leo Yu-Ho Lo, Lin Chen, Yuzi Han, Yang Wang, Kani Chen

专题命中 领域大模型 ：LLM(title,summary_cn)

AI总结 该研究提出嵌入IAD框架的可视分析沙箱SocialFiVis，结合LLM与PRA引擎模拟多智能体，支持探索社会金融领域反事实政策并解释相关涌现现象。

Comments 11 pages, 7 figures, 2 tables. Accepted to IEEE VIS 2026; to appear in IEEE Transactions on Visualization and Computer Graphics

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