语言大模型 / LLM

Evolving Code with A Large Language Model

Erik Hemberg, Stephen Moskal, Una-May O'Reilly

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

Comments 34 pages, 9 figures, 6 Tables

Beyond Traditional Teaching: The Potential of Large Language Models and Chatbots in Graduate Engineering Education

Mahyar Abedi, Ibrahem Alshybani, Muhammad Rubayat Bin Shahadat, Michael S. Murillo

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

Comments 45 pages, 18 figures, preprint for PLOS ONE

FinVis-GPT: A Multimodal Large Language Model for Financial Chart Analysis

Ziao Wang, Yuhang Li, Junda Wu, Jaehyeon Soon, Xiaofeng Zhang

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

Comments (FinLLM 2023)@IJCAI 2023

RadAdapt: Radiology Report Summarization via Lightweight Domain Adaptation of Large Language Models

Dave Van Veen, Cara Van Uden, Maayane Attias, Anuj Pareek, Christian Bluethgen, Malgorzata Polacin, Wah Chiu, Jean-Benoit Delbrouck, Juan Manuel Zambrano Chaves, Curtis P. Langlotz, Akshay S. Chaudhari, John Pauly

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

Comments 12 pages, 10 figures. Published in ACL BioNLP. Compared to v1, v2 includes minor edits and one additional figure in the appendix. Compared to v2, v3 includes a link to the project's GitHub repository

SelfEvolve: A Code Evolution Framework via Large Language Models

Shuyang Jiang, Yuhao Wang, Yu Wang

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

Augmenting Large Language Model Translators via Translation Memories

Yongyu Mu, Abudurexiti Reheman, Zhiquan Cao, Yuchun Fan, Bei Li, Yinqiao Li, Tong Xiao, Chunliang Zhang, Jingbo Zhu

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

Comments Accepted to Findings of ACL 2023

Large Language Models Encode Clinical Knowledge

Karan Singhal, Shekoofeh Azizi, Tao Tu, S. Sara Mahdavi, Jason Wei, Hyung Won Chung, Nathan Scales, Ajay Tanwani, Heather Cole-Lewis, Stephen Pfohl, Perry Payne, Martin Seneviratne, Paul Gamble, Chris Kelly, Nathaneal Scharli, Aakanksha Chowdhery, Philip Mansfield, Blaise Aguera y Arcas, Dale Webster, Greg S. Corrado, Yossi Matias, Katherine Chou, Juraj Gottweis, Nenad Tomasev, Yun Liu, Alvin Rajkomar, Joelle Barral, Christopher Semturs, Alan Karthikesalingam, Vivek Natarajan

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

GRASP: Gated Regression-Aware Skill Proposer for Self-Improving LLM Agents

GRASP: 门控回归感知技能提议器用于自我改进的LLM智能体

Johannes Moll, Jean-Philippe Corbeil, Jiazhen Pan, Martin Hadamitzky, Daniel Rueckert, Lisa Adams, Keno Bressem

机构 * Technical University of Munich and TUM University Hospital（慕尼黑技术大学及慕尼黑大学医院） ； Microsoft Healthcare & Life Sciences（微软医疗与生命科学） 纠错

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

AI总结 提出GRASP方法，通过门控回归感知技能库编辑，在硬回归预算下确保每次技能更新带来净改进，显著提升LLM智能体在结构化环境中的操作可靠性。

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

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

PrinciplismQA: A Philosophy-Grounded Approach to Assessing LLM-Human Clinical Medical Ethics Alignment

PrinciplismQA: 一种基于哲学的评估LLM与人类临床医学伦理对齐的方法

Chang Hong, Minghao Wu, Qingying Xiao, Yuchi Wang, Xiang Wan, Guangjun Yu, Benyou Wang, Yan Hu

机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； National Health Data Institute, Shenzhen（深圳国家健康数据研究院） ； Shenzhen Research Institute of Big Data（深圳大数据研究院） 纠错

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

AI总结 本文提出PrinciplismQA，一种基于哲学框架的评估方法，用于评估LLM在临床医学伦理上的对齐情况，通过专家验证的问题集揭示模型在伦理推理上的不足。

Comments ACL 2026 Findings

LLM-Based Scientific Equation Discovery via Physics-Informed Token-Regularized Policy Optimization

基于大语言模型的科学方程发现：通过物理引导的令牌正则化策略优化

Boxiao Wang, Kai Li, Tianyi Liu, Chen Li, Junzhe Wang, Yifan Zhang, Jian Cheng

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； State Key Laboratory of Aerodynamics（航空动力国家重点实验室） ； School of Mathematical Sciences, University of Chinese Academy of Sciences（中国科学院大学数学科学学院） 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.AI、cs.LG

AI总结 本文提出PiT-PO框架，通过强化学习使LLM成为适应性生成器，生成科学一致且结构简洁的方程，提升科学发现性能。

Comments Accepted at KDD 2026. Code is available at https://github.com/CAS-CLab/PiT-PO

Journal ref Proceedings of the 32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining, Vol. 2, pp. 12195-12206, 2026

TRIDENT: Benchmarking LLM Safety in Finance, Medicine, and Law

TRIDENT：评估金融、医学和法律领域大语言模型的安全性

Zheng Hui, Yijiang River Dong, Ehsan Shareghi, Nigel Collier

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

AI总结 研究针对大语言模型在金融、医学和法律领域的安全评估问题，基于相关伦理准则定义安全原则并引入Trident-Bench基准进行评估，揭示了不同模型的安全差距，为LLM安全研究提供了系统资源和研究基础。

Comments COLM 2026

ADVENT: LLM-Driven Automatic Predicate Invention for ILP

ADVENT: 基于LLM的归纳逻辑编程自动谓词发明

Tingting Yu, Pei-Cing Huang, Chan Hsu, Chan-Tung Ku, Yihuang Kang

机构 * Department of Information Management（信息管理系） ； National Sun Yat-Sen University（国立成功大学） 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.CL、cs.AI

AI总结 提出ADVENT机制，利用大语言模型生成候选谓词并通过Prolog验证迭代优化，实现自动谓词发明，在扑克牌数据集上显著提升ILP成功率并支持跨任务知识复用。

Beyond Templates: Revisiting Zero-Shot Remote Sensing through Meta-Prompting

超越模板：通过元提示重新审视零样本遥感

Eirini Baltzi, Dionysis Christopoulos, Sotiris Spanos, Valsamis Ntouskos, Konstantinos Karantzalos

机构 * Remote Sensing Lab, National Technical University of Athens（遥感实验室，国家技术大学雅典分校） ； Remote Sensing Lab, Department of Engineering and Sciences, National Technical University of Athens（遥感实验室，工程与科学系，国家技术大学雅典分校） ； Universitas Mercatorum（默卡托大学） 纠错

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

AI总结 研究通过元提示框架（MPVR）在17种视觉语言模型和12个遥感数据集上探索零样本性能，发现语义丰富的LLM生成描述可能引入噪声，而轻量级查询嵌入校准能稳定提升分类和检索性能。

AUTOGATE: Automated Clock Gating via Toggling-Aware LLM-based RTL Rewriting

AUTOGATE：基于翻转感知的LLM驱动RTL重写的自动时钟门控

Yiting Wang, Chenhui Deng, Chia-Tung Ho, Yanqing Zhang, Zhuo Feng, Cunxi Yu, Ang Li, Gang Qu, Brucek Khailany

机构 * University of Maryland, College Park（马里兰大学学院公园分校） ； NVIDIA（英伟达） 纠错

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

AI总结 提出AUTOGATE框架，通过ML-LLM协同设计将波形翻转迹线转化为紧凑表示，指导LLM进行RTL重写，实现层次化代码库中的时钟门控优化，平均降低动态功耗49.31%。

Comments 9 pages, 6 figures, 7 tables

Guiding Federated Graph Recommendation with LLM-encoded knowledge

利用LLM编码知识指导联邦图推荐

Thi Minh Chau Nguyen, Hien Trang Nguyen, Duc Anh Nguyen, Van Ho-Long, Thanh Trung Huynh, Zhao Ren

机构 * institutetext（机构） 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 针对联邦图推荐中跨客户端图表示对齐难的问题，提出利用大语言模型编码的语义信号指导结构表示的选择性聚合，提升推荐准确性。

Comments Technical Report

Online Domain-aware LLM Decoding for Continual Domain Evolution

在线领域感知的LLM解码用于持续领域演变

Mohammad Abu-Shaira, Weishi Shi

机构 * University of North Texas（北卡罗来纳州立大学） 纠错

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

AI总结 本文提出在线领域感知解码框架ODD，通过概率融合和自适应置信度调节，提升LLM在持续领域变化中的适应能力，实验表明其在语法和语义生成任务中表现优异。

Journal ref Advances in Knowledge Discovery and Data Mining, PAKDD 2026, LNAI 16600, pp. 565-577, Springer, 2026

TAROT: Task-Adaptive Refinement of LLM-prior Graphs for Few-shot Tabular Learning

TAROT: 面向小样本表格学习的任务自适应LLM先验图精炼

Ruxue Shi, Yili Wang, Mengnan Du, Hangting Ye, Yi Chang, Xin Wang

机构 * Jilin University（吉林大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） 纠错

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

AI总结 提出TAROT框架，通过构建并精炼任务自适应语义图，利用LLM先验和GNN编码特征语义关系，提升小样本表格学习性能。

Conditional Hypothesis Generation for LLM-Based Text Analysis with Researcher-Specified Covariates

基于研究者指定协变量的条件假设生成用于LLM文本分析

Paiheng Xu, Jing Liu, Wei Ai

机构 * University of Maryland, College Park（马里兰大学 College Park 分校） 纠错

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

AI总结 提出条件假设生成框架，通过纳入研究者指定的协变量来引导LLM发现相关子组内而非全局的差异模式，并采用特征-协变量交互和分层内去均值与逆频率重加权两种方法解决子组不平衡和符号反转问题。

Enhancing LLM Medical Coding with Structured External Knowledge

利用结构化外部知识增强LLM医学编码

Yidong Gan, David D. Nguyen, Yang Lin, Peter Zhong, Thanh Vu, Long Duong, Yuan-Fang Li

机构 * Oracle Health and AI（Oracle健康与AI） 纠错

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

AI总结 提出RAG-Coding方法，通过将ICD表格列表编码为知识图谱并提炼指南摘要，无需训练即可增强LLM的医学编码能力，在MDACE和MDACE-2025数据集上显著优于基线。

Privacy-Preserving Local Language Models for Longitudinal Data Retrieval in Chronic Dermatologic Disease: Implementation in Pemphigus Patients

慢性皮肤病纵向数据检索中的隐私保护本地语言模型：在天疱疮患者中的实施

Abdurrahim Yilmaz, Ayşe Esra Koku Aksu, Duygu Yamen, Vefa Asli Erdemir, Mehmet Salih Gurel, Gulsum Gencoglan, Joram M. Posma, Burak Temelkuran

机构 * Division of Systems Medicine, Department of Metabolism, Digestion and Reproduction, Imperial College London（系统医学系，代谢、消化与生殖部，帝国理工学院伦敦分校） ； Department of Dermatology and Venereology, Istanbul Research and Training Hospital（皮肤科与性病科，伊斯坦布尔研究与培训医院） ； Department of Dermatology and Venereology, Istanbul Medeniyet University（皮肤科与性病科，伊斯坦布尔梅德尼yet大学） ； Department of Dermatology and Venereology, Istanbul Medicana Atakoy Hospital（皮肤科与性病科，伊斯坦布尔Medicana阿塔科伊医院） 纠错

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

AI总结 本研究评估了本地部署的隐私保护小型语言模型（SLM）在天疱疮患者长期随访记录中检索结构化临床特征并生成纵向摘要的能力，结果显示SLM在特征检索任务中平均准确率达82.25%，且医生对AI生成摘要的质量、临床准确性和实用性评分较高。

LLM-AutoSciLab: Closed-Loop Scientific Discovery via Active Experimentation with LLMs

LLM-AutoSciLab：通过LLM主动实验进行闭环科学发现

Sanchit Kabra, Nikhil Abhyankar, Saaketh Desai, Prasad Iyer, Chandan K Reddy

机构 * Virginia Tech（弗吉尼亚理工大学） ； Sandia National Laboratories（桑迪亚国家实验室） 纠错

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

AI总结 提出LLM-AutoSciLab闭环框架，通过假设生成与实验选择迭代优化，在预算约束下实现主动数据采集，在三个基准上优于现有方法且样本效率提升2-5倍。

The LLM Fallacy: Misattribution in AI-Assisted Cognitive Workflows

大语言模型谬误：人工智能辅助认知工作流中的误归因

Hyunwoo Kim, Harin Yu, Hanau Yi

机构 * ddai Inc.（ddai公司） 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.CL、cs.AI

AI总结 本文探讨大语言模型使用如何导致用户错误归因自身能力，提出LLM谬误概念，分析其在认知、语言、分析和创作领域的影响，并提出教育、招聘和AI素养的启示。

Knowledge-Driven Agentic Scientific Corpus Distillation Framework for Biomedical Large Language Models Training

面向生物医学大语言模型训练的知识驱动代理科学语料库精简框架

Meng Xiao, Xunxin Cai, Qingqing Long, Chengrui Wang, Yuanchun Zhou, Hengshu Zhu

机构 * Computer Network Information Center, Chinese Academy of Sciences, Beijing, China（中国科学院计算机网络信息中心） ； University of Chinese Academy of Sciences, Beijing, China（中国科学院大学） ； Duke-NUS Medical School, National University of Singapore, Singapore（新加坡国立大学杜克-新加坡医学部） 纠错

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

AI总结 本文提出一种知识驱动的代理框架，用于生物医学大语言模型训练中的语料库精简，通过多代理协作提升问答任务性能。

Comments Biomedical Large Language Models, Agentic Corpus Distillation, Synthetic Question-Answer Generation, Agentic AI, Knowledge Hierarchy Guidance

Knowledge Graph Modeling-Driven Large Language Model Operating System (LLM OS) for Task Automation in Process Engineering Problem-Solving

Sakhinana Sagar Srinivas, Vijay Sri Vaikunth, Venkataramana Runkana

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

Comments Accepted for Publication by Association for the Advancement of Artificial Intelligence, Fall Symposium Series

Enhancing Small Medical Learners with Privacy-preserving Contextual Prompting

Xinlu Zhang, Shiyang Li, Xianjun Yang, Chenxin Tian, Yao Qin, Linda Ruth Petzold

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

The Shaky Foundations of Clinical Foundation Models: A Survey of Large Language Models and Foundation Models for EMRs

Michael Wornow, Yizhe Xu, Rahul Thapa, Birju Patel, Ethan Steinberg, Scott Fleming, Michael A. Pfeffer, Jason Fries, Nigam H. Shah

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

Comments Reformatted figures, updated contributions

Prompting Large Language Model for Machine Translation: A Case Study

Biao Zhang, Barry Haddow, Alexandra Birch

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

Comments Work in progress

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