语言大模型 / LLM

Symbolic Predicate-Guided Language Agents for Inverse Design of Perovskite Oxides

用于钙钛矿氧化物逆设计的符号谓词引导语言智能体

Dong Hyeon Mok, Seoin Back, Victor Fung, Guoxiang Hu

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

AI总结 研究钙钛矿氧化物逆设计，引入 DSL 引导策略，将自然语言规则转化为符号谓词，开发 ORCHESTRA 框架。该策略能增强 LLM 智能体推理能力，无需大量特定任务数据集或额外训练，提升材料设计性能。

DashChat: Interactive Authoring of Performance Dashboard Design Prototypes through Conversation with LLM-Powered Agent

DashChat: 通过与LLM驱动的智能体对话交互式创作性能仪表盘设计原型

Z. Lin, S. Shen, W. Liu, C. Xin, W. Dai, S. Chen, X. Wen, X. Lan

专题命中 领域大模型 ：LLM(title,title_cn)

AI总结 提出DashChat系统，通过LLM驱动的多智能体管道将文本需求转化为性能仪表盘原型，加速迭代并保证设计质量。

An LLM-Powered Semantic Alignment Framework for Journal Recommendation

基于LLM的语义对齐框架用于期刊推荐

Yanglin Yan, Zicheng Xie, Tianchen Gao, Rui Pan, Hansheng Wang

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

AI总结 提出一种基于大语言模型的语义对齐框架，将期刊推荐转化为稿件内容与期刊范围描述之间的语义匹配问题，无需训练即可实现高效推荐。

A hardware-safety-gated system for LLM-written native ARTIQ control code on a trapped-ion platform

基于硬件安全门控的LLM编写原生ARTIQ控制代码系统在离子阱平台上的应用

Duanyang Wang, Lu Qi, Yuanheng Xie, Norbert M. Linke, Kenneth R. Brown

专题命中 领域大模型 ：LLM(title,title_cn)

AI总结 提出一种硬件安全门控系统，通过令牌授权机制确保LLM代理在离子阱实验中安全自主地编写和执行控制代码，并在实验中验证了其有效性和可移植性。

Comments 15 pages, 5 figures

Refining Pseudo-Audio Prompts with Speech-Text Alignment for Text-Only Domain Adaptation in LLM-Based ASR

通过语音-文本对齐细化伪音频提示以实现基于LLM的ASR的纯文本领域适应

Ryo Magoshi, Takashi Maekaku, Yusuke Shinohara

机构 * Kyoto University, Japan（京都大学，日本） ； LY Corporation, Japan（LY公司，日本） 纠错

专题命中 领域大模型 ：LLM(title,title_cn)

AI总结 本文提出通过语音-文本对齐细化伪音频提示的方法，以提升基于LLM的ASR在纯文本领域适应中的性能，实验表明该方法在整体错误率和词汇覆盖率上优于现有方法。

Comments Accepted at Interspeech 2026

LLM-Based Discovery of Latent Requirements from Stakeholder Conversations: Preliminary Results from Industry

基于LLM从利益相关者对话中发现潜在需求：来自工业界的初步结果

Mithila Sivakumar, Martin Lochner, Shiva Nejati, Mehrdad Sabetzadeh

专题命中 领域大模型 ：LLM(title,title_cn)

AI总结 提出LENS方法，利用LLM分析利益相关者访谈记录，提取显式需求并推断潜在需求，以用户故事表示并链接原文，工业评估显示显式需求F1为84.4%，75%潜在需求被认为有用。

Comments This paper has been accepted at the 13th International Workshop on Artificial Intelligence and Requirements Engineering (AIRE 2026), co-located with RE 2026

From Punishment to Protection: Charting Six Decades of U.S. Juvenile Justice Through Topic Modeling and LLM-Assisted Analysis

从惩罚到保护：通过主题建模和LLM辅助分析描绘美国少年司法的六十年变迁

Nia E. George, Simeon Sayer

专题命中 领域大模型 ：LLM(title,title_cn)

AI总结 本文通过主题建模和LLM辅助分析60470份美国上诉意见（1970-2025），发现儿童福利案件激增、性犯罪登记案件翻倍，而传统惩罚机制（移交成人法庭、少年死刑）大幅下降，并揭示了法律词汇的十年演变和司法管辖区碎片化风险。

Comments 7 figures, 4 tables, includes appendices

Empirical Modeling of Therapist-Client Dynamics in Psychotherapy Using LLM-Based Assessments

基于LLM评估的心理治疗中治疗师-来访者动态的实证建模

Angela Chen, Siwei Jin, Canwen Wang, Holly Swartz, Tongshuang Wu, Robert E Kraut, Haiyi Zhu

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

AI总结 本研究利用大语言模型测量治疗师行为、关系质量和来访者结果，结合结构方程模型分析约2000小时转录数据，发现共情和探索直接促进来访者自我表露和情绪变化，而融洽关系起调节作用。

TalkPlay-Tools: Conversational Music Recommendation with LLM Tool Calling

TalkPlay-Tools: 基于大语言模型工具调用的对话式音乐推荐

Seungheon Doh, Keunwoo Choi, Juhan Nam

机构 * KAIST（韩国科学技术院） ； talkpl.ai 纠错

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

AI总结 提出一种基于LLM工具调用的统一检索-重排序流水线，通过布尔过滤、稀疏检索、稠密检索和生成式检索的组合，实现端到端的对话式音乐推荐。

Comments Accepted for publication at The Workshop on AI for Music, Neural Information Processing Systems (NeurIPS-AI4Music)

Mixture-of-Experts Knowledge Graph Retrieval-Augmented Generation for Multi-Agent LLM-based Recommendation

基于混合专家知识图谱检索增强生成的多智能体LLM推荐系统

Shijie Wang, Chengyi Liu, Yujuan Ding, Shanru Lin, See-Kiong Ng, Xu Xin, Wenqi Fan

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

AI总结 提出MixRAGRec框架，通过混合专家检索、知识偏好对齐和对比学习增强推荐，解决KG-RAG中检索粒度单一、结构信息丢失和端到端学习困难问题。

Comments Accepted by KDD 2026 Research Track

EASE Configuration Facilitates A Reproducible Science of LLM Social Simulations

EASE配置促进LLM社会模拟的可重复科学

Sneheel Sarangi, Maximilian Puelma Touzel, Aurélien Bück-Kaeffer, Zachary Yang, Jean-François Godbout, Reihaneh Rabbany

专题命中 领域大模型 ：LLM(title,title_cn)

AI总结 提出EASE模块化框架（环境、智能体、模拟引擎、评估指标）并构建SiliSocS开源沙盒，通过三个案例研究验证其在高可配置、可重复的LLM社会模拟中的效用。

Comments 22 pages, 5 figures, under review at NeurIPS 2026

CLIOPATRA: Extracting Private Information from LLM Insights

CLIOPATRA: 从LLM洞察中提取隐私信息

Meenatchi Sundaram Muthu Selva Annamalai, Emiliano De Cristofaro, Peter Kairouz

专题命中 领域大模型 ：LLM(title,title_cn)

AI总结 提出CLIOPATRA攻击，通过注入恶意聊天突破多层启发式隐私保护，从LLM洞察系统中提取目标用户敏感信息，在合成医疗聊天中高达65%成功率且几乎100%精确。

Evaluating LLM-generated code for domain-specific languages: molecular dynamics with LAMMPS

评估LLM生成的领域特定语言代码：使用LAMMPS进行分子动力学模拟

Ethan Holbrook, Juan C. Verduzco, Alejandro Strachan

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

AI总结 提出一种评估流程，结合标准化、解析、低成本执行和准确性检查，系统评估LLM为分子动力学代码LAMMPS生成输入文件的有效性，发现当前模型在科学准确性上有限，但通过可复用的智能体技能可显著提升。

Comments 19 pages, 5 figures, Supporting Info, 27 total pages

Graph-Grounded Optimization: Rao-Family Metaheuristics, Classical OR, and SLM-Driven Formulation over Knowledge Graphs

图引导优化：Rao家族元启发式算法、经典运筹学和SLM驱动的公式在知识图谱上的应用

Madhulatha Mandarapu, Sandeep Kunkunuru

专题命中 领域大模型 ：SLM(title,title_cn)；LLM(abstract,abstract_cn)

AI总结 本文提出图引导优化方法，通过Cypher查询从属性知识图谱中获取优化问题的变量、约束和目标系数，对比Rao家族元启发式算法与OR-tools在不同场景下的表现，揭示图引导公式在数据质量上的挑战。

Comments 14 pages, 8 figures, 7 public-domain KG-backed problems

UniRec: Unified Multimodal Encoding for LLM-Based Recommendations

UniRec：基于LLM的推荐系统的统一多模态编码

Zijie Lei, Tao Feng, Zhigang Hua, Yan Xie, Guanyu Lin, Shuang Yang, Ge Liu, Jiaxuan You

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

AI总结 UniRec通过统一多模态编码解决推荐系统中多模态信息的理解挑战，提出三元组表示和分层Q-Former结构，实现在多个基准测试中提升15%的性能。

Journal ref Transactions on Machine Learning Research, 2026

Album: executable building blocks for scientific imaging routines, from sharing to LLM-assisted orchestration

Album: 科学成像流程的可执行构建模块，从共享到LLM辅助编排

Jan Philipp Albrecht, Deborah Schmidt, Lucas Rieckert, Maximilian Otto, Kyle Harrington

专题命中 领域大模型 ：LLM(title,title_cn)

AI总结 Album通过两个核心机制实现科学流程的可执行打包与共享，支持可复现执行和LLM辅助编排，适用于多领域科学应用。

Comments 38 pages, 7 figures

GraphRAG-IRL: Personalized Recommendation with Graph-Grounded Inverse Reinforcement Learning and LLM Re-ranking

基于图的反强化学习与大语言模型重排序的个性化推荐

Siqi Liang, Xiawei Wang, Yudi Zhang, Jiaying Zhou

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

AI总结 GraphRAG-IRL结合图基础特征构建、反强化学习和基于人设的大语言模型重排序，通过最大熵反强化学习模型实现校准预排序，并利用LLM对短候选列表进行重排序，提升推荐效果。

Figures as Interfaces: Toward LLM-Native Artifacts for Scientific Discovery

图表作为接口：迈向面向大语言模型的科学发现原生图件

Yifang Wang, Rui Sheng, Erzhuo Shao, Yifan Qian, Haotian Li, Nan Cao, Dashun Wang

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

AI总结 本文提出LLM原生图件概念，通过融合语言-视觉接口，实现数据驱动的可解释图件，提升科学发现的可重复性和透明性。

Federated User Behavior Modeling for Privacy-Preserving LLM Recommendation

联邦用户行为建模用于隐私保护的大语言模型推荐

Lei Guo, Hongyun Yang, Pengjie Ren, Tong Chen, Hui Liu, Zhumin Chen

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

AI总结 本文提出SF-UBM方法，通过语义增强的联邦架构解决跨域推荐中隐私保护问题，整合多模态数据并融合协同过滤信号，提升LLM推荐效果。

Towards Personalizing Secure Programming Education with LLM-Injected Vulnerabilities

面向个性化安全编程教育的LLM注入漏洞方法

Matthew Frazier, Kostadin Damevski

专题命中 领域大模型 ：LLM(title,title_cn)

AI总结 本文提出利用LLM在学生代码中注入特定CWE漏洞，生成个性化教学材料，通过实验发现学生认为此类示例更相关清晰，但定量结果未显示显著差异，需进一步研究。

SPRINT: Scalable and Predictive Intent Refinement for LLM-Enhanced Session-based Recommendation

SPRINT: 一种可扩展且可预测的意图细化方法用于基于会话的推荐系统

Gyuseok Lee, Wonbin Kweon, Zhenrui Yue, Yaokun Liu, Yifan Liu, Susik Yoon, Dong Wang, SeongKu Kang

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

AI总结 本文提出SPRINT框架，通过全局意图池约束LLM生成可靠意图，并在推理时使用轻量级意图预测器提升可扩展性，实验证明其在推荐效果和可解释性上优于现有方法。

Comments SIGIR'26

Augmenting Anonymized Data with AI: Exploring the Feasibility and Limitations of Large Language Models in Data Enrichment

Stefano Cirillo, Domenico Desiato, Giuseppe Polese, Monica Maria Lucia Sebillo, Giandomenico Solimando

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

Comments Stefano Cirillo, Domenico Desiato, Giuseppe Polese, Monica Maria Lucia Sebillo, Giandomenico Solimando: Augmenting Anonymized Data with AI: Exploring the Feasibility and Limitations of Large Language Models in Data Enrichment. In proceedings of the 3rd Italian Conference on Big Data and Data Science (ITADATA 2024), 17-19 September 2024, Pisa, Italy

Journal ref 3rd Italian Conference on Big Data and Data Science (ITADATA 2024)

Medical Adaptation of Large Language and Vision-Language Models: Are We Making Progress?

Daniel P. Jeong, Saurabh Garg, Zachary C. Lipton, Michael Oberst

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

Comments This version was published at EMNLP 2024 Main Conference as a Long Paper (Oral). See the extended version (arXiv:2411.08870) for additional results on QA tasks based on clinical notes and evaluations in the supervised fine-tuning regime

nach0: Multimodal Natural and Chemical Languages Foundation Model

Micha Livne, Zulfat Miftahutdinov, Elena Tutubalina, Maksim Kuznetsov, Daniil Polykovskiy, Annika Brundyn, Aastha Jhunjhunwala, Anthony Costa, Alex Aliper, Alán Aspuru-Guzik, Alex Zhavoronkov

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

Comments Accepted to Chemical Science Journal. Models are publicly available via https://huggingface.co/insilicomedicine/nach0_base and https://huggingface.co/insilicomedicine/nach0_large

Journal ref Chemical Science, 15(22), 8380-8389, 2024

Gene-associated Disease Discovery Powered by Large Language Models

Jiayu Chang, Shiyu Wang, Chen Ling, Zhaohui Qin, Liang Zhao

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

Comments This is the official paper accepted by AAAI 2024 Workshop on Large Language Models for Biological Discoveries

Large language model-assisted discovery of cohorts from scientific literature

大语言模型辅助的科学文献队列发现

Moritz Sturm, Lisa M. Berg, Inken Berg, Harishny Sarma, Jasmin Hartmann, Denissa Girschik, Gemma Roig, Christine M. Freitag, Andreas G. Chiocchetti

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

AI总结 该研究开发了问题驱动框架，通过PubMed API检索文献，用大语言模型提取队列名称，在青少年攻击行为遗传学用例中，补充了队列目录未覆盖的17个合格队列。

An Agentic Framework Using Rules and LLMs for Embedding and Annotating Descriptive Document Layouts: A Plant Science Use Case

一种结合规则与大语言模型（LLM）的智能体框架，用于描述性文档布局的嵌入与标注：植物科学应用案例

Nicolas Turenne, Youcef Sklab, Eric Chenin, Jean-Daniel Zucker

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 本研究提出结合规则与LLM的智能体框架，用于植物性状提取，在三个区域植物数据集上实现高效标注，提升了性状覆盖度与标注量，验证了其稳健性与可扩展性。

Mapping Patient-Perceived Physician Traits from Nationwide Online Reviews with LLMs

基于大语言模型（LLM）从全国在线评论中映射患者感知的医生特质

Junjie Luo, Rui Han, Arshana Welivita, Zeleikun Di, Jingfu Wu, Xuzhe Zhi, Ritu Agarwal, Gordon Gao

机构 * Johns Hopkins School of Medicine（约翰霍普金斯医学院） ； Johns Hopkins University（约翰霍普金斯大学） ； Carey Business School, Johns Hopkins University（约翰霍普金斯大学Carey商学院） ； Center for Digital Health Artificial Intelligence (CDHAI)（数字健康人工智能中心（CDHAI）） 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.CL

AI总结 本研究提出基于LLM的流程从美国百万级医生的410万条在线评论中提取10项患者感知的医生特质，揭示了全国性特质分布模式与医生原型，为相关公平性、偏见研究提供了基础。

Comments Accepted in npj Digital Medicine

Scientific exploration, collaboration and labor division in the large language model era

大语言模型时代的科学探索、合作与分工

Xiang Zheng, Xi Hong, Jialin Liu, Chaoqun Ni

机构 * Information School, University of Wisconsin–Madison（威斯康星大学麦迪逊分校信息学院） 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.AI

AI总结 研究大语言模型时代科学家科研变化，通过关联数据和分析论文贡献声明发现，2022年后科学家跨学科探索增加，合作网络更具跨学科性，分工更分化，有强AI写作信号者变化更明显，表明此时代科学探索、合作与分工正广泛重组。

Comments Main text: 21 pages, 4 figures. Supplementary materials: 25 pages, 13 figures, 4 tables

Human-in-the-Loop Large Language Model Framework for Identification of Cutaneous Immune-Related Adverse Events

用于识别皮肤免疫相关不良事件的人在回路大语言模型框架

Charles Lu, Olivia Burke, Debby Cheng, Adam Kashlan, Caitlyn Duffy, Zeyun Lu, Lirit Fuksman, Jin Ning Tian, Andrew Sedlack, Priya Katyal, Eudora Lee, Ralina Karagenova, Chuck Lin, Kun-Hsing Yu, Nicole LeBoeuf, Alexander Gusev, Yevgeniy R. Semenov

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

AI总结 研究旨在通过人在回路的大语言模型框架检测皮肤免疫相关不良事件，采用检索增强等方法，相比人工审查提高了准确性、一致性并缩短审查时间，还试点了大语言模型在跨器官系统识别免疫毒性及数据提取方面的应用。