语言大模型 / LLM

Real-Time Hard Negative Sampling via LLM-based Clustering for Large-Scale Two-Tower Retrieval

基于LLM聚类的实时硬负采样用于大规模双塔检索

Ivan Ji, Liuyi Hu, Harrison, Zhao, Lei Huang, Qunshu Zhang, Max, Fan, Aameek Singh

机构 * Meta 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 针对双塔模型训练中负样本易学习的问题，提出利用大语言模型聚类生成硬负样本的实时采样方法，能有效提升模型性能并降低流行度偏差。

COOPA: A Modular LLM Agent Architecture for Operations Research Problems

COOPA: 面向运筹学问题的模块化LLM智能体架构

Chuanhao Li, Xiaoan Xu, Dirk Bergemann, Ethan X. Fang, Yehua Wei, Zhuoran Yang

机构 * Tsinghua University（清华大学） ； Duke University（杜克大学） ； Yale University（耶鲁大学） 纠错

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

AI总结 提出COOPA模块化LLM智能体架构，通过迭代置信度建模、元素级溯源与多求解器路由，提升运筹问题建模准确性与可解释性，在多个基准上优于基线方法。

What the LLM Should Not Say: Boundary-Aware Context Grounding for A Seven-Channel EEG Agent

面向低通道EEG智能体的边界感知上下文接地

Zhiyuan Xu, Yueqing Dai, Junling Li, Junwen Luo

机构 * Shanghai Pulse Element Intelligent Technology Co., Ltd. (NeuraDock)（上海脉冲元素智能科技有限公司（NeuraDock）） 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

AI总结 提出NeuraDock Agent架构，通过分离确定性本地EEG引擎与硬件感知语言层，实现LLM对低通道EEG数据的边界感知接地，经288次测试验证了系统在数值重复性、故障恢复和边界感知方面的有效性。

Comments 25 pages, 6 figures

How Do Tool-Augmented LLM Agents Perform on Real-World Energy Analytics Tasks?

工具增强的LLM智能体在真实世界能源分析任务中的表现如何？

David Akinpelu, Akintonde Abbas, Rereloluwa Alimi, Ayodeji Lana

机构 * Independent Researcher（独立研究员） ； Tume AI 纠错

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

AI总结 针对能源领域缺乏智能体评估基准的问题，构建了包含243个专家策划问题的测试环境，评估工具增强的LLM智能体在数据检索、知识解释和定量建模三类任务上的表现。

Explainable Control Framework (XCF) based on Fuzzy Model-Agnostic Explanation and LLM Agent-Supported Interface

基于模糊模型无关解释与LLM智能体支持接口的可解释控制框架(XCF)

Faliang Yin, Hak-Keung Lam, David Watson

机构 * Department of Engineering, Faculty of Natural, Mathematical & Engineering Sciences, King’s College London（工程系，自然、数学与工程科学学院，伦敦国王学院） 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 提出可解释控制框架XCF，通过分层模糊模型无关解释方法HFMAE-C和LLM智能体接口，为闭环控制器提供模型无关的解释，并在倒立摆和Turtlebot避障案例中验证有效性。

LLM-Based Scientific Peer Review: Methods, Benchmarks, and Reliability Challenges

基于LLM的科学同行评审：方法、基准与可靠性挑战

Thi Huyen Nguyen, Zahra Ahmadi

机构 * L3S Research Center, Leibniz University Hannover（莱布尼茨汉诺威大学L3S研究中心） ； Peter L. Reichertz Institute for Medical Informatics of TU Braunschweig and Hannover Medical School（布伦瑞克工业大学与汉诺威医学院彼得·L·赖歇茨医学信息学研究所） ； Lower Saxony Center for AI and Causal Methods in Medicine (CAIMed)（下萨克森州医学人工智能与因果方法中心（CAIMed）） 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

AI总结 本文综述了基于大语言模型的科学同行评审，聚焦批评生成与分数预测两大功能，分析了建模方法、基准评估、数据局限及鲁棒性风险，并提出了未来研究方向。

An LLM-Orchestrated Agent for Directional-Coupler Design with Self-Consistent Eigenmode and FDTD Validation

一种用于定向耦合器设计的LLM编排智能体，具有自洽本征模和FDTD验证

Saumya Biswas, Amrit De, Md Tauhidul Islam

机构 * Department of Mechanical Engineering, University of Maryland, College Park（马里兰大学学院市机械工程系） ； Apsidal LLC ； Department of Radiation Oncology, Stanford University（斯坦福大学放射肿瘤科） 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 提出一种由大语言模型编排的智能体，结合本征模求解器和FDTD验证，自动设计SOI 2×2定向耦合器，实现高精度50/50分束。

LLM Doesn't Know What It Doesn't Know: Detecting Epistemic Blind Spots via Cross-Model Attribution Divergence on Clinical Tabular Data

LLM 不知道它不知道什么：通过跨模型归因分歧检测临床表格数据上的认知盲点

Akshat Dasula, Prasanna Desikan, Jaideep Srivastava

机构 * Centific AI Research（Centific AI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 研究大语言模型在结构化临床数据上的认知不确定性，通过跨模型归因分歧分析，发现其口头置信度空洞、存在逆难度效应，并提出基于归因分歧的校准方法，无需训练即可提升准确率并降低校准误差。

Comments Accepted at EIML@ICML 2026

sebis at CRF Filling 2026: A Two-Stage Local LLM Pipeline for Medical CRF Filling

sebis at CRF Filling 2026: 用于医疗CRF填写的两阶段本地LLM流水线

Katharina Sommer, Tristan Till, Florian Matthes

机构 * Technical University of Munich（慕尼黑工业大学） 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

AI总结 提出基于MedGemma-27B的两阶段本地流水线，分离二值存在分类与值提取，通过少样本上下文学习实现隐私保护，在CRF填写任务上取得0.55 macro-F1，排名第二。

Comments Published in Proceedings of the Third Workshop on Patient-Oriented Language Processing (CL4Health), LREC 2026

Systematic LLM Translation of Legacy Scientific Code to Differentiable Frameworks: Application to a Land Surface Model

将遗留科学代码系统性地LLM翻译为可微分框架：以陆面模型为例

Aya Lahlou, Linnia Hawkins, Pierre Gentine

机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； NASA Goddard Space Flight Center（国家航空航天局戈达德空间飞行中心） 纠错

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

AI总结 提出基于LLM的五阶段流水线，将遗留Fortran代码自动翻译为JAX可微分框架，在CLM-ml-v2模型上实现完整雅可比矩阵计算和24倍加速。

SciDataSailor: Deep Scientific Data Exploring

SciDataSailor：深度科学数据探索

Jiyong Rao, Yicheng Qiu, Chi Zhang, Chunfeng Song, Runkai Zhao

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

AI总结 该研究针对科学数据仓库交互难题，提出SciDataSailor框架，以带特定机制的MCTS实现轨迹合成，构建了微调模型与含千余任务的评估基准，推动LLM智能体的科学数据探索能力。

Comments 63 pages, 10 figures

Scientific Knowledge Discovery in the Age of Large Language Models

大语言模型时代的科学知识发现

Eleni Adamidi, Serafeim Chatzopoulos, Thanasis Vergoulis

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

AI总结 本章综述34篇应用生成式大语言模型的同行评审论文，针对学术文献检索与合格研究筛选任务，基于OpenAIRE Graph布尔搜索筛选文献，为科学知识发现提供更灵活方案。

Comments 21 pages, 4 figures

Evaluating Health Misinformation in Low-Resource Languages: Integrating Small Language Models with a Culturally-Sensitive Responsible NLP Framework (Bangla as a Case Study)

评估低资源语言中的健康错误信息：将小语言模型与文化敏感的负责任自然语言处理框架相结合（以孟加拉语为例）

Farnaz Farid, Raihan Alam, Al Al-Areqi, Farhad Ahamed, Muhammad Hassan Khan, Sadia Hossain, Irena Veljanova, Anika Tabassum Binte Hossain

机构 * Western Sydney University（西悉尼大学） ； Microsoft（微软公司） ； Excelsia College（埃克塞尔西亚学院） ； Faulconbridge Health Centre（福尔康布里奇健康中心） 纠错

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

AI总结 研究针对低资源语言中健康错误信息难检测问题，提出结合小语言模型与文化敏感的负责任自然语言处理框架，以孟加拉语为例进行实验，证明Phi-4表现优，还设计新框架，为评估低资源语言错误信息提供整体视角。

Comments 39 pages

Peeking Inside LLMs: Leveraging Internal Artifacts of LLMs for Enhancing Reliability in Legal Classification

窥视LLM内部：利用LLM的内部构件增强法律分类的可靠性

Sudipta Santra, Debtanu Datta, Saptarshi Ghosh

机构 * Indian Institute of Technology Kharagpur（印度理工学院卡哈拉格普尔分校） 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、cs.AI

AI总结 针对LLM在法律领域易产生错误或幻觉的问题，提出利用模型内部构件特征构建下游分类器检测预测正确性，在保释决策和法规违规预测任务上验证了有效性。

Comments Accepted at the International Workshop on Automated Semantic Analysis of Information in Law (ASAIL) 2026

LLMs on Tabular Data with Limited Semantics: Evidence from Industrial Car Retrofit Prediction

有限语义表格数据上的LLM：来自工业汽车改造预测的证据

Aina Vila Pons, Ioannis Tzachristas, Constantinos Antoniou

机构 * Technical University of Munich（慕尼黑工业大学） ； BMW Group（宝马集团） 纠错

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

AI总结 研究在工业表格数据中，LLM（嵌入、直接分类、混合堆叠）与经典树集成方法的对比，发现LLM在语义受限时效果有限，但嵌入和混合方法仍有价值。

Can LLMs Reason About Brand Ownership? An Empirical Study of Domain Attribution Intelligence

LLM能否推理品牌所有权？领域归属智能的实证研究

Fathima Mashood, Mohamed Nabeel

机构 * Google（谷歌） ； Microsoft（微软） 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 针对品牌域名归属歧义问题，首次系统评估LLM在域名枚举、开放归属和二元分类三项任务中的品牌智能表现，发现模型依赖外部工具（如WHOIS）才能实现高精度所有权验证。

Comments llm, brand intelligence, whois, search, squatting domains, brand domains

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

IMFuse: Instance-Aware Multi-Layer Fusion for LLM-Enhanced Sequential Recommendation

IMFuse：面向大语言模型增强型序列推荐的实例感知多层融合方法

Yuheng Zheng, Yu Cui, Bin Wu, Jian Zhang, Ye Feng, Can Wang, Jiawei Chen

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

AI总结 针对LLM增强型序列推荐中仅用最后一层表示的缺陷，提出IMFuse方法，通过实例感知多层融合策略生成个性化语义表示，在四个数据集上平均相对提升6.72%且开销有限。

Comments 12 pages, 5 figures, and 9 tables. Yuheng Zheng and Yu Cui contributed equally. Jiawei Chen is the corresponding author

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。

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

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

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。

Large Language Models for Citation Function Classification

用于引用功能分类的大语言模型

Daniel Vodička, Jakub Šmíd, Pavel Král, Christophe Cerisara

机构 * CNRS LORIA, Université de Lorraine, Nancy, France（法国国家科学研究中心洛里亚实验室，洛林大学） 纠错

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

AI总结 研究对多个先进大语言模型用于引用功能分类进行全面评估，比较五个模型在不同方法下表现，微调后的猎鹰7B模型取得新最优结果，还引入AC3数据集及多种变体，分析模型性能等，填补相关研究空白。

Comments Published at the 15th edition of the Language Resources and Evaluation Conference (LREC 2026)

Some Large Language Models Exhibit Consistent Risk Attitudes

一些大语言模型表现出一致的风险态度

Bowen Sun, Rui Min, Yuxi Wang, Brian Odegaard, Qi Wang, Jing Du

机构 * University of Florida（佛罗里达大学） ； Northeastern University（东北大学） 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 研究大语言模型在不确定性下的风险态度，引入跨域框架，应用于六个大语言模型和100名人类参与者，发现多数大语言模型有任务内一致性、跨域排序稳定性，且风险态度分布趋向受限，为评估和调整AI系统奠定基础。

Comments 38

LBR: Towards Mitigating Length Bias in Large Language Models for Recommendation

LBR：减轻用于推荐的大语言模型中的长度偏差

Hongchen Li, Bohao Wang, Jingbang Chen, Weiqin Yang, Hang Pan, Bingde Hu, Can Wang, Jiawei Chen

机构 * Zhejiang University（浙江大学） ； The Chinese University of Hong Kong（香港中文大学） ； University of Science and Technology of China（中国科学技术大学） ； Bangsun Technology（Bangsun科技） 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 研究大语言模型用于推荐时的长度偏差问题，提出LBR框架。通过长度感知注意力校准减轻输入偏差，引入有效信息长度归一化处理输出偏差，实验证明该框架能减轻偏差并提升推荐准确性和公平性。

On the Memorization Behavior of LLMs in Generative Recommendation: Observations, Implications, and Training Strategies

LLM在生成式推荐中的记忆行为：观察、启示与训练策略

Sunwoo Kim, Sunkyung Lee, Clark Mingxuan Ju, Donald Loveland, Bhuvesh Kumar, Kijung Shin, Neil Shah, Liam Collins

机构 * KAIST（韩国科学技术院） ； Sungkyunkwan University（成均馆大学） ； Snap Inc.（Snap公司） 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.LG

AI总结 研究LLM在生成式推荐中的记忆倾向，发现其过度依赖一跳记忆，提出IIRG训练策略以学习多跳协同与语义关系，显著提升对非一跳记忆用户的推荐效果。