语言大模型 / LLM

DomainLynx: Leveraging Large Language Models for Enhanced Domain Squatting Detection

Daiki Chiba, Hiroki Nakano, Takashi Koide

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

Comments Originally presented at IEEE CCNC 2025. An extended version of this work has been published in IEEE Access: https://doi.org/10.1109/ACCESS.2025.3542036

Journal ref D. Chiba, H. Nakano, and T. Koide, "DomainLynx: Advancing LLM Techniques for Robust Domain Squatting Detection," IEEE Access, 2025

Robust for the Wrong Reasons: The Representational Geometry of LLM Robustness to Science Skepticism

鲁棒性源于错误原因：LLM对科学怀疑论鲁棒性的表征几何

Minjong Cheon

机构 * Department of Computer Science and Engineering, Sejong University（信息科学与工程系，世宗大学） 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 通过行为测量、线性探针和激活修补，研究三个指令调优模型在气候、疫苗和进化三个科学共识领域对怀疑论的反应，发现模型表现出三种不同策略而非谄媚退缩，且鲁棒性不跨领域转移。

Scalable Training of Spatially Grounded 2D Vision-Language Models for Radiology

面向放射学的空间定位2D视觉-语言模型的可扩展训练

Yusuf Salcan, Simon Ging, Robin Tibor Schirrmeister, Philipp Arnold, Elmar Kotter, Behzad Bozorgtabar, Thomas Brox

机构 * Computer Vision Group, University of Freiburg, Germany（德国弗莱堡大学计算机视觉组） ； Department of Radiology, Medical Center -- University of Freiburg, Germany（德国弗莱堡大学医学中心放射科） ； CRIION-AI Lab, Freiburg, Germany（德国弗莱堡CRIION-AI实验室） 纠错

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

AI总结 提出RefRad2D大规模双语数据集，通过LLM和自动分割生成空间定位数据，训练RadGrounder模型联合完成报告生成、VQA和空间定位，在外部基准上取得竞争性结果。

Comments Accepted for MICCAI 2026. First two authors: equal contribution. Last two authors: equal supervision

LLM-Assisted Stance Detection in Scientific Discourse: A Test Case in Bayesian Cognitive Science

科学话语中的立场检测：以贝叶斯认知科学为例的LLM辅助方法

Eyup Engin Kucuk, Tarik Kelestemur, Ömer Dağlar Tanrikulu

机构 * University of New Hampshire（新罕布什尔大学） ； Independent Researcher（独立研究员） 纠错

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

AI总结 提出结合理论驱动编码手册、专家标注和诊断门控提示优化的方法，利用三个前沿LLM检测贝叶斯模型在科学文本中的现实主义/工具主义立场，在210篇文章的6858条引文中达到0.78的联合信度。

Comments 9 pages, 4 figures; Code and data: https://github.com/EyupEK/autoresearch_bayes

A Few-Shot Approach for Relation Extraction Domain Adaptation using Large Language Models

Vanni Zavarella, Juan Carlos Gamero-Salinas, Sergio Consoli

机构 * Department of Mathematics and Computer Science, University of Cagliari, Cagliari, Italy（数学与计算机科学系，卡利亚里大学，卡利亚里，意大利） ； Institute of Data Science and Artificial Intelligence (DATAI), Universidad de Navarra, Pamplona, Spain（数据科学与人工智能研究所（DATAI），纳瓦拉大学，潘普隆，西班牙） ； European Commission, Joint Research Centre (DG JRC), Ispra (VA), Italy（欧洲委员会，联合研究中心（DG JRC），伊斯普拉（瓦拉），意大利） 纠错

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

Journal ref CEUR Workshop Proceedings, Vol. 3894 (2024), Workshop at KDD 2024 on Deep Learning and Large Language Models for Knowledge Graphs

Evaluating LLM-based Approaches to Legal Citation Prediction: Domain-specific Pre-training, Fine-tuning, or RAG? A Benchmark and an Australian Law Case Study

Jiuzhou Han, Paul Burgess, Ehsan Shareghi

机构 * Department of Data Science & AI, Monash University（数据科学与人工智能系，莫纳什大学） ； Faculty of Law, Monash University（法学院，莫纳什大学） 纠错

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

Comments For code, data, and models see https://auslawbench.github.io

Large Language Models Will Change The Way Children Think About Technology And Impact Every Interaction Paradigm

Russell Beale

机构 * School of Computer Science, University of Birmingham（计算机科学学院，伯明翰大学） 纠错

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

Comments Accepted for IDC 2025. Citation: Russell Beale. 2025. Large Language Models Will Change The Way Children Think About Technology And Impact Every Interaction Paradigm. In Proceedings of Interaction Design and Children Conference (IDC2025). ACM, New York, NY, USA

Integrating Large Language Models into a Tri-Modal Architecture for Automated Depression Classification on the DAIC-WOZ

Santosh V. Patapati

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

Comments Keywords: Multi-Modal Neural Networks, Deep Learning, Large Language Models, Depression Diagnosis, Biomedical Informatics, DAIC-WOZ

RAFT: Adapting Language Model to Domain Specific RAG

Tianjun Zhang, Shishir G. Patil, Naman Jain, Sheng Shen, Matei Zaharia, Ion Stoica, Joseph E. Gonzalez

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

Using Large Language Models to Provide Explanatory Feedback to Human Tutors

Jionghao Lin, Danielle R. Thomas, Feifei Han, Shivang Gupta, Wei Tan, Ngoc Dang Nguyen, Kenneth R. Koedinger

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

Comments 12 pages Workshop paper, The 24th International Conference on Artificial Intelligence in Education, AIED 2023 Educational Dialogue Act Classification, Large Language Models, Named Entity Recognition, Tutor Training, Explanatory Feedback, Natural Language Processing

Large Language Models for Cancer Communication: Evaluating Linguistic Quality, Safety, and Accessibility in Generative AI

Agnik Saha, Victoria Churchill, Anny D. Rodriguez, Ugur Kursuncu, Muhammed Y. Idris

机构 * Georgia State University（佐治亚州立大学） ； Morehouse School of Medicine（莫尔豪斯医学院） 纠错

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

Journal ref JMIR Cancer 2026;12:e82971

Computational Approaches to Understanding Large Language Model Impact on Writing and Information Ecosystems

理解大语言模型对写作与信息生态系统影响的计算方法

Weixin Liang

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

AI总结 本论文以计算方法研究LLMs对写作与信息生态系统的影响，涵盖AI检测器的公平性问题、LLMs在多写作领域的采用模式及LLMs为研究者提供手稿反馈的潜力。

Comments Stanford CS PhD Dissertation

Probing the Stochastic Machine: Engaging with LLMs in Statistics Curricula Through Veridical Data Science

探测随机机器：通过真实数据科学在统计课程中与LLM互动

Tian Zheng

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

AI总结 本文提出将LLM作为统计课程的研究对象，通过设计小实验和分析输出分布来探索其变异性、偏差和提示敏感性，并基于真实数据科学框架和PCS原则给出四个课程示例。

What LLMs Must Forget to Teach Effectively: A DIY Approach to Premodern Japanese Language Pedagogy

LLM必须忘记什么才能有效教学：前现代日语教学法的DIY方法

Ariel Stilerman, Andrew Nelson, Alan Cheng, Caleb Langley, Sera Wang, Camilla Piana, Pelin Çılgın, Qianhe Qin, Teisha Nishimitsu, Liaoliao Zhang, Huiting Liu, Josh Eyre, Gavin Sherry

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

AI总结 本文提出一种基于大型语言模型（LLM）的DIY教学框架，通过提示工程创建定制工具，避免LLM过度解释或产生幻觉，从而促进前现代日语文学和语言课程中的主动理解与教学对齐。

How Software Engineering Students Use LLMs to Write Research Papers: An Experience Report

软件工程学生如何使用LLM撰写研究论文：经验报告

Ronnie de Souza Santos, Maria Teresa Baldassarre, Cleyton Magalhaes, Italo Santos

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

AI总结 本文报告了一项教育经验，通过分析146份学生披露声明，探讨学生在实证方法作业中如何整合LLM进行头脑风暴、方法澄清、结果组织和写作润色，并讨论其教育意义。

Trustworthy Recommendation in the Era of Large Language Models: Opportunities and Challenges

大语言模型时代的可信推荐：机遇与挑战

Bohao Wang, Yu Cui, Zhenxiang Xu, Jujia Zhao, Chenxiao Fan, Jizhi Zhang, Weiqin Yang, Shengjia Zhang, Sirui Chen, Yang Zhang, Xiaoyan Zhao, Wenjie Wang, Chongming Gao, Fuli Feng, Xiangnan He, Jiawei Chen

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

AI总结 本文系统综述了大语言模型增强推荐系统在可信性方面的双重影响，识别出13个机遇和18个挑战，并构建了新的分类体系。

Domain-Shift-Aware Conformal Prediction for Large Language Models

领域偏移感知的共形预测用于大型语言模型

Zhexiao Lin, Yuanyuan Li, Neeraj Sarna, Yuanyuan Gao, Michael von Gablenz

机构 * University of Waterloo（多伦多大学） 纠错

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

AI总结 提出领域偏移感知共形预测框架，通过重加权校准样本应对分布偏移，在MMLU基准上提升覆盖可靠性。

Comments Accepted to Forty-Third International Conference on Machine Learning (ICML), 2026

Exploring the Capabilities of Large Language Model Encoders for Image-Text Retrieval in Chest X-rays

探索大语言模型编码器在胸部X光片图像-文本检索中的能力

Hanbin Ko, Gihun Cho, Inhyeok Baek, Donguk Kim, Joonbeom Koo, Changi Kim, Dongheon Lee, Chang Min Park

机构 * Interdisciplinary Program in Bioengineering, Seoul National University Graduate School（生物工程跨学科项目，首尔国立大学研究生院） ； Integrated Major in Innovative Medical Science, Seoul National University Graduate School（创新医学科学整合专业，首尔国立大学研究生院） ； Department of Radiology, The First Affiliated Hospital, Zhejiang University School of Medicine（浙江大学医学院第一附属医院放射科） ； Seoul National University College of Medicine（首尔国立大学医学院） ； Department of Radiology, Seoul National University College of Medicine, Seoul National University Hospital（首尔国立大学医学院放射科，首尔国立大学医院） ； Institute of Medical and Biological Engineering, Seoul National University Medical Research Center（医学与生物工程研究所，首尔国立大学医学研究所以及） ； Institute of Radiation Medicine, Seoul National University Medical Research Center（放射医学研究所，首尔国立大学医学研究所以及） 纠错

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

AI总结 提出一种领域自适应的双向大语言模型文本编码器，通过掩码标记预测和监督对比学习训练，结合参数高效的双塔对比视觉语言框架，提升胸部X光片图像与文本的对齐和检索性能。

Comments 12 pages, 2 figures, under review

Large language models are not the problem

大语言模型并非问题

Hiranya V. Peiris

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

AI总结 文章探讨大语言模型能否复制科学成果，指出不应将问题归咎于模型本身，而应反思科研领域对AI的焦虑来源。

Comments 6 pages, no figures, Published in Nature Astronomy as a Comment

Surrogate modeling for interpreting black-box LLMs in medical predictions

对医疗预测中黑箱大语言模型的代理建模解释

Changho Han, Songsoo Kim, Dong Won Kim, Leo Anthony Celi, Jaewoong Kim, SungA Bae, Dukyong Yoon

机构 * Medical Big Data Research Center, Seoul National University Medical Research Center, Seoul National University College of Medicine（首尔国立大学医学院医学大数据研究中心，首尔国立大学医学院） ； Department of Biomedical Systems Informatics, Yonsei University College of Medicine（延世大学医学院生物医学系统信息学系） ； Laboratory for Computational Physiology, Massachusetts Institute of Technology（麻省理工学院计算生理学实验室） ； Division of Pulmonary, Critical Care and Sleep Medicine, Beth Israel Deaconess Medical Center（贝斯以色列德aconess医疗中心呼吸科、重症医学科和睡眠医学科） ； Department of Biostatistics, Harvard T.H. Chan School of Public Health（哈佛大学T.H. Chan公共卫生学院生物统计学系） ； Department of Cardiology, Yongin Severance Hospital, Yonsei University College of Medicine（延世大学医学院永宁松甫医院心内科） ； Center for Digital Health, Yongin Severance Hospital, Yonsei University Health System（延世大学健康系统永宁松甫医院数字健康中心） ； Institute for Innovation in Digital Healthcare, Severance Hospital, Seoul, Republic of Korea（首尔松甫医院数字医疗创新研究所） 纠错

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

AI总结 本文提出一种代理建模框架，通过输入输出对近似复杂系统，揭示LLM编码知识的范围，揭示医疗预测中潜在的不准确和偏见。

Predicting User Satisfaction in Online Education Platforms: A Large Language Model Based Multi-Modal Review Mining Framework

在线教育平台用户满意度预测：基于大型语言模型的多模态评论挖掘框架

Arman Bekov, Azamat Nurgali

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

AI总结 本文提出基于大型语言模型的多模态框架，通过整合文本、情感和行为数据，提升平台和课程层面用户满意度预测的准确性。

COBOL-Coder: Domain-Adapted Large Language Models for COBOL Code Generation and Translation

COBOL-Coder：面向COBOL代码生成与翻译的领域适应性大语言模型

Anh T. V. Dau, Shin Hwei Tan, Jinqiu Yang, Nghi D. Q. Bui, Anh Tuan Nguyen

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

AI总结 本文提出COBOL-Coder，一种专为COBOL设计的大型语言模型，通过自动化数据管道和领域适应技术，在代码生成与翻译任务中表现出色，优于现有模型。

Applications of Large Language Models in Radiation Oncology: From Workflow Automation to Clinical Intelligence

大型语言模型在放射肿瘤学中的应用：从工作流自动化到临床智能

Yuzhen Ding, Jason Holmes, Yuexing Hao, Zhengliang Liu, Peilong Wang, Junjie Cui, Meiyun Cao, Caiwen Jiang, Shuoyang Wei, Lin Zhao, Chenbin Liu, Lian Zhang, Yunze Yang, Tianming Liu, Wei Liu

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

AI总结 本文探讨了大型语言模型在放射肿瘤学中的应用，包括工作流自动化、临床智能及决策支持，展示了其在标准化命名、注册管理及放疗计划评估中的核心贡献。

Misleading Large Language Models used (or misused) in Scientific Peer-Reviewing via Hidden Prompt-Injection Attacks

通过隐藏提示注入攻击误导用于科学同行评审的大型语言模型

Matteo Gioele Collu, Umberto Salviati, Roberto Confalonieri, Mauro Conti, Giovanni Apruzzese

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

AI总结 研究探讨了通过隐藏提示注入攻击误导科学同行评审中使用的大型语言模型的潜力，设计了不可见于人类读者但能引导LLM输出的对抗性提示，并评估了其在不同系统和论文中的鲁棒性。

Comments Accepted to ACM TAISAP

Sequence-aware Large Language Models for Explainable Recommendation

序列感知的可解释推荐大型语言模型

Gangyi Zhang, Runzhe Teng, Chongming Gao

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

AI总结 本文提出SELLER框架，结合用户行为与物品语义，通过混合专家适配器对齐LLM信号，统一评估框架提升推荐解释质量与实际效用。

DepthCharge: A Domain-Agnostic Framework for Measuring Depth-Dependent Knowledge in Large Language Models

DepthCharge: 一个领域无关的框架，用于测量大语言模型中的深度知识

Alexander Sheppert

机构 * Capitol Technology University（卡波尔科技大学） 纠错

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

AI总结 DepthCharge通过自适应探针、实时事实验证和生存统计，评估大语言模型在任意领域中持续准确回答的深度，揭示标准基准隐藏的性能差异。

Large Language Models in Teaching and Learning: Reflections on Implementing an AI Chatbot in Higher Education

大语言模型在教学与学习中的应用：在高等教育中实施AI聊天机器人反思

Fiammetta Caccavale, Carina L. Gargalo, Julian Kager, Magdalena Skowyra, Steen Larsen, Krist V. Gernaey, Ulrich Krühne

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

AI总结 本文探讨了在高等教育中实施增强型AI助手中的风险与挑战，通过实验评估了大语言模型对学习动机、教学质量及学生表现的影响。

Med-Evo: Test-time Self-evolution for Medical Multimodal Large Language Models

Med-Evo: 医疗多模态大语言模型的测试时自演化

Dunyuan Xu, Xikai Yang, Juzheng Miao, Yaoqian Li, Jinpeng Li, Pheng-Ann Heng

机构 * Department of Computer Science and Engineering, The Chinese University of Hong Kong, Hong Kong, China（计算机科学与工程系，香港中文大学，香港，中国） ； Institute of Medical Intelligence and XR, The Chinese University of Hong Kong, Hong Kong, China（医学智能与XR研究所，香港中文大学，香港，中国） 纠错

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

AI总结 Med-Evo通过无标签强化学习和伪标签技术提升医疗多模态大语言模型性能，实验表明在医疗VQA任务中显著优于现有方法。

Leveraging Large Language Models for Automated Scalable Development of Open Scientific Databases

利用大型语言模型实现开放科学数据库的自动化可扩展开发

Nikita Gautam, Doina Caragea, Ignacio Ciampitti, Federico Gomez

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

AI总结 本文提出利用大型语言模型构建开放科学数据库的自动化方法，通过结合关键词查询、API数据检索和文本分类，实现高效且可扩展的领域特定数据库开发。

A framework for assessing the capabilities of code generation of constraint domain-specific languages with large language models

一种评估大语言模型生成约束领域特定语言代码能力的框架

David Delgado, Lola Burgueño, Robert Clarisó

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

AI总结 本文提出一种评估框架，用于评估大语言模型生成约束领域特定语言代码的能力，发现LLMs在Python上的表现优于OCL和Alloy，并探讨了改进代码生成的方法。