语言大模型 / LLM

Extracting Zero-shot Common Sense from Large Language Models for Robot 3D Scene Understanding

William Chen, Siyi Hu, Rajat Talak, Luca Carlone

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

Comments 4 pages (excluding references and appendix), 2 figures, 2 tables. Submitted to Robotics: Science and Systems 2022 2nd Workshop on Scaling Robot Learning. Corrected typos and notation

Biomedical and Clinical Language Models for Spanish: On the Benefits of Domain-Specific Pretraining in a Mid-Resource Scenario

Casimiro Pio Carrino, Jordi Armengol-Estapé, Asier Gutiérrez-Fandiño, Joan Llop-Palao, Marc Pàmies, Aitor Gonzalez-Agirre, Marta Villegas

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

Comments 9 pages

Dialogue State Tracking with a Language Model using Schema-Driven Prompting

Chia-Hsuan Lee, Hao Cheng, Mari Ostendorf

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

Comments Accepted to EMNLP 2021

Class Imbalance and Batch Effects in LLM-Based Screening for Systematic Reviews

系统综述LLM筛选中的类别不平衡与批次效应

Gilberto Sussumu Hida, Danilo Monteiro Ribeiro, Clayton Suguio Hida

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

AI总结 本研究针对系统综述的LLM筛选场景，发现批次处理对决策行为的影响大于患病率元数据，建议评估批次处理需兼顾成本与决策行为效应。

Comments 12 pages, 4 figures. Accepted at ENIAC 2026 (National Meeting on Artificial and Computational Intelligence), part of BRACIS 2026

MIDAS: Multi-LLM Iterative Data-Adaptive Summarization

MIDAS：多大语言模型迭代数据自适应摘要生成

Karen Lee, Dhanashree Balaram, Seojun Shon, Umair Rasheed

机构 * Volkswagen Group Innovation（大众集团创新公司） 纠错

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

AI总结 针对现有自动提示词优化方法无法适配多样摘要需求的问题，提出多大语言模型迭代数据自适应摘要生成框架MIDAS，在企业客户工单摘要任务中优于CriSPO等方法，还具备跨模型与跨领域泛化能力。

Comments Accepted at the 20th International Conference on Document Analysis and Recognition (ICDAR 2026). 17 pages, 2 figures

A Human-in-the-Loop Corpus for LLM-Based Simplification of Scientific Summaries

用于基于大语言模型的科学摘要简化的人工参与语料库

Kyuri Im, Michael Färber

机构 * ScaDS.AI, Technische Universität Dresden（ScaDS.AI，德累斯顿工业大学） 纠错

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

AI总结 研究基于大语言模型的科学文本简化，提出人工参与工作流程，先以GPT-4o-mini生成基线简化，再经不同阶段读者与专家反馈编辑，发布语料库及评估结果，支持跨学科科学交流简化系统相关工作。

Comments Accepted at FGWM@KI2026

Quantifying Diversity of Thought: A Predictive Law of Weighted LLM Ensemble Lift

量化思维多样性：加权大语言模型集成提升的预测定律

Junade Ali

机构 * The Alan Turing Institute（艾伦·图灵研究所） 纠错

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

AI总结 研究量化思维多样性在大语言模型集成中提升效果的预测定律，通过原理推导得出计算提升的启发式方法及相关指标，经多基准测试验证，该方法能有效预测集成性能，且准确性调整后的指标表现更优。

Knowledge Graphs as the Missing Data Layer for LLM-Based Industrial Asset Operations

知识图谱：基于LLM的工业资产运营中缺失的数据层

Madhulatha Mandarapu, Sandeep Kunkunuru

机构 * VaidhyaMegha Private Limited, India（印度VaidhyaMegha私人有限公司） 纠错

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

AI总结 研究通过类型化知识图谱作为数据层，将GPT-4在工业维护场景中的准确率从65%提升至99%，并引入生成增强知识（GAK）处理缺失数据，实现81.8%的场景可回答性。

Comments v4: Accepted at Agents+Graph (AG2026) @ VLDB 2026. Corrects claims to reproduced ground truth: base graph 9 labels/5 edge types/12,647 nodes (extended schema 14/21); GAK materializes 106 failure-mode nodes; FailureSensorIQ noted as a separate IBM benchmark; 467 FMSR overlap with GAK disclosed. 20 pages, 4 figures. Code: github.com/samyama-ai/assetops-kg

Toward Self-Evolution-Ready Workflow Harnesses: A Reversible Migration Path and Convertibility Taxonomy for Expert LLM Pipelines

面向自进化就绪工作流工具：专家大语言模型管道的可逆迁移路径与可转换性分类法

Yimo Lin, Zhen Zhang, Yibin Li

机构 * Yunyong Century (Beijing) Artificial Intelligence Technology Co., Ltd.（云涌世纪（北京）人工智能科技有限公司） ； Tsinghua University（清华大学） 纠错

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

AI总结 针对专家验证的“LLM+脚本”工作流静态、无法自适应的问题，提出一种基于绞杀者模式的可逆迁移路径，将遗留工作流重构为可组合、类型化、可审计的阶段，并引入三级可转换性分类法（A/B/C）作为路由阶段诊断工作流就绪状态。

CausalMoE: A Billion-Scale Multimodal Foundation Model for Granger Causal Discovery with Pattern-Routed Heterogeneous Experts

CausalMoE：基于模式路由异构专家的十亿规模多模态基础模型用于格兰杰因果发现

Bo Liu, Di Dai, Jingwei Liu, Jiarui Jin, Xiaocheng Fang, Guangkun Nie, Hongyan Li, Shenda Hong

机构 * State Key Laboratory of General Artificial Intelligence, School of Intelligence Science and Technology, Peking University（北京大学智能科学与技术学院通用人工智能国家重点实验室） ； National Institute of Health Data Science, and Institute for Artificial Intelligence, Peking University（北京大学健康医疗大数据国家研究院、人工智能研究院） 纠错

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

AI总结 提出CausalMoE，一种十亿规模多模态格兰杰因果基础模型，通过模式路由混合异构专家解耦动态机制，结合因果自注意力与LLM/VLM先验，实现稀疏因果图恢复，在监督和少样本场景中达到最优。

Hallucination Detection-Guided Preference Optimization for Clinical Summarization

基于幻觉检测的偏好优化用于临床摘要生成

Shamanth Kuthpadi Seethakantha, Dung Ngoc Thai, Vara Prasad Gudi, Simran Tiwari, Rami Matar, Avijit Mitra, Wenlong Zhao, Andrew McCallum, Wael Salloum

机构 * Manning College of Information and Computer Sciences（Manning信息与计算机科学学院） ； Ensemble HP ； Columbia University（哥伦比亚大学） ； University of Massachusetts Amherst（马萨诸塞大学阿姆赫斯特分校） 纠错

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

AI总结 提出利用幻觉检测器指导迭代修正的推理时方法及偏好学习微调，显著减少临床摘要中的幻觉。

scicode-lint: Detecting Methodology Bugs in Scientific Python Code with LLM-Generated Patterns

scicode-lint: 使用LLM生成的模式检测科学Python代码中的方法论错误

Sergey V. Samsonau

机构 * Authentic Research Partners, Princeton, NJ（真实研究伙伴，新泽西州普林斯顿） 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scicode-lint，通过两级架构（构建时使用前沿模型生成模式，运行时使用小型本地模型执行）自动检测科学Python代码中的方法论错误，如数据泄露、交叉验证错误和缺失随机种子。

Influence-Guided Symbolic Regression: Scientific Discovery via LLM-Driven Equation Search with Granular Feedback

影响引导的符号回归：基于大语言模型与细粒度反馈的方程搜索科学发现

Evgeny S. Saveliev, Samuel Holt, Nabeel Seedat, David L. Bentley, Jim Weatherall, Mihaela van der Schaar

机构 * University of Cambridge（剑桥大学） ； Thomson Reuters Foundational Research（汤姆森·路透基础研究） ； U. Colorado, Anschutz Medical Campus（科罗拉多大学安舒茨医疗校区） 纠错

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

AI总结 提出影响引导符号回归（IGSR）方法，利用大语言模型生成候选函数并通过细粒度影响分数进行剪枝，结合蒙特卡洛树搜索高效探索组合空间，在多个基准和真实生物数据中发现新关系。

Comments ICML 2026

Learning the Error Patterns of Language Models

学习语言模型的错误模式

Jinwoo Kim, Taylor Berg-KirkPatrick, Loris D'Antoni

机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； University of California-San Diego（加州大学圣地亚哥分校） 纠错

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

AI总结 提出前缀过滤器（prefix filters）来捕捉LLM在特定领域中的错误模式，并通过Palla算法高效学习这些过滤器，从而提升输出有效性，例如在TypeScript生成中将编译率提升60%以上。

LELA: An End-to-end LLM-based Entity Linking Framework with Zero-shot Domain Adaptation

LELA: 一种基于LLM的端到端实体链接框架，支持零样本领域自适应

Samy Haffoudhi, Nikola Dobričić, Fabian Suchanek, Nils Holzenberger

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LELA，一种基于大语言模型的模块化、领域无关的实体消歧方法，并扩展为实用的Python库，集成零样本命名实体识别，实现端到端实体链接，实验验证其跨领域性能与鲁棒性。

Journal ref 35th International Joint Conference on Artificial Intelligence (IJCAI-ECAI 2026), IJCAI (International Joint Conferences on Artificial Intelligence), Aug 2026, Bremen (DE), Germany

False Alarms, Real Damage: Adversarial Attacks Using LLM-based Models on Text-based Cyber Threat Intelligence Systems

虚假警报，真实损害：基于LLM的模型对文本网络威胁情报系统的对抗攻击

Samaneh Shafee, Alysson Bessani, Pedro M. Ferreira

机构 * Faculty of Sciences, University of Lisbon（里斯本大学科学学院） ； CIENCES, University of Lisbon（里斯本大学CIENCES） 纠错

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

AI总结 研究针对文本网络威胁情报（CTI）系统的对抗攻击，分析逃避、淹没和投毒三种攻击类型，重点展示对抗文本生成如何欺骗分类器、降低性能并破坏系统功能。

Journal ref Future Generation Computer Systems, 2026

Bridging Language Models and Financial Analysis

连接语言模型与金融分析

Alejandro Lopez-Lira, Jihoon Kwon, Sangwoon Yoon, Jy-yong Sohn, Chanyeol Choi

机构 * University of Florida（佛罗里达大学） ； Ministry of Justice, Republic of Korea（韩国司法部） ； Yonsei University（延世大学） ； LinqAlpha 纠错

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

AI总结 本文旨在通过概述最近的语言模型研究进展，探讨其在金融领域中的应用潜力，填补语言模型在金融行业中的实际应用与研究进展之间的差距。

Comments 28 pages

LegalCiteBench: Evaluating Citation Reliability in Legal Language Models

LegalCiteBench: 评估法律语言模型中的引文可靠性

Sijia Chen, Hang Yin, Shunfan Zhou

机构 * Northeastern University（东北大学） ； Phala 纠错

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

AI总结 本文提出LegalCiteBench，用于评估法律语言模型在闭书环境下引文恢复、验证和案例匹配的能力，发现即使最强模型在引文检索和完成任务上得分低于7/100，且多数模型存在误导性引文问题。

Comments Preprint. 23 pages including references and appendices

HealthNLP_Retrievers at ArchEHR-QA 2026: Cascaded LLM Pipeline for Grounded Clinical Question Answering

HealthNLP_Retrievers在ArchEHR-QA 2026中的表现：基于级联LLM管道的 grounded临床问答

Md Biplob Hosen, Md Alomgeer Hussein, Md Akmol Masud, Omar Faruque, Tera L Reynolds, Lujie Karen Chen

机构 * University of Maryland Baltimore County（马里兰大学巴尔的摩县分校） ； Jahangirnagar University（贾旺吉拉大学） 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.LG

AI总结 本文提出基于Gemini 2.5 Pro的级联管道，通过多阶段模块实现患者问题理解、证据检索与回答生成，提升临床问答的准确性和专业性。

DSIPA: Detecting LLM-Generated Texts via Sentiment-Invariant Patterns Divergence Analysis

DSIPA：通过情感不变模式分歧分析检测大语言模型生成文本

Siyuan Li, Aodu Wulianghai, Guangyan Li, Xi Lin, Qinghua Mao, Yuliang Chen, Jun Wu, Jianhua Li

机构 * School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学学院） ； Shanghai Key Laboratory of Integrated Administration Technologies for Information Security（上海信息安全集成管理技术重点实验室） ； State Key Laboratory of Multimodal Artificial Intelligence Systems, Institute of Automation, Chinese Academy of Sciences（多模态人工智能系统国家重点实验室，自动化研究所，中国科学院） 纠错

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

AI总结 DSIPA是一种无需训练的框架，通过量化在受控风格变化下的情感分布稳定性，检测大语言模型生成的文本，其在多个领域和对抗条件下均表现出更高的检测准确率和鲁棒性。

EMSDialog: Synthetic Multi-person Emergency Medical Service Dialogue Generation from Electronic Patient Care Reports via Multi-LLM Agents

EMSDialog: 通过多LLM代理从电子患者护理报告生成合成多人紧急医疗服务体系对话

Xueren Ge, Sahil Murtaza, Anthony Cortez, Homa Alemzadeh

机构 * School of Engineering and Applied Sciences, University of Virginia（弗吉尼亚大学工程与应用科学学院） ； School of Medicine, University of Virginia（弗吉尼亚大学医学院） 纠错

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

AI总结 本文提出基于ePCR的多代理生成流程，生成4414个合成多说话者EMS对话数据集，提升EMS对话诊断预测的准确性、及时性和稳定性。

Comments Accepted by ACL Findings 2026

Information-Consistent Language Model Recommendations through Group Relative Policy Optimization

通过群体相对策略优化实现信息一致的语言模型推荐

Sonal Prabhune, Balaji Padmanabhan, Kaushik Dutta

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

AI总结 本文提出基于群体相对策略优化的强化学习框架，旨在提升语言模型在等效提示下的信息一致性，通过熵基帮助性和稳定性奖励优化模型稳定性。

Journal ref 2026 IEEE Conference on Artificial Intelligence (CAI)

A Domain-Specific Language for LLM-Driven Trigger Generation in Multimodal Data Collection

面向LLM驱动触发生成的领域特定语言

Philipp Reis, Philipp Rigoll, Martin Zehetner, Jacqueline Henle, Stefan Otten, Eric Sax

机构 * FZI Research Center for Information Technology（FZI信息与技术研究中心） 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.LG

AI总结 本文提出一种基于领域特定语言的意图驱动数据收集框架，通过自然语言交互与形式化规范相结合，实现多模态传感器数据的选择性采集，提升生成一致性与执行效率。

Comments Version submitted to the IEEE International Conference on Intelligent Transportation Systems (ITSC 2026)

Evaluating LLM-Based Translation of a Low-Resource Technical Language: The Medical and Philosophical Greek of Galen

评估基于大语言模型的低资源技术语言翻译：加伦的医学与哲学希腊语

James L. Zainaldin, Cameron Pattison, Manuela Marai, Jacob Wu, Mark J. Schiefsky

机构 * Department of Classical and Mediterranean Studies, Vanderbilt University（维斯尼尔大学古典与地中海研究系） ； Center for Hellenic Studies, Harvard University（哈佛大学希腊研究中心） ； Department of Philosophy, Vanderbilt University（维斯尼尔大学哲学系） ； Machine Intelligence and Normative Theory (MINT) Lab, Australian National University（澳大利亚国立大学机器智能与规范理论实验室） ； Department of the Classics, Harvard University（哈佛大学古典学系） 纠错

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

AI总结 本文评估了商业大语言模型在古希腊技术文本中的机器翻译质量，并将自动化评估指标与专家判断对比，发现术语稀有性是翻译失败的主要预测因素。

Comments Article + supplementary information

Can Theoretical Physics Research Benefit from Language Agents?

理论物理研究能否从语言代理中受益？

Sirui Lu, Zhijing Jin, Terry Jingchen Zhang, Pavel Kos, J. Ignacio Cirac, Bernhard Schölkopf

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

AI总结 本文探讨了语言代理在理论物理研究中的潜力，指出需专门训练和工具支持，以实现多模态数据处理、物理假设提出和理论验证的AI代理。

Comments 8+2 pages + references

Learning Virtual Machine Scheduling in Cloud Computing through Language Agents

通过语言代理学习云计算中的虚拟机调度

JieHao Wu, Ziwei Wang, Junjie Sheng, Wenhao Li, Xiangfeng Wang, Jun Luo

机构 * School of Computer Science and Technology, East China Normal University（东华大学计算机科学与技术学院） ； Antai College of Economics and Management, Shanghai Jiao Tong University（上海交通大学安泰经济管理学院） ； School of Computer Science and Technology, Tongji University（同济大学计算机科学与技术学院） ； Key Laboratory of Mathematics and Engineering Applications, MoE, East China Normal University（教育部数学与工程应用重点实验室） 纠错

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

AI总结 本文提出MiCo框架，通过语言代理解决云计算中的虚拟机调度问题，实现高效动态调度并验证其在大规模场景中的有效性。

Knowledgeable Language Models as Black-Box Optimizers for Personalized Medicine

具备知识的语言模型作为个性化医疗的黑盒优化器

Michael S. Yao, Osbert Bastani, Alma Andersson, Tommaso Biancalani, Aïcha Bentaieb, Claudia Iriondo

机构 * University of Pennsylvania（宾夕法尼亚大学） ； Genentech（基因泰克） 纠错

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

AI总结 本文提出LEON方法，利用大语言模型作为黑盒优化器，结合领域知识提升个性化医疗治疗方案的优化效果。

Comments 63 pages, Accepted to ICLR 2026

Bayesian Orchestration of Multi-LLM Agents for Cost-Aware Sequential Decision-Making

多语言模型代理的贝叶斯协调：面向成本感知的顺序决策

Danial Amin

机构 * Independent Researcher（独立研究者） 纠错

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

AI总结 该研究提出了一种多LLM协调框架，通过贝叶斯方法和成本感知策略，降低招聘决策中的总成本并提升公平性。

R1-Ranker: Teaching LLM Rankers to Reason

Tao Feng, Zhigang Hua, Zijie Lei, Yan Xie, Shuang Yang, Bo Long, Jiaxuan You

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Meta Monetization AI（Meta 资源 monetization AI） 纠错

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

MedGellan: LLM-Generated Medical Guidance to Support Physicians

Debodeep Banerjee, Burcu Sayin, Stefano Teso, Andrea Passerini

机构 * University of Pisa（帕尔米斯大学） ； University of Trento（特伦托大学） ； DISI, University of Trento（特伦托大学DISI学院） ； CIMEC, university of Trento（特伦托大学CIMEC中心） 纠错

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