语言大模型 / LLM

Multimodal Large Language Model driven Radiology Report Generation with Clinical Knowledge Enhancement

基于多模态大语言模型的放射科报告生成与临床知识增强

Miaojing Shi, Tianyu Cen, Zijie Yue, Meng Wei, Oluwatosin Alabi, Tom Vercauteren

机构 * College of Electronic and Information Engineering, Tongji University（同济大学电子与信息工程学院） ； Shanghai Research Institute for Intelligent Autonomous Systems, Tongji University（同济大学上海自主智能无人系统科学中心） 纠错

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

AI总结 本文提出一种融合多模态大语言模型与临床知识的放射科报告生成方法，通过解剖学特征提取、多模态报告生成及多任务学习提升报告的临床相关性与准确性。

Connect the Dots: Training LLMs for Long-Lifecycle Agents with Cross-Domain Generalization Via Reinforcement Learning

Connect the Dots：通过强化学习训练具备跨域泛化能力的长期生命周期智能体

Yanxi Chen, Weijie Shi, Yuexiang Xie, Boyi Hu, Yaliang Li, Bolin Ding, Jingren Zhou

机构 * Alibaba Group（阿里巴巴集团） 纠错

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

AI总结 提出Connect the Dots框架，通过端到端强化学习训练LLM在长期任务中自我更新上下文并泛化到新领域，实验验证了跨域泛化能力。

Comments Work in progress; we will continuously update the codebase and arXiv version

Usability Analysis of Configurator User Interfaces with Multimodal Large Language Models

配置器用户界面的可用性分析：基于多模态大语言模型

Sebastian Lubos, Alexander Felfernig, Damian Garber, Adnan Kraljić, Tarik Kraljić, Viet-Man Le, Thi Ngoc Trang Tran, Gerhard Leitner, Julian Schwazer, Doris Suppan, Reinhard Willfort, Ivan Dukic, Jeremias Fuchs, Manuel Henrich

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

AI总结 本文通过合成18个配置器特定可用性标准，利用多模态大语言模型对16个实际配置器进行半自动化可用性分析，验证了MLLMs能可靠识别问题并提供领域感知改进建议。

Comments Accepted for publication at the International Conference on Software and Systems Reuse, Product Lines, and Configuration (VARIABILITY 2026)

Why Thinking Hurts: Diagnosing and Rectifying Linguistic Inertia in Large Language Models for Recommendation

为什么思考有害：诊断并纠正大型语言模型在推荐中的语言惯性

Luankang Zhang, Yonghao Huang, Hang Lv, Xuyang Zhi, Mingjia Yin, Yuyang Ye, Wei Guo, Hao Wang, Enhong Chen

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

AI总结 本文发现链式思维推理在推荐模型中会导致性能下降，归因于语言惯性，并提出无需训练的语言惯性校准解码（LICD）框架，通过推理链压缩和偏差相减对比推理来缓解该问题。

Eureka: Intelligent Feature Engineering for Enterprise AI Cloud Resource Demand Prediction

Eureka：面向企业AI云资源需求预测的智能特征工程

Hangxuan Li, Renjun Jia, Xuezhang Wu, Yunjie Qian, Zeqi Zheng, Xianling Zhang

机构 * Alibaba Cloud Computing Co. Ltd, Hangzhou, China（阿里云计算有限公司，杭州，中国） ； School of Computer Science, Fudan University, Shanghai, China（复旦大学计算机学院，上海，中国） ； School of Computer Science and Technology, Tongji University, Shanghai, China（同济大学计算机科学与技术学院，上海，中国） ； Independent Researcher, United States（独立研究员，美国） 纠错

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

AI总结 提出Eureka框架，将特征工程视为智能体代码生成问题，通过专家代理、LLM特征工厂和自演化对齐引擎三阶段，自动生成可执行特征代码，在医疗、金融、社交等7个公开基准及阿里云GPU资源需求预测中显著提升性能。

Comments accepted at NeurIPS 2025 Workshop, DASFAA 2026 (International Conference on Database Systems for Advanced Applications)

Journal ref Database Systems for Advanced Applications (DASFAA 2026), Lecture Notes in Computer Science, vol. 16540, pp. 528-540, Springer

MoBayes: A Modular Bayesian Framework for Separating Reasoning from Language in Conversational Clinical Decision Support

MoBayes：一种用于对话式临床决策支持中推理与语言分离的模块化贝叶斯框架

Yusuf Kesmen, Fay Elhassan, Jiayi Ma, Julien Stalhandske, Yena Chang, David Sasu, Alexandra Kulinkina, Akhil Arora, Lars Klein, Mary-Anne Hartley

机构 * LiGHT, EPFL（LiGHT，瑞士联邦理工学院） ； University of Bern（伯尔尼大学） ； Aarhus University（奥胡斯大学） 纠错

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

AI总结 提出MoBayes框架，通过将LLM作为语言接口、贝叶斯模块进行概率推理，实现推理与语言分离，在临床决策支持中优于独立前沿LLM医生。

Comments 50 pages including appendix, 13 figures, 22 tables. Preprint

Agentifying Patient Dynamics within LLMs through Interacting with Clinical World Model

通过与临床世界模型交互实现患者动态的智能体化

Minghao Wu, Yuting Yan, Zhenyang Cai, Ke Ji, Chuangsen Fang, Ziying Sheng, Xidong Wang, Rongsheng Wang, Hejia Zhang, Shuang Li, Benyou Wang, Hongyuan Zha

机构 * 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(summary_cn,abstract)；large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 本文提出SepsisAgent，通过临床世界模型模拟患者对液体-血管加压药干预的响应，采用提出-模拟-细化流程进行脓毒症治疗推荐，优于传统RL和LLM基线方法。

EAGLE: Expert-Augmented Attention Guidance for Tuning-Free Industrial Anomaly Detection in Multimodal Large Language Models

EAGLE：专家增强的注意力引导用于多模态大语言模型中的无调优工业异常检测

Xiaomeng Peng, Xilang Huang, Seon Han Choi

机构 * Ewha Womans University（峨山女子大学） 纠错

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

AI总结 EAGLE通过整合专家异常检测器与冻结的MLLM，提出无调优框架，提升多模态大语言模型在工业异常检测中的准确率，且在MVTec-AD和VisA数据集上达到94.4%和88.1%的异常鉴别准确率。

TiInsight: A SQL-based Automated Exploratory Data Analysis System through Large Language Models

TiInsight：通过大型语言模型实现基于SQL的自动化探索性数据分析系统

Jun-Peng Zhu, Boyan Niu, Peng Cai, Zheming Ni, Kai Xu, Jiajun Huang, Shengbo Ma, Bing Wang, Xuan Zhou, Guanglei Bao, Donghui Zhang, Liu Tang, Qi Liu

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

AI总结 TiInsight基于SQL构建跨领域探索性数据分析系统，提供自然语言查询界面、跨领域分析流水线及可视化工具，已在PingCAP生产环境部署并验证。

Comments 4 pages, 5 figures

Journal ref Companion of the International Conference on Management of Data (SIGMOD Companion '26), May 31-June 05, 2026, Bengaluru, India

Enhancing Local Life Service Recommendation with Agentic Reasoning in Large Language Model

通过大语言模型中的代理推理增强本地生活服务推荐

Shiteng Cao, Xiaochong Lan, Yuwei Du, Jie Feng, Yinxing Liu, Xinlei Shi, Yong Li

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

AI总结 本文提出一种联合预测生活需求和服务推荐的框架，通过行为聚类和强化学习提升推荐准确性。

Teaching Astronomy with Large Language Models

用大语言模型教授天文学

Yuan-Sen Ting, Teaghan O'Briain

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

AI总结 研究通过结构化指导和文档要求，探讨学生如何通过大语言模型发展AI素养，开发了天文辅导系统AstroTutor，并与通用LLM结合教学，发现LLM评分与人类评估高度相关且反馈更详细一致，同时展示了基于LLM的面试式考试作为替代传统评估的潜力。

Comments 17 pages, 8 figures. Codes here: https://github.com/teaghan/computeastro-tutor. Published in the Open Journal of Astrophysics

Foundation Model-guided Iteratively Prompting and Pseudo-Labeling for Partially Labeled Medical Image Segmentation

基于基础模型的迭代提示与伪标签方法用于部分标注的医学图像分割

Qiaochu Zhao, Wei Wei, David Horowitz, Richard Bakst, Yading Yuan

机构 * Department of Biomedical Engineering, Columbia University（哥伦比亚大学生物医学工程系） ； Department of Radiation Oncology, Columbia University Irving Medical Center（哥伦比亚大学欧文医学中心放射肿瘤科） ； Data Science Institute, Columbia University（哥伦比亚大学数据科学研究所） ； Herbert Irving Comprehensive Cancer Center, Columbia University（哥伦比亚大学赫伯特·欧文综合癌症中心） ； Department of Radiation Oncology, Icahn School of Medicine at Mount Sinai（西奈山伊坎医学院放射肿瘤科） 纠错

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

AI总结 本文提出IPnP框架，通过训练网络与冻结基础模型协作，迭代生成并优化未标注器官的伪标签，提升部分标注条件下医学图像分割性能。

Comments 5 pages, 5 figures. Accepted for presentation at IEEE International Symposium on Biomedical Imaging (ISBI) 2026

Towards Supporting Penetration Testing Education with Large Language Models: an Evaluation and Comparison

面向利用大语言模型支持渗透测试教育：一项评估与比较

Martin Nizon-Deladoeuille, Brynjólfur Stefánsson, Helmut Neukirchen, Thomas Welsh

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

AI总结 本文评估大语言模型在渗透测试教育中的有效性，通过15项任务测试6种模型，发现GPT-4o mini表现最一致，但需结合WhiteRabbitNeo提升工具推荐能力。

Comments To be published in: 11th IEEE International Conference on Social Networks Analysis, Management and Security (SNAMS-2024), IEEE

Large Language Models as a Semantic Interface and Ethical Mediator in Neuro-Digital Ecosystems: Conceptual Foundations and a Regulatory Imperative

大语言模型作为神经数字生态系统中的语义接口和伦理调解者：概念基础与监管必要性

Alexander V. Shenderuk-Zhidkov, Alexander E. Hramov

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

AI总结 本文探讨大语言模型在神经语言整合中的双重角色，提出语义透明、知情同意和代理保护原则，构建神经数字生态系统的监管框架。

Comments 21 pages, 1 figure

iScript: A Domain-Adapted Large Language Model and Benchmark for Physical Design Tcl Script Generation

iScript: 一种领域适应的大型语言模型和基准，用于物理设计 Tcl 脚本生成

Ning Xu, Zhaoyang Zhang, Senlin Shu, Lei Qi, Jiaqi Lv, Wensuo Wang, Tianhao Zhao, Chao Zhang, Zhaoliang Yang, Xiangyu Li, Zhaorui Su, Jingshan Li, Xin Geng

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

AI总结 iScript 是一种专门用于物理设计 Tcl 脚本生成的领域适应大语言模型，通过多阶段数据合成和两阶段训练策略提升脚本生成性能。

Information Design With Large Language Models

基于大语言模型的信息设计

Paul Duetting, Safwan Hossain, Tao Lin, Renato Paes Leme, Sai Srivatsa Ravindranath, Haifeng Xu, Song Zuo

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

AI总结 本文提出基于大语言模型的信息设计框架，通过语言化方式影响接收者信念，并结合贝叶斯说服模型进行优化。

Streamlining Acceptance Test Generation for Mobile Applications Through Large Language Models: An Industrial Case Study

通过大型语言模型流化移动应用的验收测试生成：一项工业案例研究

Pedro Luís Fonseca, Bruno Lima, João Pascoal Faria

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

AI总结 AToMIC利用大型语言模型自动生成移动应用的验收测试，显著提升测试生成效率和质量。

Journal ref 2025 40th IEEE/ACM International Conference on Automated Software Engineering (ASE)

Irresponsible Counselors: Large Language Models and the Loneliness of Modern Humans

不负责任的顾问：大型语言模型与现代人类的孤独

Abas Bertina, Sara Shakeri

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

AI总结 本文探讨大型语言模型在人类孤独时代作为多专长顾问的角色，指出其技术架构与社会地位结合产生无主体的咨询亲密关系，挑战传统AI伦理框架。

Comments Preprint. XX pages, X figures

Automated Extraction of Mechanical Constitutive Models from Scientific Literature using Large Language Models: Applications in Cultural Heritage Conservation

利用大语言模型自动化提取科学文献中的机械本构模型：应用于文化遗产保护

Rui Hu, Yue Wu, Tianhao Su, Yin Wang, Shunbo Hu, Jizhong Huang

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

AI总结 本研究利用大语言模型自动化提取科学文献中的机械本构模型，应用于文化遗产保护，构建了结构化数据库并提高了数据处理效率。

Reshaping Perception Through Technology: From Ancient Script to Large Language Models

通过技术重塑感知：从古代文字到大语言模型

Parham Pourdavood, Michael Jacob

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

AI总结 本文探讨了大语言模型作为新媒介对人类认知和创造力的影响，提出应将AI视为促进艺术技能的媒介，而非竞争对手。

Comments 14 pages, 0 figures

What Matters in LLM-Based Feature Extractor for Recommender? A Systematic Analysis of Prompts, Models, and Adaptation

在基于大语言模型的特征提取器中，什么重要？对提示、模型和适应的系统分析

Kainan Shi, Peilin Zhou, Ge Wang, Han Ding, Fei Wang

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

AI总结 本文提出RecXplore框架，通过模块化分析揭示LLM特征提取器中提示、模型和适应策略对推荐性能的影响，并展示其在多个数据集上的显著提升效果。

Comments 9 pages. Keywords: Recommender Systems, Large Language Models, Sequential Recommendation, Feature Extraction

Ethical Risks in Deploying Large Language Models: An Evaluation of Medical Ethics Jailbreaking

大语言模型部署中的伦理风险：医疗伦理“ Jailbreak”评估

Chutian Huang, Dake Cao, Jiacheng Ji, Yunlou Fan, Chengze Yan, Hanhui Xu

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

AI总结 本文评估了大语言模型在医疗伦理领域面临的安全风险，发现七种主流模型在对抗测试中表现不一，其中Claude-Sonnet-4-Reasoning表现最稳健，而其他五种模型几乎全部失效。

Interpretable Ransomware Detection Using Hybrid Large Language Models: A Comparative Analysis of BERT, RoBERTa, and DeBERTa Through LIME and SHAP

可解释的勒索软件检测：通过LIME和SHAP对BERT、RoBERTa和DeBERTa进行比较分析

Elodie Mutombo Ngoie, Mike Nkongolo Wa Nkongolo, Peace Azugo, Mahmut Tokmak

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

AI总结 本文通过LIME和SHAP分析BERT、RoBERTa和DeBERTa在勒索软件检测中的表现，发现RoBERTa在F1分数上表现最佳，而BERT在ROC-AUC上表现最优，展示了LLM与XAI结合的透明检测框架。

SwarmFoam: An OpenFOAM Multi-Agent System Based on Multiple Types of Large Language Models

SwarmFoam: 基于多种大语言模型的开放FOAM多智能体系统

Chunwei Yang, Yankai Wang, Jianxiang Tang, Haojie Qu, Ziqiang Zou, YuLiu, Chunrui Deng, Zhifang Qiu, Ming Ding

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

AI总结 SwarmFoam通过整合多模态感知与智能校正技术，提升复杂CFD模拟的适应性与准确性。

Comments 26 pages, 15 figures

Large Language Models for Unit Test Generation: Achievements, Challenges, and Opportunities

大语言模型用于单元测试生成：成就、挑战与机遇

Bei Chu, Yang Feng, Kui Liu, Zhaoqiang Guo, Yichi Zhang, Hange Shi, Zifan Nan, Baowen Xu

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

AI总结 大语言模型在单元测试生成中展现出优势，但面临语义理解不足和标准化不足等挑战，未来需发展自主测试代理与混合系统。

Comments 27 pages, 8 figures

Perceive and Calibrate: Analyzing and Enhancing Robustness of Medical Multi-Modal Large Language Models

感知与校准：分析和增强医疗多模态大语言模型的鲁棒性

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

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

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

AI总结 本文提出IMC框架，通过感知和校准原则提升医疗多模态大语言模型的鲁棒性，针对视觉和文本模态分别设计PDC和SMS进行噪声校正。

MMSRARec: Summarization and Retrieval Augumented Sequential Recommendation Based on Multimodal Large Language Model

MMSRARec: 基于多模态大语言模型的摘要与检索增强的序列推荐

Haoyu Wang, Yitong Wang, Jining Wang

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

AI总结 本文提出MMSRARec，基于多模态大语言模型，通过摘要与检索增强序列推荐，提升推荐性能、可解释性与计算效率。

Comments Under Review

Root Cause Analysis of Radiation Oncology Incidents Using Large Language Models

利用大语言模型进行放射肿瘤事件的根本原因分析

Yuntao Wang, Mariluz De Ornelas, Matthew T. Studenski, Elizabeth Bossart, Siamak P. Najad-Davarani, Yunze Yang

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

AI总结 利用大语言模型分析放射肿瘤事件的根本原因，评估其在提升患者安全中的应用潜力。

LLM4ES: Learning User Embeddings from Event Sequences via Large Language Models

LLM4ES: 通过大语言模型学习事件序列中的用户嵌入

Aleksei Shestov, Omar Zoloev, Maksim Makarenko, Mikhail Orlov, Egor Fadeev, Ivan Kireev, Andrey Savchenko

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

AI总结 LLM4ES通过大语言模型学习事件序列中的用户嵌入，实现金融等领域用户分类任务的高性能表现。

ProEx: A Unified Framework Leveraging Large Language Model with Profile Extrapolation for Recommendation

ProEx：一种利用大语言模型与特征外推的统一框架用于推荐

Yi Zhang, Yiwen Zhang, Yu Wang, Tong Chen, Hongzhi Yin

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

AI总结 ProEx通过多维度资料外推提升推荐系统性能，利用链式推理构建多样化的用户和物品资料，以增强推荐效果。

Comments Accepted by KDD 2026 (First Cycle)