VirtuWander: Enhancing Multi-modal Interaction for Virtual Tour Guidance through Large Language Models
专题命中 领域大模型 :large language model(title,abstract);language model(title,abstract)
AI 大模型
大语言模型、预训练、指令微调、后训练和语言模型应用。
专题命中 领域大模型 :large language model(title,abstract);language model(title,abstract)
专题命中 领域大模型 :large language model(title,abstract);language model(title,abstract)
Comments 17 pages
专题命中 领域大模型 :large language model(title,abstract);language model(title,abstract)
Comments 10 pages with 1 page for references
专题命中 领域大模型 :large language model(title,abstract);language model(title,abstract)
Comments paper consists of 13 pages 6 figures; supplementary material 15 pages
专题命中 领域大模型 :large language model(title,abstract);language model(title,abstract)
Comments 12 pages, 3 figures
专题命中 领域大模型 :large language model(title,abstract);language model(title,abstract)
Comments This work was accepted as 23-SIGIR-AP main conference paper
专题命中 领域大模型 :large language model(title,abstract);language model(title,abstract)
专题命中 领域大模型 :large language model(title,abstract);language model(title,abstract)
专题命中 领域大模型 :large language model(title);language model(title);LLM(abstract);分类 cs.CL、cs.AI、cs.LG
Comments To be published at EMNLP Findings 2023
专题命中 领域大模型 :large language model(title,abstract);language model(title,abstract)
Comments 10 pages, 2 figures
Journal ref SBES EDU Track, 2023
专题命中 领域大模型 :language model(title,abstract);large language model(title);分类 cs.CL、cs.AI、cs.LG
Comments 15 pages, 7 figures
专题命中 领域大模型 :language model(title,abstract);large language model(title);分类 cs.CL、cs.AI、cs.LG
Comments Accepted for oral presentation at International Conference on Machine Learning (ICML) 2023
专题命中 领域大模型 :large language model(title,abstract);language model(title,abstract)
Journal ref PVLDB 2022, Volume 15, Issue 12, Pages 3770-3773
专题命中 领域大模型 :large language model(title,abstract);language model(title,abstract)
专题命中 领域大模型 :large language model(title,abstract);language model(title,abstract)
专题命中 领域大模型 :large language model(title,abstract);language model(title,abstract)
专题命中 领域大模型 :large language model(title,abstract);language model(title,abstract)
Comments Accepted at ISSTA 2023
专题命中 领域大模型 :large language model(title,abstract);language model(title,abstract)
Comments Accepted for publication in USENIX'23. For associated dataset see https://doi.org/10.5281/zenodo.7187359. 18 pages, 12 figures. G. Sandoval and H. Pearce contributed equally to this work
专题命中 领域大模型 :large language model(title,abstract);language model(title,abstract)
专题命中 领域大模型 :large language model(title,abstract);language model(title,abstract)
Comments In Proceedings of the 54th ACM Technical Symposium on Computing Science Education
机构 * Dept. of Electrical and Electronics Engineering(电子工程系) ; BITS Pilani, K.K. Birla Goa Campus(比斯汉学院,戈阿校园) ; Machine Learning Department(机器学习系) ; Carnegie Mellon University(卡内基梅隆大学) ; Centre for Health Informatics(健康信息学中心) ; Macquarie University, Sydney(麦考瑞大学,悉尼) ; Dept. of Computer Science & Information Systems(计算机科学与信息系统系)
专题命中 领域大模型 :LLM(title,abstract);large language model(abstract,comments);language model(abstract,comments);分类 cs.AI、cs.LG
Comments Multi-Turn Interactions in Large Language Models (MTI-LLM) Workshop at NeurIPS 2025
结合领域专家心智模型的大语言模型增强:通过因果提示工程减少大语言模型幻觉
专题命中 领域大模型 :LLM(title,summary_cn);分类 cs.AI
AI总结 本文提出结合专家心智模型(EMM)的因果提示工程框架,通过形式化相关前置流程构建EMM,减少LLM幻觉,在三类任务中验证了方法有效性。
Comments 42 pages,4 figures, 4 tables
结合大语言模型增强多图学习与对比对齐的兴趣点推荐
专题命中 领域大模型 :LLM(title,summary_cn);分类 cs.LG
AI总结 该研究针对POI推荐的物品冷启动问题,提出LLM-MGCL模型,结合语义、地理与交互多图及对比学习,在Yelp数据集上显著优于基线模型,缓解了冷启动问题。
话题作为社会人口统计的代理:对话上下文如何影响大语言模型的回答
机构 * Institute for Logic, Language and Computation, University of Amsterdam(逻辑、语言与计算研究所,阿姆斯特丹大学) ; Khoury College of Computer Sciences, Northeastern University(计算机科学学院,东北大学) ; Center for Language and Cognition, University of Groningen(语言与认知中心,格罗宁根大学)
专题命中 领域大模型 :LLM(title,abstract);large language model(abstract);language model(abstract);分类 cs.CL
AI总结 研究大语言模型在高风险场景中对话上下文对回答差异的影响,发现话题是社会人口统计差异的主要驱动因素,且影响方式不可预测。
MedPixel:用于医学推理与分割的统一像素-语言模型
专题命中 领域大模型 :language model(title,abstract);LLM(abstract,abstract_cn);preference optimization(abstract);分类 cs.AI
AI总结 该研究提出统一医学像素-语言模型MedPixel,引入44万样本的MedPLG-440K数据集,通过联合多任务微调与像素级偏好优化训练,支持多类医学任务,性能优异且具备零样本迁移与鲁棒性。
面向本地生活服务推荐的、基于大语言模型驱动的生成式解缠的可解释表示
专题命中 领域大模型 :LLM(title,abstract);large language model(abstract);language model(abstract);分类 cs.AI
AI总结 针对现有语义ID生成框架的语义纠缠与黑箱问题,提出LGRID模型,通过生成式解缠范式提升本地生活服务推荐的性能与可解释性,在公开数据集上取得显著效果。
检索而非幻觉将成为基于大语言模型的临床人工智能工具的限制因素
专题命中 领域大模型 :LLM(title,abstract);large language model(abstract);language model(abstract);分类 cs.CL
AI总结 探讨临床人工智能中基于大语言模型的错误,将讨论重点从精度错误转向召回错误,特别是患者级数据检索方面,概述错误类型、缓解策略及研究方向,提供检索评估概述。
Comments Perspective piece
LFM:利用基础模型进行无源通用域适应
机构 * School of Computer Science and Engineering, Tianjin University of Technology(天津理工大学计算机科学与工程学院) ; Engineering Research Center of Learning-Based Intelligent System, Ministry of Education of the People’s Republic of China, Tianjin University of Technology(中华人民共和国教育部基于学习的智能系统工程研究中心,天津理工大学) ; School of Artificial Intelligence, Tianjin University(天津大学人工智能学院) ; Engineering Research Center of City Intelligence and Digital Governance, Ministry of Education of the People’s Republic of China, Tianjin University(中华人民共和国教育部城市智能与数字治理工程研究中心,天津大学)
专题命中 领域大模型 :foundation model(title,abstract);large language model(abstract);language model(abstract);prompting(abstract)
AI总结 研究在无源数据时将预训练源模型适应到目标域的问题,提出LFM框架,利用视觉语言模型计算相似度确定标签转移类型、识别未知样本,通过共识策略精炼伪标签训练目标模型,实验验证了该框架的有效性和优越性。
Comments Accepted by IEEE Transactions on Multimedia (2026)
汽车领域中基于大语言模型驱动的建模工具互操作性方法
机构 * European Chips Joint Undertaking(欧洲芯片联合体) ; Federal Ministry of Research, Technology and Space of Germany(德国联邦研究、科技与航天部)
专题命中 领域大模型 :LLM(title,abstract);large language model(abstract);language model(abstract);分类 cs.AI
AI总结 研究汽车领域异构建模工具互操作性难题,提出基于大语言模型驱动的方法,涉及模型实例到目标元模型的映射及元模型合并,经案例验证该方法可行,能减少手动转换工作量并生成有效目标模型促进跨工具互操作。
迈向沉思型大语言模型:心理健康领域中评估与增强大语言模型对齐性的模块化框架
机构 * Purdue University(普渡大学) ; Washington University in St. Louis(圣路易斯华盛顿大学) ; Yixue Research Institute(易学研究所)
专题命中 领域大模型 :LLM(title,abstract);large language model(abstract);language model(abstract);prompting(abstract)
AI总结 针对新模型等涌现使评估沉思原则增强大语言模型对齐性具挑战的问题,提出模块化可扩展评估框架,能集成新元素并重现先进结果,支持交叉评估,其提示模块便于纳入伦理视角,为跨学科研究及有益人机生态系统奠定基础。
Comments Accepted as an oral presentation at HARMONY 2026 (Human-centered AI Research for Mental Health, an Open Networking Symposium), co-located with IEEE/ACM Conference on Connected Health: Applications, Systems, and Engineering Technologies (CHASE 2026) held in Pittsburgh, August 6, 2026