语言大模型 / LLM

From Node2Vec to GPT-based GraphRAG: scientific impact prediction across graph and language models

从Node2Vec到基于GPT的GraphRAG：跨图神经网络和语言模型的科学影响预测

Adilson Vital, Filipi N. Silva, Diego R. Amancio

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

AI总结 本文提出了一种基于图和语言模型的科学影响预测方法，通过比较图基和LLM基方法，发现文本信号和结构信号互补，但检索增强必须谨慎评估。

LLM-Based Static Verification of Code Against Natural-Language Requirements: An Industrial Experience Report

基于大语言模型的代码对自然语言要求的静态验证：一项工业经验报告

Zhi Quan Zhou, Dave Towey, Tsong Yueh Chen

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

AI总结 本文提出一种基于大语言模型的两阶段工作流，用于在智能汽车网络安全案例中验证代码是否符合自然语言要求，通过引入结构化中间表示减少幻觉和输出变异，提升静态分析的准确性与解释性。

RFAmpDesigner: A Self-Evolving Multi-Agent LLM Framework for Automated Radio Frequency Amplifier Design

RFAmpDesigner: 一种自演化多智能体大语言模型框架用于自动射频放大器设计

Hang Lu, Guochang Li, Qianyu Chen, Huiyan Gao, Shaogang Wang, Xuanyu He, Yiwei Liu, Gaopeng Chen, Nayu Li, Xiaokang Qi, Chunyi Song, Zhiwei Xu

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

AI总结 本文提出RFAmpDesigner，通过多智能体框架自动化射频放大器设计，利用资源分配中间件将高维参数调优转化为低维资源分配问题，结合检索增强生成技术，解决射频放大器设计中的数据效率低问题。

Comments 14 pages, 11 figures, 4 tables

A General Framework for Multimodal LLM-Based Multimedia Understanding in Large-Scale Recommendation Systems

多模态大语言模型在大规模推荐系统中的通用框架

Yiming Zhu, Xu Liu, Ziyun Xu, Zheng Wu, Joena Zhang, Sirius Chen, Chenheli Hua, Silvester Yao, Qichao Que, Wentao Shi, Junfeng Pan, Linhong Zhu

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

AI总结 本文提出一个通用框架，利用多模态大语言模型提升多媒体内容理解，通过三部分架构实现内容解析、特征提取和系统集成，实验证明在推荐系统中提升了AUC和在线指标。

Comments Accepted by SIGIR 2026 short

Heterogeneous Scientific Foundation Model Collaboration

异质科学基础模型协作

Zihao Li, Jiaru Zou, Feihao Fang, Xuying Ning, Mengting Ai, Tianxin Wei, Sirui Chen, Xiyuan Yang, Jingrui He

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

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

AI总结 本文提出Eywa框架，通过将语言模型与领域特定基础模型结合，提升科学领域多模态任务的推理能力，实验显示其在结构化数据任务中表现更优。

Comments Preprint. 57 Pages

UniDetect: LLM-Driven Universal Fraud Detection across Heterogeneous Blockchains

UniDetect: 基于大语言模型的跨异构区块链通用欺诈检测

Shuyi Miao, Wangjie Qiu, Shengda Zhuo, Fei Shen, Dan Lin, Xingtong Yu, Chua Tat-Seng, Zhiming Zheng

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

AI总结 UniDetect利用大语言模型生成跨异构区块链账户的交易摘要文本，结合两阶段交替训练策略，提升欺诈检测性能，在多个区块链上实现5.57%-7.58%的KS提升，跨链零样本检测准确率超94.58%。

CURE:Circuit-Aware Unlearning for LLM-based Recommendation

CURE:基于电路的LLM推荐系统去学习

Ziheng Chen, Jiali Cheng, Zezhong Fan, Hadi Amiri, Yunzhi Yao, Xiangguo Sun, Yang Zhang

机构 * University of Massachusetts Lowell（马萨诸塞大学洛厄尔分校） ； Zhejiang University（浙江大学） ； The Chinese University of Hong Kong（香港中文大学） ； National University of Singapore（新加坡国立大学） 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、cs.LG

AI总结 本文提出CURE框架，通过分离模型组件并按功能分类，解决LLM推荐系统去学习中的梯度冲突问题，提升去学习效果和模型稳定性。

Automatic Replication of LLM Mistakes in Medical Conversations

医疗对话中大语言模型错误的自动复制

Oleksii Proniakin, Diego Fajardo, Ruslan Nazarenko, Razvan Marinescu

机构 * Lumos AI 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、cs.LG

AI总结 本文提出MedMistake自动管道，通过提取医疗对话中LLM的错误生成单次问答对，构建基准测试集，验证了GPT、Claude和Grok在医疗问答任务中的最佳性能。

Comments 48 pages, 3 figures, 4 tables

Exploring Self-Tracking Practices of Older Adults with CVD to Inform the Design of LLM-Enabled Health Data Sensemaking

探索心血管疾病老年人的自我追踪实践以指导LLM赋能的健康数据解读设计

Duosi Dai, Pavithren V S Pakianathan, Gunnar Treff, Mahdi Sareban, Jan David Smeddinck, Sanna Kuoppamäki

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

AI总结 研究探讨老年人如何解读自我追踪数据，并提出基于LLM的健康数据解读设计方向，强调情感参与、患者自主性及对话促进。

Comments 23 pages,4 figures, 3 tables

Dementia-R1: Reinforced Pretraining and Reasoning from Unstructured Clinical Notes for Real-World Dementia Prognosis

Dementia-R1: 从无结构临床笔记中通过强化预训练和推理进行真实世界痴呆症预后预测

Choonghan Kim, Hyunmin Hwang, Hangeol Chang, Jaemin Kim, Jinse Park, Jae-Sung Lim, Jong Chul Ye

机构 * Graduate School of AI, KAIST, Republic of Korea（韩国科学技术院人工智能研究生院） ； Haeundae Paik Hospital, Inje University, Republic of Korea（韩国延世大学海云台医院） ； Asan Medical Center, University of Ulsan College of Medicine, Republic of Korea（韩国釜山大学医学院阿桑医院） 纠错

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

AI总结 本文提出Dementia-R1框架，通过强化学习解决长期痴呆症预后预测问题，通过预训练提升疾病进展推理能力，在真实世界数据集上达到84.02%的AUROC，优于现有模型。

Ayn: A Tiny yet Competitive Indian Legal Language Model Pretrained from Scratch

Ayn：一个微小却具有竞争力的印度法律语言模型，从头开始预训练

Mitodru Niyogi, Eric Gaussier, Arnab Bhattacharya

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

AI总结 本文提出Ayn，一个预训练的印度法律领域小型语言模型，在法律案例判断预测任务中超越80倍大的LLM，在摘要任务中与30倍大的LLM竞争，并在通用任务中与大模型竞争。

Comments LREC 2026

Automated Extraction of Material Properties using LLM-based AI Agents

基于LLM的材料属性自动提取

Subham Ghosh, Abhishek Tewari

机构 * Mehta Family School of Data Science and Artificial Intelligence（梅塔家族数据科学与人工智能学院） ； Indian Institute of Technology Roorkee（印度理工学院罗尔基分校） ； Department of Metallurgical and Materials Engineering（冶金与材料工程系） 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、cs.LG

AI总结 本研究提出基于LLM的自动材料属性提取方法，构建了大规模热电数据集，实现了高准确率和低成本的属性提取流程，为材料发现提供了新的工具和基础。

Journal ref Computational Materials Science 265 (2026)

MMAI Gym for Science: Training Liquid Foundation Models for Drug Discovery

MMAI Gym for Science: 训练液态基础模型用于药物发现

Maksim Kuznetsov, Zulfat Miftahutdinov, Rim Shayakhmetov, Mikolaj Mizera, Roman Schutski, Bogdan Zagribelnyy, Ivan Ilin, Nikita Bondarev, Thomas MacDougall, Mathieu Reymond, Mihir Bafna, Kaeli Kaymak-Loveless, Eugene Babin, Maxim Malkov, Mathias Lechner, Ramin Hasani, Alexander Amini, Vladimir Aladinskiy, Alex Aliper, Alex Zhavoronkov

机构 * Insilico Medicine ； Liquid AI 纠错

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

AI总结 MMAI Gym for Science通过训练液态基础模型，实现了在药物发现任务中超越大模型的性能，同时保持高效和广泛适用性。

Language Agents for Hypothesis-driven Clinical Decision Making with Reinforcement Learning

用于强化学习的假设驱动临床决策制定语言代理

David Bani-Harouni, Chantal Pellegrini, Ege Özsoy, Nassir Navab, Matthias Keicher

机构 * Technical University of Munich（慕尼黑技术大学） ； Munich Center for Machine Learning（慕尼黑机器学习中心） 纠错

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

AI总结 本文提出了一种基于强化学习的假设驱动语言代理LA-CDM，用于提升临床诊断的准确性和效率。

Beyond the Prompt: Assessing Domain Knowledge Strategies for High-Dimensional LLM Optimization in Software Engineering

超越提示：评估领域知识策略在软件工程高维LLM优化中的应用

Srinath Srinivasan, Tim Menzies

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

AI总结 本研究比较了人类与人工智能策略在生成领域知识方面的效果，通过四种不同架构评估如何利用结构化知识整合提升LLM在高维优化中的表现。

Comments Accepted at MSR 2026 (Registered Reports Track)

AdNanny: One Reasoning LLM for All Offline Ads Recommendation Tasks

AdNanny：一个用于所有离线广告推荐任务的推理LLM

Nan Hu, Han Li, Jimeng Sun, Lu Wang, Fangkai Yang, Bo Qiao, Pu Zhao, David Dai, Mengyu Liu, Yuefeng Zhan, Jianjin Zhang, Weihao Han, Allen Sun, Qingwei Lin, Saravan Rajmohan, Dongmei Zhang, Denvy Deng, Feng Sun, Qi Zhang

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

AI总结 AdNanny是一种统一的推理LLM，用于提升离线广告推荐任务的效率和准确性，通过整合多个任务模型，减少冗余并提升性能。

Comments 21 pages, 3 figures

Jingfang: An LLM-Based Multi-Agent System for Precise Medical Consultation and Syndrome Differentiation in Traditional Chinese Medicine

Jingfang: 一种基于大语言模型的多智能体系统，用于精准中医诊疗和辨证论治

Yehan Yang, Tianhao Ma, Ruotai Li, Xinhan Zheng, Guodong Shan

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Southeast University（东南大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； University of Science and Technology of China（中国科学技术大学） 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、cs.LG

AI总结 JingFang 是一种基于大语言模型的多智能体系统，旨在通过多智能体协作机制提升中医诊疗的准确性和个性化水平，尤其在辨证论治方面表现优异。

Retrieval-Augmented Multi-LLM Ensemble for Industrial Part Specification Extraction

基于检索增强的多LLM集成工业零件规范提取系统

Muzakkiruddin Ahmed Mohammed, John R. Talburt, Leon Claasssens, Adriaan Marais

机构 * ERIQ Research Center University of Arkansas - Little Rock（ERIQ研究所以及阿肯色大学-利文斯顿分校） ； PiLog Group（PiLog集团） 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、cs.LG

AI总结 本文提出一种基于检索增强的多LLM集成框架，通过整合多种先进模型提升工业零件规范提取的准确性和完整性。

Comments The 17th International Conference on Knowledge and Systems Engineering

New Exam Security Questions in the AI Era: Comparing AI-Generated Item Similarity Between Naive and Detail-Guided Prompting Approaches

人工智能时代的新考试安全问题：比较基于提示策略的AI生成题目的相似性

Ting Wang, Caroline Prendergast, Susan Lottridge

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

AI总结 本研究比较了基于提示策略的AI生成题目相似性，发现即使仅使用公开信息，LLM生成的题目在某些临床领域仍与指导生成的题目相似，提示需加强考试安全措施。

LitFM: A Retrieval Augmented Structure-aware Foundation Model For Citation Graphs

LitFM：一种基于检索增强的结构感知文献基础模型

Jiasheng Zhang, Jialin Chen, Ali Maatouk, Ngoc Bui, Qianqian Xie, Leandros Tassiulas, Jie Shao, Hua Xu, Rex Ying

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

AI总结 LitFM是一种基于检索增强的结构感知文献基础模型，通过整合引用图结构和知识注入的LLM，提升文献检索和相关性评估的准确性。

Comments 12 pages, 8 figures

Adapting General-Purpose Foundation Models for X-ray Ptychography in Low-Data Regimes

为低数据情形下的X射线衍射成像适应通用基础模型

Robinson Umeike, Neil Getty, Yin Xiangyu, Yi Jiang

机构 * The University of Alabama（阿拉巴马大学） ； Argonne National Laboratory（阿贡国家实验室） 纠错

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

AI总结 本文提出PtychoBench基准，通过比较SFT和ICL策略，在低数据环境下优化X射线衍射成像任务的模型适应性，发现任务模态决定最佳专门化路径。

Multi-LLM Collaboration for Medication Recommendation

多LLM协作用于药物推荐

Huascar Sanchez, Briland Hitaj, Jules Bergmann, Linda Briesemeister

机构 * Computer Science Laboratory, SRI International（SRI国际计算机科学实验室） ； University of Maryland St. Joseph Medical Center（马里兰大学圣约瑟夫医疗中心） 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、cs.LG

AI总结 本文提出基于LLM化学的多模型协作方法，通过增强互补性、稳定性和校准性，提高药物推荐的可靠性与可信度。

Comments 8 pages, 5 figures, 1 table

Selecting User Histories to Generate LLM Users for Cold-Start Item Recommendation

选择用户历史以生成LLM用户用于冷启动物品推荐

Nachiket Subbaraman, Jaskinder Sarai, Aniruddh Nath, Lichan Hong, Lukasz Heldt, Li Wei, Zhe Zhao

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

AI总结 本文提出利用强化学习框架，通过策略选择用户历史以生成LLM用户，提升冷启动物品推荐性能。

Comments 12 pages, 15 figures

LLM Targeted Underperformance Disproportionately Impacts Vulnerable Users

Elinor Poole-Dayan, Deb Roy, Jad Kabbara

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、cs.LG

Comments Paper accepted at AAAI 2026

Foundation models for equation discovery in high energy physics

Manuel Morales-Alvarado

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

Comments 6 pages

Cooking Up Creativity: Enhancing LLM Creativity through Structured Recombination

Moran Mizrahi, Chen Shani, Gabriel Stanovsky, Dan Jurafsky, Dafna Shahaf

机构 * The Hebrew University of Jerusalem（特拉维夫大学） ； Stanford University（斯坦福大学） 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、cs.LG

Comments Accepted at TACL; pre-MIT Press publication version

LLM-Enhanced Linear Autoencoders for Recommendation

Jaewan Moon, Seongmin Park, Jongwuk Lee

机构 * Sungkyunkwan University（成均馆大学） 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、cs.LG

Comments Accepted by CIKM 2025

Revisiting Prompt Engineering: A Comprehensive Evaluation for LLM-based Personalized Recommendation

Genki Kusano, Kosuke Akimoto, Kunihiro Takeoka

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

Comments Accepted to ACM RecSys2025 reproducibility

From Alerts to Intelligence: A Novel LLM-Aided Framework for Host-based Intrusion Detection

Danyu Sun, Jinghuai Zhang, Jiacen Xu, Yu Zheng, Yuan Tian, Zhou Li

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

RecRankerEval: A Flexible and Extensible Framework for Top-k LLM-based Recommendation

Zeyuan Meng, Zixuan Yi, Iadh Ounis

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