语言大模型 / LLM

LLMInit: A Free Lunch from Large Language Models for Selective Initialization of Recommendation

LLMInit: 从大型语言模型中获得免费午餐：用于推荐系统选择性初始化

Weizhi Zhang, Liangwei Yang, Wooseong Yang, Henry Peng Zou, Yuqing Liu, Ke Xu, Sourav Medya, Philip S. Yu

机构 * University of Illinois Chicago（伊利诺伊大学芝加哥分校） ； Salesforce AI Research（Salesforce AI研究） 纠错

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

AI总结 LLMInit通过选择性初始化策略将预训练LLM嵌入整合到协同过滤模型中，提升推荐性能并降低计算成本。

Comments Accepted in EMNLP 2025 Industry Track

Build AI Assistants using Large Language Models and Agents to Enhance the Engineering Education of Biomechanics

利用大型语言模型和智能体构建AI助教以增强生物力学工程教育

Hanzhi Yan, Qin Lu, Xianqiao Wang, Xiaoming Zhai, Tianming Liu, He Li

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

AI总结 本文提出利用RAG和MAS提升LLM在生物力学教育中的表现，通过双模块框架增强教学效果。

Utilizing Large Language Models for Zero-Shot Medical Ontology Extension from Clinical Notes

利用大型语言模型进行临床笔记的零样本医学本体扩展

Guanchen Wu, Yuzhang Xie, Huanwei Wu, Zhe He, Hui Shao, Xiao Hu, Carl Yang

机构 * Department of Computer Science（计算机科学系） ； Emory University（埃默里大学） ； College of Public Health（公共卫生学院） ； Temple University（temple大学） ； School of Information（信息学院） ； Florida State University（佛罗里达州立大学） ； Hubert Department of Global Health（全球健康部） ； Nell Hodgson Woodruff School of Nursing（Nell Hodgson Woodruff护理学院） 纠错

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

AI总结 CLOZE利用大型语言模型从临床笔记中自动提取医学实体，实现零样本医学本体扩展，具有高准确性和隐私保护能力。

Comments BIBM 2025 (WS#44: Biological ontologies and knowledge bases (BiOK) in the LLM era)

vMFCoOp: Towards Equilibrium on a Unified Hyperspherical Manifold for Prompting Biomedical VLMs

vMFCoOp：在统一超球面流形上实现平衡的提示生物医学VLMs

Minye Shao, Sihan Guo, Xinrun Li, Xingyu Miao, Haoran Duan, Yang Long

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

AI总结 vMFCoOp通过统一超球面流形上的vMF分布估计，实现LLM与CLIP主干间的语义对齐，提升生物医学VLMs的提示效果和少样本分类性能。

Comments Accepted as an Oral Presentation at AAAI 2026 Main Technical Track (this version is not peer-reviewed; it is the extended version)

Adaptive Query Prompting for Multi-Domain Landmark Detection

多领域地标检测的自适应查询提示

Yuhui Li, Qiusen Wei, Guoheng Huang, Xiaochen Yuan, Xuhang Chen, Guo Zhong, Jianwen Huang, Jiajie Huang

机构 * School of Computer Science and Technology, Guangdong University of Technology（广东技术大学计算机科学与技术学院） ； School of Automation, Guangdong University of Technology（广东技术大学自动化学院） ； Faculty of Applied Sciences, Macao Polytechnic University（澳门 polytechnic university 应用科学学院） ； School of Information Science and Technology, Guangdong University of Foreign Studies（广东外语外贸大学信息科学与技术学院） ； School of Computer Science and Engineering, Huizhou University（惠州市大学计算机科学与工程学院） 纠错

专题命中 领域大模型 ：prompting(title,abstract)

AI总结 本文提出了一种通用的多领域地标检测模型，通过自适应查询提示和轻量级解码器实现高效且高精度的地标检测。

From Performance to Understanding: A Vision for Explainable Automated Algorithm Design

从性能到理解：可解释的自动算法设计愿景

Niki van Stein, Anna V. Kononova, Thomas Bäck

机构 * LIACS, Leiden University, The Netherlands（莱顿大学莱顿信息与计算科学研究所，荷兰） 纠错

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

AI总结 本文提出通过系统性基准测试结合自动化，实现可解释的自动算法设计，强调算法变体发现、可解释基准测试和问题类描述符的整合，以提升算法设计的可解释性和有效性。

ATLAS: A High-Difficulty, Multidisciplinary Benchmark for Frontier Scientific Reasoning

ATLAS：面向前沿科学推理的高难度、多学科基准

Hongwei Liu, Junnan Liu, Shudong Liu, Haodong Duan, Yuqiang Li, Mao Su, Xiaohong Liu, Guangtao Zhai, Xinyu Fang, Qianhong Ma, Taolin Zhang, Zihan Ma, Yufeng Zhao, Peiheng Zhou, Linchen Xiao, Wenlong Zhang, Shijie Zhou, Xingjian Ma, Siqi Sun, Jiaye Ge, Meng Li, Yuhong Liu, Jianxin Dong, Jiaying Li, Hui Wu, Hanwen Liang, Jintai Lin, Yanting Wang, Jie Dong, Tong Zhu, Tianfan Fu, Conghui He, Qi Zhang, Songyang Zhang, Lei Bai, Kai Chen

机构 * Shanghai AI Laboratory（上海人工智能实验室） 纠错

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

AI总结 ATLAS是一个由领域专家开发的高难度、跨学科科学推理基准，通过原创问题和严格质量控制，评估模型在多领域知识整合和复杂推理能力上的表现。

Comments 39 pages

Rep-GLS: Report-Guided Generalized Label Smoothing for Robust Disease Detection

Rep-GLS：基于报告的通用标签平滑用于稳健的疾病检测

Kunyu Zhang, Fukang Ge, Binyang Wang, Yingke Chen, Kazuma Kobayashi, Lin Gu, Jinhao Bi, Yingying Zhu

机构 * Arizona State University（亚利桑那州立大学） ； Guangzhou Institutes of Biomedicine and Health, Chinese Academy of Sciences（广州生物医学研究院，中国科学院） ； Kunming Medical University（昆明医科大学） ； Northumbria University（北umbria大学） ； NII, Tokyo Institute of Technology（东京技术大学国家研究所） ； RIKEN（理化学研究所） ； Westlake University（西湖大学） 纠错

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

AI总结 Rep-GLS通过利用大语言模型挖掘医学报告中的不确定性表达，提出了一种通用标签平滑方法，以提升医学疾病检测的鲁棒性。

MuISQA: Multi-Intent Retrieval-Augmented Generation for Scientific Question Answering

MuISQA: 多意图检索增强生成用于科学问答

Zhiyuan Li, Haisheng Yu, Guangchuan Guo, Nan Zhou, Jiajun Zhang

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

AI总结 MuISQA提出一种多意图检索增强生成框架，通过意图感知检索和RRF融合提升科学问答任务的证据覆盖和检索准确性。

Comments 15 pages

Artificial Intelligence and Accounting Research: A Framework and Agenda

人工智能与会计研究：一个框架和议程

Theophanis C. Stratopoulos, Victor Xiaoqi Wang

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

AI总结 本文提出一个框架，分析人工智能如何改变会计研究，探讨AI与会计研究的交叉领域，以及如何通过战略定位和合作提升研究竞争力。

Comments 48 pages, 7 tables

Journal ref Intl. J. Account. Inf. Syst. 56 (2025): 100760

Balancing Natural Language Processing Accuracy and Normalisation in Extracting Medical Insights

在提取医学洞察时平衡自然语言处理的准确性与标准化

Paulina Tworek, Miłosz Bargieł, Yousef Khan, Tomasz Pełech-Pilichowski, Marek Mikołajczyk, Roman Lewandowski, Jose Sousa

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

AI总结 本研究比较了规则方法和LLMs在提取医疗信息时的准确性与标准化，提出混合方法以提高临床NLP的可靠性与效率。

Comments 20 pages, 5 figures

Generalist Models in Medical Image Segmentation: A Survey and Performance Comparison with Task-Specific Approaches

通用模型在医学图像分割中的应用：一项调查与与任务特定方法的性能比较

Andrea Moglia, Matteo Leccardi, Matteo Cavicchioli, Alice Maccarini, Marco Marcon, Luca Mainardi, Pietro Cerveri

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

AI总结 本文调查了通用模型在医学图像分割中的应用，对比了通用模型与任务特定方法的性能，探讨了其在监管、隐私、预算及临床转化等方面面临的挑战。

Comments 132 pages, 26 figures, 23 tables. Andrea Moglia and Matteo Leccardi are equally contributing authors

Journal ref Moglia A, et al.Generalist models in medical image segmentation: A survey and performance comparison with task-specific approaches. Inf Fus 2026 https://www.sciencedirect.com/science/article/pii/S156625352500781X

NeuroXVocal: Detection and Explanation of Alzheimer's Disease through Non-invasive Analysis of Picture-prompted Speech

NeuroXVocal：通过非侵入性分析提示语音检测和解释阿尔茨海默病

Nikolaos Ntampakis, Konstantinos Diamantaras, Ioanna Chouvarda, Magda Tsolaki, Vasileios Argyriou, Panagiotis Sarigianndis

机构 * International Hellenic University, Sindos, Greece MetaMind Innovations, Kozani, Greece Aristotle University of Thessaloniki, Thessaloniki, Greece Greek Association of Alzheimer’s Disease \& Related Disorders, Thessaloniki, Greece Kingston University London, London, UK University of Western Macedonia, Kozani, Greece 纠错

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

AI总结 NeuroXVocal通过非侵入性语音分析实现阿尔茨海默病的检测与解释，结合高精度分类和文献支持的可解释性，提升临床诊断效果。

Journal ref Medical Image Computing and Computer Assisted Intervention - MICCAI 2025. Lecture Notes in Computer Science, vol 15973. Springer, Cham (2025)

LLMs-based Augmentation for Domain Adaptation in Long-tailed Food Datasets

基于大语言模型的领域适应在长尾食品数据集中的增强

Qing Wang, Chong-Wah Ngo, Ee-Peng Lim, Qianru Sun

机构 * School of Computing and Information Systems（计算与信息系统学院） 纠错

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

AI总结 本文提出基于大语言模型的框架，用于解决长尾食品数据集中的领域适应问题，通过生成食品标题和配料并投影到共享嵌入空间以提升识别性能。

A Crowdsourced Study of ChatBot Influence in Value-Driven Decision Making Scenarios

关于价值驱动决策场景中聊天机器人影响的众包研究

Anthony Wise, Xinyi Zhou, Martin Reimann, Anind Dey, Leilani Battle

专题命中 领域大模型 ：LLM(abstract)；分类 cs.AI

AI总结 研究探讨了价值框架对决策影响，发现其能有效改变用户行为，揭示了LLM潜在的操纵风险。

Domain-constrained Synthesis of Inconsistent Key Aspects in Textual Vulnerability Descriptions

领域约束下的文本漏洞描述中不一致关键要素合成

Linyi Han, Shidong Pan, Zhenchang Xing, Sofonias Yitagesu, Xiaowang Zhang, Zhiyong Feng, Jiamou Sun, Qing Huang

专题命中 领域大模型 ：LLM(abstract)

AI总结 本文提出一种领域约束的LLM框架，用于统一文本漏洞描述中的关键要素，通过提取、自我评估和融合三个阶段提升合成性能和理解效率。