语言大模型 / LLM

Can Large Language Models Detect Misinformation in Scientific News Reporting?

大型语言模型能否在科学新闻报道中检测虚假信息？

Yupeng Cao, Aishwarya Muralidharan Nair, Nastaran Jamalipour Soofi, Elyon Eyimife, K. P. Subbalakshmi

机构 * Stevens Institute of Technology（斯蒂文斯理工学院） 纠错

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

AI总结 本文探讨了使用大型语言模型检测科学新闻中虚假信息的可能性，并提出了SciNews数据集及多种基线架构进行验证。

The Alignment Paradox of Medical Large Language Models in Infertility Care: Decoupling Algorithmic Improvement from Clinical Decision-making Quality

医学大语言模型在不孕症护理中的对齐悖论：解耦算法改进与临床决策质量

Dou Liu, Ying Long, Sophia Zuoqiu, Kaipeng Xie, Runze Yang, Di Liu, Kang Li, Yiting Lin, Hanyi Liu, Rong Yin, Tian Tang

机构 * Department of Obstetrics and Gynecology, West China Second University Hospital（妇产科部门，西昌第二大学医院） ； Reproductive Medical Center, Department of Obstetrics and Gynecology, West China Second University Hospital（生殖医学中心，妇产科部门，西昌第二大学医院） 纠错

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

AI总结 本研究发现，尽管GRPO在算法准确性上表现最佳，但临床医生更偏好SFT模型，因其推理更清晰且治疗可行性更高，揭示了算法改进与临床信任之间的对齐悖论。

Comments 22 pages 5 figures

Large Language Model Enhanced Graph Invariant Contrastive Learning for Out-of-Distribution Recommendation

大语言模型增强的图不变对比学习用于分布外推荐

Jiahao Liang, Haoran Yang, Xiangyu Zhao, Zhiwen Yu, Mianjie Li, Chuan Shi, Kaixiang Yang

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

AI总结 本文提出InvGCLLM框架，结合大语言模型与图不变学习，通过因果引导对比学习提升分布外推荐性能。

GP-GPT: Large Language Model for Gene-Phenotype Mapping

GP-GPT：用于基因-表型映射的大型语言模型

Yanjun Lyu, Zihao Wu, Lu Zhang, Jing Zhang, Yiwei Li, Wei Ruan, Zhengliang Liu, Zeyu Zhang, Xiang Li, Rongjie Liu, Chao Huang, Wentao Li, Tianming Liu, Dajiang Zhu

机构 * Department of Computer Science and Engineering, The University of Texas at Arlington（计算机科学与工程系，德克萨斯理工大学 Arlington 分校） ； School of Computing, University of Georgia（计算学院，佐治亚大学） ； Department of Computer Science, Indiana University Indianapolis（计算机科学系，印第安纳大学 Indianapolis 分校） ； Department of Radiology, Massachusetts General Hospital and Harvard Medical School（放射科，麻省总医院和哈佛医学院） ； Department of Statistics, University of Georgia（统计系，佐治亚大学） ； Department of Epidemiology & Biostatistics, University of Georgia（流行病学与生物统计学系，佐治亚大学） ； Department of Environmental Health Science, University of Georgia（环境流行病学系，佐治亚大学） 纠错

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

AI总结 GP-GPT是一种专为基因-表型映射设计的大型语言模型，通过在基因组和医学遗传学领域进行微调，实现了对遗传信息的高效检索和分析，并在多个任务中超越了现有最先进的LLMs。

LLMs4All: A Review of Large Language Models Across Academic Disciplines

LLMs4All: 对跨学科领域大型语言模型的综述

Yanfang Ye, Zheyuan Zhang, Tianyi Ma, Zehong Wang, Yiyang Li, Shifu Hou, Weixiang Sun, Kaiwen Shi, Yijun Ma, Wei Song, Ahmed Abbasi, Ying Cheng, Jane Cleland-Huang, Steven Corcelli, Robert Goulding, Ming Hu, Ting Hua, John Lalor, Fang Liu, Tengfei Luo, Edward Maginn, Nuno Moniz, Jason Rohr, Brett Savoie, Daniel Slate, Matthew Webber, Olaf Wiest, Johnny Zhang, Nitesh V. Chawla

机构 * University of Notre Dame（诺丁汉大学） 纠错

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

AI总结 本文综述了大型语言模型在跨学科领域的应用，探讨其在不同学术领域中的影响、局限及未来发展方向。

Towards Robust and Fair Next Visit Diagnosis Prediction under Noisy Clinical Notes with Large Language Models

基于大型语言模型的噪声临床笔记下的稳健与公平下次就诊诊断预测

Heejoon Koo

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

AI总结 本文提出基于大型语言模型的稳健与公平下次就诊诊断预测方法，通过标签缩减和分层推理策略提升预测鲁棒性和公平性。

Comments Accepted by the Association for the Advancement of Artificial Intelligence (AAAI) 2026 1st Workshop on Safe, Ethical, Certified, Uncertainty-aware, Robust, and Explainable AI for Health (SECURE-AI4H)

LLM4Laser: Large Language Models Automate the Design of Lasers

LLM4Laser: 利用大语言模型自动化激光器设计

Renjie Li, Ceyao Zhang, Sixuan Mao, Xiyuan Zhou, Feng Yin, Sergios Theodoridis, Zhaoyu Zhang

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

AI总结 本文提出利用大语言模型实现激光器设计自动化，通过对话生成仿真和强化学习代码，实现从概念到算法的全流程自动化设计。

Comments 14 pages, 10 figures

Re(Visiting) Time Series Foundation Models in Finance

重新审视金融领域的时序基础模型

Eghbal Rahimikia, Hao Ni, Weiguan Wang

机构 * Alliance Manchester Business School University of Manchester（曼彻斯特大学阿利安斯商学院） ； Department of Mathematics University College London (UCL)（伦敦大学学院数学系） ； School of Economics Shanghai University（上海大学经济学院） 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.AI、cs.LG

AI总结 本文研究了金融领域时序基础模型的性能，发现从头预训练模型在预测和经济改进上优于现成预训练模型，强调了领域特定适应的重要性。

Enhancing Domain-Specific Encoder Models with LLM-Generated Data: How to Leverage Ontologies, and How to Do Without Them

通过LLM生成数据增强领域特定编码器模型：如何利用本体论，以及如何不依赖本体论

Marc Brinner, Tarek Al Mustafa, Sina Zarrieß

机构 * Computational Linguistics Department of Linguistics（计算语言学系） ； Institute of Computer Science（计算机科学研究所） ； Bielefeld University（比勒菲尔德大学） 纠错

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

AI总结 通过LLM生成数据增强领域特定编码器模型，利用本体论或自动提取概念，实现低资源环境下的高效预训练。

Comments Published in the Findings of the Association for Computational Linguistics: EMNLP 2025

Journal ref Findings of the Association for Computational Linguistics: EMNLP 2025 (pp. 22740-22754). Association for Computational Linguistics

A Multi-Agent LLM Framework for Multi-Domain Low-Resource In-Context NER via Knowledge Retrieval, Disambiguation and Reflective Analysis

面向多领域低资源情境命名实体识别的多智能体LLM框架：通过知识检索、消歧和反思分析

Wenxuan Mu, Jinzhong Ning, Di Zhao, Yijia Zhang

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 KDR-Agent通过知识检索、消歧和反思分析，提升多领域低资源情境下命名实体识别的性能

Comments This paper has been accepted by AAAI 2026 (Main Technical Track)

Tapas Are Free! Training-Free Adaptation of Programmatic Agents via LLM-Guided Program Synthesis in Dynamic Environments

Tapas Are Free! 通过LLM引导的程序合成实现动态环境下的免训练程序代理适应

Jinwei Hu, Yi Dong, Youcheng Sun, Xiaowei Huang

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

AI总结 TAPA通过LLM引导的程序合成，在动态环境中实现免训练的程序代理适应，提升网络安全和群体智能任务的性能与可靠性。

Comments Extended version of the paper accepted at AAAI-26 Oral to comply with the AAAI camera-ready requirements with minor revisions

Enhancing Breast Cancer Prediction with LLM-Inferred Confounders

利用大语言模型推断的混杂因素增强乳腺癌预测

Debmita Roy

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

AI总结 利用大语言模型推断混杂因素以提升乳腺癌预测，通过改进随机森林模型性能，促进早期诊断和临床决策。

Comments 2 pages, 1 figure, 1 table

Scale What Counts, Mask What Matters: Evaluating Foundation Models for Zero-Shot Cross-Domain Wi-Fi Sensing

按重要性扩展，遮蔽关键因素：评估用于零样本跨域Wi-Fi感知的基础模型

Cheng Jiang, Yihe Yan, Yanxiang Wang, Chun Tung Chou, Wen Hu

机构 * School of Computer Science and Engineering, University of New South Wales（计算机科学与工程学院，新南威尔士大学） 纠错

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

AI总结 本文提出通过大规模预训练提升Wi-Fi感知跨域性能，发现数据规模和多样性对泛化能力至关重要，而模型容量的增加效果有限。

Align$^3$GR: Unified Multi-Level Alignment for LLM-based Generative Recommendation

Align$^3$GR: 基于大语言模型的生成推荐系统统一多级对齐

Wencai Ye, Mingjie Sun, Shuhang Chen, Wenjin Wu, Peng Jiang

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

AI总结 Align$^3$GR通过统一多级对齐方法，提升大语言模型在生成推荐系统中的性能，实验显示在Recall@10和NDCG@10指标上均取得显著提升。

Comments Accepted by AAAI 2026 (Oral)

The Potential and Limitations of Vision-Language Models for Human Motion Understanding: A Case Study in Data-Driven Stroke Rehabilitation

视觉-语言模型在人类运动理解中的潜力与局限性：数据驱动中风康复的案例研究

Victor Li, Naveenraj Kamalakannan, Avinash Parnandi, Heidi Schambra, Carlos Fernandez-Granda

机构 * Center for Data Science（数据科学中心） ； Tandon School of Engineering（工程学院） ； VitalConnect（VitalConnect公司） ； Department of Neurology（神经病学部） ； Department of Rehabilitation Medicine（康复医学部） ； Courant Institute of Mathematical Sciences（数学科学研究所） 纠错

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

AI总结 本文研究了视觉-语言模型在数据驱动中风康复中的应用，发现其在运动识别和剂量估计方面存在局限性，但通过优化提示和后处理可实现中等准确性的活动分类和运动检测。

Collaborative Learning with Multiple Foundation Models for Source-Free Domain Adaptation

基于多基础模型的协同学习用于无源域适应

Huisoo Lee, Jisu Han, Hyunsouk Cho, Wonjun Hwang

机构 * Ajou University（阿乔大学） ； Korea University（韩国大学） 纠错

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

AI总结 本文提出CoMA框架，通过协同利用两种互补基础模型提升无源域适应性能，实验显示在多个基准测试中优于现有方法。

Comments 15 pages, 8 figures

MoveGPT: Scaling Mobility Foundation Models with Spatially-Aware Mixture of Experts

MoveGPT: 通过空间感知专家混合模型扩展移动基础模型

Chonghua Han, Yuan Yuan, Jingtao Ding, Jie Feng, Fanjin Meng, Yong Li

机构 * Department of Electronic Engineering, Tsinghua University（电子工程系，清华大学） 纠错

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

AI总结 MoveGPT通过空间感知专家混合模型实现大规模移动基础模型的扩展，提升多种下游任务性能，展现强泛化能力。

Speech Foundation Models Generalize to Time Series Tasks from Wearable Sensor Data

语音基础模型能泛化到可穿戴传感器数据的时间序列任务

Jaya Narain, Zakaria Aldeneh, Shirley Ren

机构 * Apple（苹果公司） 纠错

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

AI总结 语音基础模型通过泛化能力在可穿戴传感器的时间序列任务中取得突破性性能。

Comments Preprint, under review

Health system learning achieves generalist neuroimaging models

健康系统学习实现通用神经影像模型

Akhil Kondepudi, Akshay Rao, Chenhui Zhao, Yiwei Lyu, Samir Harake, Soumyanil Banerjee, Rushikesh Joshi, Anna-Katharina Meissner, Renly Hou, Cheng Jiang, Asadur Chowdury, Ashok Srinivasan, Brian Athey, Vikas Gulani, Aditya Pandey, Honglak Lee, Todd Hollon

机构 * Machine Learning in Neurosurgery Lab University of Michigan（密歇根大学机器学习神经外科实验室） ； University of Michigan Computational Medicine and Bioinformatics（密歇根大学计算医学与生物信息学） ； University of Michigan Computer Science and Engineering（密歇根大学计算机科学与工程） ； University of Michigan Radiology（密歇根大学放射学） 纠错

专题命中 领域大模型 ：language model(abstract)；foundation model(abstract)；instruction tuning(abstract)；分类 cs.AI、cs.LG

AI总结 NeuroVFM通过健康系统学习范式，在临床MRI和CT影像上训练，实现高性能通用神经影像模型，提升放射学诊断和报告生成的准确性与临床实用性。

Comments 53 pages, 4 main figures, 10 extended data figures

MedSAM3: Delving into Segment Anything with Medical Concepts

MedSAM3：深入探索医学概念中的分割任务

Anglin Liu, Rundong Xue, Xu R. Cao, Yifan Shen, Yi Lu, Xiang Li, Qianqian Chen, Jintai Chen

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

AI总结 MedSAM3通过引入可文本提示的医学分割模型，实现了基于开放词汇文本描述的精准解剖结构分割，显著优于现有方法。

Information Extraction From Fiscal Documents Using LLMs

从财政文件中提取信息使用大语言模型

Vikram Aggarwal, Jay Kulkarni, Aditi Mascarenhas, Aakriti Narang, Siddarth Raman, Ajay Shah, Susan Thomas

机构 * Google Inc（谷歌公司） 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 本文提出利用大语言模型从多页财政文件中提取结构化数据的方法，通过多阶段流程实现高准确性，利用财政表格的层次结构进行内部验证，为发展中国家的财政数据处理提供新方案。

Comments 6 pages. Presented at the AI for Financial Inclusion, Risk Modeling and Resilience in Emerging Markets workshop at ACM ICAIF 2025 Singapore

LLMs' Reshaping of People, Processes, Products, and Society in Software Development: A Comprehensive Exploration with Early Adopters

大型语言模型对软件开发中人、过程、产品和社会的重塑：与早期采用者的综合探索

Benyamin Tabarsi, Heidi Reichert, Sam Gilson, Ally Limke, Sandeep Kuttal, Tiffany Barnes

机构 * North Carolina State University（北卡罗来纳州立大学） 纠错

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

AI总结 本文通过访谈早期采用者，探讨LLMs对软件开发中人、过程、产品和社会的影响，揭示其在不同阶段的应用差异及对开发者技能的新要求。

Weakly-supervised Latent Models for Task-specific Visual-Language Control

弱监督潜在模型用于任务特定的视觉语言控制

Xian Yeow Lee, Lasitha Vidyaratne, Gregory Sin, Ahmed Farahat, Chetan Gupta

机构 * Industrial AI Lab, Hitachi America, Ltd.（日立美国有限公司工业人工智能实验室） 纠错

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

AI总结 本文提出了一种任务特定的潜在动态模型，利用目标状态监督学习动作诱导位移，以提高空间定位任务中的视觉语言控制性能。

H-PRM: A Pluggable Hotword Pre-Retrieval Module for Various Speech Recognition Systems

H-PRM：一种适用于各种语音识别系统的可插拔热门词预检索模块

Huangyu Dai, Lingtao Mao, Ben Chen, Zihan Wang, Zihan Liang, Ying Han, Chenyi Lei, Han Li

机构 * Zhejiang Gongshang University（浙江工商大学） 纠错

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

AI总结 H-PRM通过声学相似性测量提升语音识别系统中热门词的召回率，适用于传统模型和音频大语言模型。

Fairness in Multi-modal Medical Diagnosis with Demonstration Selection

多模态医学诊断中的公平性与演示选择

Dawei Li, Zijian Gu, Peng Wang, Chuhan Song, Zhen Tan, Mohan Zhang, Tianlong Chen, Yu Tian, Song Wang

机构 * Arizona State University（亚利桑那州立大学） ； University of Rochester（罗切斯特大学） ； University of Virginia（弗吉尼亚大学） ； UCL（伦敦大学学院） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； University of Central Florida（佛罗里达中央大学） 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 本文提出FADS方法，通过基于聚类的采样提升多模态医学影像诊断的公平性，减少性别、种族和族裔相关差异，同时保持高准确性。

Comments 10 pages (including 2 pages of references), 4 figures. This work explores fairness in multi-modal medical image reasoning using in-context learning

General-Purpose Models for the Chemical Sciences: LLMs and Beyond

化学科学的通用模型：大语言模型及其他

Nawaf Alampara, Anagha Aneesh, Martiño Ríos-García, Adrian Mirza, Mara Schilling-Wilhelmi, Ali Asghar Aghajani, Meiling Sun, Gordan Prastalo, Kevin Maik Jablonka

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

AI总结 本文综述了通用模型在化学科学中的应用，探讨其在不同科学过程中的潜力与未来发展。

Future Is Unevenly Distributed: Forecasting Ability of LLMs Depends on What We're Asking

未来是不均等地分布的：LLMs的预测能力取决于我们询问什么

Chinmay Karkar, Paras Chopra

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

AI总结 本研究探讨了LLMs在不同领域和提示框架下预测能力的差异，发现预测性能受问题类型和外部知识影响显著。

Token-Controlled Re-ranking for Sequential Recommendation via LLMs

基于LLMs的令牌控制顺序推荐重排序

Wenxi Dai, Wujiang Xu, Pinhuan Wang, Dimitris N. Metaxas

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

AI总结 COREC通过令牌增强的重排序框架，实现用户对推荐结果的细粒度控制，提升推荐效果与个性化水平。

Liberating Logic in the Age of AI: Going Beyond Programming with Computational Thinking

人工智能时代解放逻辑：超越编程的计算思维

Douglas C. Schmidt, Dan Runfola

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

AI总结 本文探讨人工智能时代计算思维的转变，强调自然语言编程对软件开发的影响及课程改革的必要性。

Comments 15 pages and 17 figures

Chatbots to strengthen democracy: An interdisciplinary seminar to train identifying argumentation techniques of science denial

聊天机器人强化民主：跨学科研讨会训练识别科学否认论技巧

Ingo Siegert, Jan Nehring, Aranxa Márquez Ampudia, Matthias Busch, Stefan Hillmann

机构 * Mobile Dialog Systems, Otto-von-Guericke-University Magdeburg, Germany（移动对话系统，马格德堡奥托·冯·格里克大学） ； German Research Centre for Artificial Intelligence, Berlin（德国人工智能研究中心） ； Usability Lab, TU Berlin, Germany（可用性实验室，柏林技术大学） 纠错

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

AI总结 本文提出通过跨学科研讨会训练学生利用AI聊天机器人识别科学否认论技巧，以提高公众对虚假信息的抵抗力。

Comments 6 pages, 4 figures