语言大模型 / LLM

Optimizing Medical Question-Answering Systems: A Comparative Study of Fine-Tuned and Zero-Shot Large Language Models with RAG Framework

优化医疗问答系统：基于RAG框架的微调与零样本大语言模型比较研究

Tasnimul Hassan, Md Faisal Karim, Haziq Jeelani, Elham Behnam, Robert Green, Fayeq Jeelani Syed

机构 * Department of Electrical Engineering ； Computer Science University of Toledo Toledo, USA ； Institute of Mathematical Sciences Claremont Graduate University Claremont, USA ； Department of Bioengineering University of Toledo Toledo, USA ； Department of Computer Science Bowling Green State University Bowling Green, USA 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

AI总结 本文通过RAG框架结合微调与零样本大语言模型，提升医疗问答系统的准确性与可靠性，实验证明检索增强显著提高回答质量。

Bridging Traditional Machine Learning and Large Language Models: A Two-Part Course Design for Modern AI Education

连接传统机器学习与大语言模型：一种面向现代人工智能教育的双阶段课程设计

Fang Li

机构 * Computer Science Department（计算机科学系） ； Oklahoma Christian University（俄克拉荷马基督教大学） 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.AI

AI总结 本文提出一种双阶段课程设计，旨在连接传统机器学习与大语言模型，帮助学生全面理解人工智能发展并提升实践能力。

Comments Accepted by the 39th annual Consortium for Computing Sciences in Colleges (CCSC:SE)

The Erosion of LLM Signatures: Can We Still Distinguish Human and LLM-Generated Scientific Ideas After Iterative Paraphrasing?

LLM签名的消解：在迭代改写后能否仍区分人类和LLM生成的科学想法？

Sadat Shahriar, Navid Ayoobi, Arjun Mukherjee

机构 * University of Houston（德克萨斯大学） 纠错

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

AI总结 研究探讨了在多次迭代改写后，现有模型区分人类与LLM生成科学想法的能力，发现改写显著削弱了LLM签名的可区分性。

Comments Published in RANLP 2025

MedDiff-FM: A Diffusion-based Foundation Model for Versatile Medical Image Applications

MedDiff-FM: 一种基于扩散的多功能医学图像应用基础模型

Yongrui Yu, Yannian Gu, Shaoting Zhang, Xiaofan Zhang

机构 * Qing Yuan Research Institute, Shanghai Jiao Tong University（上海交通大学清元研究 institute） 纠错

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

AI总结 MedDiff-FM是一种基于扩散的医学图像基础模型，通过预训练和微调实现多种医学图像处理任务，如去噪、异常检测和超分辨率。

GTM: Simulating the World of Tools for AI Agents

GTM: 为AI代理模拟工具世界

Zhenzhen Ren, Xinpeng Zhang, Zhenxing Qian, Yan Gao, Yu Shi, Shuxin Zheng, Jiyan He

机构 * Zhongguancun Academy, Beijing, China（中关村学院，北京，中国） ； School of Computer Science, Fudan University, Shanghai, China（计算机学院，复旦大学，上海，中国） 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 GTM通过模拟工具提升AI代理训练效率，实现快速且低成本的工具交互模拟。

Exploring ChatGPT's Capabilities, Stability, Potential and Risks in Conducting Psychological Counseling through Simulations in School Counseling

探索ChatGPT在模拟学校咨询中的能力、稳定性、潜力与风险

Yang Ni, Yanzhuo Cao

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

AI总结 本研究评估ChatGPT在模拟学校咨询中的应用，探讨其作为培训工具的潜力及伦理风险，提出使用指南。

Journal ref Mental Health and Digital Technologies, 2025

Prompting Science Report 4: Playing Pretend: Expert Personas Don't Improve Factual Accuracy

提示科学报告4：扮演角色：专家角色不提高事实准确性

Savir Basil, Ina Shapiro, Dan Shapiro, Ethan Mollick, Lilach Mollick, Lennart Meincke

专题命中 领域大模型 ：prompting(title)；分类 cs.CL

AI总结 该研究探讨了专家角色和低知识角色对AI模型在客观多项选择题上的准确性影响，发现角色提示通常未提升表现，专家角色在多数情况下无益，低知识角色反而降低准确性。

VERIRAG: A Post-Retrieval Auditing of Scientific Study Summaries

VERIRAG：一种科学研究摘要的后检索审计

Shubham Mohole, Hongjun Choi, Shusen Liu, Christine Klymko, Shashank Kushwaha, Derek Shi, Wesam Sakla, Sainyam Galhotra, Ruben Glatt

机构 * Cornell University（康奈尔大学） ； Lawrence Livermore National Laboratory（劳伦斯利弗莫尔国家实验室） ； University of Illinois Urbana‑Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of California, Los Angeles（加州大学洛杉矶分校） 纠错

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

AI总结 VERIRAG通过后检索审计框架检测科学摘要的方法学漏洞，提升宏F1值19个百分点，提供结构化审计轨迹支持负责任的科学实践。

Privacy-Preserving Conformal Prediction Under Local Differential Privacy

在局部差分隐私下实现隐私保护的置信区间

Coby Penso, Bar Mahpud, Jacob Goldberger, Or Sheffet

机构 * Bar-Ilan University（巴伊兰大学） 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 本文提出在局部差分隐私下实现隐私保护的置信区间方法，通过两种互补的隐私保护技术，确保在不可信聚合者环境下仍能保持数据和标签隐私，并提供稳健的覆盖保证。

Comments Accepted by COPA 2025. Proceedings of Machine Learning Research 26, 2025 Conformal and Probabilistic Prediction with Applications

Enhancing SPARQL Query Rewriting for Complex Ontology Alignments

增强SPARQL查询重写以应对复杂本体对齐

Anicet Lepetit Ondo, Laurence Capus, Mamadou Bousso

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

AI总结 本文提出基于自然语言需求的SPARQL查询重写方法，利用等价传递性与大语言模型处理复杂本体对齐，提升查询效率与用户可访问性。

Comments This update corrects a minor error in Table 1 of the originally submitted version, where a formula was inadvertently included. This does not affect the methodology or results. We also improved the formatting of existing formulas and the visual presentation of algorithm outputs. No changes were made to the scientific content

Journal ref International Journal of Web & Semantic Technology (IJWesT) Vol.16, No.2, April 2025

Fine-Tuning BERT for Domain-Specific Question Answering: Toward Educational NLP Resources at University Scale

针对特定领域的问题回答微调BERT：迈向大学规模的自然语言处理资源

Aurélie Montfrond

机构 * Dept. of Electronic & Computer Engineering, University of Limerick（电子与计算机工程系，利默里克大学） 纠错

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

AI总结 本研究通过微调BERT模型，针对大学课程材料开发了首个领域特定问答系统，展示了基础模型在教育领域的应用潜力。

Comments 4 pages, 2 figures