语言大模型 / LLM

Benchmarking CXR Foundation Models With Publicly Available MIMIC-CXR and NIH-CXR14 Datasets

基于公开的MIMIC-CXR和NIH-CXR14数据集评估CXR基础模型

Jiho Shin, Dominic Marshall, Matthieu Komorowski

机构 * Imperial College London（帝国理工学院伦敦分校） 纠错

专题命中 评测与基准 ：foundation model(title,abstract)

AI总结 本文评估了两种CXR基础模型在不同数据集上的性能，发现MedImageInsight在多数任务表现更优，而CXR-Foundation具有良好的跨数据集稳定性，强调了标准化评估的重要性。

Towards Cross-View Point Correspondence in Vision-Language Models

面向视觉-语言模型的跨视图点对应研究

Yipu Wang, Yuheng Ji, Yuyang Liu, Enshen Zhou, Ziqiang Yang, Yuxuan Tian, Ziheng Qin, Yue Liu, Huajie Tan, Cheng Chi, Zhiyuan Ma, Daniel Dajun Zeng, Xiaolong Zheng

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； School of Advanced Interdisciplinary Sciences, University of Chinese Academy of Sciences（中国科学院大学先进交叉学科学院） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； Beihang University（北航大学） ； Jilin University（吉林大学） ； National University of Singapore（新加坡国立大学） ； Peking University（北京大学） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； Huazhong University of Science And Technology（华中科技大学） 纠错

专题命中 评测与基准 ：language model(title,abstract)

AI总结 本文提出跨视图点对应任务和 CrossPoint-Bench 基准，通过 CroPond 模型在 CrossPoint-Bench 上取得超越 Gemini-2.5-Pro 的准确率，推动跨视图对应研究发展。

START: Spatial and Textual Learning for Chart Understanding

START: 空间与文本学习用于图表理解

Zhuoming Liu, Xiaofeng Gao, Feiyang Niu, Qiaozi Gao, Liu Liu, Robinson Piramuthu

机构 * University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Amazon AGI（亚马逊人工智能实验室） ； MIT（麻省理工学院） 纠错

专题命中 评测与基准 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 START通过空间与文本学习提升图表理解能力，引入图表元素定位和图表到代码生成，增强多模态大语言模型对图表结构和数据细节的理解。

Comments WACV2026 Camera Ready

AgriGPT-VL: Agricultural Vision-Language Understanding Suite

AgriGPT-VL：农业视觉-语言理解套件

Bo Yang, Yunkui Chen, Lanfei Feng, Yu Zhang, Xiao Xu, Jianyu Zhang, Nueraili Aierken, Runhe Huang, Hongjian Lin, Yibin Ying, Shijian Li

机构 * Zhejiang University（浙江大学） 纠错

专题命中 评测与基准 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.CL

AI总结 AgriGPT-VL通过构建农业专用的视觉-语言模型和评估套件，提升了农业领域的多模态理解和推理能力。

Image2Net: Datasets, Benchmark and Hybrid Framework to Convert Analog Circuit Diagrams into Netlists

Image2Net: 用于将模拟电路图转换为网表的数据集、基准和混合框架

Haohang Xu, Chengjie Liu, Qihang Wang, Wenhao Huang, Yongjian Xu, Weiyu Chen, Anlan Peng, Zhijun Li, Bo Li, Lei Qi, Jun Yang, Yuan Du, Li Du

机构 * School of Electronic Science and Engineering, Nanjing University, Nanjing, China（南京大学电子科学与工程学院） ； School of Integrated Circuit, South East University, Nanjing, China（东南大学集成电路学院） ； National Center of Technology Innovation for EDA, Nanjing, China（EDA技术创新国家中心） 纠错

专题命中 评测与基准 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 Image2Net通过混合框架和新数据集，有效将模拟电路图转换为网表，提升LLM在模拟IC设计中的应用效果。

Comments 10 pages, 12 figures, 6 tables

MMDuet2: Enhancing Proactive Interaction of Video MLLMs with Multi-Turn Reinforcement Learning

MMDuet2：通过多轮强化学习增强视频MLLMs的主动交互

Yueqian Wang, Songxiang Liu, Disong Wang, Nuo Xu, Guanglu Wan, Huishuai Zhang, Dongyan Zhao

机构 * Wangxuan Institute of Computer Technology, Peking University（王宣计算机技术研究所，北京大学） ； State Key Laboratory of General Artificial Intelligence（通用人工智能国家重点实验室） 纠错

专题命中 评测与基准 ：large language model(abstract)；language model(abstract)；SFT(abstract)；分类 cs.CL

AI总结 MMDuet2通过多轮强化学习方法，实现了视频MLLMs在多轮对话中的主动交互，提升了回复时机和质量，达到ProactiveVideoQA基准的最优性能。

Learning to Use AI for Learning: Teaching Responsible Use of AI Chatbot to K-12 Students Through an AI Literacy Module

学习如何使用AI：通过AI素养模块教授K-12学生负责任地使用AI聊天机器人

Ruiwei Xiao, Xinying Hou, Ying-Jui Tseng, Hsuan Nieu, Guanze Liao, John Stamper, Kenneth R. Koedinger

专题命中 评测与基准 ：LLM(abstract)；language model(abstract)；prompting(abstract)；分类 cs.AI

AI总结 本文提出了一种基于大语言模型的AI素养模块，通过情景练习提升K-12学生负责任使用AI聊天机器人的能力，并验证了该模块在提升学生提示技能和评估材料质量方面的有效性。

Comments Accepted to AAAI2026

LLMs are Biased Evaluators But Not Biased for Retrieval Augmented Generation

LLMs是偏向评估者但不偏向检索增强生成

Yen-Shan Chen, Jing Jin, Peng-Ting Kuo, Chao-Wei Huang, Yun-Nung Chen

机构 * National Taiwan University（国立台湾大学） 纠错

专题命中 评测与基准 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.CL

AI总结 研究发现LLM在RAG框架中无自我偏好，但事实准确性显著影响输出。

Comments 15 pages, 14 tables, 5 figures Accepted to ACL Findings 2025

Generalized Referring Expression Segmentation on Aerial Photos

面向航拍图像的通用指称表达分割

Luís Marnoto, Alexandre Bernardino, Bruno Martins

机构 * INESC-ID and Instituto Superior Técnico, University of Lisbon（INESC-ID 和 里斯本大学理工学院） 纠错

专题命中 评测与基准 ：LLM(abstract)；large language model(abstract)；language model(abstract)

AI总结 本文提出Aerial-D数据集，通过自动管道和LLM增强生成指称表达，结合RSRefSeg架构实现现代与历史航拍图像的统一分割。

Comments Submitted to IEEE J-STARS

Language-driven Fine-grained Retrieval

基于语言的细粒度检索

Shijie Wang, Xin Yu, Yadan Luo, Zijian Wang, Pengfei Zhang, Zi Huang

机构 * The University of Queensland（昆士兰大学） 纠错

专题命中 评测与基准 ：LLM(abstract)；large language model(abstract)；language model(abstract)

AI总结 LaFG通过将类别名称转换为属性级监督，利用语言模型和视觉-语言模型生成属性描述并聚类属性词汇，以提升细粒度图像检索的性能和泛化能力。

Surveying the MLLM Landscape: A Meta-Review of Current Surveys

测绘MLLM景观：当前调研的元综述

Ming Li, Keyu Chen, Ziqian Bi, Ming Liu, Xinyuan Song, Zekun Jiang, Tianyang Wang, Benji Peng, Qian Niu, Junyu Liu, Jinlang Wang, Sen Zhang, Xuanhe Pan, Jiawei Xu, Pohsun Feng

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Indiana University（印第安纳大学） ； Purdue University（普渡大学） ； Emory University（埃默里大学） ； Sichuan University（四川大学） ； Xi’an Jiaotong-Liverpool University（西安交通大学利物浦大学） ； AppCubic ； Kyoto University（京都大学） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Rutgers University（罗格斯大学） ； National Taiwan Normal University（台湾师范大学） 纠错

专题命中 评测与基准 ：large language model(abstract,comments)；language model(abstract,comments)；分类 cs.CL

AI总结 本文通过系统回顾现有调研，全面分析MLLMs的评估方法、挑战与趋势，为研究者提供当前评估现状的深入理解。

Comments The article consists of 22 pages, including 2 figures and 108 references. The paper provides a meta-review of surveys on Multimodal Large Language Models (MLLMs), categorizing findings into key areas such as evaluation, applications, security, and future directions

NeuroABench: A Multimodal Evaluation Benchmark for Neurosurgical Anatomy Identification

NeuroABench: 一种多模态评估基准，用于神经外科解剖识别

Ziyang Song, Zelin Zang, Xiaofan Ye, Boqiang Xu, Long Bai, Jinlin Wu, Hongliang Ren, Hongbin Liu, Jiebo Luo, Zhen Lei

机构 * Hong Kong Institute of Science and Innovation（香港科学与创新研究院） ； The University of Hong Kong-Shenzhen Hospital（香港大学深圳医院） ； Department of Electronic Engineering, The Chinese University of Hong Kong（香港中文大学电子工程系） 纠错

专题命中 评测与基准 ：large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI

AI总结 NeuroABench是首个用于评估神经外科领域解剖理解的多模态基准，通过实验揭示了MLLMs在解剖识别任务中的局限性，并展示了人类表现与模型之间的差距。

Comments Accepted by IEEE ICIA 2025

"The Dentist is an involved parent, the bartender is not": Revealing Implicit Biases in QA with Implicit BBQ

牙医是积极参与的家长，而酒吧老板不是：通过隐性 BBQ 揭示问答中的隐性偏见

Aarushi Wagh, Saniya Srivastava

机构 * Georgia Institute of Technology（佐治亚理工学院） 纠错

专题命中 评测与基准 ：large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI

AI总结 隐性BBQ通过隐性提示揭示问答系统中的隐性偏见，发现GPT-4o在性取向等类别中存在显著性能下降，表明现有LLMs存在未被显性基准检测到的偏见。

SpectraIrisPAD: Leveraging Vision Foundation Models for Spectrally Conditioned Multispectral Iris Presentation Attack Detection

SpectraIrisPAD: 利用视觉基础模型进行光谱条件的多光谱虹膜呈现攻击检测

Raghavendra Ramachandra, Sushma Venkatesh

机构 * Norwegian University of Science and Technology (NTNU)（挪威科学与技术大学） ； MOBAI AS（MOBAI公司） 纠错

专题命中 评测与基准 ：foundation model(title)

AI总结 SpectraIrisPAD利用视觉基础模型和多光谱数据，提升虹膜呈现攻击检测的鲁棒性和泛化能力。

Comments Accepted in IEEE T-BIOM

A Large-Scale Multimodal Dataset and Benchmarks for Human Activity Scene Understanding and Reasoning

大规模多模态数据集与基准用于人类活动场景理解和推理

Siyang Jiang, Mu Yuan, Xiang Ji, Bufang Yang, Zeyu Liu, Lilin Xu, Yang Li, Yuting He, Liran Dong, Wenrui Lu, Zhenyu Yan, Xiaofan Jiang, Wei Gao, Hongkai Chen, Guoliang Xing

机构 * The Chinese University of Hong Kong, Hong Kong（香港中文大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Columbia University（哥伦比亚大学） ； University of Pittsburgh（匹兹堡大学） 纠错

专题命中 评测与基准 ：large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 CUHK-X是一个大规模多模态数据集和基准，用于人类活动场景理解和推理，通过生成逻辑一致的活动序列提升描述一致性。

BabelCoder: Agentic Code Translation with Specification Alignment

BabelCoder: 基于规范对齐的代理代码翻译

Fazle Rabbi, Soumit Kanti Saha, Tri Minh Triet Pham, Song Wang, Jinqiu Yang

机构 * Concordia University（康科迪亚大学） ； York University（约克大学） 纠错

专题命中 评测与基准 ：large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 BabelCoder通过代理协作框架提升代码翻译准确性，实现94.16%的平均准确率。

Comments 21 pages, 8 figures, 4 tables

Stochasticity in Agentic Evaluations: Quantifying Inconsistency with Intraclass Correlation

代理评估中的随机性：通过组内相关系数量化不一致性

Zairah Mustahsan, Abel Lim, Megna Anand, Saahil Jain, Bryan McCann

专题命中 评测与基准 ：large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 本文提出通过组内相关系数量化代理评估中的不一致性，以提高评估可靠性，建议在基准测试中报告ICC和查询内方差。

AI-Generated Compromises for Coalition Formation: Modeling, Simulation, and a Textual Case Study

基于AI的联盟形成妥协：建模、模拟及文本案例研究

Eyal Briman, Ehud Shapiro, Nimrod Talmon

机构 * Ben-Gurion University of the Negev（贝内杰尔大学） ； Weizmann Institute of Science（魏茨曼科学研究院） 纠错

专题命中 评测与基准 ：large language model(abstract)；language model(abstract)；分类 cs.CL

AI总结 本文提出了一种基于AI的联盟形成模型，利用自然语言处理和大语言模型生成文本妥协点，用于协作编辑民主文档。

Comments In Proceedings TARK 2025, arXiv:2511.20540. arXiv admin note: substantial text overlap with arXiv:2506.06837

Journal ref EPTCS 437, 2025, pp. 417-432

Privacy Practices of Browser Agents

浏览器代理的隐私实践

Alisha Ukani, Hamed Haddadi, Ali Shahin Shamsabadi, Peter Snyder

专题命中 评测与基准 ：large language model(abstract)；language model(abstract)

AI总结 本文评估了八种浏览器代理的隐私风险，通过五个因素框架识别出30种漏洞，包括禁用隐私功能和自动补全敏感信息。

When Privacy Meets Recovery: The Overlooked Half of Surrogate-Driven Privacy Preservation for MLLM Editing

当隐私与恢复相遇： surrogate驱动的隐私保护在MLLM编辑中的被忽视的一半

Siyuan Xu, Yibing Liu, Peilin Chen, Yung-Hui Li, Shiqi Wang, Sam Kwong

专题命中 评测与基准 ：large language model(abstract)；language model(abstract)

AI总结 本文提出SPPE数据集和统一方法，通过引导生成任务实现隐私恢复，平衡隐私保护与MLLM可用性。

Comments 9 pages,7figures

Process vs. Outcome Reward: Which is Better for Agentic RAG Reinforcement Learning

过程奖励与结果奖励：哪种对代理RAG强化学习更有效

Wenlin Zhang, Xiangyang Li, Kuicai Dong, Yichao Wang, Pengyue Jia, Xiaopeng Li, Yingyi Zhang, Derong Xu, Zhaocheng Du, Huifeng Guo, Ruiming Tang, Xiangyu Zhao

专题命中 评测与基准 ：large language model(abstract)；language model(abstract)

AI总结 ReasonRAG通过过程级奖励提升代理RAG强化学习性能，以更高效训练和更少数据实现更优结果

OmniSafeBench-MM: A Unified Benchmark and Toolbox for Multimodal Jailbreak Attack-Defense Evaluation

OmniSafeBench-MM：多模态 jailbreak 攻击-防御评估的统一基准和工具箱

Xiaojun Jia, Jie Liao, Qi Guo, Teng Ma, Simeng Qin, Ranjie Duan, Tianlin Li, Yihao Huang, Zhitao Zeng, Dongxian Wu, Yiming Li, Wenqi Ren, Xiaochun Cao, Yang Liu

机构 * Nanyang Technological University, Singapore（南洋理工大学） ； BraneMatrix AI, China（BraneMatrix AI） ； Chongqing University, China（重庆大学） ； Xi’an Jiaotong University, China（西安交通大学） ； Northeastern University, China（东北大学） ； Sun Yat-sen University, China（中山大学） ； Alibaba, China（阿里巴巴） ； National University of Singapore, Singapore（新加坡国立大学） ； ByteDance, China（字节跳动） 纠错

专题命中 评测与基准 ：large language model(abstract)；language model(abstract)

AI总结 OmniSafeBench-MM提供一个多模态jailbreak攻击-防御评估的统一基准和工具箱，整合13种攻击方法、15种防御策略及广泛数据集，通过三维评估协议深入分析安全与效用。

A Unified Perspective for Loss-Oriented Imbalanced Learning via Localization

面向损失导向不平衡学习的统一视角：通过定位

Zitai Wang, Qianqian Xu, Zhiyong Yang, Zhikang Xu, Linchao Zhang, Xiaochun Cao, Qingming Huang

机构 * State Key Laboratory of AI Safety, Institute of Computing Technology, Chinese Academy of Sciences（人工智能安全国家重点实验室，计算技术研究所，中国科学院） ； Peng Cheng Laboratory（鹏城实验室） ； School of Computer Science and Technology, University of Chinese Academy of Sciences（中国科学院大学计算机科学与技术学院） ； Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； School of Cyber Security, University of Chinese Academy of Sciences（中国科学院大学网络安全学院） ； Artificial Intelligence Institute of China Electronics Technology Group Corporation（中国电子科技集团有限公司人工智能研究院） ； School of Cyber Science and Technology, Shenzhen Campus of Sun Yat-sen University（中山大学深圳校区网络科学与技术学院） ； Key Laboratory of Big Data Mining and Knowledge Management (BDKM), University of Chinese Academy of Sciences（大数据挖掘与知识管理关键实验室（BDKM），中国科学院大学） 纠错

专题命中 评测与基准 ：foundation model(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出通过局部化属性改进损失导向不平衡学习方法，通过局部校准和局部Lipschitz连续性提供统一视角，并验证了其有效性。

Living the Novel: A System for Generating Self-Training Timeline-Aware Conversational Agents from Novels

活出小说：一种从小说生成自训练时间感知对话代理的系统

Yifei Huang, Tianyu Yan, Sitong Gong, Xiwei Gao, Caixin Kang, Ruicong Liu, Huchuan Lu, Bo Zheng

机构 * Shanda AI Research, Tokyo（上海沙达人工智能研究有限公司，东京） ； The University of Tokyo（东京大学） ； Dalian University of Technology（大连理工大学） 纠错

专题命中 评测与基准 ：LLM(abstract)；分类 cs.CL

AI总结 本文提出Living Novel系统，通过两阶段训练流程解决LLM驱动角色的人设漂移和鲁棒性问题，实现连贯且抗中断的对话体验。

Progress Ratio Embeddings: An Impatience Signal for Robust Length Control in Neural Text Generation

进度比率嵌入：一种用于神经文本生成中鲁棒长度控制的不耐烦信号

Ivanhoé Botcazou, Tassadit Amghar, Sylvain Lamprier, Frédéric Saubion

机构 * LERIA, University of Angers（安格瑞大学LERIA研究中心） 纠错

专题命中 评测与基准 ：language model(abstract)；分类 cs.CL

AI总结 本文提出进度比率嵌入（PRE）以提高神经文本生成中对生成长度的鲁棒控制，通过引入三角不耐烦信号实现稳定长度保真度，同时保持文本准确性。

BEDI: A Comprehensive Benchmark for Evaluating Embodied Agents on UAVs

BEDI：一种用于无人机上具身智能体评估的综合基准

Mingning Guo, Mengwei Wu, Jiarun He, Shaoxian Li, Haifeng Li, Chao Tao

专题命中 评测与基准 ：language model(abstract)；分类 cs.AI

AI总结 BEDI提出了一种标准化的无人机具身智能体评估基准，通过动态任务范式和混合测试平台，全面评估UAV-EAs的六个核心技能，并揭示现有VLMs在具身任务中的局限性。

JELV: A Judge of Edit-Level Validity for Evaluation and Automated Reference Expansion in Grammatical Error Correction

JELV：一种用于评估和自动参考扩展的编辑级别有效性判别器

Yuhao Zhan, Yuqing Zhang, Jing Yuan, Qixiang Ma, Zhiqi Yang, Yu Gu, Zemin Liu, Fei Wu

专题命中 评测与基准 ：LLM(abstract)；分类 cs.CL

AI总结 JELV通过验证编辑的有效性，提升语法纠错系统的评估和参考多样性，实现更准确的模型泛化。

A Content-Preserving Secure Linguistic Steganography

一种内容保持的安全语言隐写术

Lingyun Xiang, Chengfu Ou, Xu He, Zhongliang Yang, Yuling Liu

专题命中 评测与基准 ：language model(abstract)；分类 cs.CL

AI总结 CLstega通过可控分布转换实现内容保持的安全语言隐写术，有效提升隐写通信的安全性和嵌入容量。

Comments This is the extended version of the paper accepted to AAAI 2026

GorillaWatch: An Automated System for In-the-Wild Gorilla Re-Identification and Population Monitoring

GorillaWatch: 一种用于野外大猩猩重识别与种群监测的自动化系统

Maximilian Schall, Felix Leonard Knöfel, Noah Elias König, Jan Jonas Kubeler, Maximilian von Klinski, Joan Wilhelm Linnemann, Xiaoshi Liu, Iven Jelle Schlegelmilch, Ole Woyciniuk, Alexandra Schild, Dante Wasmuht, Magdalena Bermejo Espinet, German Illera Basas, Gerard de Melo

机构 * Hasso Plattner Institute（哈索普拉特纳研究所） ； Conservation X Labs（保护X实验室） ； Sabine Plattner African Charities（萨宾·普拉特纳非洲慈善机构） 纠错

专题命中 评测与基准 ：pretraining(abstract)

AI总结 GorillaWatch通过引入三个新数据集和端到端流程，实现了野外大猩猩的自动化重识别与种群监测，结合自监督预训练和可微分适应技术提升模型有效性。

Comments Accepted at WACV 2026

Beyond the Clinic: A Large-Scale Evaluation of Augmenting EHR with Wearable Data for Diverse Health Prediction

超越临床：一种大规模评估EHR与可穿戴数据融合用于多样化健康预测的框架

Will Ke Wang, Rui Yang, Chao Pang, Karthik Natarajan, Nan Liu, Daniel McDuff, David J Slotwiner, Fei Wang, Matthew B. A. McDermott, Xuhai "Orson" Xu

专题命中 评测与基准 ：foundation model(abstract)

AI总结 本文提出了一种整合EHR和可穿戴数据的多模态预测框架，通过大规模评估发现可穿戴数据显著提升了健康预测性能。