语言大模型 / LLM

Detailed balance in large language model-driven agents

大语言模型驱动代理中的详尽平衡

Zhuo-Yang Song, Qing-Hong Cao, Ming-xing Luo, Hua Xing Zhu

机构 * School of Physics, Peking University, Beijing 100871, China（物理系，北京大学，北京） ； Center for High Energy Physics, Peking University, Beijing 100871, China（高能物理中心，北京大学，北京） ； Beijing Computational Science Research Center, Beijing 100193, China（北京计算科学研究院，北京） 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、cs.LG

AI总结 本文提出基于最小作用原理的方法，发现LLM生成中存在详尽平衡，揭示LLM生成可能通过隐式学习潜在函数而非显式规则集。

Comments 20 pages, 12 figures, 5 tables

Large Language Models for Superconductor Discovery

大型语言模型用于超导体发现

Suman Itani, Yibo Zhang, Ranjit Itani, Jiadong Zang

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

AI总结 本文利用大型语言模型构建超导体数据库并实现反向设计，通过微调模型在超导体分类和预测中取得优于传统方法的性能。

Comments 15 pages, 6 figures

Enhancing Large Language Models with Domain-Specific Knowledge: The Case in Topological Materials

通过领域特定知识增强大型语言模型：拓扑材料案例

HuangChao Xu, Baohua Zhang, Zhong Jin, Tiannian Zhu, Quansheng Wu, Hongming Weng

机构 * Computer Network Information Center, Chinese Academy of Sciences（中国科学院计算机网络信息中心） ； University of Chinese Academy of Sciences（中国科学院大学） ； Institute of Physics, Chinese Academy of Sciences（中国科学院物理研究所） 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.LG

AI总结 本文提出通过构建材料知识图谱与提示学习，开发专用对话系统TopoChat，以提升拓扑材料领域的信息检索与知识交互能力。

LLM-Empowered Representation Learning for Emerging Item Recommendation

基于大语言模型的表示学习用于新兴物品推荐

Ziying Zhang, Quanming Yao, Yaqing Wang

机构 * Department of Electronic Engineering, Tsinghua University（清华大学电子工程系） ； Beijing Institute of Mathematical Sciences and Applications（北京数学科学研究院） 纠错

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

AI总结 本文提出EmerFlow框架，利用大语言模型生成独特嵌入，通过丰富特征、对齐空间和元学习优化，提升新兴物品推荐性能。

AutoMedic: An Automated Evaluation Framework for Clinical Conversational Agents with Medical Dataset Grounding

AutoMedic: 一种用于具有医学数据集支撑的临床对话代理的自动化评估框架

Gyutaek Oh, Sangjoon Park, Byung-Hoon Kim

机构 * Yonsei University College of Medicine（延世大学医学院） ； Yonsei Institute for Digital Health（延世大学数字健康研究所） ； Yonsei University（延世大学） ； Institute of Behavioral Sciences in Medicine（医学行为科学研究所） 纠错

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

AI总结 AutoMedic是一种基于医学数据集的自动化评估框架，用于评估临床对话代理的多方面性能，包括准确性、效率、同理心和鲁棒性。

CIEGAD: Cluster-Conditioned Interpolative and Extrapolative Framework for Geometry-Aware and Domain-Aligned Data Augmentation

CIEGAD：基于几何感知和领域对齐的数据增强的聚类条件插值与外推框架

Keito Inoshita, Xiaokang Zhou, Akira Kawai, Katsutoshi Yada

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

AI总结 CIEGAD通过聚类条件插值与外推，结合几何感知和领域对齐，有效增强数据分布外围，提升分类任务的F1和召回率。

Explain First, Trust Later: LLM-Augmented Explanations for Graph-Based Crypto Anomaly Detection

先解释，后信任：基于图的加密异常检测中的LLM增强解释

Adriana Watson, Grant Richards, Daniel Schiff

机构 * School of Engineering Technology Purdue University（工程科技学院 Purdue 大学） ； College of Liberal Arts Purdue University（文理学院 Purdue 大学） 纠错

专题命中 领域大模型 ：LLM(title)；分类 cs.AI

AI总结 本文提出利用LLM增强的图基解释方法，用于加密货币异常检测，以提高自动化检测工具的有效性和准确性。

Comments 11 pages, 5 figures. Code available at: https://github.com/awatson246/crypto-anomaly-detection-policy

LLMs in Interpreting Legal Documents

大型语言模型在解释法律文件中的应用

Simone Corbo

机构 * Simone Corbo 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 本文研究了大型语言模型在法律文件解释中的应用，探讨了其在优化法律任务中的潜力及面临的挑战。

Natural Language Processing for the Legal Domain: A Survey of Tasks, Datasets, Models, and Challenges

法律领域自然语言处理：任务、数据集、模型与挑战的综述

Farid Ariai, Joel Mackenzie, Gianluca Demartini

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

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

AI总结 本文综述了法律领域NLP的任务、数据集、模型及挑战，探讨了法律文本处理的独特性与现存问题，并提出了十六项开放研究挑战。

Comments 35 pages

Journal ref ACM Computing Surveys, Volume 58, Issue 6 Article No.: 163, Year: 2025, Pages 1 - 37

Semantic Reconstruction of Adversarial Plagiarism: A Context-Aware Framework for Detecting and Restoring "Tortured Phrases" in Scientific Literature

对抗性剽窃的语义重建：一种基于上下文的框架，用于检测和恢复科学文献中的‘扭曲短语’

Agniva Maiti, Prajwal Panth, Suresh Chandra Satapathy

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

AI总结 本文提出SRAP框架，通过双阶段架构检测并恢复科学文献中的对抗性剽窃，显著提升恢复准确率。

Comments 10 pages, 5 figures; unpublished manuscript; submitted to arXiv for dissemination

RAD: Towards Trustworthy Retrieval-Augmented Multi-modal Clinical Diagnosis

RAD：迈向可信的检索增强多模态临床诊断

Haolin Li, Tianjie Dai, Zhe Chen, Siyuan Du, Jiangchao Yao, Ya Zhang, Yanfeng Wang

机构 * College of Computer Science and Artificial Intelligence, Fudan University（复旦大学计算机科学与人工智能学院） ； Shanghai AI Laboratory（上海人工智能实验室） ； CMIC, Shanghai Jiao Tong University（上海交通大学计算机学院） ； School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院） ； Institute of Artificial Intelligence for Medicine, Shanghai Jiao Tong University（上海交通大学医学人工智能研究所） 纠错

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

AI总结 RAD通过检索增强多模态模型，提升临床诊断的可信度与准确性，实现任务特定知识的显式注入。

Comments Accepted to NeurIPS 2025

Toward Quantitative Modeling of Cybersecurity Risks Due to AI Misuse

迈向AI滥用导致网络安全风险的定量建模

Steve Barrett, Malcolm Murray, Otter Quarks, Matthew Smith, Jakub Kryś, Siméon Campos, Alejandro Tlaie Boria, Chloé Touzet, Sevan Hayrapet, Fred Heiding, Omer Nevo, Adam Swanda, Jair Aguirre, Asher Brass Gershovich, Eric Clay, Ryan Fetterman, Mario Fritz, Marc Juarez, Vasilios Mavroudis, Henry Papadatos

专题命中 领域大模型 ：LLM(abstract)

AI总结 本文提出了一种定量风险建模方法，用于分析AI滥用对网络安全的影响，通过九个详细模型评估AI对攻击效能、速度和目标覆盖的提升，并为网络安全管理提供量化决策支持。

A Methodology for Quantitative AI Risk Modeling

一种量化AI风险建模的方法论

Malcolm Murray, Steve Barrett, Henry Papadatos, Otter Quarks, Matt Smith, Alejandro Tlaie Boria, Chloé Touzet, Siméon Campos

专题命中 领域大模型 ：LLM(abstract)

AI总结 本文提出了一种整合情景构建与定量风险估算的方法论，用于量化AI风险，通过六个步骤系统性地建模潜在危害，并通过实际应用验证其有效性。

Comments The only changes in v2 are some updates to a few arXiv URLs in the references

Leveraging Depth and Language for Open-Vocabulary Domain-Generalized Semantic Segmentation

利用深度和语言实现开放词汇域通用语义分割

Siyu Chen, Ting Han, Chengzheng Fu, Changshe Zhang, Chaolei Wang, Jinhe Su, Guorong Cai, Meiliu Wu

机构 * Jimei University（集美大学） ； University of Glasgow（格拉斯哥大学） ； Sun Yat-sen University（中山大学） ； Nanjing University of Aeronautics and Astronautics（南京航空航天大学） ； Xidian University（西安电子科技大学） 纠错

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

AI总结 Vireo通过结合深度和语言信息，实现开放词汇域通用语义分割，提升跨领域和开放词汇的语义分割性能。

Comments Accepted by NeurIPS 2025