语言大模型 / LLM

Exploring the Upper Limits of Text-Based Collaborative Filtering Using Large Language Models: Discoveries and Insights

探索基于文本的协同过滤的上限：发现与洞察

Ruyu Li, Wenhao Deng, Yu Cheng, Zheng Yuan, Jiaqi Zhang, Fajie Yuan

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

AI总结 本文通过实验探讨使用大语言模型作为编码器对基于文本的协同过滤性能的影响，发现其在提升表现的同时也带来了一些负面结果。

Journal ref Proceedings of the 34th ACM International Conference on Information and Knowledge Management (CIKM 2025)

DFALLM: Achieving Generalizable Multitask Deepfake Detection by Optimizing Audio LLM Components

DFALLM：通过优化音频LLM组件实现通用多任务深度伪造检测

Yupei Li, Li Wang, Yuxiang Wang, Lei Wang, Rizhao Cai, Jie Shi, Björn W. Schuller, Zhizheng Wu

机构 * Imperial College London（伦敦帝国学院） ； Chinese University HongKong, Shenzhen, China（香港中文大学（深圳）） ； Huawei, Singapore（新加坡华为） ； Technical University Munich, Munich, German（慕尼黑技术大学） 纠错

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

AI总结 DFALLM通过优化音频LLM组件，实现了通用多任务深度伪造检测，取得SOTA性能。

Principled Personas: Defining and Measuring the Intended Effects of Persona Prompting on Task Performance

原则性人格：定义并衡量人格提示对任务表现的预期效果

Pedro Henrique Luz de Araujo, Paul Röttger, Dirk Hovy, Benjamin Roth

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

AI总结 本文研究了专家人格提示对任务表现的影响，发现其效果不一致，模型对无关属性敏感，提出缓解策略但仅对大模型有效，强调需更严谨的人格设计和评估方案。

Comments 30 pages, 29 figures, accepted to EMNLP 2025

Journal ref In Proceedings of the 2025 Conference on Empirical Methods in Natural Language Processing, pages 26845-26874, Suzhou, China. Association for Computational Linguistics

Advancing Financial Engineering with Foundation Models: Progress, Applications, and Challenges

用基础模型推进金融工程：进展、应用与挑战

Liyuan Chen, Shuoling Liu, Jiangpeng Yan, Xiaoyu Wang, Henglin Liu, Chuang Li, Kecheng Jiao, Jixuan Ying, Yang Veronica Liu, Qiang Yang, Xiu Li

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

AI总结 本文综述了金融基础模型（FFMs）的进展、应用与挑战，涵盖三种关键模态，并探讨了数据可用性、算法可扩展性和基础设施限制等关键问题。

Comments Accepted by [J]. Engineering, 2025

FloraForge: LLM-Assisted Procedural Generation of Editable and Analysis-Ready 3D Plant Geometric Models For Agricultural Applications

FloraForge: 借助大语言模型的LLM辅助可编辑和分析准备的3D植物几何模型的程序化生成用于农业应用

Mozhgan Hadadi, Talukder Z. Jubery, Patrick S. Schnable, Arti Singh, Bedrich Benes, Adarsh Krishnamurthy, Baskar Ganapathysubramanian

机构 * Iowa State University（爱荷华州立大学） ； Purdue University（普渡大学） 纠错

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

AI总结 FloraForge利用大语言模型辅助生成可编辑且适用于分析的3D植物几何模型，结合参数化表示与生物约束，实现农业应用中的高效建模与分析。

Large-Language Memorization During the Classification of United States Supreme Court Cases

大语言模型在美最高法院案件分类中的记忆能力

John E. Ortega, Dhruv D. Joshi, Matt P. Borkowski

机构 * Pace University（帕克大学） 纠错

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

AI总结 研究探讨了大语言模型在美最高法院案件分类中的记忆能力，发现基于提示的模型在分类任务中表现更优。

Comments 7 pages, 1 figure, Appendix of Prompts

DBT-DINO: Towards Foundation model based analysis of Digital Breast Tomosynthesis

DBT-DINO：面向数字乳腺断层摄影的基于基础模型的分析

Felix J. Dorfner, Manon A. Dorster, Ryan Connolly, Oscar Gentilhomme, Edward Gibbs, Steven Graham, Seth Wander, Thomas Schultz, Manisha Bahl, Dania Daye, Albert E. Kim, Christopher P. Bridge

机构 * Athinoula A. Martinos Center for Biomedical Imaging, Massachusetts General Hospital and Harvard Medical School（阿提诺拉·A·马丁诺生物医学影像中心、麻省总医院和哈佛医学院） ； Department of Radiology, Charité - Universitätsmedizin Berlin（放射科、柏林夏里特大学医学院） ； Mass General Brigham Data Science Office（麻省总医院数据科学办公室） ； Department of Computer Science, Institute for Machine Learning, ETH Zürich（计算机科学系、机器学习研究所、苏黎世联邦理工学院） ； Massachusetts General Hospital Cancer Center and Harvard Medical School（麻省总医院癌症中心和哈佛医学院） ； Department of Radiology, Massachusetts General Hospital（放射科、麻省总医院） ； Department of Radiology, University of Wisconsin School of Medicine and Public Health（放射科、威斯康星大学医学与公共卫生学院） 纠错

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

AI总结 DBT-DINO是首个针对数字乳腺断层摄影的基础模型，展示了在乳腺密度分类和乳腺癌风险预测上的优越性能，但领域特定预训练在病变检测任务中效果不一。

Forging a Dynamic Memory: Retrieval-Guided Continual Learning for Generalist Medical Foundation Models

锻造动态记忆：基于检索的持续学习用于通用医学基础模型

Zizhi Chen, Yizhen Gao, Minghao Han, Yizhou Liu, Zhaoyu Chen, Dingkang Yang, Lihua Zhang

机构 * College of Intelligent Robotics and Advanced Manufacturing（智能机器人与先进制造学院） ； Fudan University（复旦大学） ； Fysics Intelligence Technologies Co., Ltd. (Fysics AI)（Fysics智能技术有限公司（Fysics AI）） ； School of Computer Science and Engineering（计算机科学与工程学院） ； Central South University（中南大学） 纠错

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

AI总结 本文提出基于检索的持续学习方法，通过动态知识蒸馏和RAG技术，解决多模态医学模型在领域迁移和细粒度特征保留中的核心难题。

AI Sprints: Towards a Critical Method for Human-AI Collaboration

AI冲刺：迈向人类-人工智能协作的批判性方法

David M. Berry

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

AI总结 本文提出'AI冲刺'方法，结合批判反思与生成AI迭代对话，旨在发展人类-人工智能协作的批判性研究方法。

System X: A Mobile Voice-Based AI System for EMR Generation and Clinical Decision Support in Low-Resource Maternal Healthcare

System X：一种基于语音的移动AI系统，用于低资源产科医疗中的电子病历生成和临床决策支持

Maryam Mustafa, Umme Ammara, Amna Shahnawaz, Moaiz Abrar, Bakhtawar Ahtisham, Fozia Umber Qurashi, Mostafa Shahin, Beena Ahmed

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

AI总结 System X通过语音识别和大语言模型生成电子病历并标记临床风险，适用于低资源环境中的产科医疗

Building from Scratch: A Multi-Agent Framework with Human-in-the-Loop for Multilingual Legal Terminology Mapping

从零开始构建：一种带有人在回路的多智能体框架用于多语言法律术语映射

Lingyi Meng, Maolin Liu, Hao Wang, Yilan Cheng, Qi Yang, Idlkaid Mohanmmed

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 本文提出了一种人机协作的多智能体框架，用于构建多语言法律术语数据库，通过整合AI和人类专家，提升多语言法律术语映射的精度和可扩展性。

Comments 43 pages, 6 fingures, accepted in Artificial Intelligence and Law (2025)

The Ontological Dissonance Hypothesis: AI-Triggered Delusional Ideation as Folie a Deux Technologique

本体不协调假说：人工智能触发的妄想性思维作为技术性双重关系症

Izabela Lipinska, Hugh Brosnahan

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 本文提出本体诚实原则，探讨人工智能引发的妄想性思维现象，并指出当前设计选择加剧了技术性双重关系症的风险。

Comments 18 pages excluding appendices

Pancakes: Consistent Multi-Protocol Image Segmentation Across Biomedical Domains

Pancakes: 在生物医学领域内实现多协议图像分割的一致性

Marianne Rakic, Siyu Gai, Etienne Chollet, John V. Guttag, Adrian V. Dalca

机构 * MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） ； MGH（麻省总医院） ； HMS（哈佛医学院） 纠错

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

AI总结 Pancakes 提出了一种新的框架，能够自动为多个可能的协议生成多标签分割图，同时保持相关图像之间的语义一致性，在生物医学领域内实现多协议图像分割的一致性。

Comments Accepted at NeurIPS 2025. Code available at: https://github.com/mariannerakic/Pancakes

MedCEG: Reinforcing Verifiable Medical Reasoning with Critical Evidence Graph

MedCEG: 通过关键证据图强化可验证的医学推理

Linjie Mu, Yannian Gu, Zhongzhen Huang, Yakun Zhu, Shaoting Zhang, Xiaofan Zhang

机构 * Shanghai Jiao Tong University（上海交通大学） ； SII 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 MedCEG通过关键证据图强化医学推理，提升临床决策的可靠性与有效性。

OmniScientist: Toward a Co-evolving Ecosystem of Human and AI Scientists

OmniScientist：迈向人类与AI科学家共进的生态系统

Chenyang Shao, Dehao Huang, Yu Li, Keyu Zhao, Weiquan Lin, Yining Zhang, Qingbin Zeng, Zhiyu Chen, Tianxing Li, Yifei Huang, Taozhong Wu, Xinyang Liu, Ruotong Zhao, Mengsheng Zhao, Jiaoyang Li, Xuhua Zhang, Yue Wang, Yuanyi Zhen, Fengli Xu, Yong Li, Tie-Yan Liu

机构 * Department of Electronic Engineering, BNRist, Tsinghua University（电子工程系，BNRist，清华大学） ； Zhongguancun Academy（中关村学院） 纠错

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

AI总结 OmniScientist通过模拟人类科学系统，实现AI与人类科学家的协作与共进化，构建可持续的创新生态系统。

Translation Analytics for Freelancers: I. Introduction, Data Preparation, Baseline Evaluations

自由职业者翻译分析：I. 引言、数据准备、基线评估

Yuri Balashov, Alex Balashov, Shiho Fukuda Koski

机构 * University of Georgia（佐治亚大学） ； Evariste Systems, LLC（埃瓦里斯特系统公司） ； SFK Language Solutions（SFK语言解决方案） 纠错

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

AI总结 本文提出通过翻译分析技术，为自由职业者提供适应自动评估指标的实用框架，利用三语语料库展示指标潜力，并通过统计分析强调技术主动应用的重要性。

Comments 28 pages, 4 figures. Accepted at the MT Summit, University of Geneva, June 2025

Journal ref Proceedings of Machine Translation Summit XX Volume 1, pages 538-565, June 23-27, 2025

Predicting Human Choice Between Textually Described Lotteries

预测基于文本描述的彩票的人类选择

Eyal Marantz, Ori Plonsky

机构 * Technion - Israel Institute of Technology（技术学院-以色列理工学院） 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 本研究通过微调大型语言模型预测基于文本描述的彩票选择，发现其在决策任务中优于整合行为理论的混合模型，揭示了文本与数字信息对决策影响的差异。

Journal ref Proceedings of the 47th Annual Conference of the Cognitive Science Society, 2025

The Agentic Regulator: Risks for AI in Finance and a Proposed Agent-based Framework for Governance

代理调节器：人工智能在金融中的风险及一种基于代理的治理框架提案

Eren Kurshan, Tucker Balch, David Byrd

机构 * Princeton University（普林斯顿大学） ； Emory University（埃默里大学） ； Bowdoin College（鲍德因学院） 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 本文提出基于代理的治理框架，以应对人工智能在金融领域中的新兴风险，通过分层监管模块提升系统适应性和稳定性。

Interpretable Hypothesis-Driven Trading:A Rigorous Walk-Forward Validation Framework for Market Microstructure Signals

可解释的假设驱动交易：一种用于市场微观结构信号的严格走步验证框架

Gagan Deep, Akash Deep, William Lamptey

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

AI总结 本文提出了一种严格走步验证框架，用于验证市场微观结构信号，通过结合可解释的假设驱动信号生成与强化学习，实现可解释的算法交易策略验证。

Comments 35 pages, 8 figures, 3 tables. Submitted to Quantitative Finance and Economics

PolySet: Restoring the Statistical Ensemble Nature of Polymers for Machine Learning

PolySet: 为机器学习恢复聚合物的统计集合本质

Khalid Ferji

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

AI总结 PolySet通过将聚合物表示为统计集合，提升了机器学习模型对聚合物行为的建模能力，增强了稳定性和准确性。

DA-SSL: self-supervised domain adaptor to leverage foundational models in turbt histopathology slides

DA-SSL: 一种自监督域适配器，用于利用基础模型在尿道肿瘤切除术（TURBT）病理切片中的应用

Haoyue Zhang, Meera Chappidi, Erolcan Sayar, Helen Richards, Zhijun Chen, Lucas Liu, Roxanne Wadia, Peter A Humphrey, Fady Ghali, Alberto Contreras-Sanz, Peter Black, Jonathan Wright, Stephanie Harmon, Michael Haffner

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

AI总结 DA-SSL通过自监督域适配提升基础模型在TURBT病理切片中的应用效果，实现治疗反应预测的高准确率与灵敏度。

De novo generation of functional terpene synthases using TpsGPT

利用 TpsGPT 从头设计功能性萜类合成酶

Hamsini Ramanathan, Roman Bushuiev, Matouš Soldát, Jirí Kohout, Téo Hebra, Joshua David Smith, Josef Sivic, Tomáš Pluskal

机构 * Seattle Academy of Arts and Sciences (SAAS)（西雅图艺术与科学学院） ； Czech Institute of Informatics, Robotics and Cybernetics (CIIRC)（捷克信息学、机器人学与自动控制研究所） ； Czech Technical University（捷克技术大学） 纠错

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

AI总结 TpsGPT 通过微调蛋白质语言模型生成功能性萜类合成酶，验证了从头设计酶的可行性。

Comments 11 pages, 8 figures, Accepted at the NeurIPS 2025 AI for Science and Machine Learning for Structural Biology 2025 workshops Fixed incorrect threshold in Fig 1

TWLR: Text-Guided Weakly-Supervised Lesion Localization and Severity Regression for Explainable Diabetic Retinopathy Grading

TWLR: 基于文本引导的弱监督病变定位与严重程度回归用于可解释性糖尿病视网膜病变分级

Xi Luo, Shixin Xu, Ying Xie, JianZhong Hu, Yuwei He, Yuhui Deng, Huaxiong Huang

机构 * Guangdong Provincial Key Laboratory of Interdisciplinary Research and Application for Data Science（广东省级交叉学科研究与数据科学应用重点实验室） ； Department of Statistics and Data Science, Beijing Normal-Hong Kong Baptist University（北京师范大学-香港 Baptist大学统计与数据科学系） ； Faculty of Science, Hong Kong Baptist University（香港 Baptist大学科学学院） ； Data Science Research Center, Duke Kunshan University（杜克-昆山大学数据科学研究中心） ； Shanxi Provincial People’s Hospital（山西人民医院） ； The Fifth Clinical Medical school of Shanxi Medical University（山西医科大学第五临床医学院） ； Research Center for Mathematics, Beijing Normal University（北京师范大学数学研究中心） ； Department of Mathematics and Statistics, York University（约克大学数学与统计学系） 纠错

专题命中 领域大模型 ：language model(abstract)

AI总结 TWLR通过双阶段框架实现糖尿病视网膜病变的可解释性评估，结合视觉语言模型和弱监督分割，实现病变定位与严重程度回归。

A Monad-Based Clause Architecture for Artificial Age Score (AAS) in Large Language Models

基于单调的子句架构用于大型语言模型中的人工年龄评分（AAS）

Seyma Yaman Kayadibi

专题命中 知识编辑与模型理解 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出基于单调的子句架构，利用AAS作为核心，通过数学定理和数值实验，为大型语言模型提供透明的约束和分析框架。

Comments 42 pages, 6 toy simulation Python implementations, 20 monad clauses instantiated across six system bundles (ontology, dynamics, representation and consciousness, harmony and reason, body and organisation, teleology)

Citation-Grounded Code Comprehension: Preventing LLM Hallucination Through Hybrid Retrieval and Graph-Augmented Context

基于引用的代码理解：通过混合检索和图增强上下文防止LLM幻觉

Jahidul Arafat

机构 * Department of Computer Science and Software Engineering, Auburn University, Alabama, USA（计算机科学与软件工程系，阿伯丁大学，阿拉巴马州，美国） 纠错

专题命中 知识编辑与模型理解 ：LLM(title,abstract)；large language model(abstract)；language model(abstract)；分类 cs.LG

AI总结 本文提出混合检索与图增强上下文方法，通过系统评估实现92%引用准确率，有效防止LLM幻觉。

Understanding Structural Representation in Foundation Models for Polymers

理解聚合物基础模型中的结构表示

Nathaniel H. Park, Eduardo Soares, Victor Y. Shirasuna, Tiffany J. Callahan, Sara Capponi, Emilio Vital Brazil

机构 * IBM Research Almaden（IBM阿尔马登研究院） ； IBM Research Brazil（IBM巴西研究院） 纠错

专题命中 知识编辑与模型理解 ：foundation model(title,abstract)；language model(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出基于SMILES的聚合物图表示方法，展示了其在28个基准数据集上的高性能，并揭示了SMILES表示的强不变性及化学语言模型对序列空间的遍历性。

Towards Effective Model Editing for LLM Personalization

迈向有效的LLM个性化模型编辑

Baixiang Huang, Limeng Cui, Jiapeng Liu, Haoran Wang, Jiawei Xu, Zhuiyue Tan, Yutong Chen, Chen Luo, Yi Liu, Kai Shu

机构 * Emory University（埃默里大学） ； Amazon（亚马逊） 纠错

专题命中 知识编辑与模型理解 ：LLM(title,abstract)；prompting(abstract)；分类 cs.CL

AI总结 本文提出个性化编辑框架，通过聚类偏好表示实现高效LLM个性化，提升多轮交互和隐含查询的性能。

Comments 15 pages (including appendix), 7 figures. Code, data, results, and additional resources are available at: https://model-editing.github.io

Hierarchical Molecular Language Models (HMLMs)

分层分子语言模型（HMLMs）

Hasi Hays, Yue Yu, William J. Richardson

机构 * Department of Chemical Engineering, University of Arkansas（化学工程系，亚拉巴马大学） 纠错

专题命中 知识编辑与模型理解 ：language model(title,abstract)；large language model(abstract)；分类 cs.AI

AI总结 HMLMs通过构建分子语言模型，将细胞信号传递建模为分子语言，利用分层注意力机制和跨尺度操作符整合多模态数据，提升对复杂信号网络的时间动态预测能力，推动精准医学发展。

Comments The current version includes minor revisions to the preprint v2 (arXiv preprint arXiv:2512.00696), Added the Supplementary materials section

AgentSHAP: Interpreting LLM Agent Tool Importance with Monte Carlo Shapley Value Estimation

AgentSHAP: 通过蒙特卡洛夏普利值估计解释LLM代理工具的重要性

Miriam Horovicz

机构 * Fiverr Labs（Fiverr实验室） 纠错

专题命中 知识编辑与模型理解 ：LLM(title,abstract)；分类 cs.CL、cs.AI

AI总结 AgentSHAP通过蒙特卡洛夏普利值估计为LLM代理提供工具重要性解释，解决了工具层面可解释性问题。

Neural Chameleons: Language Models Can Learn to Hide Their Thoughts from Unseen Activation Monitors

神经变色龙：语言模型可以学习隐藏其思想以逃避未见的激活监控

Max McGuinness, Alex Serrano, Luke Bailey, Scott Emmons

专题命中 知识编辑与模型理解 ：language model(title)；LLM(abstract)；分类 cs.LG

AI总结 语言模型通过微调可学习逃避未见的激活监控，展示出零样本泛化能力，揭示模型在对抗威胁下的鲁棒性问题。