语言大模型 / LLM

Large language models are not about natural language

大语言模型并非关于自然语言

Johan J. Bolhuis, Andrea Moro, Stephen Crain, Sandiway Fong

机构 * University of Cambridge, Department of Psychology（剑桥大学心理学系） ； University School for Advanced Studies（高级研究大学） ； Scuola Normale Superiore（规范大学） ； Macquarie University, Department of Linguistics（麦考瑞大学语言学系） ； University of Arizona, Department of Linguistics（亚利桑那大学语言学系） 纠错

专题命中 其他LLM ：large language model(title,abstract)；language model(title,abstract)；分类 cs.CL

AI总结 大语言模型并非基于自然语言构建，而是基于概率模型，而人类语言由内在计算系统生成层次化思维结构。

Context Branching for LLM Conversations: A Version Control Approach to Exploratory Programming

上下文分支用于LLM对话：一种版本控制方法用于探索性编程

Bhargav Chickmagalur Nanjundappa, Spandan Maaheshwari

机构 * Northeastern University（东北大学） 纠错

专题命中 其他LLM ：LLM(title,abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 ContextBranch通过版本控制机制实现对话分支，解决多轮对话中上下文污染问题，提升探索性编程的响应质量和上下文意识。

Comments 11 pages, 4 figures, 2 tables, 1 code snippet, 4 algorithms

EcoScapes: LLM-Powered Advice for Crafting Sustainable Cities

EcoScapes: 由LLM驱动的城市可持续发展建议

Martin Röhn, Nora Gourmelon, Vincent Christlein

机构 * Technische Universität Nürnberg（图宾根技术大学） ； Friedrich-Alexander-Universität Erlangen-Nürnberg（埃尔兰根-纽伦堡弗里德里希-亚历山大大学） 纠错

专题命中 其他LLM ：LLM(title)

AI总结 EcoScapes利用LLM、卫星影像和知识库，为小型城市提供气候适应策略建议，提升可持续发展能力。

SIGMMA: Hierarchical Graph-Based Multi-Scale Multi-modal Contrastive Alignment of Histopathology Image and Spatial Transcriptome

SIGMMA：基于层次图的多尺度多模态对比对齐：组织病理图像与空间转录组

Dabin Jeong, Amirhossein Vahidi, Ciro Ramírez-Suástegui, Marie Moullet, Kevin Ly, Mohammad Vali Sanian, Sebastian Birk, Yinshui Chang, Adam Boxall, Daniyal Jafree, Lloyd Steele, Vijaya Baskar MS, Muzlifah Haniffa, Mohammad Lotfollahi

机构 * Wellcome Sanger Institute（沃森桑格研究所） ； Cambridge Centre for AI in Medicine（剑桥人工智能医学中心） ； Institute of AI for Health（人工智能与健康研究所） ； Cambridge Stem Cell Institute（剑桥干细胞研究所） 纠错

专题命中 其他LLM ：language model(abstract)；分类 cs.LG

AI总结 SIGMMA通过多尺度多模态对比对齐，提升组织病理图像与空间转录组的跨模态对应表示，提高基因表达预测和跨模态检索性能。

Guideline-Consistent Segmentation via Multi-Agent Refinement

通过多智能体细化实现指南一致的分割

Vanshika Vats, Ashwani Rathee, James Davis

专题命中 其他LLM ：language model(abstract)

AI总结 本文提出一种多智能体无训练框架，通过Worker-Supervisor迭代细化架构实现指南一致的分割，有效应对复杂文本指南。

Comments To be published in The Fortieth AAAI Conference on Artificial Intelligence (AAAI 2026)