语言大模型 / LLM

Coarse-to-Fine Open-Set Graph Node Classification with Large Language Models

粗到细的开放式图节点分类与大语言模型

Xueqi Ma, Xingjun Ma, Sarah Monazam Erfani, Danilo Mandic, James Bailey

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CFC框架，利用大语言模型实现图节点的粗到细开放式分类，提升OOD检测和分类性能。

Comments Accepted to AAAI 2026

Instructor-Worker Large Language Model System for Policy Recommendation: a Case Study on Air Quality Analysis of the January 2025 Los Angeles Wildfires

政策推荐用的Instructor-Worker大语言模型系统：以2025年1月洛杉矶野火空气质量分析为例

Kyle Gao, Dening Lu, Liangzhi Li, Nan Chen, Hongjie He, Linlin Xu, Jonathan Li

机构 * Department of Systems Design Engineering（系统设计工程系） ； College of Land Engineering（土地工程学院） ； School of Computer Science（计算机科学学院） ； Department of Geography and Environmental Management（地理与环境管理系） ； Department of Geomatics Engineering（测绘工程系） 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 本文提出Instructor-Worker大语言模型系统，用于基于2025年1月洛杉矶野火期间空气质量数据的政策推荐研究。

Journal ref International Journal of Applied Earth Observation and Geoinformation 143 (2025) 104774

A Privacy-Preserving Recommender for Filling Web Forms Using a Local Large Language Model

一种使用本地大语言模型的隐私保护推荐器，用于填写网页表单

Amirreza Nayyeri, Abbas Rasoolzadegan

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

AI总结 本文提出了一种基于本地大语言模型的隐私保护推荐器，用于自动填写网页表单，以提高测试效率并保护数据安全。

Generation of Programmatic Rules for Document Forgery Detection Using Large Language Models

利用大语言模型生成文档伪造检测的程序规则

Valentin Schmidberger, Manuel Eberhardinger, Setareh Maghsudi, Johannes Maucher

机构 * Stuttgart Media University（斯图加特媒体大学） ； Ruhr-University Bochum（鲁尔大学波恩） 纠错

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

AI总结 本文利用大语言模型生成文档伪造检测的规则，通过微调策略在受限硬件上实现高效验证程序。

Comments Accepted at ICMLA 2025, the first two authors contributed equally

Seeing Justice Clearly: Handwritten Legal Document Translation with OCR and Vision-Language Models

清晰地看见正义：结合OCR和视觉-语言模型的 handwritten 法律文件翻译

Shubham Kumar Nigam, Parjanya Aditya Shukla, Noel Shallum, Arnab Bhattacharya

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

AI总结 本文提出利用视觉大语言模型统一OCR与机器翻译流程，以提升低资源环境下手写法律文件的翻译效率和准确性。

Comments Accepted in AILaw @ AAAI 2026 Conference

Enhancing Medical Large Vision-Language Models via Alignment Distillation

通过对齐蒸馏增强医学大视觉-语言模型

Aofei Chang, Ting Wang, Fenglong Ma

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

AI总结 本文提出MEDALIGN方法，通过蒸馏CLIP模型的知识提升医学大视觉-语言模型的视觉对齐和生成质量。

Comments Accepted to AAAI'2026 (Main track)

AmPLe: Supporting Vision-Language Models via Adaptive-Debiased Ensemble Multi-Prompt Learning

AmPLe: 通过自适应去偏集成多提示学习支持视觉-语言模型

Fei Song, Yi Li, Jiangmeng Li, Rui Wang, Changwen Zheng, Fanjiang Xu, Hui Xiong

机构 * National Key Laboratory of Space Integrated Information System, Institute of Software, Chinese Academy of Sciences（中国科学院空间信息集成系统国家重点实验室，软件研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； The Hong Kong University of Science and Technology（香港科技大学） 纠错

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

AI总结 AmPLe通过自适应去偏集成多提示学习方法，解决模型-提示匹配偏差和样本-提示匹配偏差，提升视觉-语言模型在下游任务中的性能。

Comments Accepted by IJCV2025

Evaluating the Challenges of LLMs in Real-world Medical Follow-up: A Comparative Study and An Optimized Framework

评估LLMs在真实医疗随访中的挑战：一项比较研究及优化框架

Jinyan Liu, Zikang Chen, Qinchuan Wang, Tan Xie, Heming Zheng, Xudong Lv

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

AI总结 本文提出了一种模块化框架，通过任务分解、语义聚类和流程管理提升医疗随访中LLM的对话稳定性和准确性，同时减少对话轮次和token消耗。

Comments 10 pages,3 figures,conference ICCBB2025

Prompt-Aware Adaptive Elastic Weight Consolidation for Continual Learning in Medical Vision-Language Models

面向提示的自适应弹性权重固化用于医学视觉-语言模型的持续学习

Ziyuan Gao, Philippe Morel

机构 * University College London（伦敦大学学院） 纠错

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

AI总结 PA-EWC通过提示引导的参数专门化，有效缓解医疗视觉-语言模型在持续学习中的灾难性遗忘问题，提升多模态医学任务的性能。

Comments Accepted by 32nd International Conference on MultiMedia Modeling (MMM 2026)

SAMSA 2.0: Prompting Segment Anything with Spectral Angles for Hyperspectral Interactive Medical Image Segmentation

SAMSA 2.0：基于光谱角度的提示分割任意事物用于超光谱交互医学图像分割

Alfie Roddan, Tobias Czempiel, Chi Xu, Daniel S. Elson, Stamatia Giannarou

机构 * The Hamlyn Centre for Robotic Surgery, Department of Surgery and Cancer Imperial College London（哈姆林机器人手术中心、外科与癌症系帝国理工学院伦敦） 纠错

专题命中 领域大模型 ：prompting(title,abstract)

AI总结 SAMSA 2.0通过引入光谱角度提示，提升超光谱医学图像分割的准确性和鲁棒性，实现比RGB-only模型和先前光谱融合方法更高的Dice分数。

DACE For Railway Acronym Disambiguation

DACE用于铁路缩写消歧

El Mokhtar Hribach, Oussama Mechhour, Mohammed Elmonstaser, Yassine El Boudouri, Othmane Kabal

机构 * Nantes University（南特大学） ； CIRAD（国际热带农业研究中心） ； Groupe SII（SII集团） ； Univ. Lille（里尔大学） 纠错

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

AI总结 DACE通过动态提示和集合聚合方法，有效提升铁路文档中缩写消歧的准确率，取得竞赛第一名。

NEURO-GUARD: Neuro-Symbolic Generalization and Unbiased Adaptive Routing for Diagnostics -- Explainable Medical AI

NEURO-GUARD：神经符号泛化与无偏自适应路由用于诊断——可解释的医疗AI

Midhat Urooj, Ayan Banerjee, Sandeep Gupta

机构 * Arizona State University（亚利桑那州立大学） 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 NEURO-GUARD通过整合视觉变换器与语言驱动推理，提升医疗图像诊断的准确性、透明性和泛化能力。

Comments Accepted at Asilomar Conference

An Agentic AI Framework for Training General Practitioner Student Skills

一种用于培训全科医学生技能的代理AI框架

Victor De Marez, Jens Van Nooten, Luna De Bruyne, Walter Daelemans

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 本文提出了一种代理AI框架，用于培训全科医学生技能，通过统一病例生成、角色驱动对话和基于标准的评估，提升医学教育中虚拟模拟患者的效果。

Microsoft Academic Graph Information Retrieval for Research Recommendation and Assistance

微软学术图信息检索用于研究推荐与协助

Shikshya Shiwakoti, Samuel Goldsmith, Ujjwal Pandit

机构 * Microsoft（微软） 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 本文提出基于注意力的子图检索器，利用图神经网络和大语言模型进行高效信息检索与知识推理。

Comments 5 pages, 3 figures

Byzantine Fault-Tolerant Multi-Agent System for Healthcare: A Gossip Protocol Approach to Secure Medical Message Propagation

容错多智能体系统在医疗中的应用：基于 gossip 协议的安全医疗信息传播方法

Nihir Chadderwala

机构 * Nihir Chadderwala（独立研究者） 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 本文提出一种基于 gossip 协议的拜占庭容错多智能体系统，用于医疗领域，通过加密验证和共识协议保障信息安全与系统容错性。

TermGPT: Multi-Level Contrastive Fine-Tuning for Terminology Adaptation in Legal and Financial Domain

TermGPT：面向法律和金融领域术语适应的多级对比微调

Yidan Sun, Mengying Zhu, Feiyue Chen, Yangyang Wu, Xiaolei Dan, Mengyuan Yang, Xiaolin Zheng, Shenglin Ben

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

AI总结 TermGPT通过多级对比微调提升法律和金融领域术语区分能力，构建首个金融术语数据集并优于现有基线。

Comments 13 pages, 4 figures, AAAI'26

Toward Revealing Nuanced Biases in Medical LLMs

向揭示医疗大语言模型中的细微偏见迈进

Farzana Islam Adiba, Rahmatollah Beheshti

机构 * University of Delaware（特拉华大学） 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 本文提出结合知识图谱与辅助LLMs的框架，通过对抗性扰动和多跳表征技术，系统揭示医疗大语言模型中的复杂偏见模式。

"Even GPT Can Reject Me": Conceptualizing Abrupt Refusal Secondary Harm (ARSH) and Reimagining Psychological AI Safety with Compassionate Completion Standard (CCS)

即使GPT也可以拒绝我：概念化突然拒绝二次伤害（ARSH）并重新想象以同理心为核心的AI安全（CCS）

Yang Ni, Tong Yang

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

AI总结 本文提出ARSH概念，通过CCS设计框架减少AI拒绝带来的心理伤害，提升人机交互的心理安全。

On Finding Inconsistencies in Documents

在文档中发现不一致之处

Charles J. Lovering, Seth Ebner, Brandon Smock, Michael Krumdick, Saad Rabbani, Ahmed Muhammad, Varshini Reddy, Chris Tanner

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

AI总结 本文提出FIND基准测试，评估语言模型在发现文档中不一致性的能力，发现gpt-5能识别64%的人工插入不一致性，并发现原始文档中的未被发现的不一致性，但仍然存在大量未检测到的不一致性。

Ontology-Based Knowledge Graph Framework for Industrial Standard Documents via Hierarchical and Propositional Structuring

基于本体的知识图谱框架：通过层次化和命题化结构构建工业标准文档

Jiin Park, Hyuna Jeon, Yoonseo Lee, Jisu Hong, Misuk Kim

专题命中 领域大模型 ：LLM(abstract)；分类 cs.CL

AI总结 本文提出一种基于本体的知识图谱框架，通过层次化和命题化结构构建工业标准文档，提升问答性能和领域知识表示能力。

Comments The authors have identified significant technical errors in the paper that invalidate the current findings

What fifty-one years of Linguistics and Artificial Intelligence research tell us about their correlation: A scientometric analysis

语言学和人工智能研究51年告诉我们关于它们相关性的内容：一项科学计量分析

Mohammed Q. Shormani

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

AI总结 本研究通过科学计量分析揭示语言学与人工智能51年的相关性，发现出版量显著增长，涉及新兴问题与热点，推动深度学习语言模型发展。

Comments 26 pages, 15 figures

Journal ref Artificial Intelligence Review, 2025

InvCoSS: Inversion-driven Continual Self-supervised Learning in Medical Multi-modal Image Pre-training

InvCoSS: 基于反向驱动的医学多模态图像预训练中的连续自监督学习

Zihao Luo, Shaohao Rui, Zhenyu Tang, Guotai Wang, Xiaosong Wang

机构 * University of Electronic Science and Technology of China（电子科技大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Jiao Tong University（上海交通大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Brain-Computer Interface & Brain-Inspired Intelligence Key Laboratory of Sichuan Province（四川省脑机接口与脑启发智能重点实验室） 纠错

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

AI总结 InvCoSS通过反向生成合成图像和多尺度融合网络，实现连续自监督学习，减少存储需求并保护数据隐私。

Comments 16 pages, 10 figures, 5 tables

Hierarchical Bayesian Framework for Multisource Domain Adaptation

多源领域适应的分层贝叶斯框架

Alexander M. Glandon, Khan M. Iftekharuddin

专题命中 领域大模型 ：pretraining(abstract)

AI总结 本文提出了一种分层贝叶斯框架用于多源领域适应，通过利用不同源领域分布的相似性提升识别任务的准确性，实验表明在人类动作识别任务中比现有方法提升了17.29%。