语言大模型 / LLM

CogRec: A Cognitive Recommender Agent Fusing Large Language Models and Soar for Explainable Recommendation

CogRec: 一种融合大型语言模型和Soar的可解释推荐代理

Jiaxin Hu, Tao Wang, Bingsan Yang, Hongrun Wang

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

AI总结 CogRec融合大型语言模型和Soar认知架构，通过符号推理与在线学习提升推荐系统的可解释性和准确性。

Comments 9 pages, 6 figures

Large Language Models for Unit Test Generation: Achievements, Challenges, and Opportunities

大语言模型用于单元测试生成：成就、挑战与机遇

Bei Chu, Yang Feng, Kui Liu, Zhaoqiang Guo, Yichi Zhang, Hange Shi, Zifan Nan, Baowen Xu

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

AI总结 大语言模型在单元测试生成中展现出优势，但面临语义理解不足和标准化不足等挑战，未来需发展自主测试代理与混合系统。

Comments 27 pages, 8 figures

New Exam Security Questions in the AI Era: Comparing AI-Generated Item Similarity Between Naive and Detail-Guided Prompting Approaches

人工智能时代的新考试安全问题：比较基于提示策略的AI生成题目的相似性

Ting Wang, Caroline Prendergast, Susan Lottridge

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

AI总结 本研究比较了基于提示策略的AI生成题目相似性，发现即使仅使用公开信息，LLM生成的题目在某些临床领域仍与指导生成的题目相似，提示需加强考试安全措施。

Toward Robust Legal Text Formalization into Defeasible Deontic Logic using LLMs

迈向使用LLMs的稳健法律文本形式化到可撤销的规范逻辑

Elias Horner, Cristinel Mateis, Guido Governatori, Agata Ciabattoni

机构 * TU Wien（维也纳技术大学） ； AIT Austrian Institute of Technology（奥地利技术研究所） ； School of Engineering and Technology（工程与技术学院） ； Artificial Intelligence and Cyber Futures Institute（人工智能与未来网络研究院） 纠错

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

AI总结 本文提出利用LLMs将法律文本形式化为可撤销规范逻辑，通过结构化管道和改进的评估方法，提升形式化的一致性和完整性。

Comments This version is an extended version with additional results and discussion

Towards Generalisable Foundation Models for Brain MRI

面向脑部MRI的通用基础模型

Moona Mazher, Geoff J. M. Parker, Daniel C. Alexander

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

AI总结 BrainFound是一种针对脑部MRI设计的通用基础模型，通过扩展DINO-v2实现3D脑解剖建模，支持多模态输入并提升诊断准确性，适用于多种临床场景和研究应用。

FUSE-RSVLM: Feature Fusion Vision-Language Model for Remote Sensing

FUSE-RSVLM：用于遥感的特征融合视觉-语言模型

Yunkai Dang, Donghao Wang, Jiacheng Yang, Yifan Jiang, Meiyi Zhu, Yuekun Yang, Cong Wang, Qi Fan, Wenbin Li, Yang Gao

机构 * School of Artificial Intelligence Science and Technology, Nanjing University（人工智能科学与技术学院，南京大学） 纠错

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

AI总结 FUSE-RSVLM通过多特征融合技术提升遥感图像的视觉-语言处理能力，有效解决细粒度特征提取和视觉遗忘问题，在遥感分类、图像描述和VQA任务中表现优异。

Improving Reliability and Explainability of Medical Question Answering through Atomic Fact Checking in Retrieval-Augmented LLMs

通过检索增强的大语言模型中的原子事实核查来提高医疗问答的可靠性与可解释性

Juraj Vladika, Annika Domres, Mai Nguyen, Rebecca Moser, Jana Nano, Felix Busch, Lisa C. Adams, Keno K. Bressem, Denise Bernhardt, Stephanie E. Combs, Kai J. Borm, Florian Matthes, Jan C. Peeken

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 通过原子事实核查提升医疗问答的可靠性与可解释性，减少幻觉并提高事实准确性。

Comments 18 pages, 7 figures and tables

Integrating Domain Knowledge for Financial QA: A Multi-Retriever RAG Approach with LLMs

在金融问答中整合领域知识：一种基于多检索器RAG方法与LLM的多检索器RAG方法

Yukun Zhang, Stefan Elbl Droguett, Samyak Jain

机构 * Department of Computer Science Stanford University（计算机科学系 斯坦福大学） ； Graduate School of Business Stanford University（商学院 斯坦福大学） 纠错

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

AI总结 本研究提出一种基于多检索器RAG方法与LLM的金融问答系统，通过领域知识训练提升数值推理能力，验证了领域特定训练在不同模型规模下的性能差异。

Coding With AI: From a Reflection on Industrial Practices to Future Computer Science and Software Engineering Education

编码与AI：从工业实践的反思到未来计算机科学与软件工程教育

Hung-Fu Chang, MohammadShokrolah Shirazi, Lizhou Cao, Supannika Koolmanojwong Mobasser

机构 * R. B. Annis School of Engineering（R. B. Annis 工程学院） ； University of Indianapolis（印第安纳大学） ； E. S. Witchger School of Engineering（E. S. Witchger 工程学院） ； Marian University（玛丽安大学） ； University of Maryland Eastern Shore（马里兰大学东部分校） ； The Boehm Center for Systems and Software Engineering（Boehm 系统与软件工程中心） 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 本文探讨了AI在工业实践中对软件开发的影响，分析了LLM工具带来的生产力提升与风险，并提出教育应转向问题解决和项目式学习以适应变化。

Comments 21 pages, 5 figures

AstroReview: An LLM-driven Multi-Agent Framework for Telescope Proposal Peer Review and Refinement

AstroReview: 一种基于大语言模型的多智能体框架用于望远镜提案同行评审与优化

Yutong Wang, Yunxiang Xiao, Yonglin Tian, Junyong Li, Jing Wang, Yisheng Lv

机构 * The Key Laboratory of Multimodal Artificial Intelligence Systems, Institute of Automation, Chinese Academy of Sciences（多模态人工智能系统重点实验室，自动化研究所，中国科学院） ； The School of Artificial Intelligence, University of Chinese Academy of Sciences（人工智能学院，中国科学院大学） 纠错

专题命中 领域大模型 ：LLM(title)；分类 cs.AI

AI总结 AstroReview通过多智能体框架实现望远镜提案的自动化评审与优化，显著提升评审效率和质量。

Chrono: A Simple Blueprint for Representing Time in MLLMs

Chrono: 一种用于多模态大语言模型中表示时间的简单蓝图

Hector Rodriguez, Boris Meinardus, Anil Batra, Anna Rohrbach, Marcus Rohrbach

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

AI总结 Chrono提出了一种简单通用的序列蓝图，用于提升多模态大语言模型在视频时间定位和 grounded 视频问答任务中的性能。

Comments Code: https://github.com/sudo-Boris/mr-Blip. Submitted to IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI). Under review

Cleaning English Abstracts of Scientific Publications

清理科学出版物中的英文摘要

Michael E. Rose, Nils A. Herrmann, Sebastian Erhardt

机构 * Max Planck Institute for Innovation and Competition（马克斯·普朗克创新与竞争研究所） ； Technical University Munich（慕尼黑技术大学） 纠错

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

AI总结 本文提出了一种开源语言模型，用于清理科学出版物中的英文摘要，通过自动去除冗余信息以提高文本分析的准确性与信息含量。

Comments 2 tables, 2 figures

Semi-Supervised Diversity-Aware Domain Adaptation for 3D Object detection

半监督多样性感知领域适应用于3D目标检测

Bartłomiej Olber, Jakub Winter, Paweł Wawrzyński, Andrii Gamalii, Daniel Górniak, Marcin Łojek, Robert Nowak, Krystian Radlak

机构 * Warsaw University of Technology（华沙技术大学） ； IDEAS NCBR 纠错

专题命中 领域大模型 ：post-training(abstract)

AI总结 本文提出了一种基于神经激活模式的半监督领域适应方法，通过少量多样化样本标注提升3D目标检测在跨领域应用中的性能。

OmniCosmos: Transferring Particle Physics Knowledge Across the Cosmos

OmniCosmos：跨宇宙传递粒子物理知识

Vinicius Mikuni, Ibrahim Elsharkawy, Benjamin Nachman

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

AI总结 OmniCosmos通过碰撞物理模型提升宇宙学参数预测和星系速度预测，实现跨科学领域泛化。

Comments 7 pages, 5 figures

Bridging the Perception-Cognition Gap:Re-engineering SAM2 with Hilbert-Mamba for Robust VLM-based Medical Diagnosis

弥合感知-认知鸿沟：通过希尔伯特-马amba重新工程SAM2以实现鲁棒的基于VLM的医学诊断

Hao Wu, Hui Li, Yiyun Su

机构 * Southern University of Science and Technology（南方科技大学） ； School of Informatics, Xiamen University（厦门大学信息学院） ； Rutgers University（罗格斯大学） 纠错

专题命中 领域大模型 ：language model(abstract)

AI总结 通过重新设计SAM2架构，引入希尔伯特空间填充曲线和希尔伯特-马amba交叉注意力机制，提升基于VLM的医学图像分割与诊断准确性。

OxygenREC: An Instruction-Following Generative Framework for E-commerce Recommendation

OxygenREC: 一种用于电商推荐的指令遵循生成框架

Xuegang Hao, Ming Zhang, Alex Li, Xiangyu Qian, Zhi Ma, Yanlong Zang, Shijie Yang, Zhongxuan Han, Xiaolong Ma, Jinguang Liu, Zhen Li, Zhida Jiang, Shusheng Wang, Ning Tang, Yanchen Qiao, Chenxiang Yang, Chen Sun, Jincheng Yuan, Chunhua Peng, Heng Hu, Peijun Yang, Baopeng Yuan, Caiyun Qiu, Zhaolong Xing, Haofei Yuan, Haipeng Zhang, Yuzhang Guo, Weijie Ding, Jiahua Gao, Hao Huang, Zhen Chen, Tongxuan Liu, Pinghua Gong

专题命中 领域大模型 ：LLM(abstract)

AI总结 OxygenREC通过快慢思考架构和语义对齐机制，实现低延迟多场景的深度推荐推理。

Comments 37 pages, 7 figures

SciceVPR: Stable Cross-Image Correlation Enhanced Model for Visual Place Recognition

SciceVPR: 稳定跨图像相关性增强模型用于视觉位置识别

Shanshan Wan, Yingmei Wei, Lai Kang, Tianrui Shen, Haixuan Wang, Yee-Hong Yang

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

AI总结 SciceVPR通过增强跨图像相关性，提升视觉位置识别的稳定性和性能，优于现有单阶段和两阶段方法。

Comments This work has been accepted by Neurocomputing. The final version can be accessed via https://www.sciencedirect.com/science/article/pii/S0925231225032114