语言大模型 / LLM

Using Small Language Models to Reverse-Engineer Machine Learning Pipelines Structures

利用小型语言模型反向工程机器学习流水线结构

Nicolas Lacroix, Mireille Blay-Fornarino, Sébastien Mosser, Frederic Precioso

机构 * Université Côte d’Azur, Inria, CNRS, I3S（法国蔚蓝海岸大学、Inria、CNRS、I3S） 纠错

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

AI总结 本文研究小型语言模型在反向工程机器学习流水线结构中的应用，评估其在提升数据科学实践理解方面的潜力。

Comments SANER 2026 Registered Report

CPGPrompt: Translating Clinical Guidelines into LLM-Executable Decision Support

CPGPrompt：将临床指南转化为LLM可执行的决策支持

Ruiqi Deng, Geoffrey Martin, Tony Wang, Gongbo Zhang, Yi Liu, Chunhua Weng, Yanshan Wang, Justin F Rousseau, Yifan Peng

机构 * Information Science (Health Tech), Cornell Tech, New York, NY, USA（信息科学（健康科技），康奈尔科技，纽约，纽约州） ； Systems Engineering, Cornell University, Ithaca, NY, USA（系统工程，康奈尔大学，伊萨卡，纽约州） ； Population Health Sciences, Weill Cornell Medicine, New York, NY, USA（人口健康科学，韦尔医学院，纽约，纽约州） ； Computer and Information Science, Cornell University, Ithaca, NY, USA（计算机与信息科学，康奈尔大学，伊萨卡，纽约州） ； Department of Biomedical Informatics, Columbia University, New York, NY, USA（生物医学信息学系，哥伦比亚大学，纽约，纽约州） ； Department of Medicine, Weill Cornell Medicine, New York, NY, USA（医学系，韦尔医学院，纽约，纽约州） ； Department of Health Information Management, University of Pittsburgh, Pittsburgh, PA, USA（健康信息管理系，匹兹堡大学，匹兹堡，宾夕法尼亚州） ； Clinical and Translational Science Institute, University of Pittsburgh, Pittsburgh, PA, USA（临床与转化科学研究所，匹兹堡大学，匹兹堡，宾夕法尼亚州） ； Department of Neurology, UT Southwestern Medical Center, Dallas, TX, USA（神经病学系，德克萨斯西南医学中心，达拉斯，德克萨斯州） ； Peter O’Donnell Jr. Brain Institute, UT Southwestern Medical Center, Dallas, TX, USA（彼得·奥·donnell Jr.脑研究所，德克萨斯西南医学中心，达拉斯，德克萨斯州） ； Clinical Informatics Center, University of Texas Southwestern Medical Center, Dallas, USA（临床信息学中心，德克萨斯西南医学中心，达拉斯，美国） ； Institute of Artificial Intelligence for Digital Health, Weill Cornell Medicine, New York, NY USA（数字健康人工智能研究所，韦尔医学院，纽约，纽约州） 纠错

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

AI总结 CPGPrompt通过将临床指南转化为LLM可执行的结构化决策树，实现对患者病例的高效评估，提升了专科转诊和路径分类的准确性。

MARVEL: A Multi Agent-based Research Validator and Enabler using Large Language Models

MARVEL：基于大语言模型的多智能体研究验证器与促进器

Nikhil Mukund, Yifang Luo, Fan Zhang, Lisa Barsotti, Erik Katsavounidis

机构 * MIT Kavli Institute for Astrophysics and Space Research and LIGO Laboratory（麻省理工学院凯斯利天文与空间研究所及LIGO实验室） ； Massachusetts Institute of Technology（麻省理工学院） ； State Key Laboratory of Ocean Sensing & Ocean College（海洋传感国家重点实验室） ； Zhejiang University（浙江大学） ； NSF AI Institute for Artificial Intelligence and Fundamental Interactions (IAIFI)（国家科学基金会人工智能与基本相互作用研究所） ； Cambridge, MA, USA（美国马萨诸塞州剑桥市） 纠错

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

AI总结 MARVEL通过结合快速查询路径和深度搜索模式，为科学领域提供可部署的验证器，其在探测器操作内容上显著优于GPT-4o基线。

Comments 18 pages, 7 figures

Scanner-Induced Domain Shifts Undermine the Robustness of Pathology Foundation Models

扫描诱导的域偏移损害病理基础模型的鲁棒性

Erik Thiringer, Fredrik K. Gustafsson, Kajsa Ledesma Eriksson, Mattias Rantalainen

机构 * Department of Medical Epidemiology and Biostatistics, Karolinska Institutet（卡罗林斯卡研究所医学流行病学与生物统计学系） ； Department of Engineering Science, University of Oxford（牛津大学工程科学系） 纠错

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

AI总结 本文研究了扫描诱导的域偏移对病理基础模型鲁棒性的影响，发现现有模型在面对扫描设备变异性时存在显著偏差，需改进嵌入稳定性和校准以提升临床可靠性。

LLMDiRec: LLM-Enhanced Intent Diffusion for Sequential Recommendation

LLMDiRec: 基于大语言模型的意图扩散增强序列推荐

Bo-Chian Chen, Manel Slokom

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

AI总结 LLMDiRec通过整合大语言模型与意图感知扩散模型，提升序列推荐中复杂用户意图捕捉和长尾项推荐效果。

Comments Under review

Adapting Vision-Language Foundation Model for Next Generation Medical Ultrasound Image Analysis

为下一代医学超声图像分析适应视觉-语言基础模型

Jingguo Qu, Xinyang Han, Jia Ai, Juan Wu, Tong Zhao, Tonghuan Xiao, Sheng Ning, Yuqi Yang, Jing Qin, Ann Dorothy King, Winnie Chiu-Wing Chu, Jing Cai, Michael Tin-Cheung Ying

机构 * Department of Health Technology and Informatics, The Hong Kong Polytechnic University（健康科技与信息学系，香港理工大学） ； Centre for Smart Health and School of Nursing, The Hong Kong Polytechnic University（智能健康中心及护理学院，香港理工大学） ； Department of Imaging and Interventional Radiology, The Chinese University of Hong Kong（影像与介入放射学系，香港中文大学） ； Suzhou Hospital of Traditional Chinese Medicine Affiliated to Nanjing University of Chinese Medicine（南京中医药大学附属苏州中医医院） ； Department of Ultrasound, The Affiliated Changzhou No. 2 People's Hospital of Nanjing Medical University（南京医科大学附属常州第二人民医院超声科） 纠错

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

AI总结 本文提出混合微调策略，通过频域过滤和多尺度特征聚合提升CLIP模型在超声图像分析中的性能，实现更高效和鲁棒的医学诊断应用。

Personalized Medication Planning via Direct Domain Modeling and LLM-Generated Heuristics

通过直接领域建模和LLM生成的启发式方法实现个性化药物规划

Yonatan Vernik, Alexander Tuisov, David Izhaki, Hana Weitman, Gal A. Kaminka, Alexander Shleyfman

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

AI总结 本文通过直接领域建模和LLM生成的启发式方法，提升了个性化药物规划的规模和效率，支持更接近临床应用的实践。

Reinforcement Learning for Tool-Integrated Interleaved Thinking towards Cross-Domain Generalization

强化学习用于工具集成的交叉领域泛化思考

Zhengyu Chen, Jinluan Yang, Teng Xiao, Ruochen Zhou, Luan Zhang, Xiangyu Xi, Xiaowei Shi, Wei Wang, Jinggang Wang

机构 * Meituan（美团） ； Zhejiang University（浙江大学） ； Allen Institute for Artificial Intelligence（人工智能算法研究所） ； City University of Hong Kong（香港城市大学） 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 本文提出RITE方法，通过强化学习和交叉领域工具执行，提升LLM在跨领域推理中的泛化能力。

Digital Red Queen: Adversarial Program Evolution in Core War with LLMs

数字红皇后：基于大语言模型的Core War中的对抗程序进化

Akarsh Kumar, Ryan Bahlous-Boldi, Prafull Sharma, Phillip Isola, Sebastian Risi, Yujin Tang, David Ha

机构 * MIT（麻省理工学院） ； Sakana AI 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 本文提出DRQ算法，利用大语言模型在Core War游戏中通过持续适应变化的目标进化出通用且高效的战士，揭示了动态对抗进化在人工智能系统中的潜力。

Comments 14 pages, 13 figures

RadDiff: Describing Differences in Radiology Image Sets with Natural Language

RadDiff：用自然语言描述放射学图像集的差异

Xiaoxian Shen, Yuhui Zhang, Sahithi Ankireddy, Xiaohan Wang, Maya Varma, Henry Guo, Curtis Langlotz, Serena Yeung-Levy

机构 * Stanford University（斯坦福大学） 纠错

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

AI总结 RadDiff通过多模态代理系统实现放射学图像集差异的自然语言描述，结合医学知识和多模态推理，在放射学研究配对中取得高准确率，推动临床影像分析的发展。

Why LLMs Aren't Scientists Yet: Lessons from Four Autonomous Research Attempts

为何大语言模型尚未成为科学家：来自四个自主研究尝试的教训

Dhruv Trehan, Paras Chopra

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

AI总结 本文探讨了四个自主生成科研论文的尝试，揭示了大语言模型在科学工作流程中面临的六个常见失败模式，并提出了改进AI科学家系统的设计原则。

MetagenBERT: a Transformer-based Architecture using Foundational genomic Large Language Models for novel Metagenome Representation

MetagenBERT: 一种基于Transformer的架构，利用基础基因大语言模型进行新颖的宏基因组表示

Gaspar Roy, Eugeni Belda, Baptiste Hennecart, Yann Chevaleyre, Edi Prifti, Jean-Daniel Zucker

机构 * IRD, Sorbonne University, UMMISCO（IRD、索邦大学、UMMISCO） ； Sorbonne University, INSERM, Nutriomics（索邦大学、国家卫生研究院、Nutriomics） ； LAMSADE, Dauphine University, PSL Research University（LAMSADE、达菲大学、PSL研究大学） 纠错

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

AI总结 MetagenBERT通过端到端的DNA序列嵌入和聚类策略，无需注释即可实现宏基因组的高效表示，展示了在疾病预测中的优越性能和跨队列的泛化能力。

NeuronScope: A Multi-Agent Framework for Explaining Polysemantic Neurons in Language Models

NeuronScope：一种用于解释语言模型中多义神经元的多智能体框架

Weiqi Liu, Yongliang Miao, Haiyan Zhao, Yanguang Liu, Mengnan Du

机构 * Wuhan University（武汉大学） ； Hong Kong Baptist University（香港 Baptist大学） ； New Jersey Institute of Technology（新泽西理工学院） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） 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.CL、cs.LG

AI总结 NeuronScope通过多智能体框架迭代优化神经元解释，揭示语言模型中隐藏的多义性并提升解释的激活相关性。

TRYLOCK: Defense-in-Depth Against LLM Jailbreaks via Layered Preference and Representation Engineering

TRYLOCK：通过分层偏好和表征工程实现对LLM劫持的纵深防御

Scott Thornton

机构 * AI/ML Security Researcher（人工智能与机器学习安全研究员） 纠错

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

AI总结 TRYLOCK通过分层偏好和表征工程实现对LLM劫持的纵深防御，结合DPO、RepE、自适应侧车和输入规范化，有效降低攻击成功率并提升安全性与易用性的平衡。

Comments 14 pages, 4 figures. Code and datasets at https://github.com/scthornton/trylock

Where meaning lives: Layer-wise accessibility of psycholinguistic features in encoder and decoder language models

意义栖息之处：编码器和解码器语言模型中心理语言学特征的分层可访问性

Taisiia Tikhomirova, Dirk U. Wulff

机构 * Max Planck Institute for Human Development（马克斯·普朗克人类发展研究所） ； Technische Universität Berlin（技术大学柏林） ； University of Basel（巴塞尔大学） 纠错

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

AI总结 研究揭示了变换器模型中心理语言学特征的分层可访问性，发现意义的定位依赖于方法和架构，并展示了词汇属性与经验性情感维度的深度差异。

Decide Then Retrieve: A Training-Free Framework with Uncertainty-Guided Triggering and Dual-Path Retrieval

决定后再检索：一种无训练框架，结合不确定性引导触发和双路径检索

Wang Chen, Guanqiang Qi, Weikang Li, Yang Li, Deguo Xia, Jizhou Huang

机构 * Baidu Inc（百度公司） ； The University of Hong Kong（香港大学） ； Peking University（北京大学） 纠错

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

AI总结 DTR通过不确定性引导触发和双路径检索，提升问答性能并减少冗余检索。

In Search of Grandmother Cells: Tracing Interpretable Neurons in Tabular Representations

寻找祖母细胞：在表格表示中追踪可解释的神经元

Ricardo Knauer, Erik Rodner

机构 * KI-Werkstatt University of Applied Sciences Berlin（KI-Werkstatt应用科学大学柏林） 纠错

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

AI总结 本文提出两种信息论度量，用于量化神经元对单一概念的显著性和选择性，并在表格基础模型TabPFN中发现部分神经元对高层概念具有统计显著的显著性。

Comments EurIPS 2025 Workshop on AI for Tabular Data

Attention mechanisms in neural networks

神经网络中的注意机制

Hasi Hays

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

AI总结 本文系统阐述了神经网络中注意机制的理论基础、计算特性及应用，涵盖自然语言处理、计算机视觉和多模态学习等多个领域，分析了其可解释性及当前存在的限制。

Mass Concept Erasure in Diffusion Models with Concept Hierarchy

扩散模型中的概念擦除与概念层次

Jiahang Tu, Ye Li, Yiming Wu, Hanbin Zhao, Chao Zhang, Hui Qian

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

AI总结 本文提出了一种基于概念层次的扩散模型擦除方法，通过群体擦除和超类型保留低秩适应技术，提高擦除效率并减少生成质量退化。

Comments This paper has been accepted by AAAI 2026

BiListing: Modality Alignment for Listings

BiListing: 列表模态对齐

Guillaume Guy, Mihajlo Grbovic, Chun How Tan, Han Zhao

机构 * Airbnb 纠错

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

AI总结 BiListing通过结合大型语言模型和预训练语言-图像模型，实现列表文本与照片的模态对齐，提升搜索效率并解决冷启动问题。

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

Brain-Inspired Exploration of Functional Networks and Key Neurons in Large Language Models

受脑启发的大型语言模型中功能网络和关键神经元探索

Yiheng Liu, Zhengliang Liu, Zihao Wu, Junhao Ning, Haiyang Sun, Sichen Xia, Yang Yang, Xiaohui Gao, Ning Qiang, Bao Ge, Tianming Liu, Junwei Han, Xintao Hu

机构 * School of Automation, Northwestern Polytechnical University, Xi’an, China（自动化学院，西北工业大学，西安，中国） ； School of Computing, University of Georgia, Athens, USA（计算机学院，佐治亚大学，亚特兰大，美国） ； School of Physics and Information Technology, Shaanxi Normal University, Xi’an, China（物理与信息技术学院，陕西师范大学，西安，中国） 纠错

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

AI总结 本文受脑启发，探索LLM中的功能网络和关键神经元，发现这些网络对模型性能至关重要，通过抑制或增强网络活动可影响模型整体表现或特定任务效果。

Comments 21 pages, 18 figures

ThriftLLM: On Cost-Effective Selection of Large Language Models for Classification Queries

ThriftLLM: 关于大语言模型在分类查询中的低成本高效选择

Keke Huang, Yimin Shi, Dujian Ding, Yifei Li, Yang Fei, Laks Lakshmanan, Xiaokui Xiao

专题命中 其他LLM ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)

AI总结 ThriftLLM通过低成本高效选择大语言模型集合，优化分类查询的正确性概率。

Context-Alignment: Activating and Enhancing LLM Capabilities in Time Series

上下文对齐：在时间序列中激活和增强大语言模型的能力

Yuxiao Hu, Qian Li, Dongxiao Zhang, Jinyue Yan, Yuntian Chen

机构 * The Hong Kong Polytechnic University（香港理工大学） ； Ningbo Institute of Digital Twin（宁波数字孪生研究所） ； Eastern Institute of Technology（东部技术研究所） ； Shanghai Jiao Tong University（上海交通大学） 纠错

专题命中 其他LLM ：LLM(title)；large language model(abstract)；language model(abstract)；prompting(abstract)

AI总结 本文提出上下文对齐方法，通过多模态输入和图神经网络增强LLMs在时间序列任务中的能力，提升逻辑和结构理解，提高预测性能。

Comments This paper has been accepted by ICLR 2025

FairT2I: Mitigating Social Bias in Text-to-Image Generation via Large Language Model-Assisted Detection and Attribute Rebalancing

FairT2I: 通过大型语言模型辅助的检测与属性再平衡缓解文本到图像生成中的社会偏见

Jinya Sakurai, Yuki Koyama, Issei Sato

机构 * The University of Tokyo（东京大学） 纠错

专题命中 其他LLM ：large language model(title)；language model(title)；LLM(abstract)

AI总结 FairT2I通过大型语言模型辅助检测与属性再平衡，有效缓解文本到图像生成中的社会偏见问题。

Improved LLM Agents for Financial Document Question Answering

改进的金融文档问答大型语言模型代理

Nelvin Tan, Zian Seng, Liang Zhang, Yu-Ching Shih, Dong Yang, Amol Salunkhe

机构 * American Express（美国美国运通） 纠错

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

AI总结 本文提出改进的金融文档问答代理，通过实验展示其在无 oracle 标签情况下的有效性，并引入更安全的计算代理。

Comments 13 pages, 6 figures. More analysis is added to Appendix C

OnlineMate: An LLM-Based Multi-Agent Companion System for Cognitive Support in Online Learning

OnlineMate: 基于大语言模型的多智能体伴侣系统用于在线学习中的认知支持

Xian Gao, Zongyun Zhang, Ting Liu, Yuzhuo Fu

机构 * Shanghai Jiao Tong University（上海交通大学） 纠错

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

AI总结 OnlineMate通过基于LLM的多智能体系统，结合理论思维，为在线学习提供个性化认知支持，提升学习深度与情感参与。

Comments work in progress

Full-Stack Knowledge Graph and LLM Framework for Post-Quantum Cyber Readiness

全栈知识图谱与大语言模型框架用于后量子网络安全准备

Rasmus Erlemann, Charles Colyer Morris, Sanjyot Sathe

专题命中 其他LLM ：LLM(title)；large language model(abstract)；language model(abstract)

AI总结 本文提出基于知识图谱和大语言模型的框架，用于评估企业后量子网络安全准备度，通过量化风险传播和分解风险属性，实现可解释的准备度度量。

Comments 21 pages, 2 figures

Web Fraud Attacks Against LLM-Driven Multi-Agent Systems

针对基于大语言模型的多智能体系统 的网络欺诈攻击

Dezhang Kong, Hujin Peng, Yilun Zhang, Lele Zhao, Zhenhua Xu, Shi Lin, Changting Lin, Meng Han

机构 * Zhejiang University（浙江大学） ； Changsha University of Science and Technology（长沙理工大学） ； Purdue University（普渡大学） ； University of California San Diego（加州大学圣地亚哥分校） ； Zhejiang Gongshang University（浙江工商大学） 纠错

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

AI总结 本文提出了一种针对基于大语言模型的多智能体系统的新攻击类型，通过网络链接的独特结构欺骗系统，展示了其在不同架构中的破坏潜力及逃避优势。

LFD: Layer Fused Decoding to Exploit External Knowledge in Retrieval-Augmented Generation

LFD: 层融合解码以利用外部知识进行检索增强生成

Yang Sun, Zhiyong Xie, Lixin Zou, Dan Luo, Min Tang, Xiangyu Zhao, Yunwei Zhao, Xixun Lin, Yanxiong Lu, Chenliang Li

机构 * Key Laboratory of Aerospace Information Security and Trusted Computing, Ministry of Education, School of Cyber Science and Engineering, Wuhan University（航空信息安全与可信计算重点实验室，教育部，武汉大学计算机科学与工程学院） ； Lehigh University（莱斯大学） ； Monash University（墨尔本大学） ； City University of Hong Kong（香港城市大学） ； CNCERT/CC（国家互联网应急中心） ； Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； Search Team, WeChat, Tencent Inc.（微信搜索团队，腾讯公司） 纠错

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

AI总结 LFD通过层融合解码策略，利用中层表示与最终层解码输出结合，提升RAG系统在检索外部事实性知识上的效率。

CSI-MAE: A Masked Autoencoder-based Channel Foundation Model

CSI-MAE：基于掩码自动编码器的通道基础模型

Jun Jiang, Xiaolong Ruan, Shugong Xu

专题命中 其他LLM ：foundation model(title,abstract)

AI总结 CSI-MAE通过掩码自动编码器实现跨场景泛化的通道基础模型，有效整合传感与通信，提升无线通信性能。

Comments 6 pages