语言大模型 / LLM

LADFA: A Framework of Using Large Language Models and Retrieval-Augmented Generation for Personal Data Flow Analysis in Privacy Policies

LADFA：利用大型语言模型和检索增强生成进行隐私政策中个人数据流分析的框架

Haiyue Yuan, Nikolay Matyunin, Ali Raza, Shujun Li

机构 * Institute of Cyber Security for Society (iCSS) \& School of Computing, University of Kent Canterbury United Kingdom ； Honda Research Institute Europe GmbH Germany ； Institute of Cyber Security for Society (iCSS) \& School of Computing, University of Kent ； Honda Research Institute Europe GmbH 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.AI

AI总结 LADFA利用大型语言模型和检索增强生成技术，实现对隐私政策中个人数据流的自动化分析与可视化。

Credit C-GPT: A Domain-Specialized Large Language Model for Conversational Understanding in Vietnamese Debt Collection

信用C-GPT：一种面向越南债务催收的领域专用大语言模型

Nhung Nguyen Thi Hong, Cuong Nguyen Dang, Tri Le Ngoc

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

AI总结 Credit C-GPT是一种针对越南债务催收场景优化的领域专用大语言模型，通过整合多任务对话智能，提升对话理解、情感识别和意图检测等能力，为企业呼叫中心提供实时帮助和分析解决方案。

Comments 8 pages, 0 figures, 3 tables. Preprint

Evaluating Large Language Models for Fair and Reliable Organ Allocation

评估大型语言模型以实现公平和可靠的器官分配

Brian Hyeongseok Kim, Hannah Murray, Isabelle Lee, Jason Byun, Joshua Lum, Dani Yogatama, Evi Micha

机构 * University of Southern California（南加州大学） 纠错

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

AI总结 本文评估了大型语言模型在器官分配中的公平性，发现基于暴露的指标显示公平结果，而基于概率的指标揭示了系统性的偏好排序，强调了对公平性评估和人类监督的必要性。

Actors, Frames and Arguments: A Multi-Decade Computational Analysis of Climate Discourse in Financial News using Large Language Models

行动者、框架和论点：利用大语言模型对金融新闻中气候话语的多十年计算分析

Ruiran Su, Janet B. Pierrehumbert, Markus Leippold

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

AI总结 利用大语言模型分析金融新闻中气候话语的演变，揭示了从风险与监管负担到经济机会与创新的转变，以及金融机构在其中的主导作用。

OUTLINEFORGE: Hierarchical Reinforcement Learning with Explicit States for Scientific Writing

OUTLINEFORGE: 基于显式状态的分层强化学习用于科学写作

Yilin Bao, Ziyao He, Zayden Yang

机构 * UC San Diego（圣迭戈大学） ； Ohio State University（俄亥俄州立大学） 纠错

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

AI总结 OUTLINEFORGE通过分层强化学习和显式状态管理，提升科学写作的全局结构和引用一致性，改进文档规划和事实准确性。

SciNets: Graph-Constrained Multi-Hop Reasoning for Scientific Literature Synthesis

SciNets: 图约束多跳推理用于科学文献综合

Sauhard Dubey

机构 * Jaypee Institute of Information Technology（杰伊佩 Institute 信息科技学院） 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.AI、cs.LG

AI总结 SciNets通过图约束多跳推理实现科学文献综合，通过多跳路径连接罕见共现的概念，提升机制解释的稳定性和多样性。

Comments 19 pages, 2 figures

R-LAM: Reproducibility-Constrained Large Action Models for Scientific Workflow Automation

R-LAM：具有可重复性约束的大型动作模型用于科学工作流自动化

Suriya Sureshkumar

机构 * 1, Department of AI \& Data Science, RMK Engineering College, Chennai, India 纠错

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

AI总结 R-LAM通过引入结构化动作模式、确定性执行策略和显式溯源跟踪，提升科学工作流自动化的可重复性和可靠性。

Comments 9 pages, 3 figures, 1 Table, 2 Artifacts

Five Years of SciCap: What We Learned and Future Directions for Scientific Figure Captioning

五年 SciCap：我们学到了什么以及科学图表描述的未来方向

Ting-Hao 'Kenneth' Huang, Ryan A. Rossi, Sungchul Kim, Tong Yu, Ting-Yao E. Hsu, Ho Yin, Ng, C. Lee Giles

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 SciCap项目通过五年研究总结了科学图表描述领域的技术经验，并提出了未来研究的五个关键方向。

Comments Accepted to the 5th Annual AAAI Workshop on AI to Accelerate Science and Engineering (AI2ASE 2026). SciCap Website: http://scicap.ai/

SIN-Bench: Tracing Native Evidence Chains in Long-Context Multimodal Scientific Interleaved Literature

SIN-Bench：在长上下文多模态科学交织文献中追踪原生证据链

Yiming Ren, Junjie Wang, Yuxin Meng, Yihang Shi, Zhiqiang Lin, Ruihang Chu, Yiran Xu, Ziming Li, Yunfei Zhao, Zihan Wang, Yu Qiao, Ruiming Tang, Minghao Liu, Yujiu Yang

机构 * Tsinghua University（清华大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； KuaiShou Inc.（快手公司） ； Stanford University（斯坦福大学） ； Harvard University（哈佛大学） 纠错

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 SIN-Bench 通过构建科学交织语料库和四个逐步任务，评估多模态模型在长上下文科学文献中追踪证据链的能力，揭示接地是主要瓶颈。

Clinical Document Metadata Extraction: A Scoping Review

临床文档元数据提取：一项综述

Kurt Miller, Qiuhao Lu, William Hersh, Kirk Roberts, Steven Bedrick, Andrew Wen, Hongfang Liu

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 本文综述了临床文档元数据提取的研究，分析了方法学趋势和应用，并指出了未来研究方向。

Explicating Tacit Regulatory Knowledge from LLMs to Auto-Formalize Requirements for Compliance Test Case Generation

从LLMs中阐释隐性监管知识以实现需求的自动形式化，用于合规测试用例生成

Zhiyi Xue, Xiaohong Chen, Min Zhang

机构 * Shanghai Key Laboratory of Trustworthy Computing, ECNU（上海可信计算实验室，华东师范大学） ； Dishui Lake International Software Engineering Institute, ECNU（迪希湖国际软件工程研究院，华东师范大学） 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 RAFT通过从多个LLMs中阐释隐性监管知识，实现需求自动形式化和合规测试生成，提升测试用例生成的精度和效率。

Comments 16 pages, 8 figures, 4 tables

Step-by-Step Causality: Transparent Causal Discovery with Multi-Agent Tree-Query and Adversarial Confidence Estimation

逐步因果：基于多智能体树查询和对抗性置信度估计的透明因果发现

Ziyi Ding, Chenfei Ye-Hao, Zheyuan Wang, Xiao-Ping Zhang

机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University, Shenzhen, China（清华大学深圳国际研究生院） ； Zhili College, Tsinghua University, Beijing, China（清华大学哲利学院） 纠错

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

AI总结 本文提出Tree-Query框架，通过多专家LLM和对抗性置信度估计，实现透明、可解释的因果发现，提升数据自由环境下的因果推理能力。

Filling in the Clinical Gaps in Benchmark: Case for HealthBench for the Japanese medical system

填补基准测试中的临床空白：日本医疗系统的健康基准案

Shohei Hisada, Endo Sunao, Himi Yamato, Shoko Wakamiya, Eiji Aramaki

机构 * Nara Institute of Science and Technology（奈良科学技术大学） 纠错

专题命中 领域大模型 ：LLM(abstract)；分类 cs.CL

AI总结 本研究指出日本医疗系统中医疗大语言模型评估的空白，提出建立本地化的J-HealthBench以提升评估的准确性和安全性。

Comments draft v0.3 Code and analysis data is available at https://zenodo.org/records/17405321

VQ-Seg: Vector-Quantized Token Perturbation for Semi-Supervised Medical Image Segmentation

VQ-Seg: 基于向量量化令牌扰动的半监督医学图像分割

Sicheng Yang, Zhaohu Xing, Lei Zhu

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） 纠错

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

AI总结 VQ-Seg通过向量量化和量化扰动模块提升半监督医学图像分割性能，有效解决传统dropout正则化问题。

Comments Accepted by NeurIPS 2025