语言大模型 / LLM

Idea2Story: An Automated Pipeline for Transforming Research Concepts into Complete Scientific Narratives

Idea2Story: 一种将研究概念转化为完整科学叙述的自动化流程

Tengyue Xu, Zhuoyang Qian, Gaoge Liu, Li Ling, Zhentao Zhang, Biao Wu, Shuo Zhang, Ke Lu, Wei Shi, Ziqi Wang, Zheng Feng, Yan Luo, Shu Xu, Yongjin Chen, Zhibo Feng, Zhuo Chen, Bruce Yuan, Harry Wang, Kris Chen

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

AI总结 Idea2Story通过离线知识构建实现自主科学发现，提升研究效率与可靠性。

Comments 11 pages, 3 figures

Scaling Medical Reasoning Verification via Tool-Integrated Reinforcement Learning

通过工具集成强化学习扩展医学推理验证

Hang Zhang, Ruheng Wang, Yuelyu Ji, Mingu Kwak, Xizhi Wu, Chenyu Li, Li Zhang, Wenqi Shi, Yifan Peng, Yanshan Wang

机构 * University of Pittsburgh（匹兹堡大学） ； UT Southwestern Medical Center（西南医学中心） ； Cornell University（康奈尔大学） 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 本文提出$\method$，通过工具集成强化学习实现医学推理验证的扩展，显著提升验证效果并降低采样预算需求。

Can AI Master Econometrics? Evidence from Econometrics AI Agent on Expert-Level Tasks

AI能否掌握计量经济学？来自计量经济学AI代理在专家级任务上的证据

Qiang Chen, Tianyang Han, Jin Li, Ye Luo, Zigan Wang, Yuxiao Wu, Xiaowei Zhang, Tuo Zhou

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MetricsAI，一个基于MetaGPT框架的计量经济学AI代理，通过实证分析展示其在专家级任务中超越传统模型的能力，推动社会科学研究的智能化与教育应用。

LLaTTE: Scaling Laws for Multi-Stage Sequence Modeling in Large-Scale Ads Recommendation

LLaTTE：大规模广告推荐中的多阶段序列建模的扩展定律

Lee Xiong, Zhirong Chen, Rahul Mayuranath, Shangran Qiu, Arda Ozdemir, Lu Li, Yang Hu, Dave Li, Jingtao Ren, Howard Cheng, Fabian Souto Herrera, Ahmed Agiza, Baruch Epshtein, Anuj Aggarwal, Julia Ulziisaikhan, Chao Wang, Dinesh Ramasamy, Parshva Doshi, Sri Reddy, Arnold Overwijk

机构 * AI at Meta（Meta人工智能） 纠错

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

AI总结 LLaTTE通过多阶段架构和语义特征优化，在广告推荐中实现4.3%的转化提升，展示了扩展定律在工业推荐系统中的应用价值。

Comments Lee Xiong, Zhirong Chen, and Rahul Mayuranath contributed equally to this work

From Specialist to Generalist: Unlocking SAM's Learning Potential on Unlabeled Medical Images

从专家到通用型：解锁SAM在未标记医学图像上的学习潜力

Vi Vu, Thanh-Huy Nguyen, Tien-Thinh Nguyen, Ba-Thinh Lam, Hoang-Thien Nguyen, Tianyang Wang, Xingjian Li, Min Xu

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Industrial University of Ho Chi Minh City（胡志明市工业大学） ； University of North Carolina at Charlotte（北卡罗来纳州夏洛特大学） ； University of Alabama at Birmingham（阿拉巴马大学伯明翰分校） 纠错

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

AI总结 SC-SAM通过专家-通用型框架结合U-Net和SAM，实现对未标记医学图像的高效半监督学习，取得最佳性能。

Comments Accepted to ISBI 2026

Structure-constrained Language-informed Diffusion Model for Unpaired Low-dose Computed Tomography Angiography Reconstruction

结构约束的语言引导扩散模型用于无配对低剂量计算机断层扫描血管造影重建

Genyuan Zhang, Zihao Wang, Zhifan Gao, Lei Xu, Zhen Zhou, Haijun Yu, Jianjia Zhang, Xiujian Liu, Weiwei Zhang, Shaoyu Wang, Huazhu Fu, Fenglin Liu, Weiwen Wu

机构 * Key Lab of Optoelectronic Technology and Systems and Engineering Research Center of Industrial Computed Tomography Nondestructive Testing, Ministry of Education, Chongqing University（光电技术与系统国家重点实验室和工业计算机断层非破坏检测工程研究中心，教育部，重庆大学） ； School of Biomedical Engineering, Sun Yat-sen University（中山大学生物医学工程学院） ； Department of Radiology, Beijing Anzhen Hospital, Capital Medical University（北京安贞医院放射科，首都医科大学） ； School of Information Engineering, Nanchang, Jiangxi（信息工程学院，南昌，江西） ； Institute of High Performance Computing (IHPC), Agency for Science, Technology and Research (A*STAR)（高性能计算研究所（IHPC），科技研究局（A*STAR）） 纠错

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

AI总结 本文提出结构约束的语言引导扩散模型，通过整合结构协同和空间智能，提升低剂量CT血管造影重建的准确性与对比度。

oculomix: Hierarchical Sampling for Retinal-Based Systemic Disease Prediction

oculomix：基于视网膜的系统性疾病的分层采样

Hyunmin Kim, Yukun Zhou, Rahul A. Jonas, Lie Ju, Sunjin Hwang, Pearse A. Keane, Siegfried K. Wagner

机构 * Institute of Ophthalmology, University College London, United Kingdom（伦敦大学学院眼科研究所） ； NIHR Moorfields Biomedical Research Centre, London, United Kingdom（英国 Moorfields 生物医学研究中心） ； University of Cologne, Faculty of Medicine, Department of Ophthalmology, Germany（科隆大学医学院眼科系） ； Hanyang University Guri Hospital, Guri City, South Korea（翰阳大学Guri医院） 纠错

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

AI总结 Oculomix通过分层采样策略提升视网膜图像在预测系统性疾病中的性能，优于传统混合样本增强方法。

Comments Accepted to ISBI 2026

Bridging Instead of Replacing Online Coding Communities with AI through Community-Enriched Chatbot Designs

通过社区增强的聊天机器人设计连接而非取代在线编程社区

Junling Wang, Lahari Goswami, Gustavo Kreia Umbelino, Kiara Chau, Mrinmaya Sachan, April Yi Wang

专题命中 领域大模型 ：LLM(abstract)

AI总结 本文提出Community-Enriched AI设计范式，通过整合在线编程社区内容提升AI聊天机器人与社区的互动性，增强用户信任并支持学习者解决问题。

Comments Accepted at the ACM Conference on Computer-Supported Cooperative Work and Social Computing (CSCW 2026). To appear in PACMHCI

Epistemic Diversity and Knowledge Collapse in Large Language Models

知识多样性与大语言模型中的知识崩溃

Dustin Wright, Sarah Masud, Jared Moore, Srishti Yadav, Maria Antoniak, Peter Ebert Christensen, Chan Young Park, Isabelle Augenstein

机构 * University of Copenhagen（哥本哈根大学） ； Aalborg University Copenhagen（奥胡斯大学哥本哈根分校） ； Stanford University（斯坦福大学） ； University of Colorado Boulder（科罗拉多大学波德分校） ； Microsoft Research（微软研究院） 纠错

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

AI总结 本研究通过评估大语言模型的知识多样性，发现模型大小影响多样性，RAG技术提升多样性，但文化背景影响显著，且国家特定信息更偏向英语。

Comments 16 pages; 8 figures, 4 tables; v2 changelog: Fixed the modeling for table 3, random effect is the model version; v3 changelog: Fixed minor formatting issues in tables 2 and 3; v4 changelog: Fixed some typos and model description; v5 changelog: Updated metadata; v6 changelog: Improved search baseline, writing revisions, added comparisons to semantic similarity only approaches

Mitigating LLM Hallucination via Behaviorally Calibrated Reinforcement Learning

通过行为校准强化学习缓解大语言模型幻觉

Jiayun Wu, Jiashuo Liu, Zhiyuan Zeng, Tianyang Zhan, Tianle Cai, Wenhao Huang

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Fudan University（复旦大学） 纠错

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

AI总结 本文通过行为校准强化学习提升大语言模型的不确定性量化能力，使其在数学推理和事实问答任务中表现更优。

Sparse CLIP: Co-Optimizing Interpretability and Performance in Contrastive Learning

稀疏CLIP：在对比学习中协同优化可解释性与性能

Chuan Qin, Constantin Venhoff, Sonia Joseph, Fanyi Xiao, Stefan Scherer

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

AI总结 稀疏CLIP通过在对比学习中直接整合稀疏性，实现了可解释性与性能的协同优化，保留了多模态能力并提升了下游任务性能。

Latent Object Permanence: Topological Phase Transitions, Free-Energy Principles, and Renormalization Group Flows in Deep Transformer Manifolds

隐含物体恒存：深度变换器流形中的拓扑相变、自由能原理与重整化群流

Faruk Alpay, Bugra Kilictas

机构 * Department of Computer Engineering, Bahçeşehir University（计算机工程系，巴切谢希尔大学） 纠错

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

AI总结 研究深度变换器模型中多步推理的隐含物体恒存现象，通过拓扑相变和重整化群流揭示低熵区域的形成机制。

Comments 12 pages, 3 figures

Hallucination Begins Where Saliency Drops

幻觉始于显著性下降

Xiaofeng Zhang, Yuanchao Zhu, Chaochen Gu, Xiaosong Yuan, Qiyan Zhao, Jiawei Cao, Feilong Tang, Sinan Fan, Yaomin Shen, Chen Shen, Hao Tang

专题命中 知识编辑与模型理解 ：language model(abstract)

AI总结 本文提出LVLMs-Saliency框架，通过融合注意力权重与输入梯度，利用显著性引导拒绝采样和局部连贯性强化机制，有效减少幻觉并提升模型可靠性。

Comments Accepted in ICLR 2026

Visual Multi-Agent System: Mitigating Hallucination Snowballing via Visual Flow

视觉多智能体系统：通过视觉流缓解幻觉雪球效应

Xinlei Yu, Chengming Xu, Guibin Zhang, Yongbo He, Zhangquan Chen, Zhucun Xue, Jiangning Zhang, Yue Liao, Xiaobin Hu, Yu-Gang Jiang, Shuicheng Yan

机构 * National University of Singapore（国立新加坡大学） ； Tencent Youtu Lab（腾讯优图实验室） ； Zhejiang University（浙江大学） ； Tsinghua University（清华大学） ； Fudan University（复旦大学） 纠错

专题命中 知识编辑与模型理解 ：language model(abstract)

AI总结 本文提出ViF方法，通过视觉流和注意力重新分配缓解多智能体系统中的视觉幻觉雪球效应，提升性能。

Mind the Gap: The Divergence Between Human and LLM-Generated Tasks

注意差距：人类与LLM生成任务之间的差异

Yi-Long Lu, Jiajun Song, Chunhui Zhang, Wei Wang

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

AI总结 研究揭示了人类与LLM在任务生成中的核心差异，指出人类受心理驱动影响，而LLM在生成具身目标方面存在不足。

Marriage Discourse on Chinese Social Media: An LLM-assisted Analysis

中国社交媒体上的婚姻 discourse：一种大语言模型辅助分析

Frank Tian-Fang Ye, Xiaozi Gao

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

AI总结 本研究利用大语言模型分析中国社交媒体上婚姻相关帖子的情感和道德元素，发现自主和社区框架下的帖子多为消极，而神圣框架下的帖子则偏向积极，揭示了个人自主与社区义务对婚姻态度的影响。

Gabliteration: Adaptive Multi-Directional Neural Weight Modification for Selective Behavioral Alteration in Large Language Models

Gabliteration: 适应性多方向神经权重修改用于大语言模型中的选择性行为改变

Gökdeniz Gülmez

机构 * Machine Learning Research Stuttgart, Germany（斯图加特德国机器学习研究所） 纠错

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

AI总结 Gabliteration通过适应性多方向神经权重修改技术，实现大语言模型中选择性行为改变的高效优化，提升模型性能并减少无关领域的影响。

QueerGen: How LLMs Reflect Societal Norms on Gender and Sexuality in Sentence Completion Tasks

QueerGen：LLMs在句子完成任务中如何反映性别和性取向的社会规范

Mae Sosto, Delfina Sol Martinez Pandiani, Laura Hollink

机构 * Centrum Wiskunde & Informatica（荷兰数学与信息学中心） ； Universiteit van Amsterdam（阿姆斯特丹大学） 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 QueerGen研究LLMs在句子完成任务中对性别和性取向的社会规范反映，揭示模型在不同主体类别中的偏见表现及影响因素。

ConStruM: A Structure-Guided LLM Framework for Context-Aware Schema Matching

ConStruM：一种结构引导的LLM框架，用于上下文感知的模式匹配

Houming Chen, Zhe Zhang, H. V. Jagadish

专题命中 其他LLM ：LLM(title,abstract)

AI总结 ConStruM通过结构引导的LLM框架，提供上下文感知的模式匹配，提升匹配准确性。

Comments 13 pages, 4 figures

Promises, Perils, and (Timely) Heuristics for Mining Coding Agent Activity

承诺、危险与（及时的）启发式方法用于挖掘编码代理活动

Romain Robbes, Théo Matricon, Thomas Degueule, Andre Hora, Stefano Zacchiroli

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

AI总结 本文探讨了编码代理在软件工程中的影响，分析了其快速采用带来的机遇与风险，并提出了研究此类代理活动的启发式方法。

Comments Preprint. Accepted for publication at MSR 2026

Demystifying the Slash Pattern in Attention: The Role of RoPE

解开注意力中的斜线模式之谜：RoPE的作用

Yuan Cheng, Fengzhuo Zhang, Yunlong Hou, Cunxiao Du, Chao Du, Tianyu Pang, Aixin Sun, Zhuoran Yang

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

AI总结 本文研究了大型语言模型中斜线注意力模式的成因，通过实证和理论分析揭示RoPE在形成斜线主导头中的作用。

In-context Language Learning for Endangered Languages in Speech Recognition

上下文语言学习用于语音识别中的濒危语言

Zhaolin Li, Jan Niehues

机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） 纠错

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

AI总结 本研究探讨了LLMs通过上下文学习在语音识别中学习濒危语言的可能性，并展示了基于概率的方法在语言学习中的优势。

Comments Interspeech2025

Journal ref Proc. Interspeech 2025, 738-742

MedViz: An Agent-based, Visual-guided Research Assistant for Navigating Biomedical Literature

MedViz: 一种基于代理的、可视化引导的文献导航研究助手

Huan He, Xueqing Peng, Yutong Xie, Qijia Liu, Chia-Hsuan Chang, Lingfei Qian, Brian Ondov, Qiaozhu Mei, Hua Xu

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

AI总结 MedViz通过整合AI代理与可视化技术，帮助研究人员更高效地探索和发现生物医学文献中的知识。

Gen-SER: When the generative model meets speech emotion recognition

Gen-SER：生成模型与语音情感识别的交汇

Taihui Wang, Jinzheng Zhao, Rilin Chen, Tong Lei, Wenwu Wang, Dong Yu

机构 * Tencent Multimodal Models Department（腾讯多模态模型部门） ； Tencent AI Lab（腾讯人工智能实验室） ； Centre for Vision, Speech and Signal Processing（视觉、语音与信号处理中心） ； University of Surrey（萨里大学） 纠错

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

AI总结 Gen-SER通过生成模型将语音情感识别转化为分布偏移问题，利用正弦学派编码和目标匹配生成模型实现高效分类，实验验证其在语音理解任务中的有效性及广泛适用性。

Comments Accepted to IEEE ICASSP 2026

A Computational Approach to Language Contact -- A Case Study of Persian

一种语言接触的计算方法——以波斯语为例

Ali Basirat, Danial Namazifard, Navid Baradaran Hemmati

机构 * Centre for Language Technology (CST), University of Copenhagen（语言技术中心（CST），哥本哈根大学） ； University of Tehran（塔里斯坦大学） ； Certified Translation Agency No. 1141, Mashhad, Iran（认证翻译机构第1141号，马什哈德，伊朗） 纠错

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

AI总结 本文通过研究波斯语模型在接触不同语言时的表示，揭示了语言接触对模型中间表示的影响，发现句法信息受历史接触影响小，而形态特征受语言结构影响大。

RusLICA: A Russian-Language Platform for Automated Linguistic Inquiry and Category Analysis

RusLICA：一个用于自动语言学探究和类别分析的俄语平台

Elina Sigdel, Anastasia Panfilova

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

AI总结 RusLICA通过构建俄语专用词典和心理语言学类别，实现了对俄语文本的自动化语言学分析与分类。

Comments The link to the platform: https://ruslica.ipran.ru

GCL-OT: Graph Contrastive Learning with Optimal Transport for Heterophilic Text-Attributed Graphs

GCL-OT：基于最优传输的图对比学习用于异质文本属性图

Yating Ren, Yikun Ban, Huobin Tan

机构 * Yating Ren, Yikun Ban, Huobin Tan 纠错

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

AI总结 GCL-OT通过最优传输和定制机制解决文本属性图中的异质性问题，提升结构-文本对齐效果。

Comments AAAI 2026

SketchDynamics: Exploring Free-Form Sketches for Dynamic Intent Expression in Animation Generation

SketchDynamics: 探索自由形式草图用于动画生成中的动态意图表达

Boyu Li, Lin-Ping Yuan, Zeyu Wang, Hongbo Fu

专题命中 其他LLM ：language model(abstract)

AI总结 SketchDynamics通过自由形式草图与AI交互，探索动态意图表达在动画生成中的应用，展示草图如何有效传达运动意图并指导视频生成。

Comments conditionally accepted by CHI'26

DiSa: Saliency-Aware Foreground-Background Disentangled Framework for Open-Vocabulary Semantic Segmentation

DiSa：面向开放词汇语义分割的视觉-语义解耦框架

Zhen Yao, Xin Li, Taotao Jing, Shuai Zhang, Mooi Choo Chuah

机构 * Department of Computer Science and Engineering, Lehigh University（计算机科学与工程系，莱恩大学） ； Department of Computer Science（计算机科学系） ； Engineering, Lehigh University（工程系，莱恩大学） ； Qualcomm AI Research（高通人工智能研究） 纠错

专题命中 其他LLM ：language model(abstract)

AI总结 DiSa通过显著性感知解耦框架和分层细化模块，有效解决开放词汇语义分割中前景偏见和空间定位不足的问题，提升分割精度。

Comments 19 pages, 11 figures

All-in-One Video Restoration under Smoothly Evolving Unknown Weather Degradations

全场景视频修复应对平滑演变的未知天气退化

Wenrui Li, Hongtao Chen, Yao Xiao, Wangmeng Zuo, Jiantao Zhou, Yonghong Tian, Xiaopeng Fan

机构 * Department of Computer Science and Technology, Harbin Institute of Technology（计算机科学与技术系，哈尔滨工业大学） ； Peng Cheng Laboratory, Shenzhen, China（鹏城实验室，深圳，中国） ； School of Computer Science, Peking University（计算机学院，北京大学） 纠错

专题命中 其他LLM ：prompting(abstract)

AI总结 本文提出ORCANet网络，针对平滑演变的未知天气退化问题，通过递归条件和适应提示机制实现视频修复的高质量与时序一致性。