语言大模型 / LLM

Guarded Query Routing for Large Language Models

受保护的查询路由用于大型语言模型

Richard Šléher, William Brach, Tibor Sloboda, Kristián Košťál, Lukas Galke

机构 * Faculty of Informatics（信息学系） ； Information Technologies, Slovak University of Technology in Bratislava（信息技术，斯洛伐克技术大学布拉迪斯拉发分校） ； Centre for Machine Learning, University of Southern Denmark（机器学习中心，丹麦南部大学） 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 本文提出受保护的查询路由基准，对比不同方法在准确率与速度上的表现，发现WideMLP在两者之间取得最佳平衡。

Harnessing Large Language Models for Precision Querying and Retrieval-Augmented Knowledge Extraction in Clinical Data Science

利用大语言模型实现临床数据科学中的精准查询与检索增强的知识提取

Juan Jose Rubio Jan, Jack Wu, Julia Ive

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

AI总结 本研究利用大语言模型在临床数据科学中实现精准查询和检索增强的知识提取，通过实验验证其在结构化数据查询和非结构化文本信息提取中的有效性。

Comments 11 pages, 5 figures

What Matters in LLM-Based Feature Extractor for Recommender? A Systematic Analysis of Prompts, Models, and Adaptation

在基于大语言模型的特征提取器中，什么重要？对提示、模型和适应的系统分析

Kainan Shi, Peilin Zhou, Ge Wang, Han Ding, Fei Wang

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

AI总结 本文提出RecXplore框架，通过模块化分析揭示LLM特征提取器中提示、模型和适应策略对推荐性能的影响，并展示其在多个数据集上的显著提升效果。

Comments 9 pages. Keywords: Recommender Systems, Large Language Models, Sequential Recommendation, Feature Extraction

Less is More: Benchmarking LLM Based Recommendation Agents

少即是多：基于大语言模型的推荐代理基准测试

Kargi Chauhan, Mahalakshmi Venkateswarlu

机构 * University of California, Santa Cruz（加州大学圣克鲁兹分校） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

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

AI总结 本文通过基准测试挑战了“更多上下文更好”的假设，发现较短上下文能有效降低推理成本而不影响推荐质量。

PatchFormer: A Patch-Based Time Series Foundation Model with Hierarchical Masked Reconstruction and Cross-Domain Transfer Learning for Zero-Shot Multi-Horizon Forecasting

PatchFormer: 一种基于补丁的时间序列基础模型，具有层次化掩码重建和跨域迁移学习，用于零样本多时间跨度预测

Olaf Yunus Laitinen Imanov, Derya Umut Kulali, Taner Yilmaz

机构 * Department of Applied Mathematics and Computer Science (DTU Compute), Technical University of Denmark（应用数学与计算机科学系（DTU Compute），丹麦技术大学） ； Department of Engineering, Eskisehir Technical University（工程系，埃斯基谢普大学） ； Department of Computer Engineering, Afyon Kocatepe University（计算机工程系，阿菲昂卡奥卡佩大学） 纠错

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

AI总结 PatchFormer通过层次化掩码重建和跨域迁移学习，实现零样本多时间跨度预测，显著提升预测精度并减少训练数据需求。

Comments 5 pages; 2 figures; 7 tables

Like a Therapist, But Not: Reddit Narratives of AI in Mental Health Contexts

像治疗师，但不是：Reddit中关于心理健康情境下AI的叙述

Elham Aghakhani, Rezvaneh Rezapour

机构 * Drexel University（德雷塞尔大学） 纠错

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

AI总结 本研究通过分析Reddit上的心理健康相关AI使用叙述，探讨了用户对AI在心理健康领域中的评价与关系契合，揭示了任务契合度与情感联系在用户互动中的不同影响。

GuideAI: A Real-time Personalized Learning Solution with Adaptive Interventions

GuideAI: 一种具有自适应干预的实时个性化学习解决方案

Ananya Shukla, Chaitanya Modi, Satvik Bajpai, Siddharth Siddharth

机构 * HTI Lab, Plaksha University（普拉克斯大学HTI实验室） 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 GuideAI通过整合实时生物反馈和多模态学习策略，提升LLM在个性化学习中的适应性和有效性，显著改善学习效果和认知负荷。

Comments Accepted for publication at the 31st International Conference on Intelligent User Interfaces (IUI 2026)

CASCADE: Cumulative Agentic Skill Creation through Autonomous Development and Evolution

CASCADE：通过自主开发与进化实现累积性代理技能创造

Xu Huang, Junwu Chen, Yuxing Fei, Zhuohan Li, Philippe Schwaller, Gerbrand Ceder

机构 * Department of Materials Science and Engineering, University of California, Berkeley, California, United States（加州大学伯克利分校材料科学与工程系） ； Materials Sciences Division, Lawrence Berkeley National Laboratory, California, United States（劳伦斯伯克利国家实验室材料科学部） ； Laboratory of Artificial Chemical Intelligence (LIAC), Institute of Chemical Sciences and Engineering, École Polytechnique Fédérale de Lausanne (EPFL), Lausanne, Switzerland（日内瓦联邦理工学院化学科学与工程研究所人工化学智能实验室） ； National Centre of Competence in Research (NCCR) Catalysis, École Polytechnique Fédérale de Lausanne (EPFL), Lausanne, Switzerland（日内瓦联邦理工学院催化研究国家中心） 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 CASCADE通过自主开发与进化实现代理技能的累积，提升复杂科学任务的适应性和扩展性。

"DIVE" into Hydrogen Storage Materials Discovery with AI Agents

深入探索氢储存材料发现的AI智能体

Di Zhang, Xue Jia, Tran Ba Hung, Seong Hoon Jang, Linda Zhang, Ryuhei Sato, Yusuke Hashimoto, Toyoto Sato, Kiyoe Konno, Shin-ichi Orimo, Hao Li

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 DIVE通过多智能体工作流提升氢储存材料数据提取效率，实现快速逆向设计。

Comments 23 pages, 5 figures. The supplementary video is available at the GitHub link provided in the manuscript

Journal ref Chemical Science 2026

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