语言大模型 / LLM

Gender and Race Bias in Consumer Product Recommendations by Large Language Models

大型语言模型在消费者产品推荐中的性别和种族偏见

Ke Xu, Shera Potka, Alex Thomo

机构 * University of Victoria, British Columbia, Canada（维多利亚大学） 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.CL、cs.AI、cs.LG

AI总结 本文研究了大型语言模型在消费者产品推荐中存在性别和种族偏见的问题，通过提示工程和三种分析方法揭示了推荐中的不平等现象，并强调了构建更公平推荐系统的重要性。

Comments Accepted at the 39th International Conference on Advanced Information Networking and Applications (AINA 2025)

Journal ref Lecture Notes in Networks and Systems, vol 1210, pp. 222-233, 2025

Large Language Models in Peer-Run Community Behavioral Health Services: Understanding Peer Specialists and Service Users' Perspectives on Opportunities, Risks, and Mitigation Strategies

在同伴运行社区心理健康服务中使用大型语言模型：理解同伴专家和服务用户对机会、风险及缓解策略的看法

Cindy Peng, Megan Chai, Gao Mo, Naveen Raman, Ningjing Tang, Shannon Pagdon, Margaret Swarbrick, Nev Jones, Fei Fang, Hong Shen

机构 * School of Computer Science（计算机科学系） ； Carnegie Mellon University（卡内基梅隆大学） ； Human-Computer Interaction Institute（人机交互研究所） ； University of Pittsburgh（匹兹堡大学） ； Graduate School of Applied and Professional Psychology（应用与专业心理学研究生院） ； Rutgers University（罗格斯大学） ； Software and Societal Systems Department（软件与社会系统部门） 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 本文探讨了在同伴运行社区心理健康服务中引入大型语言模型的影响，分析了机会、风险及缓解策略，强调了LLM作为关系合作者而非临床工具的角色。

Comments 24 pages, 2 tables, 7 figures. Accepted and to appear in the Proceedings of CHI 2026

RiskAgent: Synergizing Language Models with Validated Tools for Evidence-Based Risk Prediction

RiskAgent: 语言模型与验证工具协同以基于证据的风险预测

Fenglin Liu, Jinge Wu, Hongjian Zhou, Xiao Gu, Jiayuan Zhu, Jiazhen Pan, Junde Wu, Soheila Molaei, Anshul Thakur, Lei Clifton, Honghan Wu, David A. Clifton

机构 * University of Oxford（牛津大学） ； University College London（伦敦大学学院） ； Technical University of Munich（慕尼黑技术大学） ； University of Glasgow（格拉斯哥大学） ； Oxford-Suzhou Centre for Advanced Research（牛津-苏浙高级研究中心） 纠错

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

AI总结 RiskAgent通过整合语言模型与验证的临床决策工具，实现基于证据的风险预测，展现优越的性能和泛化能力。

Comments Code and Data are available at https://github.com/AI-in-Health/RiskAgent

XAI-CLIP: ROI-Guided Perturbation Framework for Explainable Medical Image Segmentation in Multimodal Vision-Language Models

XAI-CLIP: 通过区域感兴趣引导扰动框架实现多模态视觉-语言模型中可解释的医学图像分割

Thuraya Alzubaidi, Sana Ammar, Maryam Alsharqi, Islem Rekik, Muzammil Behzad

机构 * King Fahd University of Petroleum and Minerals（国王法赫德石油和矿物大学） ； Massachusetts Institute of Technology（麻省理工学院） ； Imperial College London（伦敦帝国学院） ； KFUPM-SDAIA Joint Research Centre for Artificial Intelligence（KFUPM-SDAIA联合人工智能研究中心） 纠错

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

AI总结 XAI-CLIP通过多模态视觉-语言模型嵌入实现医学图像分割的可解释性和效率提升，减少计算开销并提高分割精度。

The Rise of Sparse Mixture-of-Experts: A Survey from Algorithmic Foundations to Decentralized Architectures and Vertical Domain Applications

稀疏专家混合模型的兴起：从算法基础到去中心化架构和垂直领域应用的综述

Dong Pan, Bingtao Li, Yongsheng Zheng, Jiren Ma, Victor Fei

机构 * FEDIMOSS TECH HK LIMITED（FEDIMOSS科技（香港）有限公司） ； Ormi Labs, Inc.（Ormi实验室有限公司） 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 本文综述了稀疏混合专家模型从算法基础到去中心化架构及垂直领域应用的发展，系统探讨了其核心原理、去中心化范式和关键挑战，为研究者和实践者提供全面的参考。

Journal ref Journal of Computer Science and Artificial Intelligence 5 (2025) 25-41

PiFlow: Principle-Aware Scientific Discovery with Multi-Agent Collaboration

PiFlow：基于多智能体协作的原则感知科学发现

Yingming Pu, Tao Lin, Hongyu Chen

机构 * Westlake University（西湖大学） 纠错

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

AI总结 PiFlow通过多智能体协作和原则引导，提升科学发现效率和质量，实现高效且稳健的AI驱动研究。

GraphAgents: Knowledge Graph-Guided Agentic AI for Cross-Domain Materials Design

GraphAgents: 基于知识图谱的多智能体AI用于跨领域材料设计

Isabella A. Stewart, Tarjei Paule Hage, Yu-Chuan Hsu, Markus J. Buehler

机构 * Department of Civil and Environmental Engineering Massachusetts Institute of Technology（土木与环境工程系 马萨诸塞理工学院） ； Department of Mechanical Engineering Massachusetts Institute of Technology（机械工程系 马萨诸塞理工学院） ； Department of Civil and Environmental Engineering Department of Mechanical Engineering Schwarzman College of Computing Massachusetts Institute of Technology（土木与环境工程系 机械工程系 斯沃茨曼计算学院 马萨诸塞理工学院） 纠错

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

AI总结 GraphAgents通过多智能体与知识图谱结合，实现跨领域材料设计，生成可持续替代品并平衡性能与生物相容性。

Any-to-All MRI Synthesis: A Unified Foundation Model for Nasopharyngeal Carcinoma and Its Downstream Applications

任意到全部MRI合成：鼻咽癌及其下游应用的统一基础模型

Yao Pu, Yiming Shi, Zhenxi Zhang, Peixin Yu, Yitao Zhuang, Xiang Wang, Hongzhao Chen, Jing Cai, Ge Ren

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

AI总结 本文提出统一基础模型实现任意到全部MRI合成，提升鼻咽癌放疗的准确性和临床实用性。

RankGR: Rank-Enhanced Generative Retrieval with Listwise Direct Preference Optimization in Recommendation

RankGR: 基于列表级直接偏好优化的排名增强生成检索用于推荐

Kairui Fu, Changfa Wu, Kun Yuan, Binbin Cao, Dunxian Huang, Yuliang Yan, Junjun Zheng, Jianning Zhang, Silu Zhou, Jian Wu, Kun Kuang

专题命中 领域大模型 ：preference optimization(title,abstract)

AI总结 RankGR通过列表级直接偏好优化提升生成检索的推荐效果，实现更精确的用户偏好建模和高效候选评估。

Zero-shot System for Automatic Body Region Detection for Volumetric CT and MR Images

零样本系统用于体积CT和MRI图像的自动身体区域检测

Farnaz Khun Jush, Grit Werner, Mark Klemens, Matthias Lenga

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

AI总结 本文提出零样本系统用于体积CT和MRI图像自动身体区域检测，通过预训练模型实现无监督分割，展示了基于规则和多模态语言模型的性能对比。

Comments 8 pages, 5 figures, 5 tables

QARM V2: Quantitative Alignment Multi-Modal Recommendation for Reasoning User Sequence Modeling

QARM V2：量化对齐多模态推荐用于推理用户序列建模

Tian Xia, Jiaqi Zhang, Yueyang Liu, Hongjian Dou, Tingya Yin, Jiangxia Cao, Xulei Liang, Tianlu Xie, Lihao Liu, Xiang Chen, Shen Wang, Changxin Lao, Haixiang Gan, Jinkai Yu, Keting Cen, Lu Hao, Xu Zhang, Qiqiang Zhong, Zhongbo Sun, Yiyu Wang, Shuang Yang, Mingxin Wen, Xiangyu Wu, Shaoguo Liu, Tingting Gao, Zhaojie Liu, Han Li, Kun Gai

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

AI总结 QARM V2通过量化对齐多模态推荐方法，解决推荐系统中用户序列建模的语义理解与业务需求不匹配问题。

Comments Work in progress

SynthAgent: A Multi-Agent LLM Framework for Realistic Patient Simulation -- A Case Study in Obesity with Mental Health Comorbidities

SynthAgent：一种多智能体LLM框架用于真实患者模拟——以肥胖伴发心理健康共病的案例研究

Arman Aghaee, Sepehr Asgarian, Jouhyun Jeon

机构 * Klick Health（Klick健康） 纠错

专题命中 领域大模型 ：LLM(title)；分类 cs.AI

AI总结 SynthAgent通过多智能体框架生成高保真的虚拟患者，用于研究肥胖与心理健康共病的患者旅程和决策过程。

Comments Presented in AAAI 2026 Singapore at the workshop of Health Intelligence

Advantages of Domain Knowledge Injection for Legal Document Summarization: A Case Study on Summarizing Indian Court Judgments in English and Hindi

领域知识注入在法律文件摘要中的优势：以总结印度法院判决的英文和印地语摘要为例

Debtanu Datta, Rajdeep Mukherjee, Adrijit Goswami, Saptarshi Ghosh

机构 * Department of Mathematics（数学系） ； Indian Institute of Technology Kharagpur（印度理工学院Khargpur分校） ； Department of Computer Science and Engineering（计算机科学与工程系） 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 本研究通过注入领域知识提升印度法律文件摘要能力，生成英文和印地语摘要，验证方法有效性。

Comments 19 pages, 5 figures, 8 tables

mTSBench: Benchmarking Multivariate Time Series Anomaly Detection and Model Selection at Scale

mTSBench：大规模多变量时间序列异常检测与模型选择基准测试

Xiaona Zhou, Constantin Brif, Ismini Lourentzou

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

AI总结 mTSBench是一个大规模多变量时间序列异常检测与模型选择基准测试，评估24种检测器并揭示模型选择的迫切需求。

Journal ref Transactions on Machine Learning Research, 2026

Rethinking Explainable Disease Prediction: Synergizing Accuracy and Reliability via Reflective Cognitive Architecture

重新思考可解释疾病预测：通过反思认知架构协同提升准确性和可靠性

Zijian Shao, Haiyang Shen, Mugeng Liu, Gecheng Fu, Yaoqi Guo, Yanfeng Wang, Yun Ma

机构 * Institute for Artificial Intelligence, Peking University ； School of Software \& Microelectronics, Peking University ； School of Computer Science, Peking University ； School of Life Sciences, Peking University ； Department of Comprehensive Oncology, National Cancer Center/National Clinical Research Center for Cancer/Cancer Hospital, Chinese Academy of Medical Sciences ； Peking Union Medical College Beijing, China 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 本文提出反思认知架构（RCA），通过经验与反思直接从表格数据学习，实现预测精度与解释可靠性的协同提升。

Comments under review

BioACE: An Automated Framework for Biomedical Answer and Citation Evaluations

BioACE: 一种用于生物医学答案和引用评估的自动化框架

Deepak Gupta, Davis Bartels, Dina Demner-Fushman

机构 * Division of Intramural Research（院内研究部） ； National Library of Medicine（国家医学图书馆） 纠错

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

AI总结 BioACE提出了一种自动化框架，用于评估生物医学答案和引用的质量，通过多方面指标和实验分析，提供最佳的评估方法。

Comments Work in progress

AI-based Verbal and Visual Scaffolding in a Serious Game: Effects on Learning and Cognitive Load

基于AI的严肃游戏中的言语和视觉支架：对学习和认知负荷的影响

Caroline Wermann, Karina E. Avila, Sebastian André, Julia C. Draeger, Alvar Goetze, Jochen Kuhn, Maite Maurer, Sascha Mehlhase, Nikola Merkas, Fabian Schrodt, Stefan Küchemann

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

AI总结 本研究探讨了基于AI的严肃游戏中言语和视觉支架对学习和认知负荷的影响，发现综合支架能降低认知负荷并提升学习效果。

Comments 10 pages, 5 figures

We Should Separate Memorization from Copyright

我们应该将记忆与版权分开

Adi Haviv, Niva Elkin-Koren, Uri Hacohen, Roi Livni, Shay Moran

机构 * Buchmann Faculty of Law, Tel Aviv University（特拉维夫大学法学院） ； Blavatnik School of Computer Science（比拉维克计算机科学学院） ； AI , Tel Aviv University（人工智能，特拉维夫大学） ； School of Electrical and Computer Engineering（电气与计算机工程学院） ； Departments of Mathematics, Computer Science（数学与计算机科学系） ； Decision Sciences Technion– Israel Institute of Technology（决策科学技术学院——以色列理工学院） 纠错

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

AI总结 本文主张将记忆与复制区分开来，提出基于风险的评估方法以更准确地处理版权问题。

Learning from Literature: Integrating LLMs and Bayesian Hierarchical Modeling for Oncology Trial Design

从文献中学习：整合大语言模型和贝叶斯分层建模用于肿瘤试验设计

Guannan Gong, Satrajit Roychoudhury, Allison Meisner, Lajos Pusztai, Sarah B Goldberg, Wei Wei

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

AI总结 LEAD-ONC通过整合大语言模型和贝叶斯分层建模，利用文献数据优化肿瘤试验设计，预测生存差异和治疗益处。

GlyphWeaver: Unlocking Glyph Design Creativity with Uniform Glyph DSL and AI

GlyphWeaver: 通过统一的 glyph DSL 和 AI 解锁 glyph 设计创意

Can Liu, Shiwei Chen, Zhibang Jiang, Yong Wang

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

AI总结 GlyphWeaver 通过统一的 glyph DSL 和 AI 技术，为非程序员提供创建复杂 glyph 可视化的工具。

Can LLMs Talk 'Sex'? Exploring How AI Models Handle Intimate Conversations

LLMs能否谈论‘性’？探索AI模型如何处理亲密对话

Huiqian Lai

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

AI总结 本研究探讨了不同AI模型在处理涉及性内容请求时的伦理监管差异，揭示了各模型在边界执行上的不一致，并强调了建立统一伦理框架的必要性。

Comments 6 pages, 1 figure, accepted as a short paper at ASIS&T Annual Meeting 2025

Journal ref Proceedings of the Association for Information Science and Technology 62(1), 984-989 (2025)

Data Science and Technology Towards AGI Part I: Tiered Data Management

数据科学与技术迈向通用人工智能 Part I：分层数据管理

Yudong Wang, Zixuan Fu, Hengyu Zhao, Chen Zhao, Chuyue Zhou, Xinle Lin, Hongya Lyu, Shuaikang Xue, Yi Yi, Yingjiao Wang, Zhi Zheng, Yuzhou Zhang, Jie Zhou, Chaojun Xiao, Xu Han, Zhiyuan Liu, Maosong Sun

机构 * Tsinghua University（清华大学） ； ModelBest Inc.（ModelBest公司） ； Beijing Institute of Technology（北京理工大学） ； South China Agricultural University（华南农业大学） 纠错

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

AI总结 本文提出分层数据管理框架，通过数据与模型的协同进化提升大语言模型训练效率和性能。

Comments 16 pages, 3 figures, 7 tables

Accelerating Social Science Research via Agentic Hypothesization and Experimentation

通过代理假设和实验加速社会科学研究

Jishu Sen Gupta, Harini SI, Somesh Kumar Singh, Syed Mohamad Tawseeq, Yaman Kumar Singla, David Doermann, Rajiv Ratn Shah, Balaji Krishnamurthy

机构 * Adobe Media and Data Science Research (MDSR)（Adobe媒体与数据科学研究所） 纠错

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

AI总结 EXPERIGEN通过代理框架实现端到端的科学发现，发现更多显著且预测性强的假设，并通过A/B测试验证其有效性。

Data Darwinism Part I: Unlocking the Value of Scientific Data for Pre-training

数据达尔文主义 第一部分：解锁科学数据为预训练带来的价值

Yiwei Qin, Zhen Huang, Tiantian Mi, Weiye Si, Chenyang Zhou, Qipeng Guo, Siyuan Feng, Pengfei Liu

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

AI总结 数据达尔文主义通过十级分类法提升科学数据预训练效果，利用生成细化和认知完成技术，实现数据与模型的共同进化。

RARe: Retrieval Augmented Retrieval with In-Context Examples

RARe: 基于上下文示例的检索增强检索

Atula Tejaswi, Yoonsang Lee, Sujay Sanghavi, Eunsol Choi

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

AI总结 RARe通过在检索查询中引入语义相似的上下文示例，提升开放域检索性能，实现nDCG最高+2.72%的提升。

Comments COLM 2025

Belief Offloading in Human-AI Interaction

人类-人工智能交互中的信念卸载

Rose E. Guingrich, Dvija Mehta, Umang Bhatt

机构 * Princeton University（普林斯顿大学） ； Eindhoven University of Technology（埃因霍温理工大学） ； University of Cambridge（剑桥大学） 纠错

专题命中 领域大模型 ：LLM(abstract)；分类 cs.AI

AI总结 本文研究了人类在与人工智能交互时，将信念形成过程卸载给AI系统的影响及潜在后果。

Hyperspectral Imaging

高光谱成像

Danfeng Hong, Chenyu Li, Naoto Yokoya, Bing Zhang, Xiuping Jia, Antonio Plaza, Paolo Gamba, Jon Atli Benediktsson, Jocelyn Chanussot

机构 * Southeast University（东南大学） ； University of Tokyo（东京大学） ； Chinese Academy of Sciences（中国科学院） ； University of New South Wales（新南威尔士大学） ； University of Extremadura（埃斯特雷马杜拉大学） ； University of Pavia（帕维亚大学） ； University of Iceland（冰岛大学） ； Univ. Grenoble Alpes（格勒诺布尔阿尔卑斯大学） 纠错

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

AI总结 本文综述了高光谱成像的原理、技术方法及应用，探讨了其在多领域中的潜力与挑战。

Comments Accepted by Nature Reviews Methods Primers

Aster: Autonomous Scientific Discovery over 20x Faster Than Existing Methods

Aster：比现有方法快20倍的自主科学发现

Emmett Bicker

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

AI总结 Aster是一种能快速自主发现科学问题的AI代理，通过减少迭代次数提升效率，适用于长评估时间的任务，如机器学习训练，并在多个领域取得SOTA成果。

Comments Available at www.asterlab.ai, 25 pages, 8 figures, 4 tables

Towards Cybersecurity Superintelligence: from AI-guided humans to human-guided AI

迈向网络安全超智能：从AI引导的人类到人类引导的AI

Víctor Mayoral-Vilches, Stefan Rass, Martin Pinzger, Endika Gil-Uriarte, Unai Ayucar-Carbajo, Jon Ander Ruiz-Alcalde, Maite del Mundo de Torres, María Sanz-Gómez, Francesco Balassone, Cristóbal R. J. Veas-Chavez, Vanesa Turiel, Alfonso Glera-Picón, Daniel Sánchez-Prieto, Yuri Salvatierra, Paul Zabalegui-Landa, Ruffino Reydel Cabrera-Álvarez, Patxi Mayoral-Pizarroso

专题命中 领域大模型 ：LLM(abstract)

AI总结 本文提出通过AI引导人类到人类引导AI的网络安全超智能发展路径，展示了PentestGPT、CAI和G-CTR在安全领域的创新与突破。

DINO-Mix: Distilling Foundational Knowledge with Cross-Domain CutMix for Semi-supervised Class-imbalanced Medical Image Segmentation

DINO-Mix：通过跨领域CutMix进行基础知识蒸馏以实现半监督类不平衡医学图像分割

Xinyu Liu, Guolei Sun

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

AI总结 DINO-Mix通过引入预训练视觉模型和渐进性不平衡感知CutMix，解决半监督医学图像分割中少数类识别困难的问题。

Comments AAAI 2026 Workshop on Artificial Intelligence with Biased or Scarce Data (Oral)