语言大模型 / LLM

Reasoning to Rank: An End-to-End Solution for Exploiting Large Language Models for Recommendation

推理以排序：一种利用大语言模型进行推荐的端到端解决方案

Kehan Zheng, Deyao Hong, Qian Li, Jun Zhang, Huan Yu, Jie Jiang, Hongning Wang

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

AI总结 本文提出了一种端到端的推荐框架，通过强化学习优化大语言模型的推理过程，以提高推荐系统的性能。

Large Language Models for Healthcare Text Classification: A Systematic Review

用于医疗文本分类的大型语言模型：系统综述

Hajar Sakai, Sarah S. Lam

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 本文系统综述了LLMs在医疗文本分类中的应用，分析了现有研究的现状、挑战及未来研究方向。

FiMI: A Domain-Specific Language Model for Indian Finance Ecosystem

FiMI：面向印度金融生态的领域专用语言模型

Aboli Kathar, Aman Kumar, Anusha Kamath, Araveeti Srujan, Ashish Sharma, Chandra Bhushan, Divya Sorate, Duddu Prasanth Kumar, Evan Acharya, Harsh Sharma, Hrithik Kadam, Kanishk Singla, Keyur Doshi, Kiran Praveen, Kolisetty Krishna SK, Krishanu Adhikary, Lokesh MPT, Mayurdeep Sonowal, Nadeem Shaikh, Navya Prakash, Nimit Kothari, Nitin Kukreja, Prashant Devadiga, Rakesh Paul, Ratanjeet Pratap Chauhan, Raunak Kalani, Raviraj Joshi, Shamanth MH, Shantanu Pandey, Shubham Soni, Siddharth Dixit, Smriti Jopat, Sunil Patel, Suraj Singh, Suvradip Paul, Tulasi Pilla, Utkarsh Vaidya, Vineeth Nambiar, Vishal Kanvaty, Yatharth Dedhia

机构 * National Payments Corporation of India (NPCI)（印度国家支付公司） 纠错

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

AI总结 FiMI是印度国家支付清算公司为数字支付系统开发的领域专用金融语言模型，通过多阶段训练在金融推理和工具调用任务中取得显著性能提升。

XGeM: A Multi-Prompt Foundation Model for Multimodal Medical Data Generation

XGeM：一种多提示基础模型，用于多模态医学数据生成

Daniele Molino, Francesco Di Feola, Eliodoro Faiella, Deborah Fazzini, Domiziana Santucci, Linlin Shen, Valerio Guarrasi, Paolo Soda

机构 * Unit of Artificial Intelligence and Computer Systems, Department of Engineering, Università Campus Bio-Medico di Roma（人工智能与计算机系统单位，工程系，罗马生物医学大学） ； Department of Diagnostics and Intervention, Biomedical Engineering and Radiation Physics, Umeå University（诊断与介入部门，生物医学工程与辐射物理，乌梅大学） ； Department of Diagnostic Imaging and Stereotactic Radiosurgey, Centro Diagnostico Italiano S.p.A.（诊断影像与立体放射外科部门，意大利诊断中心股份有限公司） ； Department of Radiology and Interventional Radiology, Fondazione Policlinico Universitario Campus Bio-Medico（放射科与介入放射科，大学医学中心生物医学校园基金会） ； Research Unit of Radiology and Interventional Radiology, Department of Medicine and Surgery, Università Campus Bio-Medico di Roma（放射科与介入放射科研究单位，医学与外科系，罗马生物医学大学） ； College of Computer Science and Software Engineering, Shenzhen University（计算机科学与软件工程学院，深圳大学） 纠错

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

AI总结 XGeM是一种多模态生成模型，通过多提示训练策略实现灵活的医学数据合成，解决多模态数据生成中的临床一致性与数据稀缺问题。

Free Lunch in Medical Image Foundation Model Pre-training via Randomized Synthesis and Disentanglement

通过随机合成与解构在医疗图像基础模型预训练中获得免费午餐

Yuhan Wei, Yuting He, Linshan Wu, Fuxiang Huang, Junlin Hou, Hao Chen

机构 * Department of Computer Science and Engineering, the Hong Kong University of Science and Technology, Hong Kong, China（香港科技大学计算机科学与工程系） ； Department of Biomedical Engineering, Case Western Reserve University, OH, USA（凯斯西储大学生物医学工程系） ； School of Data Science, Lingnan University, Hong Kong, China（岭南大学数据科学学院） ； Department of Chemical and Biological Engineering and Division of Life Science, Hong Kong University of Science and Technology, Hong Kong, China（香港科技大学化学与生物工程系） ； HKUST Shenzhen-Hong Kong Collaborative Innovation Research Institute, Futian, Shenzhen, China（香港科技大学深圳-香港协同创新研究院） ； State Key Laboratory of Nervous System Disorders, The Hong Kong University of Science and Technology, Hong Kong, China（香港科技大学神经系统疾病国家重点实验室） 纠错

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

AI总结 本文提出RaSD框架，通过随机合成与解构方法在无需真实数据的情况下预训练医疗图像基础模型，实现稳健且可迁移的表示学习，展示了合成数据在医学AI中的强大潜力。

Any-to-Any Vision-Language Model for Multimodal X-ray Imaging and Radiological Report Generation

任意到任意的视觉-语言模型用于多模态X射线成像与放射学报告生成

Daniele Molino, Francesco di Feola, Linlin Shen, Paolo Soda, Valerio Guarrasi

机构 * Department of Diagnostics and Intervention, Biomedical Engineering and Radiation Physics, Umeå University（诊断与介入部门，生物医学工程与放射物理，乌梅大学） ； College of Computer Science and Software Engineering, Shenzhen University（计算机科学与软件工程学院，深圳大学） 纠错

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

AI总结 本文提出了一种任意到任意的视觉-语言模型，用于多模态X射线成像和放射学报告生成，通过生成高质量图像和语义连贯的报告，提升了医疗领域生成模型的临床应用价值。

Comments arXiv admin note: substantial text overlap with arXiv:2501.04614

MTFM: A Scalable and Alignment-free Foundation Model for Industrial Recommendation in Meituan

MTFM：一种可扩展且无对齐的工业推荐基础模型

Xin Song, Zhilin Guan, Ruidong Han, Binghao Tang, Tianwen Chen, Bing Li, Zihao Li, Han Zhang, Fei Jiang, Qing Wang, Zikang Xu, Fengyi Li, Chunzhen Jing, Lei Yu, Wei Lin

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

AI总结 MTFM是一种基于Transformer的工业推荐基础模型，通过异构标记和多场景样本聚合提升效率，实现无对齐的多场景推荐效果。

SciClaimEval: Cross-modal Claim Verification in Scientific Papers

SciClaimEval: 科学论文中的跨模态声明验证

Xanh Ho, Yun-Ang Wu, Sunisth Kumar, Tian Cheng Xia, Florian Boudin, Andre Greiner-Petter, Akiko Aizawa

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

AI总结 SciClaimEval是一个包含真实科学声明和跨模态证据的数据集，用于验证科学论文中的声明，通过专家标注和多模态模型测试，揭示了基于图表验证的挑战。

Comments Accepted at LREC 2026; 12 pages; data is available at https://sciclaimeval.github.io/

Exploring AI-Augmented Sensemaking of Patient-Generated Health Data: A Mixed-Method Study with Healthcare Professionals in Cardiac Risk Reduction

探索人工智能增强的患者生成健康数据理解：一项结合定性与定量方法的医疗专业人员研究，用于心脏风险降低

Pavithren V S Pakianathan, Rania Islambouli, Diogo Branco, Albrecht Schmidt, Tiago Guerreiro, Jan David Smeddinck

机构 * Ludwig Boltzmann Institute for Digital Health and Prevention（数字健康与预防路德维希·玻尔兹曼研究所） 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 本文探讨了大型语言模型如何通过自动摘要和对话界面支持医疗专业人员理解患者生成的健康数据，以提高心脏疾病风险降低的临床决策。

RGAlign-Rec: Ranking-Guided Alignment for Latent Query Reasoning in Recommendation Systems

RGAlign-Rec: 基于排名引导的潜在查询推理中的对齐方法

Junhua Liu, Yang Jihao, Cheng Chang, Kunrong LI, Bin Fu, Kwan Hui Lim

机构 * Forth AI Singapore（Forth AI新加坡） ； Shopee Singapore（Shopee新加坡） ； Singapore Uni. of Tech. and Design（新加坡技术与设计大学） 纠错

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

AI总结 RGAlign-Rec通过闭环对齐框架结合语义推理和增强查询模型，提升电子商务推荐系统的预测准确性和服务质量。

SAGE: Sequence-level Adaptive Gradient Evolution for Generative Recommendation

SAGE：用于生成推荐的序列级自适应梯度进化

Yu Xie, Xing Kai Ren, Ying Qi, Hu Yao

机构 * Xiaohongshu（小红书） 纠错

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

AI总结 SAGE通过序列级自适应梯度进化方法，解决生成推荐中的优化失败问题，提升推荐系统的准确性、冷启动召回率和多样性。

Comments arXiv admin note: text overlap with arXiv:2506.19235

"Not Human, Funnier": How Machine Identity Shapes Humor Perception in Online AI Stand-up Comedy

不是人类，更有趣：机器身份如何塑造在线AI单口喜剧的幽默感知

Xuehan Huang, Canwen Wang, Yifei Hao, Daijin Yang, Ray LC

机构 * The University of Hong Kong Hong Kong, SAR China ； Carnegie Mellon University\ -Computer Interaction Institute Pittsburgh United States ； East China Normal University Shanghai China ； Northeastern University\ of Art, Media ； City University of Hong Kong\ for Narrative Spaces Hong Kong, SAR China ； The University of Hong Kong ； Carnegie Mellon University\ -Computer Interaction Institute ； East China Normal University ； City University of Hong Kong\ for Narrative Spaces 纠错

专题命中 领域大模型 ：LLM(abstract)；分类 cs.AI

AI总结 本研究探讨了AI身份如何影响幽默感知，通过设计基于机器身份的代理，发现其在单口喜剧表演中比基线GPT代理更有趣，提出人机集成系统应明确利用AI的独特身份。

Comments 27 pages, 5 figures. Conditionally Accepted to CHI '26