语言大模型 / LLM

Grounding LLMs in Scientific Discovery via Embodied Actions

通过具身动作 grounding LLMs 在科学发现中

Bo Zhang, Jinfeng Zhou, Yuxuan Chen, Jianing Yin, Minlie Huang, Hongning Wang

机构 * Tsinghua University, Beijing, China（清华大学） 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 通过具身动作框架，LLMs在科学发现中实现更稳定的物理模拟和更高的建模准确性。

Comments 24 pages, 7 figures, 7 tables. Preprint

DS-STAR: Data Science Agent for Solving Diverse Tasks across Heterogeneous Formats and Open-Ended Queries

DS-STAR：跨异构格式和开放性查询的多样化任务数据科学代理

Jaehyun Nam, Jinsung Yoon, Jiefeng Chen, Raj Sinha, Jinwoo Shin, Tomas Pfister

机构 * Google Cloud（谷歌云） ； KAIST（韩国科学技术院） 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 DS-STAR是一种专门设计用于跨异构数据格式和开放性查询的代理，能生成高质量研究报告并超越传统问答能力。

LUMEN: Longitudinal Multi-Modal Radiology Model for Prognosis and Diagnosis

LUMEN: 长期多模态放射学模型用于预后和诊断

Zhifan Jiang, Dong Yang, Vishwesh Nath, Abhijeet Parida, Nishad P. Kulkarni, Ziyue Xu, Daguang Xu, Syed Muhammad Anwar, Holger R. Roth, Marius George Linguraru

机构 * 1 Sheikh Zayed Institute for Pediatric Surgical Innovation, Children's National Hospital, Washington DC, USA 2 Nvidia Corporation, Santa Clara, CA, USA 3 ETSI Telecomunicaci\' o n, Universidad Polit\' e cnica de Madrid, Madrid, Spain 4 School of Medicine ； Health Sciences, George Washington University, Washington DC, USA 纠错

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

AI总结 LUMEN模型通过多任务指令微调提升纵向放射影像的诊断与预后能力。

Comments Accepted to IEEE International Symposium on Biomedical Imaging (ISBI) 2026

Understanding Human-AI Collaboration in Cybersecurity Competitions

理解网络安全竞赛中的人机协作

Tingxuan Tang, Nicolas Janis, Kalyn Asher Montague, Kevin Eykholt, Dhilung Kirat, Youngja Park, Jiyong Jang, Adwait Nadkarni, Yue Xiao

专题命中 领域大模型 ：prompting(abstract)

AI总结 研究探讨了网络安全竞赛中人类与AI协作的有效性，发现AI代理在自主引导提示和工具使用时能超越多数人类团队。

Are Multimodal Large Language Models Good Annotators for Image Tagging?

多模态大语言模型在图像标签任务中是好的标注者吗？

Ming-Kun Xie, Jia-Hao Xiao, Zhiqiang Kou, Zhongnian Li, Gang Niu, Masashi Sugiyama

机构 * RIKEN Center for Advanced Intelligence Project, Japan（日本先进人工智能研究中心） ； The University of Tokyo, Japan（东京大学） ； Southeast University, China（东南大学） ； China University of Mining（中国矿业大学） 纠错

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

AI总结 本文提出TagLLM框架，通过候选生成和标签歧义消除方法，有效缩小多模态大语言模型生成标注与人工标注之间的差距，提升图像标签任务的效率和性能。

KUDA: Knowledge Unlearning by Deviating Representation for Large Language Models

KUDA: 通过偏离表示进行大语言模型的知识卸载

Ce Fang, Zhikun Zhang, Min Chen, Qing Liu, Lu Zhou, Zhe Liu, Yunjun Gao

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

AI总结 KUDA通过偏离表示方法实现大语言模型的知识卸载，有效平衡知识移除与模型实用性保留。

Comments 24 pages, 15 figures

What Makes a Good Query? Measuring the Impact of Human-Confusing Linguistic Features on LLM Performance

什么让一个查询良好？测量人类困惑语言特征对LLM性能的影响

William Watson, Nicole Cho, Sumitra Ganesh, Manuela Veloso

机构 * J.P. Morgan AI Research（摩根大通人工智能研究） 纠错

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

AI总结 研究通过分析查询特征对LLM幻觉的影响，揭示了特定语言特征与幻觉风险的关系，为优化查询设计提供依据。

Comments EACL 2026 Findings

XMorph: Explainable Brain Tumor Analysis Via LLM-Assisted Hybrid Deep Intelligence

XMorph: 通过LLM辅助混合深度智能进行可解释性脑肿瘤分析

Sepehr Salem Ghahfarokhi, M. Moein Esfahani, Raj Sunderraman, Vince Calhoun, Mohammed Alser

机构 * Department of Computer Science, Georgia State University（计算机科学系，佐治亚州立大学） ； TReNDS Center, Georgia State University（TReNDS中心，佐治亚州立大学） 纠错

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

AI总结 XMorph通过结合LLM和混合深度智能，实现了对脑肿瘤的高效可解释分类，准确率达96.0%。

Comments Accepted in ICCABS 2026: The 14th International Conference on Computational Advances in Bio and Medical Sciences

On the Explainability of Vision-Language Models in Art History

关于视觉-语言模型在艺术史中的可解释性

Stefanie Schneider

机构 * Marburg University（马尔堡大学） 纠错

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

AI总结 本文研究了XAI方法如何使CLIP在艺术史背景下可视化推理，通过零样本定位实验和人类可解释性研究，探讨了可解释性方法的有效性依赖于类别概念稳定性和表示可用性。

No One Size Fits All: QueryBandits for Hallucination Mitigation

并非万能一种：用于缓解幻觉的QueryBandits

Nicole Cho, William Watson, Alec Koppel, Sumitra Ganesh, Manuela Veloso

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

AI总结 QueryBandits通过在线学习优化查询重写策略，有效缓解闭源模型中的幻觉问题，优于传统静态策略。

EAMET: Robust Massive Model Editing via Embedding Alignment Optimization

EAMET: 通过嵌入对齐优化实现鲁棒的大规模模型编辑

Yanbo Dai, Zhenlan Ji, Zongjie Li, Shuai Wang

机构 * Department of Computer Science and Engineering（计算机科学与工程系） 纠错

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

AI总结 EAMET通过嵌入对齐优化提升大规模模型编辑的鲁棒性和效率，实现90%的编辑效果

Comments This paper was accepted to ICLR 2026

ST-EVO: Towards Generative Spatio-Temporal Evolution of Multi-Agent Communication Topologies

ST-EVO：迈向多智能体通信拓扑的生成时空演化

Xingjian Wu, Xvyuan Liu, Junkai Lu, Siyuan Wang, Xiangfei Qiu, Yang Shu, Jilin Hu, Chenjuan Guo, Bin Yang

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

AI总结 ST-EVO从时空视角提出多智能体通信拓扑的生成方法，通过紧凑调度器实现对话层面的通信调度，并具备自我反馈能力，实验显示其在多个基准测试中性能优越。

More than Decision Support: Exploring Patients' Longitudinal Usage of Large Language Models in Real-World Healthcare-Seeking Journeys

超越决策支持：探索患者在真实世界医疗寻求旅程中大型语言模型的纵向使用

Yancheng Cao, Yishu Ji, Chris Yue Fu, Sahiti Dharmavaram, Meghan Turchioe, Natalie C Benda, Lena Mamykina, Yuling Sun, Xuhai "Orson" Xu

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

AI总结 本文通过为期四周的日记研究，探讨患者在真实世界医疗寻求旅程中如何将LLM作为动态伴侣，改变传统患者-提供者关系中的权力动态，并提出未来LLM应作为纵向边界伴侣持续调解患者与临床医生之间的互动。

Comments Conditionally accepted to CHI Conference on Human Factors in Computing Systems (CHI'26)

Automated Generation of Microfluidic Netlists using Large Language Models

利用大语言模型自动化生成微流体网表

Jasper Davidson, Skylar Stockham, Allen Boston, Ashton Snelgrove, Valerio Tenace, Pierre-Emmanuel Gaillardon

机构 * Department of Electrical and Computer Engineering, University of Utah（电气与计算机工程系，犹他大学） ； Primis AI, Inc.（Primis AI 公司） 纠错

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

AI总结 本文利用大语言模型自动化生成微流体器件的结构网表，实现了从自然语言描述到Verilog代码的转换，并在典型微流体设计中验证了其有效性。

Hybrid LLM-Embedded Dialogue Agents for Learner Reflection: Designing Responsive and Theory-Driven Interactions

混合LLM嵌入对话代理用于学习者反思：设计响应性且理论驱动的互动

Paras Sharma, YuePing Sha, Janet Shufor Bih Epse Fofang, Brayden Yan, Jess A. Turner, Nicole Balay, Hubert O. Asare, Angela E. B. Stewart, Erin Walker

机构 * University of Pittsburgh（匹兹堡大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Bowie State University（鲍威州立大学） 纠错

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

AI总结 本文提出一种混合对话系统，结合LLM的响应能力与理论驱动的规则框架，以支持学习者反思，但发现其在提高反思深度的同时也带来了一些挑战。

LM-Fix: Lightweight Bit-Flip Detection and Rapid Recovery Framework for Language Models

LM-Fix：一种轻量级位翻转检测与快速恢复框架用于语言模型

Ahmad Tahmasivand, Noureldin Zahran, Saba Al-Sayouri, Mohammed Fouda, Khaled N. Khasawneh

机构 * The National Institutes of Health（美国国家卫生研究院） 纠错

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

AI总结 LM-Fix通过轻量级检测和局部修复技术，有效提升大型语言模型在生产环境中的可靠性。

Comments Accepted at IEEE ICCD 2025. Code: https://github.com/ata990/lm-fix. Detects over 94 percent single-bit flips (near 100 percent multi-bit) with about 1 to 7.7 percent overhead; recovery is over 100x faster than a full reload. Keywords: LLMs, bit-flip, fault injection, reliability, security, Rowhammer, SDC, Jailbreaking, Attack, Defense, GPU DRAM faults

Journal ref Proc. IEEE Int. Conf. on Computer Design (ICCD), 2025, pp. 432-440

Seeing Through Words: Controlling Visual Retrieval Quality with Language Models

通过文字看见：利用语言模型控制视觉检索质量

Jianglin Lu, Simon Jenni, Kushal Kafle, Jing Shi, Handong Zhao, Yun Fu

机构 * Adobe Research（Adobe研究部） ； Northeastern University（东北大学） 纠错

专题命中 其他LLM ：language model(title,abstract)

AI总结 通过生成语言模型扩展短查询并控制图像质量，提升视觉检索效果和可控性

Can Interest-Bearing Positions Solve the Long-Horizon Problem in Prediction Markets?

带利息位置能否解决预测市场的长期限问题？

Caleb Maresca

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

AI总结 本文研究带利息位置如何缓解预测市场长期事件的流动性与准确性问题，发现其显著提升市场参与度并减少定价偏差。

AWCP: A Workspace Delegation Protocol for Deep-Engagement Collaboration across Remote Agents

AWCP：用于远程代理深度协作的工件委托协议

Xiaohang Nie, Zihan Guo, Youliang Chen, Yuanjian Zhou, Weinan Zhang

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

AI总结 AWCP通过工件委托协议实现远程代理的深度协作，提供开源实现以提升代理间协作的互操作性。

Comments 16 pages, 7 figure, tech report of Agent Workspace Collaboration Protocol

PhantomRun: Auto Repair of Compilation Errors in Embedded Open Source Software

PhantomRun: 针对嵌入式开源软件编译错误的自动修复

Han Fu, Andreas Ermedahl, Sigrid Eldh, Kristian Wiklund, Philipp Haller, Cyrille Artho

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

AI总结 PhantomRun利用大型语言模型自动修复嵌入式开源软件的编译错误，成功修复了45%的CI失败案例。

Comments 13 pages, 5 figures, Mining Software Repositories 2026 (MSR 2026) , Rio de Janeiro, Brazil, 13-14 April 2026

Lagom: Unleashing the Power of Communication and Computation Overlapping for Distributed LLM Training

Lagom：释放通信与计算重叠在分布式大模型训练中的潜力

Guanbin Xu, ZhenGuo Xu, Yuzhe Li, Youhui Bai, Ping Gong, Chaoyi Ruan, Cheng Li

专题命中 其他LLM ：LLM(title)

AI总结 Lagom通过统一成本模型和优先级搜索算法，优化分布式大模型训练中的通信与计算重叠，实现速度提升。

Comments 6 pages, 8 figures

Beyond the Star Rating: A Scalable Framework for Aspect-Based Sentiment Analysis Using LLMs and Text Classification

超越星级评分：一种基于LLMs和文本分类的可扩展的基于方面的情感分析框架

Vishal Patil, Shree Vaishnavi Bacha, Revanth Yamani, Yidan Sun, Mayank Kejriwal

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

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

AI总结 本文提出一种结合LLMs和传统机器学习的方法，用于大规模基于方面的情感分析，通过分析470万条评论，展示了其在餐饮体验、菜系和地理区域中的应用效果。

When LLMs Imagine People: A Human-Centered Persona Brainstorm Audit for Bias and Fairness in Creative Applications

当LLMs想象人们：一种以人为中心的人格脑暴审计方法，用于创意应用中的偏见和公平性

Hongliu Cao, Eoin Thomas, Rodrigo Acuna Agost

机构 * Amadeus Nice France (2026)（法国Nice阿马德斯） 纠错

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

AI总结 本文提出了一种人格脑暴审计方法，用于评估LLM在创意应用中的偏见和公平性，通过量化偏见并分析多个交集身份和社会角色，揭示模型生成中潜在的不公平现象。

DVLA-RL: Dual-Level Vision-Language Alignment with Reinforcement Learning Gating for Few-Shot Learning

DVLA-RL：基于强化学习门控的双层视觉-语言对齐用于少样本学习

Wenhao Li, Xianjing Meng, Qiangchang Wang, Zhongyi Han, Zhibin Wu, Yilong Yin

机构 * Software School, Shandong University（山东大学软件学院） ； Shenzhen Loop Area Institute（深圳河套学院） ； School of Computing and Artificial Intelligence, Shandong University of Finance and Economics（山东财经大学计算机与人工智能学院） 纠错

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

AI总结 DVLA-RL通过双层语义构建和强化学习门控注意力，实现少样本学习中视觉与语言的双层次对齐，提升泛化能力。

Comments Accepted by ICLR 2026

Bridging Gaps in Natural Language Processing for Yorùbá: A Systematic Review of a Decade of Progress and Prospects

弥合自然语言处理在约鲁巴语中的差距：对十年进展与前景的系统综述

Toheeb Aduramomi Jimoh, Tabea De Wille, Nikola S. Nikolov

机构 * Department of Computer Science and Information Systems, University of Limerick（计算机科学与信息系统系，利默里克大学） 纠错

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

AI总结 本文通过系统综述分析了近十年约鲁巴语NLP的发展，揭示了资源匮乏、声调复杂性等挑战，并总结了基于规则等主要技术，旨在推动该语言在NLP中的应用进展。

Journal ref Natural Language Processing Journal, 13 (2025), 100194

Estimation of Confidence Bounds in Binary Classification using Wilson Score Kernel Density Estimation

利用Wilson分数核密度估计法估计二分类中的置信界

Thorbjørn Mosekjær Iversen, Zebin Duan, Frederik Hagelskjær

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

AI总结 本文提出一种基于Wilson分数核密度估计的二分类置信界估计方法，适用于各种特征提取器，具有较低的计算复杂度。

Cautious Weight Decay

谨慎的权重衰减

Lizhang Chen, Jonathan Li, Kaizhao Liang, Baiyu Su, Cong Xie, Nuo Wang Pierse, Chen Liang, Ni Lao, Qiang Liu

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

AI总结 CWD是一种对优化器无关的权重衰减方法，通过仅对符号一致的参数应用衰减，提升语言模型和ImageNet任务的性能。