语言大模型 / LLM

Small Language Models for Privacy-Preserving Clinical Information Extraction in Low-Resource Languages

小型语言模型在低资源语言中隐私保护的临床信息提取

Mohammadreza Ghaffarzadeh-Esfahani, Nahid Yousefian, Ebrahim Heidari-Farsani, Ali Akbar Omidvarian, Sepehr Ghahraei, Atena Farangi, AmirBahador Boroumand

机构 * Student Research Committee Isfahan University of Medical Sciences（伊斯法罕医学科学大学学生研究委员会） ； Department of Emergency Medicine Isfahan University of Medical Sciences（伊斯法罕医学科学大学急诊医学科） 纠错

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

AI总结 本文提出利用小型语言模型结合翻译模型，实现低资源语言中隐私保护的临床信息提取，验证了模型规模和输入语言策略联合优化的重要性。

Comments 16 pages, 3 figures, 2 supplementary files

A Multi-faceted Analysis of Cognitive Abilities: Evaluating Prompt Methods with Large Language Models on the CONSORT Checklist

对认知能力的多维度分析：利用大型语言模型在CONSORT清单上评估提示方法

Sohyeon Jeon, Hyung-Chul Lee

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

AI总结 本研究通过比较通用和领域专用LLM在三种提示策略下的表现，揭示了其在评估临床试验报告时存在显著的校准错误和过度自信问题，强调了改进校准和提示工程的重要性。

Comments We have decided to withdraw this manuscript because we believe it requires further revision and substantial improvement before it is suitable for dissemination to the academic community

Small Wins Big: Comparing Large Language Models and Domain Fine-Tuned Models for Sarcasm Detection in Code-Mixed Hinglish Text

小胜大：比较大型语言模型与领域微调模型在混合英语文本中的讽刺检测

Bitan Majumder, Anirban Sen

机构 * Pondicherry University（彭迪奇里大学） ； Ashoka University（阿什oka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

AI总结 本研究比较了大型语言模型与领域微调模型在混合英语文本中的讽刺检测性能，发现微调的 DistilBERT 模型在准确性上优于所有 LLMs。

Acceptance Test Generation with Large Language Models: An Industrial Case Study

基于大语言模型的接受测试生成：一项工业案例研究

Margarida Ferreira, Luis Viegas, Joao Pascoal Faria, Bruno Lima

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

AI总结 本文研究了利用大语言模型生成Web应用验收测试的两步方法，通过工业案例验证了其在提高测试质量和效率方面的有效性。

Journal ref 2025 IEEE/ACM International Conference on Automation of Software Test (AST)

Dynamic Personality Adaptation in Large Language Models via State Machines

通过状态机实现大语言模型的动态人格适应

Leon Pielage, Ole Hätscher, Mitja Back, Bernhard Marschall, Benjamin Risse

机构 * Institute for Geoinformatics, University of Münster（地理信息研究所，穆尔斯特大学） ； Faculty of Mathematics and Computer Science, University of Münster（数学与计算机科学学院，穆尔斯特大学） ； Department of Psychology, University of Münster（心理学系，穆尔斯特大学） ； Institute of Medical Education and Student Affairs, University of Münster（医学教育与学生事务研究所，穆尔斯特大学） 纠错

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

AI总结 本文提出通过状态机实现大语言模型动态人格适应的框架，通过模块化评分管道实现人格状态的动态调整，提升在复杂互动场景中的表现。

Comments 22 pages, 5 figures, submitted to ICPR 2026

Irresponsible Counselors: Large Language Models and the Loneliness of Modern Humans

不负责任的顾问：大型语言模型与现代人类的孤独

Abas Bertina, Sara Shakeri

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

AI总结 本文探讨大型语言模型在人类孤独时代作为多专长顾问的角色，指出其技术架构与社会地位结合产生无主体的咨询亲密关系，挑战传统AI伦理框架。

Comments Preprint. XX pages, X figures

Think like a Scientist: Physics-guided LLM Agent for Equation Discovery

像科学家一样思考：基于物理的LLM代理用于方程发现

Jianke Yang, Ohm Venkatachalam, Mohammad Kianezhad, Sharvaree Vadgama, Rose Yu

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

AI总结 KeplerAgent通过模拟科学家的推理过程，利用物理知识和符号回归引擎，在方程发现任务中实现了更高的准确性和鲁棒性。

SERL: Self-Examining Reinforcement Learning on Open-Domain

SERL：面向开放域的自我审查强化学习

Weixuan Ou, Yanzhao Zheng, Shuoshuo Sun, Wei Zhang, Baohua Dong, Hangcheng Zhu, Ruohui Huang, Gang Yu, Pengwei Yan, Yifan Qiao

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

AI总结 SERL通过自我审查机制提升开放域任务中的LLM性能，无需外部信号，实现演员与裁判的协同改进。

Comments Accepted by the 40th AAAI Conference on Artificial Intelligence (AAAI 2026)

EQ-5D Classification Using Biomedical Entity-Enriched Pre-trained Language Models and Multiple Instance Learning

利用生物医学实体增强的预训练语言模型和多实例学习进行EQ-5D分类

Zhyar Rzgar K Rostam, Gábor Kertész

机构 * Doctoral School of Applied Informatics and Applied Mathematics, Obuda University（应用信息与应用数学博士学校，奥布达大学） 纠错

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

AI总结 本文提出利用生物医学实体增强的预训练语言模型和多实例学习方法，提升EQ-5D在摘要中的检测精度，实现更高效的系统文献综述自动化筛选。

Comments 12 tables

SciTS: Scientific Time Series Understanding and Generation with LLMs

SciTS: 基于大语言模型的科学时间序列理解与生成

Wen Wu, Ziyang Zhang, Liwei Liu, Xuenan Xu, Jimin Zhuang, Ke Fan, Qitan Lv, Junlin Liu, Chen Zhang, Zheqi Yuan, Siyuan Hou, Tianyi Lin, Kai Chen, Bowen Zhou, Chao Zhang

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Tsinghua University（清华大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； University of Science and Technology of China（中国科学技术大学） 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 SciTS提出了一种基于LLM的科学时间序列理解与生成框架，通过基准测试发现通用LLM在泛化能力上优于专门模型，并引入TimeOmni框架提升性能。

Comments Accepted to ICLR 2026

Toward Safe and Human-Aligned Game Conversational Recommendation via Multi-Agent Decomposition

迈向安全且人本对齐的游戏对话推荐的多智能体分解

Zheng Hui, Xiaokai Wei, Yexi Jiang, Kevin Gao, Chen Wang, Frank Ong, Se-eun Yoon, Rachit Pareek, Michelle Gong

机构 * Roblox Corporation（Roblox公司） ； University of Cambridge（剑桥大学） 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 MATCHA通过多智能体框架提升游戏对话推荐的安全性与人本对齐，实现更精细的个性化和更强的对抗防御能力。

Comments ICML 2025 MAS, EACL 2026

A Hierarchical Multi-Agent System for Autonomous Discovery in Geoscientific Data Archives

面向地质数据档案的分层多智能体系统

Dmitrii Pantiukhin, Ivan Kuznetsov, Boris Shapkin, Antonia Anna Jost, Thomas Jung, Nikolay Koldunov

机构 * Alfred Wegener Institute for Polar and Marine Research（阿尔弗雷德·韦格ener极地和海洋研究所） 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 PANGAEA-GPT通过分层多智能体框架实现地质数据自动发现与分析，具备复杂工作流执行能力，减少人工干预。

Comments 20 pages, 6 figures, 7 tables, supplementary material included

S-GRec: Personalized Semantic-Aware Generative Recommendation with Asymmetric Advantage

S-GRec: 基于非对称优势的个性化语义感知生成推荐

Jie Jiang, Hongbo Tang, Wenjie Wu, Yangru Huang, Zhenmao Li, Qian Li, Changping Wang, Jun Zhang, Huan Yu

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

AI总结 S-GRec通过非对称优势策略优化，结合轻量级生成器和LLM语义判断器，实现个性化语义感知推荐，提升CTR和GMV效果。

FML-bench: Benchmarking Machine Learning Agents for Scientific Research

FML-bench: 用于科学研究的机器学习代理基准测试

Qiran Zou, Hou Hei Lam, Wenhao Zhao, Yiming Tang, Tingting Chen, Samson Yu, Tianyi Zhang, Chang Liu, Xiangyang Ji, Dianbo Liu

机构 * National University of Singapore, Singapore（新加坡国立大学） ； Tsinghua University, Beijing, China（清华大学） ； University of Minnesota, Minneapolis, MN, USA（明尼苏达大学） 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 FML-bench 是一个用于评估机器学习代理在科学研究中能力的基准测试，包含8个基础任务并引入探索多样性指标，揭示探索策略对性能的影响。

Comments Our benchmark is available at: https://github.com/qrzou/FML-bench

The Dark Side of ChatGPT: Legal and Ethical Challenges from Stochastic Parrots and Hallucination

ChatGPT的阴暗面：来自随机鹦鹉和幻觉的法律与伦理挑战

Zihao Li

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

AI总结 本文探讨了ChatGPT等大型语言模型在法律和伦理方面带来的挑战，指出随机鹦鹉和幻觉问题需要欧盟监管框架进一步完善以应对相关风险。

Comments This is the preprint version of the paper 'Why the European AI Act transparency obligation is insufficient' (2023) Nature Machine Intelligence

Journal ref Nature Machine Intelligence 5 (2023)

Diversity Boosts AI-Generated Text Detection

多样性增强AI生成文本检测

Advik Raj Basani, Pin-Yu Chen

机构 * Birla Institute of Technology and Science, Goa（比拉理工学院和科学研究院，果阿） ； IBM Research（IBM研究院） 纠错

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

AI总结 DivEye通过捕捉文本中不可预测性的波动，提出了一种新的AI生成文本检测框架，实现了高达33.2%的检测性能提升，并提供可解释的检测原因分析。

Comments Accepted to Transactions on Machine Learning Research (TMLR '26). Project page and demos: https://diveye.vercel.app/

Brain3D: Brain Report Automation via Inflated Vision Transformers in 3D

Brain3D: 通过膨胀视觉变换器实现脑部报告自动化

Mariano Barone, Francesco Di Serio, Giuseppe Riccio, Antonio Romano, Marco Postiglione, Antonino Ferraro, Vincenzo Moscato

机构 * University of Naples Federico II, Department of Electrical Engineering and Information Technology（那不勒斯费德里科二世大学电子工程与信息技术系） ； Northwestern University, Dept. of Computer Science, McCormick School of Engineering and Applied Science（西北大学计算机科学系，工程与应用科学学院） ； Pegaso University, Department of Information Science and Technology（佩加索大学信息科学与技术系） 纠错

专题命中 领域大模型 ：language model(abstract)

AI总结 Brain3D通过膨胀视觉变换器实现3D脑肿瘤MRI的自动化报告生成，通过分阶段对齐提升神经放射学解读的准确性和结构化输出。

TIPS Over Tricks: Simple Prompts for Effective Zero-shot Anomaly Detection

TIPS Over Tricks: 简单提示用于有效的零样本异常检测

Alireza Salehi, Ehsan Karami, Sepehr Noey, Sahand Noey, Makoto Yamada, Reshad Hosseini, Mohammad Sabokrou

机构 * University of Tehran（塔里哈大学） ； Amirkabir University of Technology（阿米尔卡比尔技术大学） ； Okinawa Institute of Science and Technology（冲绳科学技术大学院） 纠错

专题命中 领域大模型 ：language model(abstract)

AI总结 本文提出TIPS模型，通过改进的backbone和解耦提示策略，在无需复杂模块的情况下提升零样本异常检测的图像和像素级性能。

Comments This is the extended version of the paper accepted in ICASSP'26, which will be publicly available in May. Authors' contributions may vary among the versions