语言大模型 / LLM

Graph Your Way to Inspiration: Integrating Co-Author Graphs with Retrieval-Augmented Generation for Large Language Model Based Scientific Idea Generation

通过图谱获取灵感：将合著者图谱与检索增强生成结合用于基于大语言模型的科学想法生成

Pengzhen Xie, Huizhi Liang

机构 * School of Computing Newcastle University（计算学院新castle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

AI总结 本文提出GYWI系统，结合作者图谱与RAG技术，提升大语言模型生成科学想法的可控性和灵感追溯能力。

Comments 15 pages, 10 figures. Submitted to [RAAI]

DeVisE: Behavioral Testing of Medical Large Language Models

DeVisE：医疗大语言模型的行为测试

Camila Zurdo Tagliabue, Heloisa Oss Boll, Aykut Erdem, Erkut Erdem, Iacer Calixto

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 DeVisE通过受控反事实测试评估医疗大语言模型的行为，揭示其在临床决策中的表现差异。

Comments Camera-ready version published at Findings of the EACL 2026

Silent Egress: When Implicit Prompt Injection Makes LLM Agents Leak Without a Trace

静默逃逸：当隐式提示注入使LLM代理无痕泄露

Qianlong Lan, Anuj Kaul, Shaun Jones, Stephanie Westrum

机构 * eBay 纠错

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

AI总结 研究揭示了代理式LLM系统中隐式提示注入导致的静默逃逸风险，通过实验展示恶意网页诱导代理泄露敏感信息的机制，并提出分片逃逸策略及网络层防御改进方向。

BeamVLM for Low-altitude Economy: Generative Beam Prediction via Vision-language Models

BeamVLM 用于低空经济：通过视觉-语言模型进行生成式波束预测

Chenran Kou, Changsheng You, Mingjiang Wu, Dingzhu Wen, Zezhong Zhang, Chengwen Xing

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

AI总结 BeamVLM 通过视觉-语言模型实现生成式波束预测，提升无人机与地面基站间通信的准确性和泛化能力。

Comments We propose a novel end-to-end generative framework for beam prediction by using vision-language models

Importance of Prompt Optimisation for Error Detection in Medical Notes Using Language Models

提示优化在使用语言模型进行医疗笔记错误检测中的重要性

Craig Myles, Patrick Schrempf, David Harris-Birtill

机构 * University of St Andrews（圣安德鲁大学） ； Canon Medical Research Europe Ltd.（日本Canon医疗研究欧洲有限公司） 纠错

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

AI总结 本文通过提示优化提升语言模型在医疗笔记错误检测中的准确性，达到接近医生水平并超越MEDEC基准数据集表现。

Comments Accepted at EACL HeaLing 2026

Multi-view biomedical foundation models for molecule-target and property prediction

多视图生物医学基础模型用于分子-靶点和性质预测

Parthasarathy Suryanarayanan, Yunguang Qiu, Shreyans Sethi, Diwakar Mahajan, Hongyang Li, Yuxin Yang, Elif Eyigoz, Aldo Guzman Saenz, Daniel E. Platt, Timothy H. Rumbell, Kenney Ng, Sanjoy Dey, Myson Burch, Bum Chul Kwon, Pablo Meyer, Feixiong Cheng, Jianying Hu, Joseph A. Morrone

机构 * IBM TJ Watson Research Center（IBM TJ Watson研究中心） ； Lerner Research Institute（Lerner研究机构） ； Cleveland Clinic Genome Center（克利夫兰诊所基因组中心） ； IBM Research - Almaden（IBM Research-阿玛登） ； IBM Research（IBM研究） ； Cleveland Clinic Lerner College of Medicine, Case Western Reserve University（克利夫兰诊所Lerner医学院，凯斯西储大学） 纠错

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

AI总结 本文提出多视图生物医学基础模型MMELON，通过整合图、图像和文本视图，提升分子-靶点及性质预测的性能与准确性。

Comments 40 pages including supplement. 10 figures, 8 tables

Journal ref Advanced Science (2026) e17840

Meta-Designing Quantum Experiments with Language Models

用语言模型进行量子实验的元设计

Sören Arlt, Haonan Duan, Felix Li, Sang Michael Xie, Yuhuai Wu, Mario Krenn

机构 * Max Planck Institute for the Science of Light（马克斯·普朗克光科学研究所） ； University of Tuebingen（图宾根大学） ； Stanford University（斯坦福大学） ； University of Toronto, Vector Institute（多伦多大学、向量研究所） 纠错

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

AI总结 本文提出通过语言模型进行量子实验的元设计，生成可读代码解决复杂问题，扩展到更大实验并应用于凝聚态物理等领域。

Comments 8+23 pages, 5 figures

Journal ref Nat Mach Intell 8, 148-157 (2026)

Benchmarking Video Foundation Models for Remote Parkinson's Disease Screening

对远程帕金森病筛查的视频基础模型进行基准测试

Md Saiful Islam, Ekram Hossain, Abdelrahman Abdelkader, Tariq Adnan, Fazla Rabbi Mashrur, Sooyong Park, Praveen Kumar, Qasim Sudais, Natalia Chunga, Nami Shah, Jan Freyberg, Christopher Kanan, Ruth Schneider, Ehsan Hoque

机构 * University of Rochester, Rochester, NY, USA（罗切斯特大学） ； Louisiana State University Health Sciences Center at Shreveport, USA（路易斯安那州立大学谢夫波特医学中心） ； University of Rochester Medical Center, Rochester, NY, USA（罗切斯特大学医学中心） ； University of Cambridge, Cambridge, UK（剑桥大学） 纠错

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

AI总结 本研究通过大规模实验评估了多种视频基础模型在远程帕金森病筛查中的性能，揭示了不同模型在不同任务中的表现差异，并提供了模型选择和任务优化的指导。

CiteLLM: An Agentic Platform for Trustworthy Scientific Reference Discovery

CiteLLM：一个用于可信科学引文发现的代理平台

Mengze Hong, Di Jiang, Chen Jason Zhang, Zichang Guo, Yawen Li, Jun Chen, Shaobo Cui, Zhiyang Su

机构 * Hong Kong Polytechnic University（香港理工大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； Swiss Federal Technology Institute of Lausanne (EPFL)（洛桑联邦理工学院） ； Hong Kong University of Science and Technology (HKUST)（香港科学大学） 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 CiteLLM通过在LaTeX编辑器中嵌入LLM工具，实现可信的科学引文发现，确保引文的准确性和可靠性。

Comments Accepted by TheWebConf 2026 Demo Track

MediX-R1: Open Ended Medical Reinforcement Learning

MediX-R1：开放端医疗强化学习

Sahal Shaji Mullappilly, Mohammed Irfan Kurpath, Omair Mohamed, Mohamed Zidan, Fahad Khan, Salman Khan, Rao Anwer, Hisham Cholakkal

机构 * Mohamed Bin Zayed University of Artificial Intelligence (MBZUAI)（迈赫迈德·本·扎耶德人工智能大学） ； Jubilee Mission Medical College（jubilee mission 医学院） ； Research Institute（研究院） ； JJM Medical College（JJM 医学院） 纠错

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

AI总结 MediX-R1通过综合奖励信号和LLM评估，实现医疗多模态模型的开放端强化学习，提升临床推理可靠性。

EmpiRE-Compass: A Neuro-Symbolic Dashboard for Sustainable and Dynamic Knowledge Exploration, Synthesis, and Reuse

EmpiRE-Compass：一个用于可持续和动态知识探索、综合与重用的神经符号仪表盘

Oliver Karras, Amirreza Alasti, Lena John, Sushant Aggarwal, Yücel Celik

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

AI总结 EmpiRE-Compass通过神经符号仪表盘实现可持续的文献综述，提供可视化分析、神经符号综合和可重用知识，促进透明和可重复性。

Comments 7 pages, 1 figure, Accepted at 32nd International Working Conference on Requirements Engineering: Foundations for Software Quality

Utilizing LLMs for Industrial Process Automation

利用LLMs进行工业过程自动化

Salim Fares

机构 * University of Passau（帕绍大学） 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 本研究探讨如何利用大型语言模型在工业过程自动化中解决实际编程任务并加速开发周期。

ClinDet-Bench: Beyond Abstention, Evaluating Judgment Determinability of LLMs in Clinical Decision-Making

ClinDet-Bench: 超越回避，评估大语言模型在临床决策中的判断可确定性

Yusuke Watanabe, Yohei Kobashi, Takeshi Kojima, Yusuke Iwasawa, Yasushi Okuno, Yutaka Matsuo

机构 * Kyoto University, Department of Biomedical Data Intelligence（京都大学生物医学数据智能系） ； Kyoto University, Department of Cardiovascular Medicine（京都大学心血管医学系） ； The University of Tokyo（东京大学） 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 ClinDet-Bench通过评估大语言模型在临床决策中判断可确定性的能力，揭示其在不完整信息下的局限性，并提供评估框架以提高医疗决策的安全性。

Comments 17 pages, 3 figures, 10 tables

The Credibility Revolution in Political Science

政治学中的可信度革命

Carolina Torreblanca, William Dinneen, Guy Grossman, Yiqing Xu

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

AI总结 该研究通过分析政治学文献发现，基于设计的研究在政治学中逐渐增多，但其增长不均，且与其他增强可信度的方法相比仍较为罕见。

Imitation Game: Reproducing Deep Learning Bugs Leveraging an Intelligent Agent

模仿游戏：利用智能代理重现深度学习bug

Mehil B Shah, Mohammad Masudur Rahman, Foutse Khomh

机构 * Dalhousie University（达尔豪斯大学） 纠错

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

AI总结 RepGen通过智能代理和生成-验证-改进机制，提高了深度学习bug的重现率和效率。

Comments Accepted by the 48th IEEE/ACM International Conference on Software Engineering (ICSE 2026)

CGSA: Class-Guided Slot-Aware Adaptation for Source-Free Object Detection

CGSA: 基于类引导的槽感知适应用于无源对象检测

Boyang Dai, Zeng Fan, Zihao Qi, Meng Lou, Yizhou Yu

机构 * School of Computing and Data Science, The University of Hong Kong（计算与数据科学学院，香港大学） ； Department of Electrical & Computer Engineering, National University of Singapore（电气与计算机工程系，新加坡国立大学） ； School of Information and Electronics, Beijing Institute of Technology（信息与电子学院，北京理工大学） 纠错

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

AI总结 CGSA通过引入对象中心学习，结合槽感知适应和类引导的槽对比模块，提升无源领域自适应对象检测的性能。

Comments The paper has been accepted by the conference ICLR 2026