语言大模型 / LLM

SpeechMedAssist: Efficiently and Effectively Adapting Speech Language Models for Medical Consultation

SpeechMedAssist: 有效且高效地适应语音语言模型用于医疗咨询

Sirry Chen, Jieyi Wang, Wei Chen, Zhongyu Wei

机构 * Fudan University（复旦大学） ； Shanghai Innovation Institude（上海创新研究院） ； Peking University（北京大学） ； Huazhong University of Science and Technology（华中科技大学） 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SpeechMedAssist，一种能进行语音多轮交互的语音语言模型，通过分阶段训练减少对医疗语音数据的需求，提升医疗咨询场景下的效果和鲁棒性。

Bridging Language and Items for Retrieval and Recommendation: Benchmarking LLMs as Semantic Encoders

连接语言与物品以实现检索与推荐：评估大语言模型作为语义编码器的基准测试

Yupeng Hou, Jiacheng Li, Xiangjun Fu, Zhankui He, An Yan, Xiusi Chen, Julian McAuley

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

AI总结 本文提出BLaIR基准测试，评估大语言模型在推荐场景中的语义编码能力，通过大规模数据集和多任务评估揭示LLM在推荐任务中的独特挑战。

Comments ACL 2026

From Adaptation to Generalization: Adaptive Visual Prompting for Medical Image Segmentation

从适应到泛化：面向医学图像分割的自适应视觉提示

Evren Çetinkaya, Sangmin Lee, Jung Uk Kim, Hong Joo Lee, Nassir Navab

机构 * Technical University of Munich（慕尼黑技术大学） ； Korea University（韩国大学） ； Kyung Hee University（庆熙大学） ； Seoul National University of Science and Technology（首尔科学技术大学） 纠错

专题命中 领域大模型 ：prompting(title,abstract)

AI总结 本文提出APEX框架，通过学习可微的提示记忆来提取输入特定的提示，以提升医学图像分割在跨域和内域变化中的泛化能力。

Comments CVPR 2026 Findings

When Background Matters: Breaking Medical Vision Language Models by Transferable Attack

背景的重要性：通过可转移攻击打破医疗视觉语言模型

Akash Ghosh, Subhadip Baidya, Sriparna Saha, Xiuying Chen

机构 * Indian Institute of Technology Patna（印度理工学院帕纳分校） ； Indian Institute of Technology Kanpur（印度理工学院坎普尔分校） ； MBZUAI（穆桑大学人工智能研究所） 纠错

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

AI总结 本文提出MedFocusLeak攻击方法，通过在非诊断背景区域注入协调扰动并利用注意力分散机制，使模型产生看似合理但错误的诊断，揭示了现代临床VLMs推理能力的弱点。

Comments ACL Main 2026

HEALing Entropy Collapse: Enhancing Exploration in Few-Shot RLVR via Hybrid-Domain Entropy Dynamics Alignment

HEALing Entropy Collapse: 通过混合领域熵动力学对齐增强少样本RLVR的探索

Zhanyu Liu, Qingguo Hu, Ante Wang, Chenqing Liu, Zhishang Xiang, Hui Li, Delai Qiu, Jinsong Su

机构 * School of Informatics, Xiamen University（厦门大学信息学院） ； Tsinghua University（清华大学） ； Xiamen Unisound Intelligence Technology Co., Ltd（厦门Unisound智能科技有限公司） ； Key Laboratory of Digital Protection and Intelligent Processing of Intangible Cultural Heritage of Fujian and Taiwan (Xiamen University), Ministry of Culture and Tourism, China（福建省和台湾非物质文化遗产数字化保护与智能处理重点实验室（厦门大学），中华人民共和国文化和旅游部，中国） 纠错

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 本文提出HEAL框架，通过混合领域熵动力学对齐缓解少样本RLVR中的熵崩溃问题，提升探索多样性与推理性能。

Comments Accepted by ACL 2026 Main Conference

CBR-to-SQL: Rethinking Retrieval-based Text-to-SQL using Case-based Reasoning in the Healthcare Domain

CBR-to-SQL：重新思考基于检索的文本到SQL方法：在医疗领域使用基于案例的推理

Hung Nguyen, Hans Moen, Pekka Marttinen

机构 * Department of Computer Science Aalto University（奥卢大学计算机科学系） ； Department of Clinical Medicine Aalborg University（奥尔堡大学临床医学系） 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 本文提出CBR-to-SQL框架，通过分解检索增强生成的两阶段检索，提升医疗领域文本到SQL的准确性和效率。

BRIDGE the Gap: Mitigating Bias Amplification in Automated Scoring of English Language Learners via Inter-group Data Augmentation

BRIDGE the Gap: 通过跨组数据增强缓解自动评分中英语学习者的偏见放大

Yun Wang, Xuansheng Wu, Jingyuan Huang, Lei Liu, Xiaoming Zhai, Ninghao Liu

机构 * School of Computing, University of Georgia, Athens, GA, USA（佐治亚大学计算机学院，美国亚特兰大，GA） ； Educational Testing Service, Princeton, NJ, USA（教育测试服务，美国新泽西州普林斯顿，NJ） ； AI4STEM Education Center, University of Georgia, Athens, GA, USA（AI4STEM教育中心，佐治亚大学，美国亚特兰大，GA） ； The Hong Kong Polytechnic University, Hong Kong, China（香港理工大学，中国香港） 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 本文提出BRIDGE框架，通过合成高分英语学习者样本减少自动评分中的偏见放大，实验表明其在保持评分性能的同时有效提升公平性。

Comments 15 pages, 1 figure. Accepted as a full paper at AIED 2026

From Attribution to Abstention: Training-Free Attention-Based Auditing for Clinical Summarization

从归因到回避：基于注意力的无训练审计用于临床摘要

Qianqi Yan, Huy Nguyen, Sumana Srivatsa, Hari Bandi, Xin Eric Wang, Krishnaram Kenthapadi

机构 * University of California, Santa Barbara（加州大学圣芭芭拉分校） ； Oracle Health AI 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 本文提出ClinTrace框架，通过解码器注意力权重提取临床有用信号，实现无训练的注意力基于审计，提升临床摘要的透明性和可靠性，显著优于基线方法。

Denoise and Align: Diffusion-Driven Foreground Knowledge Prompting for Open-Vocabulary Temporal Action Detection

去噪与对齐：基于扩散的前景知识提示用于开放词汇时序动作检测

Sa Zhu, Wanqian Zhang, Lin Wang, Jinchao Zhang, Cong Wang, Bo Li

机构 * Institute of Information Engineering, Chinese Academy of Sciences School of Cyber Security, University of Chinese Academy of Sciences State Key Laboratory of Cyberspace Security Defense Beijing China ； Institute of Information Engineering, Chinese Academy of Sciences Beijing China ； Hangzhou Dianzi University Hangzhou China ； Institute of Information Engineering, Chinese Academy of Sciences\ Key Laboratory of Cyberspace Security Defense Beijing China ； Engineering, Zhejiang University Hangzhou China ； Institute of Information Engineering, Chinese Academy of Sciences State Key Laboratory of Cyberspace Security Defense Beijing China ； Institute of Information Engineering, Chinese Academy of Sciences School of Cyber Security, University of Chinese Academy of Sciences State Key Laboratory of Cyberspace Security Defense ； Institute of Information Engineering, Chinese Academy of Sciences ； Hangzhou Dianzi University ； Institute of Information Engineering, Chinese Academy of Sciences\ Key Laboratory of Cyberspace Security Defense ； Engineering, Zhejiang University ； Institute of Information Engineering, Chinese Academy of Sciences State Key Laboratory of Cyberspace Security Defense 纠错

专题命中 领域大模型 ：prompting(title)

AI总结 本文提出DFAlign框架，通过扩散去噪生成前景知识，解决开放词汇时序动作检测中语义不平衡问题，提升动作相关片段的判别性。

Comments Accepted by SIGIR 2026

LexRel: Benchmarking Legal Relation Extraction for Chinese Civil Cases

LexRel：中国民事案件法律关系抽取基准测试

Yida Cai, Ranjuexiao Hu, Huiyuan Xie, Chenyang Li, Yun Liu, Yuxiao Ye, Zhenghao Liu, Weixing Shen, Zhiyuan Liu

机构 * Tsinghua University（清华大学） ； Peking University（北京大学） ； University of Glasgow（格拉斯哥大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； Queen Mary University of London（伦敦玛丽女王大学） ； Northeastern University（东北大学） 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 本文提出LexRel基准，用于评估法律关系抽取任务，揭示当前大语言模型在识别民事法律关系上的不足，并展示显式整合法律关系信息对下游法律AI任务的积极影响。

Comments Accepted to ACL 2026 (main conference). 17 pages, 7 figures

MedPRMBench: A Fine-grained Benchmark for Process Reward Models in Medical Reasoning

MedPRMBench: 一种面向医疗推理过程奖励模型的细粒度基准

Lingyan Wu, Xiang Zheng, Weiqi Zhai, Wei Wang, Xuan Ren, Zifan Zhang, Hu Wei, Bing Zhao

机构 * Alibaba Group（阿里巴巴集团） 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 本文提出MedPRMBench，首个医疗领域过程奖励模型基准，通过三阶段流程生成高质量数据，涵盖14种细粒度错误类型，评估模型在医疗推理中的误差检测能力，提升下游任务准确率。

Mapping Election Toxicity on Social Media across Issue, Ideology, and Psychosocial Dimensions

在选举议题、意识形态和心理社会维度上映射社交媒体上的选举毒性

Lei Cao, Wen Zeng, Xinyue Wu, Eun Cheol Choi, Emilio Ferrara

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

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

AI总结 研究通过分析社交媒体上的选举讨论，探讨毒性在不同议题、意识形态及心理社会维度上的差异，揭示毒性表达的驱动因素及情感与道德框架的影响。

Medical thinking with multiple images

多图像医学推理

Zonghai Yao, Benlu Wang, Yifan Zhang, Junda Wang, Iris Xia, Zhipeng Tang, Shuo Han, Feiyun Ouyang, Zhichao Yang, Arman Cohan, Hong Yu

机构 * Manning College of Information and Computer Sciences, UMass Amherst（UMass阿默斯特信息与计算机科学学院） ； Center for Healthcare Organization and Implementation Research, VA Bedford Health Care（VA贝福德医疗保健中心） ； Department of Computer Science, Yale University（耶鲁大学计算机科学系） ； Miner School of Computer and Information Sciences, UMass Lowell（UMass洛威计算机与信息科学学院） ； Department of Electrical and Computer Engineering, UMass Lowell（UMass洛威电气与计算机工程系） 纠错

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

AI总结 本文提出MedThinkVQA多图像医学推理基准，通过专家标注数据验证多图像整合对临床推理的重要性，发现多图像推理瓶颈在于证据提取与对齐，且增加推理时间计算效果有限。

Comments Equal contribution for the first two authors. To appear in the proceedings of the Fourteenth International Conference on Learning Representations (ICLR 2026). Code is in https://github.com/benluwang/MedThinkVQA. Dataset is in https://huggingface.co/datasets/bio-nlp-umass/MedThinkVQA

Healthcare AI for Automation or Allocation? A Transaction Cost Economics Framework

医疗AI用于自动化还是分配？一种交易成本经济学框架

Ari Ercole

机构 * Department of Medicine, University of Cambridge, Addenbrooke’s Hospital, Hills Road, Cambridge CB2 0QQ, UK（剑桥大学医学系，加德纳医院，剑桥，英国） 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 本文通过交易成本经济学框架分析医疗工作中协调成本的差异，发现临床角色的协调成本高于非临床角色，表明数字和AI干预的机会分布受协调结构影响更大。

Instructor-Created Custom GPTs as Pedagogical Partners Fostering Immersion in Online Higher Education: Two Case Studies

由教师创建的定制GPT作为教学伙伴促进在线高等教育中的沉浸感：两个案例研究

Dennis Beck, Leonel Morgado

机构 * University of Arkansas（亚拉巴马大学） ； Universidade Aberta & INESC TEC（开放大学及INESC TEC） 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 本文通过两个案例研究探讨定制GPT如何通过沉浸维度提升在线教育中的参与度，展示其作为教学伙伴的作用。

Comments Accepted for presentation at iLRN 2026 - Immersive Learning Research Network conference

Neither Consent nor Property: A Policy Lab for Data Law

既非同意亦非财产：数据法的政策实验室

Haoyi Zhang, Tianyi Zhu

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

AI总结 本文通过构建数据市场的Agent-Based模型，探讨数据法中同意与财产规则对福利的影响，发现将实质性损害责任转移给下游买家可最大化社会福利。

Transparent and Controllable Recommendation Filtering via Multimodal Multi-Agent Collaboration

通过多模态多智能体协作实现透明且可控的推荐过滤

Chi Zhang, Zhipeng Xu, Jiahao Liu, Dongsheng Li, Hansu Gu, Peng Zhang, Ning Gu, Tun Lu

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

AI总结 本文提出一种结合端到云协作、多模态感知和多智能体编排的框架，有效减少推荐系统中的过度关联和误报，提升用户控制和透明度。

Comments 14 pages, under review

From Script to Stage: Automating Experimental Design for Social Simulations with LLMs

从脚本到舞台：利用LLMs自动化社会模拟的实验设计

Yuwei Guo, Zihan Zhao, Xiaowei Liu, Xiangning Yu, Deyu Zhou

专题命中 领域大模型 ：LLM(abstract,abstract_cn)

AI总结 本文提出FSTS框架，通过脚本生成自动化多智能体实验设计，降低社会科学研究的门槛并为政策制定提供科学支持。

Agentic AI for Education: A Unified Multi-Agent Framework for Personalized Learning and Institutional Intelligence

教育中的代理AI：一个统一的多智能体框架用于个性化学习与机构智能

Arya Mary K J, Deepthy K Bhaskar, Sinu T S, Binu V P

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

AI总结 本文提出AUSS框架，整合学生个性化、教师自动化和机构智能，利用LLMs、强化学习等技术提升教育系统效率与适应性。

MDwAIstScheduler: A Low-Cost, Voice-Activated Device for Hands-Free Clinical Scheduling

MDwAIstScheduler: 一种低成本、语音激活的设备，用于无手临床排程

Diego Mardien, Frank Liu

专题命中 领域大模型 ：LLM(abstract,abstract_cn)

AI总结 本文提出MDwAIstScheduler，一种低成本的语音助手，用于在患者会诊期间无手管理日历。该设备隐藏在实验服下，避免了可见屏幕或腕戴设备的视觉干扰，通过Raspberry Pi和云语音识别实现自动日历事件创建。

Comments Accepted into CHI 2026 Workshop: Everyday Wearable for Personalized Health and Well-Being

A Collection of Systematic Reviews in Computer Science

计算机科学中的系统综述集合

Pierre Achkar, Tim Gollub amd Martin Potthast

专题命中 领域大模型 ：LLM(abstract,abstract_cn)

AI总结 本文提出SR4CS，一个包含1212个计算机科学系统综述的大型数据集，用于评估布尔查询生成、检索和筛选的可重复研究，揭示不同检索方法的精度、召回率差异及零样本生成的局限性。

Comments Accepted at SCOLIA26 Workshop

Bringing AI into the Classroom: A Structured Approach for Integrating AI into Software Engineering Education

将AI引入课堂：一种将AI整合到软件工程教育中的结构化方法

Iris Groher, Michael Vierhauser, Markus Weninger

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

AI总结 本文提出AI-Blueprints概念，为将AI整合到计算机科学课程提供结构化方法，通过访谈验证并规划未来研究。

Comments accepted for publication at the 18th International Conference on Computer Supported Education

ProtoCLIP: Prototype-Aligned Latent Refinement for Robust Zero-Shot Chest X-Ray Classification

ProtoCLIP：基于原型对齐的潜在细化用于鲁棒零样本胸部X光分类

Florian Kittler, Sheethal Bhat, Andreas Maier

机构 * Friedrich-Alexander University Erlangen-Nuremberg（埃朗根-纽伦堡弗里德里希-亚历山大大学） 纠错

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

AI总结 ProtoCLIP通过针对性数据筛选和锚点对齐优化，提升零样本胸部X光分类的鲁棒性，在VinDr-CXR数据集上提升AUC2-10个百分点，尤其在肺部气胸检测中达到0.94的SOTA性能。

Representation Before Training: A Fixed-Budget Benchmark for Generative Medical Event Models

在训练前的表示：生成医学事件模型的固定预算基准

Inhyeok Lee, Luke Solo, Michael C. Burkhart, Bashar Ramadan, William F. Parker, Brett K. Beaulieu-Jones

机构 * University of Chicago（芝加哥大学） 纠错

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

AI总结 本文评估了在共享一epoch预训练预算下，表示决策对下游预测的影响，通过三个实验探讨了不同表示方法对医疗结果预测的改进效果。

Comments 39 pages. Submitted to Machine Learning for Healthcare 2026

CHIMERA: A Knowledge Base of Scientific Idea Recombinations for Research Analysis and Ideation

CHIMERA：用于研究分析和构想的科学思想重组知识库

Noy Sternlicht, Tom Hope

机构 * School of Computer Science and Engineering, The Hebrew University of Jerusalem（计算机科学与工程系，耶路撒冷希伯来大学） ； The Allen Institute for AI (AI2)（人工智能研究院（AI2）） 纠错

专题命中 领域大模型 ：LLM(abstract)；分类 cs.CL

AI总结 CHIMERA是首个基于科学文献自动挖掘的重组实例知识库，用于分析科学家如何跨领域重组概念，并训练生成跨学科研究方向的模型。

Comments Project page: https://noy-sternlicht.github.io/CHIMERA-Web

DREAM: Dynamic Retinal Enhancement with Adaptive Multi-modal Fusion for Expert Precision Medical Report Generation

DREAM：动态视网膜增强与自适应多模态融合用于专家精准医疗报告生成

Nagur Shareef Shaik, Teja Krishna Cherukuri, Dong Hye Ye

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

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

AI总结 DREAM通过动态多模态融合提升视网膜图像医疗报告生成精度，在数据有限时仍能生成高质量报告，实现BLEU-4 0.241的SOTA表现。

Comments Accepted at the IEEE Engineering in Medicine and Biology Society Annual International Conference (Proceedings of the 48th International Conference), 2026

AgriIR: A Scalable Framework for Domain-Specific Knowledge Retrieval

AgriIR：一个可扩展的领域特定知识检索框架

Shuvam Banerji Seal, Aheli Poddar, Alok Mishra, Dwaipayan Roy

机构 * Indian Institute of Science Education ； Research, Kolkata, India Institute of Engineering \& Management, Kolkata, India , , , Contributed equally 纠错

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

AI总结 AgriIR通过模块化设计实现领域特定知识检索，结合大语言模型与自适应检索器，确保在资源受限下提供可信答案，推动农业领域的AI应用。

Comments Accepted at ECIR 2026

CFSR: Geometry-Conditioned Shadow Removal via Physical Disentanglement

CFSR：通过物理解耦实现几何条件下的阴影去除

Pan Wang, Yihao Hu, Xiujin Liu, Hang Wang

机构 * University of Science and Technology of China（科学技术大学） ； University of Michigan - Ann Arbor（密歇根大学安娜堡分校） ； Sun Yat-sen University（中山大学） 纠错

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

AI总结 本文提出CFSR框架，通过物理约束恢复过程解决传统阴影去除网络缺乏物理可解释性的问题，结合3D几何信息与大规模基础模型语义，有效弥合2D-3D领域差距。

Watching Physics: the Generative Science of Matter and Motion

观察物理：物质与运动的生成科学

Hagen Holthusen, Kevin Linka, Ellen Kuhl

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

AI总结 本文探讨通过图像和视频直接学习运动物质的物理规律，并结合实验与模拟验证其有效性，提出生成科学的新前沿。

Comments 11 pages, 7 figures

Software-Defined Vehicle Ecosystems in Transformation -- A Systematic Literature Review

软件定义车辆生态系统转型——一项系统文献综述

Heidi Hietala, Nirnaya Tripathi, Prabhash Rathnayake, Yueqiang Xu, Tero Päivärinta, Ella Peltonen

专题命中 领域大模型 ：prompting(abstract)

AI总结 本文通过系统文献综述探讨软件定义车辆生态系统的发展，分析其协作结构、利益相关者角色及挑战，提出多层级生态系统模型，指出技术研究不足，需加强治理与协作商业模式研究。