语言大模型 / LLM

Clinical Term Extraction using Open-Source Small Language Models

使用开源小型语言模型进行临床术语提取

Noah Marchal, William E. Janes, Mihail Popescu, Xing Song

机构 * Informatics and Data Science Institute（信息学与数据科学研究所） ； Biomedical Informatics, Biostatistics and Medical Epidemiology Department（生物医学信息学、生物统计学与医学流行病学系） ； Department of Occupational Therapy（职业治疗系） ； University of Missouri, Columbia, Missouri, USA（密苏里大学哥伦比亚分校） 纠错

专题命中 领域大模型 ：language model(title,abstract)；small language model(title,abstract)；SLM(abstract,abstract_cn)；prompting(abstract)

AI总结 研究评估开源小型语言模型在无需训练数据的情况下，通过少样本提示从非结构化临床笔记中提取肌萎缩侧索硬化症相关术语，发现混合提取工作流优于单一模型。

SteuerLLM: Local specialized large language model for German tax law analysis

SteuerLLM：用于德国税法分析的本地化专业大语言模型

Sebastian Wind, Jeta Sopa, Laurin Schmid, Quirin Jackl, Sebastian Kiefer, Fei Wu, Martin Mayr, Harald Köstler, Gerhard Wellein, Andreas Maier, Soroosh Tayebi Arasteh

机构 * Pattern Recognition Lab, Friedrich-Alexander-Universität Erlangen-Nürnberg（模式识别实验室，弗赖堡-亚历山大大学埃尔兰根-纽伦堡） ； Erlangen National High Performance Computing Center, Friedrich-Alexander-Universität Erlangen-Nürnberg（埃尔兰根国家高性能计算中心，弗赖堡-亚历山大大学埃尔兰根-纽伦堡） ； DATEV eG, Nuremberg, Germany（DATEV eG，纽伦堡，德国） ； Bavarian AI Taxation Laboratory, Department of Computer Science, University of Technology Nuremberg（巴伐利亚人工智能税收实验室，技术大学纽伦堡计算机科学系） ； Chair for Tax Law and Public Law, Friedrich-Alexander-Universität Erlangen-Nürnberg（税法与公共法教授职位，弗赖堡-亚历山大大学埃尔兰根-纽伦堡） ； Chair of Computer Science 10, Friedrich-Alexander-Universität Erlangen-Nürnberg（计算机科学10号教授职位，弗赖堡-亚历山大大学埃尔兰根-纽伦堡） ； Lab for AI in Medicine, RWTH Aachen University（医学人工智能实验室，亚琛工业大学） ； Department of Diagnostic and Interventional Radiology, University Hospital RWTH Aachen（诊断与介入放射学系，亚琛大学医院） 纠错

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

AI总结 本文提出SteuerLLM，一个针对德国税法的专用大语言模型，通过合成数据集训练，在法律推理任务中优于通用模型，展示了领域适应的重要性。

Journal ref Scientific Reports, Volume 16, 2026

Beyond Templates: Revisiting Zero-Shot Remote Sensing through Meta-Prompting

超越模板：通过元提示重新审视零样本遥感

Eirini Baltzi, Dionysis Christopoulos, Sotiris Spanos, Valsamis Ntouskos, Konstantinos Karantzalos

机构 * Remote Sensing Lab, National Technical University of Athens（遥感实验室，国家技术大学雅典分校） ； Remote Sensing Lab, Department of Engineering and Sciences, National Technical University of Athens（遥感实验室，工程与科学系，国家技术大学雅典分校） ； Universitas Mercatorum（默卡托大学） 纠错

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

AI总结 研究通过元提示框架（MPVR）在17种视觉语言模型和12个遥感数据集上探索零样本性能，发现语义丰富的LLM生成描述可能引入噪声，而轻量级查询嵌入校准能稳定提升分类和检索性能。

Analyzing Students' Statistics Writing Before and After the Emergence of Large Language Models

分析大型语言模型出现前后学生的统计写作

Sara Colando, Erin Franke, Gordon Weinberg, Alex Reinhart

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

AI总结 本研究通过2021至2025年间1600多份本科生数据分析报告，发现学生写作风格和动词使用与LLM趋同，尤其在引言和结论部分，同时风格更接近统计专家，并讨论了教学评估的启示。

An LLM-Orchestrated Agent for Directional-Coupler Design with Self-Consistent Eigenmode and FDTD Validation

一种用于定向耦合器设计的LLM编排智能体，具有自洽本征模和FDTD验证

Saumya Biswas, Amrit De, Md Tauhidul Islam

机构 * Department of Mechanical Engineering, University of Maryland, College Park（马里兰大学学院市机械工程系） ； Apsidal LLC ； Department of Radiation Oncology, Stanford University（斯坦福大学放射肿瘤科） 纠错

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

AI总结 提出一种由大语言模型编排的智能体，结合本征模求解器和FDTD验证，自动设计SOI 2×2定向耦合器，实现高精度50/50分束。

Peeking Inside LLMs: Leveraging Internal Artifacts of LLMs for Enhancing Reliability in Legal Classification

窥视LLM内部：利用LLM的内部构件增强法律分类的可靠性

Sudipta Santra, Debtanu Datta, Saptarshi Ghosh

机构 * Indian Institute of Technology Kharagpur（印度理工学院卡哈拉格普尔分校） 纠错

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

AI总结 针对LLM在法律领域易产生错误或幻觉的问题，提出利用模型内部构件特征构建下游分类器检测预测正确性，在保释决策和法规违规预测任务上验证了有效性。

Comments Accepted at the International Workshop on Automated Semantic Analysis of Information in Law (ASAIL) 2026

Can LLMs Reason About Brand Ownership? An Empirical Study of Domain Attribution Intelligence

LLM能否推理品牌所有权？领域归属智能的实证研究

Fathima Mashood, Mohamed Nabeel

机构 * Google（谷歌） ； Microsoft（微软） 纠错

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

AI总结 针对品牌域名归属歧义问题，首次系统评估LLM在域名枚举、开放归属和二元分类三项任务中的品牌智能表现，发现模型依赖外部工具（如WHOIS）才能实现高精度所有权验证。

Comments llm, brand intelligence, whois, search, squatting domains, brand domains

From Punishment to Protection: Charting Six Decades of U.S. Juvenile Justice Through Topic Modeling and LLM-Assisted Analysis

从惩罚到保护：通过主题建模和LLM辅助分析描绘美国少年司法的六十年变迁

Nia E. George, Simeon Sayer

专题命中 领域大模型 ：LLM(title,title_cn)

AI总结 本文通过主题建模和LLM辅助分析60470份美国上诉意见（1970-2025），发现儿童福利案件激增、性犯罪登记案件翻倍，而传统惩罚机制（移交成人法庭、少年死刑）大幅下降，并揭示了法律词汇的十年演变和司法管辖区碎片化风险。

Comments 7 figures, 4 tables, includes appendices

On the Memorization Behavior of LLMs in Generative Recommendation: Observations, Implications, and Training Strategies

LLM在生成式推荐中的记忆行为：观察、启示与训练策略

Sunwoo Kim, Sunkyung Lee, Clark Mingxuan Ju, Donald Loveland, Bhuvesh Kumar, Kijung Shin, Neil Shah, Liam Collins

机构 * KAIST（韩国科学技术院） ； Sungkyunkwan University（成均馆大学） ； Snap Inc.（Snap公司） 纠错

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

AI总结 研究LLM在生成式推荐中的记忆倾向，发现其过度依赖一跳记忆，提出IIRG训练策略以学习多跳协同与语义关系，显著提升对非一跳记忆用户的推荐效果。

Scalable Training of Spatially Grounded 2D Vision-Language Models for Radiology

面向放射学的空间定位2D视觉-语言模型的可扩展训练

Yusuf Salcan, Simon Ging, Robin Tibor Schirrmeister, Philipp Arnold, Elmar Kotter, Behzad Bozorgtabar, Thomas Brox

机构 * Computer Vision Group, University of Freiburg, Germany（德国弗莱堡大学计算机视觉组） ； Department of Radiology, Medical Center -- University of Freiburg, Germany（德国弗莱堡大学医学中心放射科） ； CRIION-AI Lab, Freiburg, Germany（德国弗莱堡CRIION-AI实验室） 纠错

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

AI总结 提出RefRad2D大规模双语数据集，通过LLM和自动分割生成空间定位数据，训练RadGrounder模型联合完成报告生成、VQA和空间定位，在外部基准上取得竞争性结果。

Comments Accepted for MICCAI 2026. First two authors: equal contribution. Last two authors: equal supervision

Who Owns the AI Recommendation? A Multi-Industry Empirical Map of Brand Category Ownership Across Large Language Models

谁拥有AI推荐？跨行业大语言模型品牌类别所有权实证图谱

Dmitrij Żatuchin

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 本研究提出三个探索性指标（类别所有权指数、竞争真空指数和置换得分），分析三个大语言模型在50个品牌、五个行业的推荐集中度与竞争结构，发现推荐集中度中等，跨模型一致性仅41.6%，置换程度因行业而异。

Comments 21 pages, 4 figures, 7 tables. Under review at Journal of Marketing Analytics (Palgrave Macmillan). Data and analysis code on Zenodo, https://doi.org/10.5281/zenodo.20788142

Leveraging Large Language Models to Obscure Code Stylometry: A Comparative Study of GPT-3.5 and GPT-4

利用大型语言模型混淆代码风格计量学：GPT-3.5与GPT-4的对比研究

Saman Pordanesh, Benjamin Tan

机构 * UNIVERSITY OF CALGARY（卡尔加里大学） 纠错

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

AI总结 研究GPT-3.5和GPT-4在保持代码功能的同时混淆代码风格计量学的能力，通过随机森林分类器评估不同提示工程策略的效果，发现单次与多次提示方法存在显著差异，并强调了详细结构化提示的重要性。

Text2DSL: LLM-Based Code Generation for Domain-Specific Languages

Text2DSL：基于大语言模型的领域特定语言代码生成

Alexander V. Kozachok, Alexander M. Nazimov, Shamil G. Magomedov

机构 * RTU MIREA --- Russian Technological University（俄罗斯技术大学） ； Academy of the Federal Guard Service of the Russian Federation（俄罗斯联邦警卫局学院） 纠错

专题命中 领域大模型 ：LLM(title,summary_cn)；分类 cs.AI

AI总结 提出Text2DSL任务，将自然语言描述自动转换为领域特定语言（DSL）代码；构建PolkitBench数据集，通过结构化上下文（BNF语法、API规范等）显著提升LLM生成代码的语法和结构有效性。

Comments 14 pages, 4 figures, 5 tables. Accepted at KES 2026 (Knowledge-Based Intelligent Information and Engineering Systems), Procedia Computer Science, Elsevier

MEDLAYXPLAIN: Benchmarking the Expert-Lay Gap in Medical Vision-Language Models

MEDLAYXPLAIN: 医学视觉语言模型中的专家-外行差距基准测试

Han Jang, Junhyeok Lee, Songsoo Kim, Chae Young Lim, Hyeonjin Goh, Heeseong Eum, Kyu Sung Choi

机构 * Seoul National University（首尔大学） ； Seoul National University Hospital（首尔大学医院） ； Seoul National University College of Medicine（首尔大学医学院） ； Sungkyunkwan University School of Medicine（成均馆大学医学院） 纠错

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

AI总结 提出首个大规模医学外行语言生成基准MedLayXPlain，包含12万+区域级样本和三层UMLS本体，通过HOVER管道构建外行描述，并引入轻量级评估器MedLayEval，揭示当前医学VLM在外行可读性与临床精度间的系统性差距。

Comments 40 pages (10 pages main text, 30 pages appendix), 4 main figures, 33 vision-language models benchmarked

A Novel Hierarchical Multi-Agent System for Payments Using LLMs

一种基于LLMs的新型分层多智能体系统用于支付

Joon Kiat Chua, Donghao Huang, Zhaoxia Wang

机构 * School of Computing and Information Systems, Singapore Management University（新加坡管理大学计算机与信息学院） ； Research and Development, Mastercard（万事达卡研发部） 纠错

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

AI总结 本文提出HMASP系统，通过分层多智能体架构实现端到端支付流程自动化，采用模块化设计和协调协议，首次实现基于LLM的支付智能体全流程。

Comments 12 pages, 1 figure, 3 tables. Accepted at PAKDD 2026

Journal ref In: Wong, R.CW., et al. Advances in Knowledge Discovery and Data Mining. PAKDD 2026. Lecture Notes in Computer Science(), vol 16598. Springer, Singapore

AIR: Improving Agent Safety through Incident Response

AIR：通过事件响应提升智能体安全性

Zibo Xiao, Jun Sun, Junjie Chen

机构 * Tianjin University（天津大学） ； Singapore Management University（新加坡国立管理学院） 纠错

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

AI总结 提出首个面向LLM智能体系统的事件响应框架AIR，通过语义检测、自动遏制恢复和规则合成，在三个典型智能体上实现超90%的检测、修复和根除成功率。

Comments Accepted at ICML 2026

Interleaved Speech Language Models Latently Work In Text

交错式语音语言模型在文本中隐式工作

Talia Sternberg, Gallil Maimon, Yossi Adi

机构 * The Hebrew University of Jerusalem（耶路撒冷希伯来大学） 纠错

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

AI总结 通过logit透镜分析发现，交错式语音-文本语言模型在中间层隐式转录语音为文本，然后基于文本空间预测下一个词，再转换回语音域，揭示了语音与文本模态的内部交互机制。

Comments Preprint. 23 pages, 20 figures, 5 tables

DEFENGRAPH: Knowledge Graph-Enhanced LLMs for Blue Team Cyber Defense

DEFENGRAPH：面向蓝队网络防御的知识图谱增强型大语言模型

Zhen Wang, Kristen Moore, Qin Wang, Guangsheng Yu, Minjune Kim, Diksha Goel, Gang Li, Ahmed Ibrahim, Ahmad Mohsin, Helge Janicke

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

AI总结 提出DEFENGRAPH框架，通过双层静态-动态知识图谱与图路径检索、上下文过滤和重排序增强LLM的上下文推理，在红蓝对抗演习数据上显著提升防御决策的召回率和精确率。

BioMatrix: Towards a Comprehensive Biological Foundation Model Spanning the Modality Matrix of Sequences, Structures, and Language

BioMatrix：迈向覆盖序列、结构和语言模态矩阵的综合性生物基础模型

Qizhi Pei, Zhimeng Zhou, Yi Duan, Yiyang Zhao, Wei Li, Han Guo, Liang He, Chengping Li, Chang-Yu Hsieh, Conghui He, Rui Yan, Lijun Wu

机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学高瓴人工智能学院） ； OpenDataLab, Shanghai Artificial Intelligence Laboratory（上海人工智能实验室 OpenDataLab） ； Zhejiang University（浙江大学） ； Shanghai Innovation Institute（上海创新研究院） ； East China Normal University（华东师范大学） ； Zhongguancun Academy（中关村学院） ； School of Artificial Intelligence, Wuhan University（武汉大学人工智能学院） 纠错

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

AI总结 提出首个原生多模态生物基础模型BioMatrix，通过统一分词方案将分子序列、结构、蛋白质序列、结构和自然语言映射到共享离散标记空间，在单一解码器架构下实现所有模态的统一生成，在80项任务中77项达到最优或竞争力水平。

WaveDetect: Robust Framework for Machine-Generated Text Detection via Wavelet Transform

WaveDetect: 基于小波变换的机器生成文本检测鲁棒框架

Zhichen Liu, Kaitong Qin, Linhan He, Yang Xu

机构 * Dept. of Computer Science and Engineering, Southern University of Science and Technology（南方科技大学计算机科学与工程系） 纠错

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

AI总结 提出WaveDetect框架，将文本检测转化为时频域信号处理任务，利用连续小波变换提取机器文本的谱指纹，在三个数据集上达到新最优，对对抗扰动、跨域偏移和模型演化具有鲁棒性。

SciR: A Controllable Benchmark for Scientific Reasoning in LLMs

SciR: 面向LLM科学推理的可控基准

Pierre Beckmann, Marco Valentino, Andre Freitas

机构 * Idiap Research Institute（Idiap研究 institute） ； EPFL（瑞士联邦理工学院） ； School of Computer Science, University of Sheffield（谢菲尔德大学计算机科学学院） ； University of Manchester（曼彻斯特大学） ； National Biomarker Centre, CRUK Manchester Institute（国家生物标志物中心，CRUK曼彻斯特研究所） 纠错

专题命中 领域大模型 ：LLM(title_cn,summary_cn)；分类 cs.AI

AI总结 提出SciR基准，通过形式对象生成可验证的多范式科学推理任务，并控制信息提取和推理难度两个维度，揭示LLM在科学推理中的弱点。

Unlocking In-Context Learning in Audio-Language Models from Decentralized Medical Audio

从分散的医疗音频中解锁音频-语言模型的上下文学习

Ran Piao, Tsai-Ning Wang, Martijn den Dekker, Linda Moonen, Hareld Kemps, Yuan Lu, Aaqib Saeed

机构 * Eindhoven University of Technology（埃因霍温理工大学） ； Erasmus MC（伊拉斯姆斯医学中心） ； Rijnstate Hospital（莱茵州医院） 纠错

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

AI总结 提出联邦自上下文学习（FSC）框架，通过无监督聚类构建伪标签片段，结合渐进式三阶段流水线，在联邦医院客户端实现少样本临床音频诊断，准确率达71.6%。

FairTutor: Equity-Aware Pedagogical LLM Routing for Budget-Constrained AI Tutoring

FairTutor: 预算受限AI辅导中的公平感知教学LLM路由

Qingyang Xu

机构 * Independent researcher, Shanghai, China（独立研究者，上海，中国） 纠错

专题命中 领域大模型 ：LLM(title,title_cn)；分类 cs.AI

AI总结 提出FairTutor框架，通过教学驱动的多智能体编排实现成本效益AI辅导，在降低71.6%服务成本的同时达到97.1%的优质教学质量，并引入AIED优势差距指标衡量公平性。

Comments AI for Education Day at SIGKDD 2026, 14 pages, 2 figures

Agent Skill Framework: Perspectives on the Potential of Small to Medium Language Models in Industrial Environments

Agent技能框架：中小型语言模型在工业环境中的潜力视角

Yangjie Xu, Lujun Li, Lama Sleem, Niccolo Gentile, Yewei Song, Yiqun Wang, Siming Ji, Wenbo Wu, Radu State

机构 * University of Luxembourg（卢森堡大学） ； Foyer S.A.（Foyer公司） ； Princeton University（普林斯顿大学） ； Université Paris-Saclay（巴黎萨克雷大学） 纠错

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

AI总结 研究在资源受限的工业场景中，中小型开源语言模型（270M-80B）使用Agent技能的效果，发现30B-80B模型受益显著，而小型模型技能选择困难，思考变体提升有限且增加GPU开销。

Comments 12 pages

Training-Free Zero-Shot Anomaly Detection in 3D Brain MRI with 2D Foundation Models

无需训练的3D脑部MRI中零样本异常检测

Tai Le-Gia, Jaehyun Ahn

机构 * Department of Mathematics, Chungnam National University（Chungnam国立大学数学系） 纠错

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

AI总结 本文提出无需训练的3D脑部MRI零样本异常检测框架，通过聚合多轴切片的2D基础模型生成局部体积标记，恢复立方空间上下文并直接整合距离基异常检测流程，提供高效的3D表示。

Comments Accepted for MIDL 2026

Journal ref Tai Le Gia, Jaehyun Ahn Proceedings of The 9th International Conference on Medical Imaging with Deep Learning, PMLR 315:3069-3088, 2026

OphthaDT: Generative Digital Twins for Forecasting Visual Acuity Trajectories in Ophthalmology

OphthaDT：用于眼科视力轨迹预测的生成式数字孪生

Pietro Belligoli, Nikita Makarov, Sayedali Shetab Boushehri, Fabian Schmich, Raul Rodriguez-Esteban, Michael Menden

机构 * Computational Sciences Center of Excellence, Roche, Penzberg, Germany（计算科学卓越中心，罗氏，彭茨贝格，德国） ； Computational Health Center, Helmholtz Munich, Munich, Germany（计算健康中心，亥姆霍兹慕尼黑，慕尼黑，德国） ； Department of Biology, Ludwig Maximilian University of Munich, Munich, Germany（生物学系，路德维希-马克西米利安-慕尼黑大学，慕尼黑，德国） ； Computational Sciences Center of Excellence, Roche, Basel, Switzerland（计算科学卓越中心，罗氏，巴塞尔，瑞士） ； Department of Biochemistry and Pharmacology, Bio21 Molecular Science and Biotechnology Institute, The University of Melbourne, Parkville, Australia（生物化学与药理学系，Bio21分子科学与生物技术研究所，墨尔本大学，帕克维尔，澳大利亚） ； Technical University of Munich, Munich, Germany（慕尼黑工业大学，慕尼黑，德国） 纠错

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

AI总结 提出基于LLM的数字孪生OphthaDT，通过序列化纵向患者历史预测最佳矫正视力，在nAMD和DME数据集上分别降低MAE 6.0%和2.6-6.9%，尤其擅长处理高变异性轨迹。

Old Fictions, New Skins: Evaluating the Manipulative Capabilities of LLMs in Healthcare

旧小说，新皮肤：评估LLM在医疗保健中的操纵能力

Gathoni Ireri, Roger D. Odipo

机构 * ILINA Program（ILINA项目） ； Haki AI 纠错

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

AI总结 通过随机实验发现，ChatGPT 5.2和DeepSeek V3.2在肯尼亚参与者中能显著操纵其治疗决策，成功率从44.0%升至59.5%，凸显非洲医疗AI中防范操纵的必要性。

Comments 28 pages, 4 figures

Formally Verified Code Synthesis for Structured Data Translation in a Medical Internet of Things

医疗物联网中结构化数据翻译的形式化验证代码合成

Colin Samplawski, Adam D. Cobb

机构 * Computer Science Laboratory, SRI International（SRI国际计算机科学实验室） 纠错

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

AI总结 提出一种基于LLM的进化代码合成系统，集成形式化验证步骤，用于医疗物联网中结构化数据翻译，确保生成代码满足预定义需求，并以脉搏血氧仪集成案例展示其低开销生成正确翻译的能力。

Comments Spotlight Paper at the Workshop on Structured Data for Health at ICML 2026

A large-scale foundation model enables simulation-to-real adaptation for nuclear magnetic resonance-based molecular structure analysis

大规模基础模型实现基于核磁共振的分子结构分析的仿真到真实适应

Chen Yang, Zheng Fang, Hanyu Sun, Fanjie Xu, Hongxin Xiang, Hanyu Gao, Xiangxiang Zeng, Yuqiang Li, Xiaojian Wang, Jun Xia

机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； Peking Union Medical College（北京友谊医院） ； Chinese Academy of Medical Sciences（中国医学科学院） ； Xiamen University（厦门大学） ； Hunan University（湖南大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） 纠错

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

AI总结 提出大规模NMR基础模型UltraNMR，通过1.58亿对模拟谱预训练，学习可泛化谱表示，在多个实验NMR任务上取得最先进性能，并实现结构感知检索和真实天然产物结构解析。

From Production SIEM to Reusable Cybersecurity Artifacts

从生产SIEM到可复用的网络安全工件

Sidnei Barbieri, Leonardo Vaz de Meneses, Ágney Lopes Roth Ferraz, Wagner Comin Sonaglio, Lourenço Alves Pereira Júnior

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

AI总结 提出一种从生产金融安全运营中心提取、匿名化、结构化并验证SIEM数据的方法，生成可复用的研究工件，并通过训练和测量实验验证其隐私-效用边界。