语言大模型 / LLM

Surgical Alignment in Knowledge Graph Training for Clinical Diagnosis with Large Language Models

面向临床诊断的大语言模型训练中知识图谱的外科式对齐

Saksham Khatwani, He Cheng, Majid Afshar, Dmitriy Dligach, Yanjun Gao

机构 * University of Colorado Anschutz Medical Campus（科罗拉多大学安舒茨医学校区） ； University of Wisconsin Madison（威斯康星大学麦迪逊分校） ； Loyola University（洛约拉大学） 纠错

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

AI总结 该研究针对临床诊断的LLM训练，通过多维度系统研究引入GID和GD，发现KL正则化下KG判断训练的稀疏更新（外科式对齐）可提升推理质量，需结合优化几何诊断评估KG-LLM整合。

Comments This work has been accepted to EMNLP 2026 Findings

Negligible in Size, Significant in Effect: On Scale Vectors in Large Language Models

微不足道的大小，显著的效果：大型语言模型中的尺度向量

Mingze Wang, Shuchen Zhu, Yuxin Fang, Binghui Li, Kai Shen, Shu Zhong

机构 * Peking University（北京大学） 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.AI、cs.LG

AI总结 本文系统研究了大型语言模型中的尺度向量，发现其虽参数占比极小但对预训练至关重要，通过自放大预条件效应优化优化过程，并提出了三种轻量级改进策略，在多种模型规模上一致提升性能。

Comments 36 pages

Design and implementation of an SLM-driven coherent differential imaging scheme

基于空间光调制器（SLM）驱动的相干差分成像方案的设计与实现

L. Lin, L. Marquis, R. Tandon, J. Kühn

专题命中 领域大模型 ：SLM(title,title_cn)

AI总结 本文设计实现了基于SLM的相干差分成像集成器，通过模拟与实验室验证研究其性能，未来或可用于抑制AO后残余波前误差以提升地面系外行星直接成像对比度。

Comments 10 pages, 5 figures, spie astronomical telescopes + instrumentation 2026, Proceedings Volume 14154

D-TAIA: Domain-Aware LLM Adaptation for Multi-Task Predictive Process Monitoring

D-TAIA：面向多任务预测过程监控的领域感知大语言模型适配

Sjoerd van Straten, Christine Jacob, Marwan Hassani

机构 * Eindhoven University of Technology（埃因霍温理工大学） ； University of Wuppertal（伍珀塔尔大学） 纠错

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

AI总结 本文提出D-TAIA框架，通过参数高效微调FM骨干网，结合DATL预训练与FAISS检索等技术，在四个真实事件日志上实现多任务PPM的SOTA或竞争力性能。

Automated Analysis Framework for Multilingual Climate-Health Literature Based on Multi-Agent Large Language Model

基于多智能体大语言模型的多语言气候-健康文献自动分析框架

Yuze Sun, Shihui Zhang, Jiancheng Pan, Yunjia Ye, Wentao Luo, Jiahao Li, Quan Zhang, Wenjia Cai, Xiaomeng Huang

机构 * Tsinghua University（清华大学） ； Huawei Technologies Co., Ltd（华为技术有限公司） ； Renmin University of China（中国人民大学） ； Beijing Forestry University（北京林业大学） ； National Institute of Natural Hazards, Ministry of Emergency Management of China（中国应急管理部国家自然灾害防治研究院） 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 针对多语言气候-健康文献分析痛点，提出多智能体大语言模型自动分析框架，经双语语料验证核心信息提取F1值达0.92，可支撑该领域大规模证据挖掘。

An Event is Worth One Token: Event Tokenization for Industrial-scale LLM Recommendation

一个事件等价于一个Token：面向工业级LLM推荐的事件分词

Fan Xia, Zhaoheng Zheng, Iman Setayesh, Ruogu Lin, Yiqin Pan, Samarth Mittal, Wentao Bao, Vinti Pandey, Sachin Patil, Jianpeng Cheng, Jun Xiao, Zhuang Wang, Xiangjun Fan, Sri Reddy, Minghai Chen

专题命中 领域大模型 ：LLM(title,title_cn)

AI总结 该研究提出以事件为中心的AMBER方法，将交互快照压缩为事件Token，在工业级推荐基准上提升了计算-质量帕累托前沿，且事件Token可跨模型架构迁移并随容量扩展持续优化。

Comments 11 pages, 10 figures, 7 tables

EvoRepair: Enhancing Vulnerability Repair Agents Through Experience-Based Self-Evolution

EvoRepair: 通过基于经验的自我进化增强漏洞修复智能体

Haichuan Hu, Guoqing Xie, Quanjun Zhang, Jiawei Liu, Shengcheng Yu, Chunrong Fang, Zhenyu Chen, Liang Xiao

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EvoRepair框架，通过循环学习-修复过程积累和复用漏洞修复经验，在多个基准上显著提升LLM的自动漏洞修复性能。

Prompts Without Evidence: How Neuroimaging Mentions Shift Clinical Vision-Language Model Predictions

脚手架效应：提示框架如何驱动临床VLM评估中的表面多模态增益

Doan Nam Long Vu, Simone Balloccu

机构 * Technical University of Darmstadt（达姆施塔特技术大学） 纠错

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

AI总结 研究发现，在临床VLM评估中，提示中提及MRI可用性即可解释70-80%的性能提升，与图像数据是否存在无关，这种“脚手架效应”揭示了表面评估无法反映真实多模态推理能力。

Comments Accepted to EMNLP 2026 Main Conference

Towards Large-Scale Heterogeneous Data Organization for Scientific Foundation Models: A Nuclear Fusion Case Study

面向科学基础模型的大规模异构数据组织：以核聚变研究为例

Nathaniel Chen, Kouroche Bouchiat, Peter Steiner, Azarakhsh Jalalvand, SangKyeun Kim, Egemen Kolemen

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

AI总结 本文以核聚变研究为例，针对科学基础模型训练所需的大规模异构数据问题，表征了相关数据特性并分析了复杂度，提出了多模态波动数据表征模板，为相关领域提供了参考。

Comments Accepted at the 3rd Workshop on Navigating and Addressing Data Problems for Foundation Models (DATA-FM), ICLR 2026

Adaptive Strategy Generation for Boundary Value Exploration Beyond Numeric Inputs

超越数值输入的边界值探索自适应策略生成

Sabinakhon Akbarova, Felix Dobslaw, Robert Feldt

专题命中 领域大模型 ：LLM(summary_cn,abstract)

AI总结 本文提出基于LLM的ABEX框架，以自适应策略生成替代手动设计变异算子，在含多类型输入的20个函数的黑盒测试中，其边界探索与故障揭示性能优于现有QD基线。

Comments 29 pages, 6 figures

From Small Talk to Rapport: Exploring Robot Self-Disclosure in Collaborative Tasks

从闲聊到融洽关系：探索机器人在协作任务中的自我表露

Kaitlynn Taylor Pineda, Anvii Mishra, Brian Chien, Angela Guo, Toluwani Williams, Ziang Xiao, Chien-Ming Huang

专题命中 领域大模型 ：LLM(summary_cn,abstract)

AI总结 本研究开发了LLM驱动的工业机械臂，采用低/高表露策略开展用户研究，发现低表露时用户自我表露更多、团队协作感更强，提示机器人自我表露并非越多越好，需考虑用户HRI经验。

Comments 8 pages, 2 figures, 1 table

EXPOSE: Explainable and Domain-Robust Embeddings from Pathology Vision Foundation Models using Sparse Autoencoders

EXPOSE：基于稀疏自编码器的病理视觉基础模型可解释且领域鲁棒的嵌入表示

Anja Witte, Maximilian Lennartz, Jan Baumbach, Guido Sauter, Stefan Bonn, Patrick Fuhlert, Marina Zimmermann

机构 * University Medical Center Hamburg-Eppendorf（汉堡埃彭多夫大学医学中心） ； University of Hamburg（汉堡大学） ； German Center for Child and Adolescent Health（德国儿童与青少年健康中心） 纠错

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

AI总结 本研究针对病理视觉基础模型嵌入的领域偏移问题，提出EXPOSE框架，利用稀疏自编码器解耦并抑制领域特定特征，在前列腺癌数据集实验中提升了跨域性能与嵌入鲁棒性。

Propagating construction-time knowledge quality into medical question answering: A framework grounded in clinical guidelines

将构建时的知识质量传播到医学问答：一种基于临床指南的框架

Jie Hu, Junjie Wang, Shan Lu, Yifang Hu, Gong Cheng, Yun Liu

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

AI总结 该研究提出一种基于临床指南的质量感知框架，将KG构建时的三元组质量信号融合后传播到问答的子图检索与证据提示，可减少知识遗漏与冲突输出，提升临床问答性能。

AI Writers Have a Consistent Stylometric Footprint, but AI Editors Do Not

AI 生成文本具有一致的计量文体足迹，但 AI 编辑文本不具有

Zhengyang Shan, Yukyung Lee, Sophie Hao

机构 * Boston University（波士顿大学） 纠错

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

AI总结 该研究发现 AI 生成文本具有一致的计量文体足迹，而 AI 编辑文本没有，二者留下的痕迹存在差异，需分别研究。

Comments EMNLP Main 2026

Do Medical Vision Models Reason About Anatomy? Probing the Spatial Inductive Biases of Learned Visual Representations

医学视觉模型是否对解剖结构进行推理？探究学习到的视觉表示的空间归纳偏置

Naren Akash, Neeraja Ramanan

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

AI总结 本研究构建SPAR-Bench探测任务，发现医学视觉模型仅记忆标准解剖结构，缺乏特定患者图像内结构对比的推理能力，池化探测会低估其表示能力。

From Uncertainty to Clinical Risk: Severity-Aware Conformal Planning for Interactive Medical Diagnosis

从不确定性到临床风险：面向交互式医疗诊断的严重程度感知共形规划

Yue Zhou, Haiyang Zhou, Jin Zhang, Kong Wang, Yongxin Ni, Youhua Li, Hanwen Du

机构 * Lanzhou University（兰州大学） ； Hunan University（湖南大学） ； National University of Singapore（新加坡国立大学） ； City University of Hong Kong（香港城市大学） ； The Ohio State University（俄亥俄州立大学） 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 该研究针对交互式医疗诊断漏诊重症的风险与长程规划缺失问题，提出严重程度感知共形临床规划框架，在DDXPlus和MediQ上提升了诊断准确性、鉴别质量并降低了高风险错误。

LitCurate: A Configuration-Driven AI-Assisted Framework for Scientific Database Construction with an Application to Lower-Mantle Equation-of-State Data

LitCurate：一种配置驱动的AI辅助科学数据库构建框架及在下地幔状态方程数据中的应用

Abin Shakya, Wilson Samuels, Dominica Wilson, Gioia A. Marchi, Israa Draz, Chenxing Luo, Renata M. Wentzcovitch

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

AI总结 本文提出开源框架LitCurate，整合大语言模型与可审计分阶段工作流构建科学数据库，并将其应用于构建含1334条条目的下地幔高压矿物相状态方程数据库，实现文献到可追溯数据的转化。

Comments 26 pages, 7 figures

Does Finetuning with Scientific Data Increase Hallucinations? A Multi-domain Factuality Evaluation of LLMs

使用科学数据微调会增加幻觉：LLMs的多领域事实性评估

Raia Abu Ahmad, Nikolas Rauscher, Ekaterina Borisova, Fabio Barth, Georg Rehm, Sebastian Möller

机构 * Deutsches Forschungszentrum für Künstliche Intelligenz GmbH（德国人工智能研究中心 GmbH） ； Technische Universität Berlin（柏林技术大学） ； Humboldt-Universität zu Berlin（柏林洪堡大学） 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 提出SciFactCheck基准和模块化评估框架，发现科学微调模型在所有幻觉类型和科学领域上事实可靠性下降，且内部更不自信但语言更武断。

Comments Camera-ready version

A Correspondence Score for Validating Learned Patient Representations in Clinical Tabular Data

用于验证临床表格数据中学到的患者表征的对应分数

Majid Lotfian Delouee, Sjors G. J. G. In 't Veld, Martijn C. Schut

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

AI总结 该研究针对临床表格数据中学到的患者表征是否保留原始数据相似性的问题，提出结合贝叶斯优化权重的对应分数，经实验表明表格基础模型的表征保留对应关系更优，可用于评估表征质量并辅助方法与维度选择。

Report Supervision

报告监督

Pedro R. A. S. Bassia, Wenxuan Li, Jakob Wasserthal, Jieneng Chen, Xinze Zhou, Zheren Zhu, Chuntung Zhuanga, Sergio Decherchi, Andrea Cavalli, Kang Wang, Yang Yang, Alan Yuille, Zongwei Zhou

机构 * Johns Hopkins University（约翰斯·霍普金斯大学） ； University Hospital Basel（巴塞尔大学医院） ； Stanford University（斯坦福大学） ； University of California, San Francisco（加利福尼亚大学旧金山分校） ； Italian Institute of Technology（意大利技术研究院） ； University of Bologna（博洛尼亚大学） ； École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院） ； Johns Hopkins Medicine（约翰斯·霍普金斯医疗集团） 纠错

专题命中 领域大模型 ：language model(abstract)

AI总结 本研究提出报告监督（R-Super）框架，利用大量放射学报告补充稀缺的肿瘤掩码训练数据，在肾脏和胰腺肿瘤分割任务上显著提升了AI的检测与分割性能。

Comments Published in Medical Image Analysis, 2026