语言大模型 / LLM

Can Large Language Models Identify Meaningful Touchpoints in Conversion Attribution?

大型语言模型能否识别转化归因中有意义的接触点？

Jinqi Wu, Sishuo Chen, Zhangming Chan, Yong Bai, Chao Yi, Han Zhu, Shuodian Yu, Lei Zhang, Sheng Chen, Chenghuan Hou, Jian Xu, Chaoyou Fu

机构 * State Key Laboratory for Novel Software Technology, Nanjing University（南京大学计算机软件新技术国家重点实验室） ； School of Intelligence Science and Technology, Nanjing University（南京大学智能科学与技术学院） ； Taobao & Tmall Group of Alibaba（阿里巴巴淘宝天猫集团） 纠错

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

AI总结 该研究针对转化归因接触点选择的语义差距问题，评估LLMs识别隐藏关联的能力，分析提示策略与模型选择的影响，还将LLM归因标签用于提升CVR模型性能。

Comments 6 pages, 4 figures, 3 tables; accepted as a short paper at CIKM 2026

Error Detection for PET/CT Radiology Reports: Domain-Specific vs Large Language Models

PET/CT放射报告的错误检测：领域特定模型与大语言模型

Hermione Warr, Harry Anthony, Lilli J Freischem, Yasin Ibrahim, Daniel R McGowan, Konstantinos Kamnitsas

机构 * University of Oxford（牛津大学） ； Oxford University Hospitals NHS（牛津大学医院NHS） ； Imperial College London（伦敦帝国理工学院） ； University of Birmingham（伯明翰大学） 纠错

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

AI总结 本研究针对PET/CT报告错误检测，对比了领域特定模型与大语言模型，发现15M参数的领域特定BERT模型性能优于最强提示式LLM，任务适配的Llama-3.3-70B可缩小差距但计算需求更高，证明领域特定训练更关键。

On the Prospects of Dynamic LLM Conversations in Software Development

动态大语言模型（LLM）对话在软件开发中的应用前景

Annemarie Wittig, Alina Mailach, Janet Siegmund, Norbert Siegmund

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 本研究通过四个月的纵向实验，评估对开发者与LLM的交互进行干预的影响，发现最小化干预无有害影响，主动干预组满意度呈上升趋势，表明动态引导机制可提升开发者满意度。

BiasMix-Finance: Post-Generation KYC Guardrails for LLM Portfolio Advice

BiasMix-Finance：面向LLM投资组合建议的生成后KYC护栏

Gaurav Kukreja, Parul Kukreja, Mohammed Abraar, Raj Dandekar, Rajat Dandekar, Sreedath Panat

机构 * Vizuara（维祖拉公司） 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 本文提出BiasMix-Finance生成后KYC护栏流水线，含JSON模式约束、数值上限验证及凸二次规划投影，可将LLM投资组合建议违规率降至0%，并发布相关基准与代码。

Comments 18 pages, 9 figures, 8 tables. Accepted to the ICLR 2026 Financial AI (FinAI) Workshop. Code and data: this https URL (https://github.com/gauravkukreja06/biasmix-finance)

A Comprehensive Review of Large Language Models for Nanophotonics: From Surrogate Modeling to Autonomous Design

面向纳米光子学的大语言模型综合综述：从代理建模到自主设计

Huanshu Zhang, Kegeng Tang, Lei Kang, Sawyer D. Campbell, Zihao Wang, Douglas H. Werner

机构 * The Pennsylvania State University（宾夕法尼亚州立大学） ； University of Tennessee at Chattanooga（田纳西大学查塔努加分校） 纠错

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

AI总结 该综述探讨大语言模型（LLMs）如何通过语义接口、代码生成及工具编排改进纳米光子学工作流，梳理相关方法的两类模式及跨学科应用，展望具备物理感知的多模态基础模型，推动AI从被动工具向主动科研合作者转变。

Comments Accepted for publication in Advanced Photonics

Intelligent Identification and Repair of Design Defects in BIM via Domain-Specific Large Language Models

基于领域专用大语言模型的BIM设计缺陷智能识别与修复

Jia-Rui Lin, Yun-Hong Cai, Xiang-Rui Ni, Peng Pan

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

AI总结 本研究提出结合领域专用LLM、BIM转文本方法及幻觉控制策略的集成框架，实现BIM设计缺陷的智能识别与修复，识别准确率达85%，合理修复建议生成率94%，构建了端到端原型。

Dense Clinical Contrasts Enhance Medical Knowledge Updating in Large Language Models

密集临床对比可增强大型语言模型中的医学知识更新

Yangmin Huang, Shu Quan, He Geng, Xin Ye, Qianyun Du, Zhiyang He, Jiaxue Hu, Xiaodong Tao

机构 * Xunfei Healthcare Technology Co., Ltd.（讯飞医疗科技股份有限公司） 纠错

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

AI总结 该研究提出SEER-Bench基准，对比四种监督形式后发现EMQ在相同预算下可提升大型语言模型的医学知识更新效果，4B模型在该监督下于SEER-Bench取得64.8%答案准确率，证明医学知识更新与监督形式相关。

Comments Accepted to Findings of EMNLP 2026

Automatic Conversion of NICE Guidelines to an Executable Computational Model Using Large Language Models

利用大语言模型将NICE指南自动转换为可执行计算模型

Ashvin Gupta, Denys Prociuk, Alessandra Russo, Brendan C. Delaney

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

AI总结 本研究提出基于大语言模型的端到端方法，将NICE临床指南转换为可执行模型，在胰腺癌案例中F1达82.5%，证明了自动化生成可计算临床指南的可行性。

Comments 18 pages. Published in Learning Health Systems (2026)

Let Them Steal: Trapping Large Language Model Extraction Attacks with Knowledge Honeypot

让他们偷：用知识蜜罐诱捕大语言模型提取攻击

Yuyang Dai, Yushun Dong

机构 * Florida State University（佛罗里达州立大学） 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

AI总结 提出知识陷阱防御方法，通过蜜罐知识图和面包屑引导消耗攻击者查询预算，在保持合法用户性能的同时降低替代模型一致性6.2%。

Comments Accepted by EMNLP 2026 (Main)

LLM Judges Verify Presence, Not Absence: Omission Blindness in AI Clinical Notes and What Recovers It

LLM裁判验证存在，而非不存在：AI临床笔记中的遗漏盲点及恢复方法

Sebastian Fox, Luke Markham, Ryan Lail, Michael Karotsieris

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

AI总结 本研究发现LLM裁判在检测AI临床笔记遗漏时存在盲点，通过重构任务（先列诊疗记录事实再逐一核对）的流水线及GEPA单调用提示可有效恢复检测，且在真实数据上表现优于原有设计。

Comments 97 pages, 8 figures. Dataset: this https URL (https://huggingface.co/datasets/ComposoAI/OmissionBench). Code: this https URL (https://github.com/composo-ai/omission-bench). Companion paper: "One note in three: a verified census of three deployed AI scribes, and the instrument that counted it"

Beyond Ranking Accuracy: Evaluating LLM-Cited Feature Rationales for Next Basket Repurchase Recommendation

超越排序准确率：针对下一个购物篮回购推荐的大语言模型引用特征理由评估

Yanan Cao, Anay Dombe, Murali Mohana Krishna Dandu, Shreeranjani Srirangamsridharan, Sinduja Subramaniam, Yogananth Mahalingam, Evren Korpeoglu, Kannan Achan

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

AI总结 该研究针对下一个购物篮回购推荐，探究LLM作为独立推荐器的可行性，发现其排序能力不及监督排序器，但可作为经验证的解释组件，且理由质量需与排序准确率分开评估。

Comments Accepted at RecSys 2026 Workshop: Agentic and Generative AI for E-Commerce

ReVEL: Multi-Turn Reflective LLM-Guided Heuristic Evolution via Structured Performance Feedback

ReVEL：基于结构化性能反馈的多轮反思式LLM引导的启发式进化

Cuong Van Duc, Minh Nguyen Dinh Tuan, Tam Vu Duc, Tung Vu Duy, Son Nguyen Van, Hanh Nguyen Thi, Binh Huynh Thi Thanh

机构 * Hanoi University of Science and Technology（河内科学技术大学） ； Phenikaa University（Phenikaa大学） 纠错

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

AI总结 针对NP-hard组合优化问题的启发式设计，提出ReVEL框架，通过行为感知分组和多轮迭代细化，利用LLM和累积性能反馈联合优化启发式，实验表明优于现有LLM引导的进化基线。

Domain-Grounded Tool Orchestration for LLM-Guided Scientific Analysis

面向LLM驱动的科学分析的领域基础工具编排

Jeff Lee, Sebastien Jourdain, Cory Quammen, Patrick O'Leary, Berk Geveci

专题命中 领域大模型 ：LLM(title,title_cn)

AI总结 本文提出一种基于领域本体和模型上下文协议（MCP）的架构，将LLM的意图解释、确定性领域工具执行与LLM解释分离，在ParaView服务器上实现了CFD后处理和拓扑数据分析，提升了结果解释准确率，减少了脚本生成类故障。

Comments 27 pages, 12 figures

A Multi-Agent Human-LLM Collaborative Framework for Closed-Loop Scientific Literature Summarization

一种多智能体人-大语言模型协作框架用于闭环科学文献摘要

Maxwell J. Jacobson, Daniel Xie, Jackson Shen, Adil Wazeer, Guang Lin, Xiao-Ying Yu, Haiyan Wang, Xinghang Zhang, Yexiang Xue

机构 * Purdue University（普渡大学） 纠错

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

AI总结 本文提出一种多智能体人-大语言模型协作框架，通过整合LLM、结构化AI和人类科学家，实现科学文献的提取、分析与迭代优化，展示了AI辅助文献综述在发现科学模式中的应用。

DSEffi-Bench: Demystifying Large Language Models' Capability in Efficient Data Science Code Generation

DSEffi-Bench：揭示大语言模型在高效数据科学代码生成中的能力

Zhihao Gong, Junzhe Yu, Dong Huang, Zeyu Sun, Jie M. Zhang, Dan Hao

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

AI总结 该研究推出首个针对大语言模型生成数据科学代码执行效率的基准DSEffi-Bench，评估发现正确性与效率不相关，分类法可指导优化以提升效率并降低成本。

Comments Accepted to EMNLP 2026 Main Conference

ScienceArena: Benchmarking LLMs on Latest Scientific Olympiad Competitions

ScienceArena：在最新科学奥林匹克竞赛上对大语言模型（LLM）进行基准测试

Guangxiang Zhao, Qilong Shi, Xusen Xiao, Wenpu Liu, Yaoming Li, Linfeng Hao, Shuyang Hou, Zijian Guo, Xinrui Zhang, Yuntian Zhao, Zhengyang Wang, Wenrui Liu, Yuhan Wu, Tong Yang, Lin Sun, Xiangzheng Zhang

机构 * Qiyuan Tech（奇安信科技） ； Tsinghua University（清华大学） ； The University of Hong Kong（香港大学） ； Peking University（北京大学） 纠错

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

AI总结 本研究推出ScienceArena基准，涵盖多类科学竞赛，经专家审核构建并校准LLM评判者，评估14个LLM发现顶尖模型获奖牌级分数，化学与长程一致性仍为瓶颈。

Comments 18 pages, EMNLP 2026 (Main)

DIASENTINEL: An Auditable Multi-Agent System for Guideline-Grounded Diabetes Risk Screening

DIASENTINEL：一种可审计的多智能体系统，用于基于指南的糖尿病风险筛查

Yung Wei Shueh, Zhi-Jie Chen, Chia-Hsuan Hsu, Hsin-Ling Hsu, Donghua Zhang, Chenwei Wu, Jun-En Ding, Tongze Zhang, Shihao Yang, Pengfei Hu, Fang-Ming Hung, Feng Liu

机构 * Far Eastern Memorial Hospital（远东纪念医院） ； University of Michigan（密歇根大学） ； Rutgers University（罗格斯大学） ； Stevens Institute of Technology（史蒂文斯理工学院） 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.CL

AI总结 该研究提出DIASENTINEL多智能体系统，用于基于EHR和ADA指南的2型糖尿病风险筛查与报告，整合多种技术实现可靠可审计的临床决策支持，解决LLM临床应用的幻觉等问题。

Paper Pilot: A Human-in-the-Loop Expert System for Evidence-Traceable Scientific Manuscript Generation in Applied Sciences

Paper Pilot：面向应用科学的可追溯证据的科学手稿生成的人在环专家系统

Nidhi Jha, Siddharth Chaudhary, Ajinkya Kulkarni

机构 * University of Alabama in Huntsville（阿拉巴马大学亨茨维尔分校） 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 本文提出Paper Pilot，一种应用科学领域可追溯证据的人在环专家系统，通过8个批准门等机制解决AI辅助手稿生成的治理问题，实证验证其可减少引用伪造，将LLM辅助写作定位为受控人机决策支持流程。

Statutory AI: Aligning Large Language Models With Legal Norms

法定人工智能：使大语言模型与法律规范对齐

Cindy Delage, Stéphane Canu, Marc Décombas, Jonathan Foureur

机构 * JustAI ； INSA Rouen Normandie（鲁昂诺曼底国立应用科学学院） 纠错

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

AI总结 针对现有AI对齐方法的局限，提出法定人工智能，以法律文本为框架，通过两阶段思维链提示运行，在1000个红队提示的五主题实验中，较标准宪法AI更能减少有害内容并缩短计算时间。

MITRE-SAGE: A Multi-Agent Cybersecurity Question-Answering Model

MITRE-SAGE：一种多智能体网络安全问答模型

Ali Habibzadeh, Farid Feyzi, Reza Ebrahimi Atani

机构 * University of Guilan（吉兰大学） 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.LG

AI总结 针对网络安全领域LLM的不足，研究提出多智能体框架MITRE-SAGE，结合MITRE-QA基准验证其在多项网络安全问答任务中优于基线方法，轻量级配置表现突出。

Gurukul AI: An Interactive AI-Driven Educational Platform for Indian Education System

Gurukul AI：面向印度教育体系的交互式AI驱动教育平台

Isha Narang, Sneh Gosai, Mayank Singh

机构 * Indian Institute of Technology Gandhinagar（印度甘地讷格尔印度理工学院） ； Pandit Deendayal Energy University（潘迪特·迪恩代亚尔能源大学） 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、cs.AI

AI总结 本研究针对现有AI教育工具不适配印度教育体系的问题，构建了NCERT大纲对齐的问答数据集，微调LLaMA 3.1 8B模型并部署RAG框架，推出交互式教育平台GurukulAI，缩小了全球LLM与印度教育需求的差距。

Spec2Twin-Chain: Orchestrating Bi-Level Optimization with LLMs for Blockchain Digital Twin Construction

Spec2Twin-Chain：利用大型语言模型编排双层优化以构建区块链数字孪生

Haoting Zhang, Haoxian Chen, Jiayuan Sheng, Donglin Zhan, Zeyu Zheng, David D. Yao, Wenpin Tang

机构 * University of California, Berkeley（加利福尼亚大学伯克利分校） ； Columbia University（哥伦比亚大学） 纠错

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

AI总结 Spec2Twin-Chain框架将区块链数字孪生构建转化为双层优化问题，利用LLM与仿真优化器迭代协作，经多类实验验证可构建准确孪生体并支持下游决策。

Evidence, Logic, and Compliance: Multi-Agent Structured Graph Reasoning with Expert Arbitration for Medical Referral

证据、逻辑与合规性：面向医疗转诊的专家仲裁多智能体结构化图推理

Qi Peng, Yi Cai, Jialin Cui, Tong Zhu, Yujuan Ding, Qingbao Huang, Tao Wang, Jiayuan Xie, Changmeng Zheng, Qing Li

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

AI总结 该研究针对LLM用于医疗转诊的信息过载与非结构化协作问题，提出MASGR框架，通过多智能体结构化图推理及专家仲裁机制提升复杂医疗转诊的精准度，表现优于现有模型。

Comments 18 pages

GeoGR: Enabling Spatio-Temporal Aware Industrial-scale Generative POI Recommendations

GeoGR: 一种面向空间时间感知的POI推荐生成框架

Fangye Wang, Haowen Lin, Yifang Yuan, Siyuan Wang, Xiaojiang Zhou, Song Yang, Pengjie Wang

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

AI总结 GeoGR是一种面向空间时间感知的POI推荐生成框架，通过两阶段设计提升POI推荐的准确性和可扩展性。

MR-JEPA: A General Purpose Video Foundation Model for Cardiac MRI

MR-JEPA：用于心脏磁共振成像的通用视频基础模型

Athira J. Jacob, Puneet Sharma, Dorin Comaniciu, Daniel Rueckert

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

AI总结 本文提出用于心脏磁共振成像的通用视频基础模型 MR-JEPA，其基于多中心多序列无标注数据预训练，在心脏量化与疾病检测任务中性能优于对比方法，展现出临床应用潜力。

Comments Accepted at STACOM 2026 (MICCAI 2026 peer-reviewed workshop)

Domain Mixture Design via Log-Likelihood Differences for Aligning Language Models with a Target Model

通过对数似然差异设计领域混合以对齐语言模型与目标模型

Ryo Kishino, Riku Shiomi, Hiroaki Yamagiwa, Momose Oyama, Hidetoshi Shimodaira

机构 * Kyoto University（京都大学） ； RIKEN（理化学研究所） 纠错

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

AI总结 本文通过设计训练数据的领域混合，利用对数似然空间对齐模型方向，减少KL散度并提升下游任务性能。

Comments EMNLP 2026 Findings

Generating Clinical Vignettes that Preserve Cognitive Formulations

生成保留认知构想的临床案例 vignettes

Amit Oren, Nimrod Hertz-Palmor, Dean Ariel, Guy Laban

机构 * Ben-Gurion University of the Negev（内盖夫本-古里安大学） ； University of Cambridge（剑桥大学） ； Clalit Health Services（克拉利特医疗服务机构） ； Tel Aviv University（特拉维夫大学） ； School of Brain Sciences and Cognition, Ben-Gurion University of the Negev（内盖夫本-古里安大学脑科学与认知学院） ； Azrieli National Center for Autism and Neurodevelopment Research（阿兹里利国家自闭症与神经发育研究中心） 纠错

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

AI总结 本研究提出基于理论的 FORMA 框架，将认知模型编译为图来生成符合临床结构的创伤后应激障碍案例 vignettes，经评估其质量高且人口统计学差异小，可作为合成临床文本生成的可审计规范。

Comments Accepted to Findings of the Association for Computational Linguistics: EMNLP 2026. Code and data: this https URL (https://github.com/Amit-Oren/FORMA)

LLMs Interpret, Embeddings Organize, Graphs Emerge: Agent-Driven Compilation of Scientific Knowledge

大语言模型（LLMs）进行解释，嵌入（Embeddings）进行组织，图（Graphs）浮现：智能体驱动的科学知识编译

Shi-Ju Ran, Kun Zhang, Xi Wu, Liu-Si Yang, Wen-Jun Li

机构 * Capital Normal University（首都师范大学） ； Putian University（莆田大学） 纠错

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

AI总结 本研究在ASKS系统中实现智能体驱动的科学知识编译，通过LLM生成维基视图与语义、嵌入及图规则整合变更，编译56篇论文得到可追溯研究画像，图内容关联原始来源记录。

Comments 15 (main text) + 6 (SM) pages, 4 + 1 figures

Spectral Analysis for Sparse Matrix Computation: Insights and Potential

稀疏矩阵计算的谱分析：见解与潜力

Ruifeng Zhang, Xipeng Shen

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

AI总结 本研究首次探索稀疏矩阵计算与谱分析的联系，将稀疏矩阵视为二维信号，用谱特征优化机器学习的SpMV格式选择和剪枝LLM解码，获1.035至1.245倍核加速，为稀疏计算提供新分析视角与优化方法。

Comments 12 pages, 10 figures, 2 tables

When Patients Cut In: Extending Clinical Conversational AI Safety to Interruptions

当患者打断时：将临床对话人工智能的安全性扩展至打断场景

Zachary Ellis, Spencer Hazel, Adam Brandt, Yajie Vera He, Ernest Lim, Jared Joselowitz

机构 * Ufonia Limited（乌福尼亚有限公司） ； Newcastle University（纽卡斯尔大学） 纠错

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

AI总结 该研究针对临床对话AI未考虑患者打断的问题，调整重叠类别为三种操作类型，测试四种LLM配置，发现竞争型FAQ打断下所有模型均出现信息覆盖失败，提出需按单元评估打断鲁棒性。

Comments Accepted to Findings of EMNLP 2026