语言大模型 / LLM

Medical Incident Causal Factors and Preventive Measures Generation Using Tag-based Example Selection in Few-shot Learning

基于标签的示例选择在少样本学习中生成医疗事件因果因素和预防措施

Yuna Haseyama, Tomoki Ito, Hiroki Sakaji, Itsuki Noda

机构 * Graduate School of Information Science（信息科学研究生院） ； Technology Hokkaido University Hokkaido, Japan（技术 Hokkaido 大学 Hokkaido, Japan） ； National Institute of Information（信息国家研究所） ； Faculty of Information Science（信息科学学院） 纠错

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

AI总结 本文提出基于标签的少样本学习方法，利用日本医疗事件数据集，通过对比随机采样、相似度选择和标签方法，验证标签选择能提高生成精度和稳定性。

Lightweight Domain Adaptation of a Large Language Model for Legal Assistance in the Indian Context

轻量级领域适应大型语言模型用于印度法律援助

Jatin Gupta, Akhil Sharma, Saransh Singhania, Ali Imam Abidi

机构 * Department of Computer Science and Engineering, Sharda University, Greater Noida, India（计算机科学与工程系，Sharda大学，Greater Noida，印度） 纠错

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

AI总结 本文提出Legal Assist AI框架，通过检索增强生成与策略性提示工程，在印度法律领域实现高效表现，利用高质量法律文档集提升性能，比GPT-3.5 Turbo更高效，且有效缓解幻觉问题。

Comments 8 pages, 2 tables, 5 figures. This is a revised version of a preprint previously available at this DOI: \url{https://doi.org/10.48550/arXiv.2505.22003}

Infherno: End-to-end Agent-based FHIR Resource Synthesis from Free-form Clinical Notes

Infherno：从非结构化临床笔记到端到端的FHIR资源合成

Johann Frei, Nils Feldhus, Lisa Raithel, Roland Roller, Alexander Meyer, Frank Kramer

机构 * IT-Infrastructure for Translational Medical Research（转化医学研究信息基础设施） ； BIFOLD – Berlin Institute for the Foundations of Learning and Data（柏林学习与数据基础研究所） ； Technische Universität Berlin（柏林技术大学） ； German Research Center for Artificial Intelligence (DFKI), Berlin（德国人工智能研究中心（DFKI），柏林） ； IKIM, Charité - Universitätsmedizin Berlin（IKIM，柏林夏里特大学医学中心） 纠错

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

AI总结 本文提出Infherno框架，利用LLM代理、代码执行和医疗术语数据库工具，解决从非结构化临床笔记到FHIR资源的端到端合成问题，实现与人类基线的竞争力。

Comments EACL 2026 System Demonstrations | Code: https://github.com/j-frei/Infherno | Demo: https://infherno.misit-augsburg.de

Evaluating Large Language Models for Fair and Reliable Organ Allocation

评估大型语言模型以实现公平和可靠的器官分配

Brian Hyeongseok Kim, Hannah Murray, Isabelle Lee, Jason Byun, Joshua Lum, Dani Yogatama, Evi Micha

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

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

AI总结 本文评估了大型语言模型在器官分配中的公平性，发现基于暴露的指标显示公平结果，而基于概率的指标揭示了系统性的偏好排序，强调了对公平性评估和人类监督的必要性。

Assessing Large Language Models for Structured Medical Order Extraction

A H M Rezaul Karim, Ozlem Uzuner

机构 * George Mason University（乔治·马歇尔大学） 纠错

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

Prompt Injection Attacks on Large Language Models in Oncology

Jan Clusmann, Dyke Ferber, Isabella C. Wiest, Carolin V. Schneider, Titus J. Brinker, Sebastian Foersch, Daniel Truhn, Jakob N. Kather

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

Comments 57 Pages, 5 Figures

Multimodal Clinical Trial Outcome Prediction with Large Language Models

Wenhao Zheng, Liaoyaqi Wang, Dongshen Peng, Hongxia Xu, Yun Li, Hongtu Zhu, Tianfan Fu, Huaxiu Yao

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

INSIGHTBUDDY-AI: Medication Extraction and Entity Linking using Large Language Models and Ensemble Learning

Pablo Romero, Lifeng Han, Goran Nenadic

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

Comments ongoing work, 24 pages

BLT: Can Large Language Models Handle Basic Legal Text?

Andrew Blair-Stanek, Nils Holzenberger, Benjamin Van Durme

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

FoodPuzzle: Developing Large Language Model Agents as Flavor Scientists

Tenghao Huang, Donghee Lee, John Sweeney, Jiatong Shi, Emily Steliotes, Matthew Lange, Jonathan May, Muhao Chen

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

A Two-Stage Proactive Dialogue Generator for Efficient Clinical Information Collection Using Large Language Model

Xueshen Li, Xinlong Hou, Nirupama Ravi, Ziyi Huang, Yu Gan

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

Comments Prepare for submission

Customized Information and Domain-centric Knowledge Graph Construction with Large Language Models

Frank Wawrzik, Matthias Plaue, Savan Vekariya, Christoph Grimm

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

Comments Presented at CAIPI Workshop at AAAI 2024

Behavioral Bias of Vision-Language Models: A Behavioral Finance View

Yuhang Xiao, Yudi Lin, Ming-Chang Chiu

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

Comments ICML 2024 Workshop on Large Language Models and Cognition

AlpaPICO: Extraction of PICO Frames from Clinical Trial Documents Using LLMs

Madhusudan Ghosh, Shrimon Mukherjee, Asmit Ganguly, Partha Basuchowdhuri, Sudip Kumar Naskar, Debasis Ganguly

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

Comments Accepted at Methods

Flexible and Effective Mixing of Large Language Models into a Mixture of Domain Experts

Rhui Dih Lee, Laura Wynter, Raghu Kiran Ganti

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

Challenges and Responses in the Practice of Large Language Models

Hongyin Zhu

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

Large Language Models for Automated Open-domain Scientific Hypotheses Discovery

Zonglin Yang, Xinya Du, Junxian Li, Jie Zheng, Soujanya Poria, Erik Cambria

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

Comments Accepted by ACL 2024 (findings)

Digital Diagnostics: The Potential Of Large Language Models In Recognizing Symptoms Of Common Illnesses

Gaurav Kumar Gupta, Aditi Singh, Sijo Valayakkad Manikandan, Abul Ehtesham

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

Comments 14 pages, 4 figures

Large Language Models for Scientific Information Extraction: An Empirical Study for Virology

Mahsa Shamsabadi, Jennifer D'Souza, Sören Auer

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

Comments 8 pages, 6 figures, Accepted as Findings of the ACL: EACL 2024

Automated Paper Screening for Clinical Reviews Using Large Language Models

Eddie Guo, Mehul Gupta, Jiawen Deng, Ye-Jean Park, Mike Paget, Christopher Naugler

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

Comments 15 pages, 2 figures, 4 tables

Explaining Legal Concepts with Augmented Large Language Models (GPT-4)

Jaromir Savelka, Kevin D. Ashley, Morgan A. Gray, Hannes Westermann, Huihui Xu

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

In-context Learning as Maintaining Coherency: A Study of On-the-fly Machine Translation Using Large Language Models

Suzanna Sia, Kevin Duh

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

Comments 9 pages

Semantic Decomposition Improves Learning of Large Language Models on EHR Data

David A. Bloore, Romane Gauriau, Anna L. Decker, Jacob Oppenheim

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

Comments Extended Abstract presented at Machine Learning for Health (ML4H) symposium 2022, November 28th, 2022, New Orleans, United States & Virtual, http://www.ml4h.cc, 9 pages

Requirements-Augmented Generation for Trustworthy Acceptance Testing of LLM-Based Software

面向基于大语言模型的软件的可信验收测试的需求增强生成技术

Fanyu Wang, Chetan Arora, Zhenping Xie, Yonghui Liu, Kla Tantithamthavorn, Aldeida Aleti, Siwei Jiang

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

AI总结 该研究针对基于大语言模型的软件的验收测试缺口，提出需求增强生成技术与置信度校准级联判定方法，经工业案例验证可提升预言机质量、准确率与成本效率，具备工业可行性。

Comments Accepted at ASE2026

TARGET: Automated Scenario Generation from Traffic Rules for Testing Autonomous Vehicles via Validated LLM-Guided Knowledge Extraction

Yao Deng, Jiaohong Yao, Zhi Tu, Xi Zheng, Mengshi Zhang, Tianyi Zhang

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

Journal ref IEEE Transactions on Software Engineering, Jul. 2025, pp. 1950-1968, vol. 51

CyberLLM: A Multi-Agent LLM Framework for Autonomous Detection and Guarded Response in Automotive Cybersecurity

CyberLLM：面向汽车网络安全的多智能体大语言模型框架，用于自主检测与受管控响应

Nenad Petrovic, Oussama Jeddou, Feres Ben Fraj, Vahid Zolfaghari, Fengjunjie Pan, Andre Schamschurko, Alois Knoll

专题命中 领域大模型 ：LLM(title,summary_cn)

AI总结 CyberLLM是由大语言模型编排的多智能体框架，结合确定性检测层与大语言模型精化，在安全防护下实现汽车漏洞自主检测与修复，在基准测试中覆盖约70%漏洞且零误报，验证了LLM智能体自主防御的可行性。

Generative AI and Foundation Models in Medical Image

医学影像中的生成式AI与基础模型

Masahiro Oda

机构 * Nagoya University（名古屋大学） ； Graduate School of Informatics, Nagoya University（名古屋大学信息学研究科） 纠错

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

AI总结 本文概述生成式AI相关的扩散模型、LLMs及基础模型，介绍其在医疗辅助中的应用，探讨基础模型的构建方法与医疗应用，并研究利用国家资源开发医疗辅助AI的路径。

Comments Review Article

Journal ref Radiological Physics and Technology, vol.18, pp.937-948, 2025

Location-Aware Fine-Grained Representation Learning for Medical Vision Foundation Models

面向医学视觉基础模型的位置感知细粒度表示学习

Myeongkyun Kang, Yanting Yang, Xiaoxiao Li

机构 * The University of British Columbia（不列颠哥伦比亚大学） ； Vector Institute（矢量研究所） 纠错

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

AI总结 本研究提出基于位置感知细粒度表示学习的医学视觉基础模型LoFi，构建大规模医学定位数据集MedG，在多项医学视觉任务中性能优于现有模型。

Diffusion Language Model for Recommendation

用于推荐的扩散语言模型

Chengyi Liu, Yongqi Zhou, Junwei Pan, Zhixiang Feng, Chengguo Yin, Haijie Gu, Jie Jiang, Yinghao Liu, Yujuan Ding, Qing Li, Wenqi Fan

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

AI总结 研究针对现有推荐系统中自回归范式的不足，受扩散语言模型启发，提出 DLMRec。该模型引入协作感知随机分词器、课程驱动训练策略、稳定性感知投票机制，为推荐提供了新的离散扩散语言模型及有效方法。

Comments 30 pages, 9 figures

Exploring the Design Space of LLM-Based Programming Support in CS Education: A Scoping Review through the Lens of Assistance Governance

探索计算机科学教育中基于大语言模型的编程支持的设计空间：通过辅助治理视角的范围审查

Minsun Kim, S. Moonwara A. Monisha, Zihan Wu, David H. Smith

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

AI总结 该研究通过范围审查和定性综合，对90个基于大语言模型的编程支持系统进行分析，提出PEA三维分析视角，贡献治理手册与配置图，为分析现有系统及设计未来工具提供词汇表，以解决辅助治理决策隐含难比较的问题。