语言大模型 / LLM

Enhancing LLM Medical Coding with Structured External Knowledge

利用结构化外部知识增强LLM医学编码

Yidong Gan, David D. Nguyen, Yang Lin, Peter Zhong, Thanh Vu, Long Duong, Yuan-Fang Li

机构 * Oracle Health and AI（Oracle健康与AI） 纠错

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

AI总结 提出RAG-Coding方法，通过将ICD表格列表编码为知识图谱并提炼指南摘要，无需训练即可增强LLM的医学编码能力，在MDACE和MDACE-2025数据集上显著优于基线。

Privacy-Preserving Local Language Models for Longitudinal Data Retrieval in Chronic Dermatologic Disease: Implementation in Pemphigus Patients

慢性皮肤病纵向数据检索中的隐私保护本地语言模型：在天疱疮患者中的实施

Abdurrahim Yilmaz, Ayşe Esra Koku Aksu, Duygu Yamen, Vefa Asli Erdemir, Mehmet Salih Gurel, Gulsum Gencoglan, Joram M. Posma, Burak Temelkuran

机构 * Division of Systems Medicine, Department of Metabolism, Digestion and Reproduction, Imperial College London（系统医学系，代谢、消化与生殖部，帝国理工学院伦敦分校） ； Department of Dermatology and Venereology, Istanbul Research and Training Hospital（皮肤科与性病科，伊斯坦布尔研究与培训医院） ； Department of Dermatology and Venereology, Istanbul Medeniyet University（皮肤科与性病科，伊斯坦布尔梅德尼yet大学） ； Department of Dermatology and Venereology, Istanbul Medicana Atakoy Hospital（皮肤科与性病科，伊斯坦布尔Medicana阿塔科伊医院） 纠错

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

AI总结 本研究评估了本地部署的隐私保护小型语言模型（SLM）在天疱疮患者长期随访记录中检索结构化临床特征并生成纵向摘要的能力，结果显示SLM在特征检索任务中平均准确率达82.25%，且医生对AI生成摘要的质量、临床准确性和实用性评分较高。

LLM-AutoSciLab: Closed-Loop Scientific Discovery via Active Experimentation with LLMs

LLM-AutoSciLab：通过LLM主动实验进行闭环科学发现

Sanchit Kabra, Nikhil Abhyankar, Saaketh Desai, Prasad Iyer, Chandan K Reddy

机构 * Virginia Tech（弗吉尼亚理工大学） ； Sandia National Laboratories（桑迪亚国家实验室） 纠错

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

AI总结 提出LLM-AutoSciLab闭环框架，通过假设生成与实验选择迭代优化，在预算约束下实现主动数据采集，在三个基准上优于现有方法且样本效率提升2-5倍。

The LLM Fallacy: Misattribution in AI-Assisted Cognitive Workflows

大语言模型谬误：人工智能辅助认知工作流中的误归因

Hyunwoo Kim, Harin Yu, Hanau Yi

机构 * ddai Inc.（ddai公司） 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.CL、cs.AI

AI总结 本文探讨大语言模型使用如何导致用户错误归因自身能力，提出LLM谬误概念，分析其在认知、语言、分析和创作领域的影响，并提出教育、招聘和AI素养的启示。

Knowledge-Driven Agentic Scientific Corpus Distillation Framework for Biomedical Large Language Models Training

面向生物医学大语言模型训练的知识驱动代理科学语料库精简框架

Meng Xiao, Xunxin Cai, Qingqing Long, Chengrui Wang, Yuanchun Zhou, Hengshu Zhu

机构 * Computer Network Information Center, Chinese Academy of Sciences, Beijing, China（中国科学院计算机网络信息中心） ； University of Chinese Academy of Sciences, Beijing, China（中国科学院大学） ； Duke-NUS Medical School, National University of Singapore, Singapore（新加坡国立大学杜克-新加坡医学部） 纠错

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

AI总结 本文提出一种知识驱动的代理框架，用于生物医学大语言模型训练中的语料库精简，通过多代理协作提升问答任务性能。

Comments Biomedical Large Language Models, Agentic Corpus Distillation, Synthetic Question-Answer Generation, Agentic AI, Knowledge Hierarchy Guidance

Knowledge Graph Modeling-Driven Large Language Model Operating System (LLM OS) for Task Automation in Process Engineering Problem-Solving

Sakhinana Sagar Srinivas, Vijay Sri Vaikunth, Venkataramana Runkana

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

Comments Accepted for Publication by Association for the Advancement of Artificial Intelligence, Fall Symposium Series

Enhancing Small Medical Learners with Privacy-preserving Contextual Prompting

Xinlu Zhang, Shiyang Li, Xianjun Yang, Chenxin Tian, Yao Qin, Linda Ruth Petzold

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

The Shaky Foundations of Clinical Foundation Models: A Survey of Large Language Models and Foundation Models for EMRs

Michael Wornow, Yizhe Xu, Rahul Thapa, Birju Patel, Ethan Steinberg, Scott Fleming, Michael A. Pfeffer, Jason Fries, Nigam H. Shah

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

Comments Reformatted figures, updated contributions

Prompting Large Language Model for Machine Translation: A Case Study

Biao Zhang, Barry Haddow, Alexandra Birch

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

Comments Work in progress

Weather- and Location-Aware Agentic Dining Recommendation: Leveraging LLM World Knowledge for Region-Sensitive Contextual Reasoning

感知天气与位置的智能体餐饮推荐：利用大语言模型世界知识开展区域敏感语境推理

Kadharmoideen Fadurudeen

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 该研究提出感知天气与位置的智能体餐饮推荐系统，利用LLM的世界知识生成区域敏感的适配天气的餐饮推荐，为智能体推荐提供了可扩展的架构模式。

Comments 5 pages. An agentic LLM system that reasons over combined location and weather context for region-sensitive dining recommendation. Working prototype implemented and briefly deployed end-to-end

Proving the Utility of Large Language Models in Cybersecurity Simulations: A Comprehensive Examination

证明大型语言模型在网络安全模拟中的效用：一项综合研究

Stylianos Kampakis, Fabio Rovai, Marcos Charalambides, Theodosis Mourouzis, Chris Hicks

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

AI总结 该研究通过对比实验证明，大型语言模型（LLMs）驱动的网络安全模拟方法，相比经典强化学习方法，在网络攻击模拟中效率更高、适应性更强，且速度提升达25000至50000倍，为构建智能网络防御系统提供了新路径。

Comments 13 pages, 4 figures, 2 tables

Making Collaborative Signals Count: Graph-Aware Large Language Models for Sequential Recommendation

让协同信号发挥作用：面向序列推荐的图感知大语言模型

Fenglin Yan, Bohao Wang, Jian Zhang, Yu Cui, Tongya Zheng, Ye Feng, Can Wang, Jiawei Chen

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

AI总结 针对现有序列推荐方法难以捕捉全局协同模式的问题，提出图感知大语言模型框架GALLM，通过构建协同图建模三类关系并整合至注意力机制，在四个基准上取得最优性能，HR@5较最强基线平均提升9.76%。

Comments 10 pages, 5 figures, 4 tables, includes appendices

Transforming Remanufacturing Automation with Large Language Models: A Forward-Looking Analysis with Case Studies

用大语言模型推动再制造自动化：前瞻性分析与案例研究

Chang Liu, Sara Behdad, Prabhakar Pagilla, Xiao Liang, Minghui Zheng

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

AI总结 本文通过前瞻性分析与案例研究，提出ReManGPT概念框架，探讨大语言模型在再制造自动化中的应用，以应对报废产品变异性等挑战，同时分析其部署障碍与未来方向。

Journal ref Robotics and Computer-Integrated Manufacturing 2027

Using Large Language Models to Support Automation of Failure Management in CI/CD Pipelines: A Case Study in SAP HANA

利用大型语言模型支持CI/CD流水线故障管理的自动化：SAP HANA案例研究

Duong Bui, Stefan Grintz, Alexander Berndt, Thomas Bach

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

AI总结 本研究利用大型语言模型结合历史故障数据，实现了CI/CD流水线故障管理的自动化，准确率达92.1%。

Comments Accepted for publication in the proceedings of SANER 2026

Journal ref 2026 IEEE International Conference on Software Analysis, Evolution and Reengineering (SANER), Limassol, Cyprus, 2026, pp. 524-535

Unveiling Large Language Model Supply Chain: Structure, Domain, and Vulnerabilities

揭示大语言模型供应链：结构、领域与漏洞

Yanzhe Hu, Shenao Wang, Tianyuan Nie, Yanjie Zhao, Haoyu Wang

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

AI总结 研究大语言模型供应链的结构、领域和漏洞，通过分析PyPI和NPM的开源包数据集构建依赖图，发现其拓扑结构特点及安全风险传播规律，为增强生态系统弹性提供定量见解和策略依据。

Comments Accepted by Internetware 2026

Less Data, More Security: Advancing Cybersecurity LLMs Specialization via Resource-Efficient Domain-Adaptive Continuous Pre-training with Minimal Tokens

更少数据，更多安全：通过最小令牌的资源高效领域自适应持续预训练推进网络安全LLM专业化

Salahuddin Salahuddin, Ahmed Hussain, Jussi Löppönen, Toni Jutila

机构 * SSH Communications Security（SSH通讯安全公司） ； KTH Royal Institute of Technology（皇家理工学院） ； Aalto University（阿尔托大学） 纠错

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

AI总结 提出资源高效的领域自适应持续预训练方法，利用分布式FSDP流水线在126M词网络安全语料上微调LLM，以最少118.8M令牌实现超越大规模预训练模型的最新性能。

Comments 19 Pages; Updated content and authors list

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。

Using Large Language Models to Analyze Engagement in Computational Thinking via Computational Physics Essays

使用大型语言模型通过计算物理论文分析计算思维中的参与度

Sean Savage, Amir Bralin, Paul Hur, N. Sanjay Rebello

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

AI总结 本研究利用多模态大型语言模型自动评估100篇学生计算物理论文中的计算思维参与度，在明确子任务上达到84%的准确率，但主观整体质量评估准确率仅71%。

Comments 13 pages, 3 figures, 3 tables. Submitted to Physical Review Physics Education Research

Large Language Model Based Agent for Automated Discovery in Computational Physics

基于大语言模型的自动化计算物理发现智能体

Hang Lin, Chongwen Liu, Gang Yan

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

AI总结 提出PhyNex智能体，结合大语言模型引导搜索与领域工具，通过渐进局部搜索和知识积累，在三个物理问题上实现与人类专家相当或更优的解决方案。

CFALR: Collaborative Filtering-Augmented Large Language Model for Personalized Fashion Outfit Recommendation

CFALR：协同过滤增强的大语言模型用于个性化时尚套装推荐

Yujuan Ding, Junrong Liao, Yunshan Ma, Yi Bin, Wenqi Fan, Tat-Seng Chua, Qing Li

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

AI总结 提出CFALR框架，结合协同过滤与大语言模型，通过自然语言描述用户-套装交互并利用CF增强嵌入，解决个性化套装推荐中的数据稀疏和组合空间问题，在Polyvore和IQON数据集上优于传统方法。

TALKPLAY: Multimodal Music Recommendation with Large Language Models

TALKPLAY: 基于大语言模型的多模态音乐推荐

Seungheon Doh, Keunwoo Choi, Juhan Nam

机构 * KAIST（韩国科学技术院） ； talkpl.ai 纠错

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

AI总结 提出TALKPLAY系统，通过将推荐转化为token生成问题，利用大语言模型处理多模态音乐特征，实现端到端对话式推荐，显著优于单模态方法。

Ladder Logic Translation using Large Language Models in Industrial Automation

工业自动化中使用大语言模型的梯形图逻辑翻译

Oluwatosin Ogundare, Promise Ekpo, Nathanial Wiggins

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

AI总结 针对PLC厂商切换中梯形图翻译的语义不一致问题，提出基于LLM的数学建模与工程化流水线，实现Rockwell到Siemens S7的高语义一致性自动翻译。

Prediction Model of Motivators and Demotivators of Integrating Large Language Models in Software Engineering Education: An Empirical Study

软件工程教育中集成大型语言模型的激励与抑制因素预测模型：一项实证研究

Maryam Khan, Muhammad Azeem Akbar, Jussi Kasurinen, Estefanía Martín-Barroso

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

AI总结 本研究通过调查126位利益相关者，利用朴素贝叶斯和逻辑回归模型预测大型语言模型熟悉度，并结合遗传算法优化，识别出在成本约束下应优先考虑治理机制（尤其是诚信和伦理保障）的集成策略。

Rongzai agent: A Large Language Model-Based Autonomous Assistant for Rietveld Refinement of Neutron Diffraction Data

荣宰代理：一种基于大语言模型的自主助手，用于中子衍射数据的Rietveld精修

Qingmeng Li, Hao Wang, Dongbo Xiong, Jiajun Zhong, Wenhai Ji, Hao Hu, Yiyu Zhang, Bolun Zhang, Hong Wang, Yongfeng Zhu, Rong Du, Zhengde Zhang, Fazhi Qi, Junrong Zhang

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

AI总结 本文提出基于大语言模型的荣宰代理，实现中子衍射数据Rietveld精修的自动化，通过知识驱动决策，提升精修效率与准确性，已在中国散裂中子源部署。

Task-Aware Automated User Profile Generation for Recommendation Simulation Using Large Language Models

面向任务的自动化用户画像生成用于推荐模拟的大型语言模型

Xinye Wanyan, Chenglong Ma, Danula Hettiachchi, Ziqi Xu, Jeffrey Chan

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

AI总结 本文提出APG4RecSim框架，通过自动化生成真实且稳定的用户画像，提升推荐模拟的性能和泛化能力，实验显示其在排序和评分任务中表现优异。

Comments Accepted by SIGIR 2026

Large Language Models for AI-Assisted Radiotherapy Scheduling: A Feasibility Study Under Realistic Operational Constraints

大语言模型用于AI辅助放疗排程：在现实运营约束下的可行性研究

Eric Zhang, Wen Li, Youfang Lai, Annette Souranis, Georgia Paparoidamis, Michael Roumeliotis, Xun Jia

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

AI总结 本文研究了大语言模型在放疗患者排程中的可行性，通过模拟环境验证了其在满足临床和运营约束下的有效性，展示了模型在处理复杂排程需求中的优势。

Comments 34 pages, 4 figures, 6 tables

CLEAR: Revealing How Noise and Ambiguity Degrade Reliability in LLMs for Medicine

CLEAR: 揭示噪声和歧义如何降低LLM在医学中的可靠性

Kevin H. Guo, Chao Yan, Avinash Baidya, Katherine Brown, Xiang Gao, Juming Xiong, Zhijun Yin, Bradley A. Malin

机构 * Department of Biomedical Informatics, Vanderbilt University Medical Center（生物医学信息学系，范德比尔特大学医学中心） ； Vanderbilt University（范德比尔特大学） ； Intuit AI Research（Intuit AI研究） ； Department of Electrical and Computer Engineering, Vanderbilt University（电气与计算机工程系，范德比尔特大学） ； Department of Computer Science, Vanderbilt University（计算机科学系，范德比尔特大学） ； Department of Biostatistics, Vanderbilt University Medical Center（生物统计学系，范德比尔特大学医学中心） 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、cs.LG

AI总结 CLEAR框架评估了决策空间呈现、歧义性和不确定性对医学基准LLM推理的影响，揭示了现有评估方法的三大局限：增加合理答案数量会降低模型识别正确答案和避免错误答案的能力，歧义性增加导致模型更不谨慎，且模型规模越大，谦逊缺陷越严重。

Beyond One-Size-Fits-All Exercises: Personalizing Computer Science Worksheets with Large Language Models

超越一刀切练习：利用大语言模型个性化计算机科学练习册

Franco Ortiz, Runlong Ye, Michael Liut

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

AI总结 本文研究利用大语言模型根据学生学习者画像生成个性化编程课程练习，发现个性化材料显著提高低知识学生完成率和正确率，且不降低任务难度。

Comments Accepted at ITiCSE

Large Language Models as Explainable Cyberattack Detectors for Energy Industrial Control Systems

大语言模型作为可解释的网络攻击检测器用于能源工业控制系统

Weiyi Kong, Ahmad Mohammad Saber, Amr Youssef, Deepa Kundur

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

AI总结 本文研究了大语言模型在工业控制系统中检测Modbus流量攻击的可行性，通过二分类任务实现对异常行为的检测，并生成可审计的事件记录。

Comments Accepted to ACM EnergySP 2026, co-located with ACM e-Energy 2026. Author accepted manuscript. 8 pages, 4 figures, 2 tables

Rethinking Data Mixing from the Perspective of Large Language Models

从大语言模型视角重新思考数据混合

Yuanjian Xu, Tianze Sun, Changwei Xu, XinLong Zhao, Jianing Hao, Ran Chen, Yang Liu, Ruijie Xu, Stephen Chen, Guang Zhang

机构 * Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； OpenCSG ； Harbin Institute of Technology（哈尔滨工业大学） 纠错

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

AI总结 本文从理论角度探讨数据混合策略对大语言模型训练的影响，提出DoGraph框架，通过图约束优化提升模型泛化能力。