语言大模型 / LLM

Sommelier: Scalable Open Multi-turn Audio Pre-processing for Full-duplex Speech Language Models

Sommelier: 可扩展的开放式多轮音频预处理用于全双工语音语言模型

Kyudan Jung, Jihwan Kim, Soyoon Kim, Jeonghoon Kim, Jaegul Choo, Cheonbok Park

机构 * KAIST AI（韩国科学技术院人工智能） ； NAVER Cloud（NAVER云） 纠错

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

AI总结 为全双工语音语言模型设计了一种鲁棒且可扩展的开源数据处理流程，以解决自然对话中的重叠和背通道问题，提升多说话人对话数据的质量和可用性。

Comments 34 pages, 7 figures, 11 tables

LLM-Powered Workflow Optimization for Multidisciplinary Software Development: An Automotive Industry Case Study

基于大语言模型的多学科软件开发工作流优化：汽车工业案例研究

Shuai Wang, Yinan Yu, Earl Barr, Dhasarathy Parthasarathy

机构 * Chalmers University of Technology（查尔姆斯理工大学） ； University College London（伦敦大学学院） 纠错

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

AI总结 本文提出基于图的工作流优化方法，利用大语言模型替代手动协调，提升多学科软件开发效率，通过汽车行业案例验证，实现93.7%的F1分数，将API开发时间从5小时缩短至7分钟。

Comments Accepted to FSE 2026 Industrial Track

CrossHGL: A Text-Free Foundation Model for Cross-Domain Heterogeneous Graph Learning

CrossHGL：一种无文本的跨领域异构图学习基础模型

Xuanze Chen, Jiajun Zhou, Yadong Li, Shanqing Yu, Qi Xuan

机构 * Institute of Cyberspace Security, Zhejiang University of Technology（浙江工业大学网络空间安全研究院） ； Binjiang Cyberspace Security Institute of ZJUT（浙江工业大学滨江网络空间安全研究院） ； Soovar Technologies Co., Ltd.（杭州速沃科技有限公司） 纠错

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

AI总结 本文提出CrossHGL，一种无文本的跨领域异构图学习基础模型，通过语义保持转换策略和三提示机制实现多领域迁移学习，实验显示在节点和图级别任务中均优于现有方法。

Project Imaging-X: A Survey of 1000+ Open-Access Medical Imaging Datasets for Foundation Model Development

Project Imaging-X：1000多个开放访问医学影像数据集的调查

Zhongying Deng, Cheng Tang, Ziyan Huang, Jiashi Lin, Ying Chen, Junzhi Ning, Chenglong Ma, Jiyao Liu, Wei Li, Yinghao Zhu, Shujian Gao, Yanyan Huang, Sibo Ju, Yanzhou Su, Pengcheng Chen, Wenhao Tang, Tianbin Li, Haoyu Wang, Yuanfeng Ji, Hui Sun, Shaobo Min, Liang Peng, Feilong Tang, Haochen Xue, Rulin Zhou, Chaoyang Zhang, Wenjie Li, Shaohao Rui, Weijie Ma, Xingyue Zhao, Yibin Wang, Kun Yuan, Zhaohui Lu, Shujun Wang, Jinjie Wei, Lihao Liu, Dingkang Yang, Lin Wang, Yulong Li, Haolin Yang, Yiqing Shen, Lequan Yu, Xiaowei Hu, Yun Gu, Yicheng Wu, Benyou Wang, Minghui Zhang, Angelica I. Aviles-Rivero, Qi Gao, Hongming Shan, Xiaoyu Ren, Fang Yan, Hongyu Zhou, Haodong Duan, Maosong Cao, Shanshan Wang, Bin Fu, Xiaomeng Li, Zhi Hou, Chunfeng Song, Lei Bai, Yuan Cheng, Yuandong Pu, Xiang Li, Wenhai Wang, Hao Chen, Jiaxin Zhuang, Songyang Zhang, Huiguang He, Mengzhang Li, Bohan Zhuang, Zhian Bai, Rongshan Yu, Liansheng Wang, Yukun Zhou, Xiaosong Wang, Xin Guo, Guanbin Li, Xiangru Lin, Dakai Jin, Mianxin Liu, Wenlong Zhang, Qi Qin, Conghui He, Yuqiang Li, Ye Luo, Nanqing Dong, Jie Xu, Wenqi Shao, Bo Zhang, Qiujuan Yan, Yihao Liu, Jun Ma, Zhi Lu, Yuewen Cao, Zongwei Zhou, Jianming Liang, Shixiang Tang, Qi Duan, Dongzhan Zhou, Chen Jiang, Yuyin Zhou, Yanwu Xu, Jiancheng Yang, Shaoting Zhang, Xiaohong Liu, Siqi Luo, Yi Xin, Chaoyu Liu, Haochen Wen, Xin Chen, Alejandro Lozano, Min Woo Sun, Yuhui Zhang, Yue Yao, Xiaoxiao Sun, Serena Yeung-Levy, Xia Li, Jing Ke, Chunhui Zhang, Zongyuan Ge, Ming Hu, Jin Ye, Zhifeng Li, Yirong Chen, Yu Qiao, Junjun He

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Institute of Optics and Fine Mechanics（上海光学精密机械研究所） ； Fudan University（复旦大学） ； University of Cambridge（剑桥大学） ； Shanghai Jiao Tong University（上海交通大学） ； The University of Hong Kong（香港大学） ； Fuzhou University（福州大学） ； University of Washington（华盛顿大学） ； Stanford University（斯坦福大学） ； Incept Labs ； Monash University（莫纳什大学） ； Ruijin Hospital, Shanghai Jiao Tong University School of Medicine（上海交通大学医学院附属瑞金医院） ； Alibaba DAMO Academy（阿里巴巴达摩院） ； The Hong Kong Polytechnic University（香港理工大学） ； South China University of Technology（华南理工大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Yau Mathematical Sciences Center, Tsinghua University（清华大学丘成桐数学科学中心） ； Chinese Academy of Sciences（中国科学院） ； Tsinghua University（清华大学） ； Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院） ； Artificial Intelligence Innovation and Incubation Institute, Fudan University（复旦大学人工智能创新与产业研究院） ； Shanghai Academy of Artificial Intelligence for Science（上海科学智能研究院） ； Nankai University（南开大学） ； The Chinese University of Hong Kong（香港中文大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Zhejiang University（浙江大学） ； School of Informatics, Xiamen University（厦门大学信息学院） ； University College London（伦敦大学学院） ； Sun Yat-sen University（中山大学） ； Alibaba Group, DAMO Academy, New York, NY, USA（阿里巴巴集团达摩院（纽约）） ； Tongji University（同济大学） ； University of Toronto（多伦多大学） ； Department of Psychological and Cognitive Sciences, Tsinghua University（清华大学心理与认知科学系） ； Johns Hopkins University（约翰霍普金斯大学） ； Arizona State University（亚利桑那州立大学） ； Academy for Clinical Innovation and Translation of Shanghai（上海临床创新转化研究院） ； University of California, Santa Cruz（加州大学圣克鲁兹分校） ； ELLIS Institute Finland（芬兰ELLIS研究所） ； Aalto University（阿尔托大学） ； Shandong University（山东大学） ； Xi’an Jiaotong University（西安交通大学） 纠错

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

AI总结 本文调查了1000多个开放访问医学影像数据集，揭示了其规模小、任务碎片化和分布不均的问题，并提出元数据驱动融合方法和交互发现门户，为医学影像数据集的整合和基础模型发展提供路线图。

Comments 157 pages, 19 figures, 26 tables. Project repo: \url{https://github.com/uni-medical/Project-Imaging-X}

A Gait Foundation Model Predicts Multi-System Health Phenotypes from 3D Skeletal Motion

步态基础模型预测多系统健康表型从3D骨骼运动

Adam Gabet, Sarah Kohn, Guy Lutsker, Shira Gelman, Anastasia Godneva, Gil Sasson, Arad Zulti, David Krongauz, Rotem Shaulitch, Assaf Rotem, Ohad Doron, Yuval Brodsky, Adina Weinberger, Eran Segal

机构 * Weizmann Institute of Science（魏茨曼科学研究所） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； Newton VR LTD.（Newton VR 有限公司） ； BioPilot AI 纠错

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

AI总结 本文提出步态基础模型，通过3414名深度表型成人记录的5种运动任务数据，发现步态嵌入优于工程特征，能预测年龄、BMI及内脏脂肪面积，并在多个身体系统中独立提升预测效果。

Comments Preprint. Under review

Exploiting Domain-Specific Parallel Data on Multilingual Language Models for Low-resource Language Translation

利用多语言语言模型中的领域特定平行数据进行低资源语言翻译

Surangika Ranathungaa, Shravan Nayak, Shih-Ting Cindy Huang, Yanke Mao, Tong Su, Yun-Hsiang Ray Chan, Songchen Yuan, Anthony Rinaldi, Annie En-Shiun Lee

机构 * School of Mathematical and Computational Sciences, Massey University（马歇尔大学数学与计算科学学院） ； Mila – Quebec AI Institutes（魁北克人工智能研究院） ； Computer Science, Ontario Technology University and University of Toronto（安大略技术大学与多伦多大学计算机科学系） 纠错

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

AI总结 本文研究了如何通过领域特定平行数据提升低资源语言翻译效果，探讨了预训练和微调技术对模型性能的影响，并提出优化策略。

To Agree or To Be Right? The Grounding-Sycophancy Tradeoff in Medical Vision-Language Models

同意还是正确？医学视觉-语言模型中的 grounding 与谄媚权衡

OFM Riaz Rahman Aranya, Kevin Desai

机构 * Department of Computer Science, The University of Texas at San Antonio（德克萨斯大学圣安东尼奥分校计算机科学系） 纠错

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

AI总结 研究评估了六种医学视觉问答模型，揭示了 grounding 与谄媚之间的权衡关系，并提出三种新指标以评估模型的可靠性与安全性。

When Documents Disagree: Measuring Institutional Variation in Transplant Guidance with Retrieval-Augmented Language Models

当文档存在分歧：利用检索增强语言模型测量移植指导的机构差异

Yubo Li, Ramayya Krishnan, Rema Padman

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

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

AI总结 本文提出利用检索增强语言模型比较不同机构移植指南的异质性，发现20.8%的对比存在临床意义差异，尤其在监测和生活方式方面，揭示了移植教育材料的信息缺口。

STELLAR: Structure-guided LLM Assertion Retrieval and Generation for Formal Verification

STELLAR: 基于结构的LLM断言检索与生成用于形式验证

Saeid Rajabi, Chengmo Yang, Satwik Patnaik

机构 * Department of Electrical \& Computer Engineering, University of Delaware, Newark, DE, US 纠错

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

AI总结 STELLAR通过结构相似性引导LLM生成高质量SystemVerilog断言，提升形式验证的语法正确性、风格一致性及功能正确性。

Comments Accepted at the 63rd Design Automation Conference (DAC 2026), Long Beach, CA, USA (July 26-29, 2026) 7 pages, 6 figures

PulmoVec: A Two-Stage Stacking Meta-Learning Architecture Built on the HeAR Foundation Model for Multi-Task Classification of Pediatric Respiratory Sounds

PulmoVec：基于HeAR基础模型的两阶段堆叠元学习架构，用于儿童呼吸音的多任务分类

Izzet Turkalp Akbasli, Oguzhan Serin

机构 * Department of Pediatric Intensive Care Medicine, Life Support Center, Hacettepe University（儿科重症医学科、生命支持中心、哈切塔佩大学） ； Department of Pediatric Emergency Medicine, Life Support Center, Hacettepe University Faculty of Medicine（儿科急诊医学科、生命支持中心、哈切塔佩大学医学院） 纠错

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

AI总结 本文提出PulmoVec框架，基于HeAR模型实现儿童呼吸音的多任务分类，通过堆叠元学习提升分类性能，展示了其在儿科呼吸医学中的应用潜力。

Comments 14 pages, 2 figures, 4 tables; supplementary material included (4 tables, 3 multi-panel figures)

VLM4Rec: Multimodal Semantic Representation for Recommendation with Large Vision-Language Models

VLM4Rec：基于大视觉-语言模型的多模态语义表示推荐系统

Ty Valencia, Burak Barlas, Varun Singhal, Ruchir Bhatia, Wei Yang

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

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

AI总结 VLM4Rec通过语义对齐而非直接特征融合，提升多模态推荐性能，实验显示其优于原始视觉特征和融合方法。

Comments 13 pages, 4 figures, 1 table

Rethinking the Backbone in Class Imbalanced Federated Source Free Domain Adaptation: The Utility of Vision Foundation Models

重新思考类不平衡联邦源免费领域适应中的骨干网络：视觉基础模型的效用

Kosuke Kihara, Junki Mori, Taiki Miyagawa, Akinori F. Ebihara

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

AI总结 本文针对类不平衡联邦源免费领域适应问题，提出使用冻结的视觉基础模型改进特征提取器，提升模型准确率并降低计算通信成本。

Comments Accepted by the IEEE ICIP 2025 Satellite Workshop 1: Edge Intelligence: Smart, Efficient, and Scalable Solutions for IoT, Wearables, and Embedded Devices (SEEDS)

Journal ref 2025 IEEE International Conference on Image Processing Workshops (ICIPW)

What Topological and Geometric Structure Do Biological Foundation Models Learn? Evidence from 141 Hypotheses

生物基础模型学习了哪些拓扑和几何结构？来自141个假设的证据

Ihor Kendiukhov

机构 * Department of Computer Science University of Tübingen（计算机科学系图宾根大学） 纠错

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

AI总结 生物基础模型通过大规模假设筛选发现，其学习的几何结构具有生物意义，且在不同模型间共享，但基因位置存在差异，同时信号在免疫组织中更显著。

Engineering Regression Without Real-Data Training: Domain Adaptation for Tabular Foundation Models Using Multi-Dataset Embeddings

工程回归无需真实数据训练：使用多数据集嵌入进行表格基础模型的领域适应

Lyle Regenwetter, Rosen Yu, Cyril Picard, Faez Ahmed

机构 * Massachusetts Institute of Technology（麻省理工学院） 纠错

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

AI总结 本文提出一种无需真实数据训练的工程回归方法，通过多数据集嵌入技术提升基础模型在数据稀少领域的表现。

ClinNoteAgents: An LLM Multi-Agent System for Predicting and Interpreting Heart Failure 30-Day Readmission from Clinical Notes

ClinNoteAgents: 基于大语言模型的多智能体系统用于从临床笔记预测和解释心力衰竭30天再住院

Rongjia Zhou, Chengzhuo Li, Carl Yang, Jiaying Lu

机构 * Emory University（埃默里大学） 纠错

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

AI总结 ClinNoteAgents通过多智能体系统从临床笔记中预测和解释心力衰竭30天再住院风险，提升医疗数据利用效率。

Comments 10 pages, 2 figures. Accepted to AMIA 2026 Informatics Summit (Student Paper Track)

Llama-Mimi: Exploring the Limits of Flattened Speech Language Modeling

Llama-Mimi：探索扁平化语音语言模型的极限

Issa Sugiura, Shuhei Kurita, Yusuke Oda, Ryuichiro Higashinaka

机构 * Kyoto University（京都大学） ； NII LLMC（日本信息处理学会大语言模型中心） ； National Institute of Informatics（国家信息研究所） ； Nagoya University（名古屋大学） 纠错

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

AI总结 Llama-Mimi通过将多级RVQ标记扁平化并使用Transformer解码器进行自回归建模，实现了在语音任务中的优越性能。

Comments 6 pages, 1 figures

Causal Circuit Tracing Reveals Distinct Computational Architectures in Single-Cell Foundation Models: Inhibitory Dominance, Biological Coherence, and Cross-Model Convergence

因果电路追踪揭示单细胞基础模型中的不同计算架构：抑制主导、生物一致性与跨模型收敛

Ihor Kendiukhov

机构 * Department of Computer Science University of Tübingen（计算机科学系图宾根大学） 纠错

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

AI总结 该研究通过因果电路追踪揭示单细胞基础模型中抑制主导、生物一致性和跨模型收敛的计算架构特征。

A medical coding language model trained on clinical narratives from a population-wide cohort of 1.8 million patients

一种基于180万患者群体临床叙述的医学编码语言模型

Joakim Edin, Sedrah Butt Balaganeshan, Annike Kjølby Kristensen, Lars Maaløe, Ioannis Louloudis, Søren Brunak

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

AI总结 该研究训练了一个基于180万患者电子健康记录的语言模型，以预测ICD-10代码，发现主要诊断存在系统性欠编码问题，模型可自动编码约50%的病例。

PaReGTA: An LLM-based EHR Data Encoding Approach to Capture Temporal Information

PaReGTA：基于LLM的EHR数据编码方法以捕捉时间信息

Kihyuk Yoon, Lingchao Mao, Catherine Chong, Todd J. Schwedt, Chia-Chun Chiang, Jing Li

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Meta ； Mayo Clinic（梅奥诊所） 纠错

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

AI总结 PaReGTA是一种基于LLM的EHR数据编码方法，通过模板文本生成、轻量级对比微调和混合时间池化，有效捕捉时间信息，提升偏头痛分类性能。

Comments 26 pages, 5 figures, 7 tables

MedGPT-oss: Training a General-Purpose Vision-Language Model for Biomedicine

MedGPT-oss: 为生物医学训练一个通用的视觉-语言模型

Kai Zhang, Zhengqing Yuan, Cheng Peng, Songlin Zhao, Mengxian Lyu, Ziyi Chen, Yanfang Ye, Wei Liu, Ying Zhang, Kaleb E Smith, Lifang He, Lichao Sun, Yonghui Wu

机构 * Department of Computer Science and Engineering, Lehigh University（莱斯大学计算机科学与工程系） ； Department of Computer Science and Engineering, University of Notre Dame（圣母大学计算机科学与工程系） ； Department of Health Outcomes & Biomedical Informatics, University of Florida（佛罗里达大学健康结果与生物医学信息学系） ； Department of Radiation Oncology, Mayo Clinic（梅奥诊所放射肿瘤科） ； Research Computing, University of Florida（佛罗里达大学研究计算中心） ； AI Technology Center, NVIDIA（NVIDIA人工智能技术中心） 纠错

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

AI总结 MEDGPT-oss是一款开放式权重的200亿参数视觉-语言模型，通过优化训练课程实现多模态和文本推理能力，适用于隐私保护的临床AI研究。

Comments Technical report, work in progress

Multi-Domain Riemannian Graph Gluing for Building Graph Foundation Models

多领域黎曼图粘合用于构建图基础模型

Li Sun, Zhenhao Huang, Silei Chen, Lanxu Yang, Junda Ye, Sen Su, Philip S. Yu

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； North China Electric Power University（华北电力大学） ； University of Illinois Chicago（伊利诺伊大学香槟分校） 纠错

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

AI总结 GraphGlue通过黎曼几何视角整合多领域图数据，构建统一流形以提升模型可转移性与性能。

Comments Accepted by ICLR'26, 41 pages

Monotropic Artificial Intelligence: Toward a Cognitive Taxonomy of Domain-Specialized Language Models

单调人工智能：面向领域专用语言模型的认知分类

Antonio de Sousa Leitão Filho, Allan Kardec Duailibe Barros Filho, Fabrício Saul Lima, Selby Mykael Lima dos Santos, Rejani Bandeira Vieira Sousa

机构 * Aia Context ； Federal University of Maranhão（马那瓜联邦大学） 纠错

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

AI总结 单调人工智能通过牺牲通用性实现领域内高精度，挑战通用智能主导的AI研究范式，提出专门化与通用系统互补共存的认知生态。

Meta-Designing Quantum Experiments with Language Models

用语言模型进行量子实验的元设计

Sören Arlt, Haonan Duan, Felix Li, Sang Michael Xie, Yuhuai Wu, Mario Krenn

机构 * Max Planck Institute for the Science of Light（马克斯·普朗克光科学研究所） ； University of Tuebingen（图宾根大学） ； Stanford University（斯坦福大学） ； University of Toronto, Vector Institute（多伦多大学、向量研究所） 纠错

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

AI总结 本文提出通过语言模型进行量子实验的元设计，生成可读代码解决复杂问题，扩展到更大实验并应用于凝聚态物理等领域。

Comments 8+23 pages, 5 figures

Journal ref Nat Mach Intell 8, 148-157 (2026)

SOP-Bench: Complex Industrial SOPs for Evaluating LLM Agents

SOP-Bench：复杂工业SOP用于评估LLM代理

Subhrangshu Nandi, Arghya Datta, Rohith Nama, Udita Patel, Nikhil Vichare, Indranil Bhattacharya, Prince Grover, Shivam Asija, Giuseppe Carenini, Wei Zhang, Arushi Gupta, Sreyoshi Bhaduri, Jing Xu, Huzefa Raja, Shayan Ray, Aaron Chan, Esther Xu Fei, Gaoyuan Du, Zuhaib Akhtar, Harshita Asnani, Weian Chan, Ming Xiong, Francesco Carbone, Jeetu Mirchandani

机构 * Amazon（亚马逊公司） ； ex-Amazon（前亚马逊） 纠错

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

AI总结 SOP-Bench通过真实工业SOP任务评估LLM代理性能，揭示模型升级和领域影响的复杂性。

Comments Under review

TimeRadar: A Domain-Rotatable Foundation Model for Time Series Anomaly Detection

TimeRadar: 一个用于时间序列异常检测的领域可旋转基础模型

Hui He, Hezhe Qiao, Yutong Chen, Kun Yi, Guansong Pang

机构 * School of Computing and Information Systems（计算与信息系） ； Singapore Management University（新加坡管理大学） ； Chongqing Institute of Green and Intelligent Technology（绿色与智能技术研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； State Information Center（信息中心） 纠错

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

AI总结 TimeRadar通过分数时间-频率域旋转和FTFRecon组件实现跨不同数据集的通用时间序列异常检测。

U2-BENCH: Benchmarking Large Vision-Language Models on Ultrasound Understanding

U2-BENCH：在超声理解上评估大视觉-语言模型的基准测试

Anjie Le, Henan Liu, Yue Wang, Zhenyu Liu, Rongkun Zhu, Taohan Weng, Jinze Yu, Boyang Wang, Yalun Wu, Kaiwen Yan, Quanlin Sun, Meirui Jiang, Jialun Pei, Siya Liu, Haoyun Zheng, Zhoujun Li, Alison Noble, Jacques Souquet, Xiaoqing Guo, Manxi Lin, Hongcheng Guo

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

AI总结 U2-BENCH首次提出评估大视觉-语言模型在超声理解上的基准测试，涵盖分类、检测、回归和文本生成任务，评估23种最新模型，揭示其在图像分类上的优势及在空间推理和临床语言生成上的挑战。

Journal ref ICLR 2026

BrainRVQ: A High-Fidelity EEG Foundation Model via Dual-Domain Residual Quantization and Hierarchical Autoregression

BrainRVQ: 一种通过双域残差量化和分层自回归的高保真EEG基础模型

Mingzhe Cui, Tao Chen, Yang Jiao, Yiqin Wang, Lei Xie, Yi Pan, Luca Mainardi

机构 * State Key Laboratory of Industrial Control Technology, Zhejiang University, Hangzhou, China（浙江大学工业控制技术状态重点实验室） ； Department of Electronics, Information and Bioengineering, Politecnico di Milano, Milan, Italy（米兰理工学院电子、信息与生物工程系） ； Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences, Shenzhen, China（中国科学院深圳先进技术研究所） 纠错

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

AI总结 BrainRVQ通过双域残差量化和分层自回归方法，实现了对EEG信号的高保真基础模型，有效提升了细粒度神经表示的学习能力。

Foundation Models for Medical Imaging: Status, Challenges, and Directions

医学影像中的基础模型：现状、挑战与方向

Chuang Niu, Pengwei Wu, Bruno De Man, Ge Wang

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

AI总结 本文综述了医学影像中基础模型的现状、挑战与未来方向，强调了通用型模型在跨模态和临床任务中的适应能力及临床应用的可行性。

Judging the Judges: Human Validation of Multi-LLM Evaluation for High-Quality K--12 Science Instructional Materials

评判评判者：人类验证多LLM评估用于高质量K-12科学教学材料

Peng He, Zhaohui Li, Zeyuan Wang, Jinjun Xiong, Tingting Li

机构 * Washington State University, Pullman, WA, USA（华盛顿州立大学） ； University at Buffalo, State University of New York, Buffalo, NY, USA（布法罗大学） 纠错

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

AI总结 本研究通过人类专家验证多LLM评估，揭示LLM在K-12科学教学材料设计中的推理优劣，为生成式AI代理的发展提供指导。

Any-to-Any Vision-Language Model for Multimodal X-ray Imaging and Radiological Report Generation

任意到任意的视觉-语言模型用于多模态X射线成像与放射学报告生成

Daniele Molino, Francesco di Feola, Linlin Shen, Paolo Soda, Valerio Guarrasi

机构 * Department of Diagnostics and Intervention, Biomedical Engineering and Radiation Physics, Umeå University（诊断与介入部门，生物医学工程与放射物理，乌梅大学） ； College of Computer Science and Software Engineering, Shenzhen University（计算机科学与软件工程学院，深圳大学） 纠错

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

AI总结 本文提出了一种任意到任意的视觉-语言模型，用于多模态X射线成像和放射学报告生成，通过生成高质量图像和语义连贯的报告，提升了医疗领域生成模型的临床应用价值。

Comments arXiv admin note: substantial text overlap with arXiv:2501.04614