语言大模型 / LLM

Benchmarking Video Foundation Models for Remote Parkinson's Disease Screening

对远程帕金森病筛查的视频基础模型进行基准测试

Md Saiful Islam, Ekram Hossain, Abdelrahman Abdelkader, Tariq Adnan, Fazla Rabbi Mashrur, Sooyong Park, Praveen Kumar, Qasim Sudais, Natalia Chunga, Nami Shah, Jan Freyberg, Christopher Kanan, Ruth Schneider, Ehsan Hoque

机构 * University of Rochester, Rochester, NY, USA（罗切斯特大学） ； Louisiana State University Health Sciences Center at Shreveport, USA（路易斯安那州立大学谢夫波特医学中心） ； University of Rochester Medical Center, Rochester, NY, USA（罗切斯特大学医学中心） ； University of Cambridge, Cambridge, UK（剑桥大学） 纠错

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

AI总结 本研究通过大规模实验评估了多种视频基础模型在远程帕金森病筛查中的性能，揭示了不同模型在不同任务中的表现差异，并提供了模型选择和任务优化的指导。

Foundation Model Priors Enhance Object Focus in Feature Space for Source-Free Object Detection

基础模型先验增强特征空间中的目标聚焦以实现无源目标检测

Sairam VCR, Rishabh Lalla, Aveen Dayal, Tejal Kulkarni, Anuj Lalla, Vineeth N Balasubramanian, Muhammad Haris Khan

机构 * IIT Hyderabad（印度海得拉尔理工学院） ； MBZUAI, Abu Dhabi（阿布扎赫尔MBZUAI） ； UC San Diego（圣地亚哥大学） ； IIT Jodhpur（乔普尔理工学院） ； Microsoft Research India（微软印度研究院） 纠错

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

AI总结 FALCON-SFOD通过增强特征空间中的目标聚焦，利用基础模型先验和噪声鲁棒伪标签方法，提升无源目标检测在领域偏移下的性能。

Comments Accepted at CVPR 2026

MTFM: A Scalable and Alignment-free Foundation Model for Industrial Recommendation in Meituan

MTFM：一种可扩展且无对齐的工业推荐基础模型

Xin Song, Zhilin Guan, Ruidong Han, Binghao Tang, Tianwen Chen, Bing Li, Zihao Li, Han Zhang, Fei Jiang, Qing Wang, Zikang Xu, Fengyi Li, Chunzhen Jing, Lei Yu, Wei Lin

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

AI总结 MTFM是一种基于Transformer的工业推荐基础模型，通过异构标记和多场景样本聚合提升效率，实现无对齐的多场景推荐效果。

Any-to-All MRI Synthesis: A Unified Foundation Model for Nasopharyngeal Carcinoma and Its Downstream Applications

任意到全部MRI合成：鼻咽癌及其下游应用的统一基础模型

Yao Pu, Yiming Shi, Zhenxi Zhang, Peixin Yu, Yitao Zhuang, Xiang Wang, Hongzhao Chen, Jing Cai, Ge Ren

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

AI总结 本文提出统一基础模型实现任意到全部MRI合成，提升鼻咽癌放疗的准确性和临床实用性。

RankGR: Rank-Enhanced Generative Retrieval with Listwise Direct Preference Optimization in Recommendation

RankGR: 基于列表级直接偏好优化的排名增强生成检索用于推荐

Kairui Fu, Changfa Wu, Kun Yuan, Binbin Cao, Dunxian Huang, Yuliang Yan, Junjun Zheng, Jianning Zhang, Silu Zhou, Jian Wu, Kun Kuang

专题命中 领域大模型 ：preference optimization(title,abstract)

AI总结 RankGR通过列表级直接偏好优化提升生成检索的推荐效果，实现更精确的用户偏好建模和高效候选评估。

CauCLIP: Bridging the Sim-to-Real Gap in Surgical Video Understanding via Causality-Inspired Vision-Language Modeling

CauCLIP：通过因果启发的视觉-语言模型弥合手术视频理解的仿真到现实差距

Yuxin He, An Li, Cheng Xue

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

AI总结 CauCLIP通过因果启发的视觉-语言模型，在不访问目标领域数据的情况下，提升手术视频理解的领域泛化能力。

UniVRSE: Unified Vision-conditioned Response Semantic Entropy for Hallucination Detection in Medical Vision-Language Models

UniVRSE: 统一的视觉条件响应语义熵用于医学视觉语言模型中的幻觉检测

Zehui Liao, Shishuai Hu, Ke Zou, Mengyuan Jin, Yanning Zhang, Huazhu Fu, Liangli Zhen, Yong Xia

机构 * National Engineering Laboratory for Integrated Aero-Space-Ground-Ocean Big Data Application Technology, School of Computer Science and Engineering, Northwestern Polytechnical University（集成航空航天地面海洋大数据应用技术国家工程实验室，计算机科学与工程学院，西北工业大学） 纠错

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

AI总结 UniVRSE通过统一的视觉条件响应语义熵框架，有效检测医学视觉语言模型中的幻觉，提升临床应用的可靠性。

Comments Under Review. 12 pages, 2 figures

"OpenBloom": A Question-Based LLM Tool to Support Stigma Reduction in Reproductive Well-Being

OpenBloom：基于问题的LLM工具，支持生殖健康中的污名减少

Ashley Hua, Adya Daruka, Yang Hong, Sharifa Sultana

专题命中 领域大模型 ：LLM(title,abstract)

AI总结 OpenBloom通过LLM生成问题导向的学习提示，探索生殖健康污名的挑战，强调文化敏感性和批判性反思的重要性。

FMIR, a foundation model-based Image Registration Framework for Robust Image Registration

FMIR：一种基于基础模型的图像配准框架，用于稳健的图像配准

Fengting Zhang, Yue He, Qinghao Liu, Yaonan Wang, Xiang Chen, Hang Zhang

机构 * School of Artificial Intelligence and Robotics（人工智能与机器人学院） ； Hunan University（湖南大学） ； Department of Electrical and Computer Engineering（电气与计算机工程系） ； Cornell University（康奈尔大学） 纠错

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

AI总结 FMIR通过基于基础模型的特征编码器和通道正则化策略，在单一数据集上实现域内最佳性能并保持域外配准的鲁棒性。

Comments Accepted to the International Symposium on Biomedical Imaging (ISBI 2026)

Beyond Retraining: Training-Free Unknown Class Filtering for Source-Free Open Set Domain Adaptation of Vision-Language Models

超越再训练：用于无源开放集域适应的无训练未知类过滤

Yongguang Li, Jindong Li, Qi Wang, Qianli Xing, Runliang Niu, Shengsheng Wang, Menglin Yang

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

AI总结 VLM-OpenXpert通过无训练模块SUFF和BGAT实现无源开放集域适应，有效抑制未知类干扰并提升模型性能。

Comments Core methods unchanged; title updated and full-text narrative refined for clarity and logical coherence. No changes to key findings and conclusions

Enhancing LLM-based Recommendation with Preference Hint Discovery from Knowledge Graph

基于知识图谱的偏好提示发现增强大语言模型推荐

Yuting Zhang, Ziliang Pei, Chao Wang, Ying Sun, Fuzhen Zhuang

专题命中 领域大模型 ：LLM(title,abstract)

AI总结 本文提出基于知识图谱的偏好提示发现模型，通过提取关键属性作为提示，提升大语言模型在推荐任务中的表现。

Synthetic Volumetric Data Generation Enables Zero-Shot Generalization of Foundation Models in 3D Medical Image Segmentation

合成体积数据生成使基础模型在3D医学图像分割中的零样本泛化能力提升

Satrajit Chakrabarty, Sourya Sengupta, Gopal Avinash, Ravi Soni

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

AI总结 SynthFM-3D通过生成合成体积数据提升基础模型在3D医学图像分割中的零样本泛化能力，实现跨模态的高效分割性能。

Who Owns Creativity and Who Does the Work? Trade-offs in LLM-Supported Research Ideation

谁拥有创造力，谁做实际工作？在LLM支持的研究构想中的权衡

Houjiang Liu, Yujin Choi, Sanjana Gautam, Gabriel Jaffe, Soo Young Rieh, Matthew Lease

专题命中 领域大模型 ：LLM(title,abstract)

AI总结 本文探讨了LLM支持的研究构想中创造力归属与工作分配的权衡，发现人类努力从构想转向验证，所有权成为协商结果，强调研究人员的赋权。

PrivLEX: Detecting legal concepts in images through Vision-Language Models

PrivLEX：通过视觉-语言模型检测图像中的法律概念

Darya Baranouskaya, Andrea Cavallaro

机构 * EPFL（苏黎世联邦理工学院） ； Idiap Research Institute（Idiap研究机构） 纠错

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

AI总结 PrivLEX通过视觉-语言模型实现图像中法律概念的检测，无需显式标签即可进行可解释的隐私分类。

On the Flakiness of LLM-Generated Tests for Industrial and Open-Source Database Management Systems

关于LLM生成测试在工业和开源数据库管理系统中的不稳定性

Alexander Berndt, Thomas Bach, Rainer Gemulla, Marcus Kessel, Sebastian Baltes

专题命中 领域大模型 ：LLM(title,abstract)

AI总结 研究发现LLM生成的测试在工业和开源数据库管理系统中存在不稳定性问题，主要源于对不确定顺序的依赖，并强调了为LLM提供定制上下文的重要性。

Comments 12 pages, 5 tables, 3 figures, accepted at the 48th International Conference on Software Engineering: Software Engineering in Practice (ICSE SEIP 2026)

Scaling Remote Sensing Foundation Models: Data Domain Tradeoffs at the Peta-Scale

在百亿级数据规模下扩展遥感基础模型：在百亿级数据规模下的领域权衡

Charith Wickrema, Eliza Mace, Hunter Brown, Heidys Cabrera, Nick Krall, Matthew O'Neill, Shivangi Sarkar, Lowell Weissman, Eric Hughes, Guido Zarrella

机构 * The MITRE Corporation（MITRE公司） 纠错

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

AI总结 研究探讨了在百亿级数据规模下扩展遥感基础模型的挑战与权衡，通过训练更大规模的视觉Transformer主干，揭示了数据受限与模型参数受限之间的关系，并提出了优化数据收集和计算资源的策略。

MUSE-FM: Multi-task Environment-aware Foundation Model for Wireless Communications

MUSE-FM：多任务环境感知基础模型用于无线通信

Tianyue Zheng, Jiajia Guo, Linglong Dai, Shi Jin, Jun Zhang

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

AI总结 MUSE-FM通过统一架构和环境感知机制，提升无线通信多任务处理的统一性和适应性。

Filter-and-Attend: Wireless Channel Foundation Model with Noise-Plus-Interference Suppression Structure

滤波与关注：具有噪声加干扰抑制结构的无线信道基础模型

Yuwei Wang, Li Sun, Tingting Yang, Yuxuan Shi, Maged Elkashlan, Xiao Tang

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

AI总结 本文提出Filter-and-Attend范式，通过滤波抑制噪声加干扰和关注机制补全CSI，提升无线信道基础模型在多种下游任务中的性能。

Prompt-Aware Adaptive Elastic Weight Consolidation for Continual Learning in Medical Vision-Language Models

面向提示的自适应弹性权重固化用于医学视觉-语言模型的持续学习

Ziyuan Gao, Philippe Morel

机构 * University College London（伦敦大学学院） 纠错

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

AI总结 PA-EWC通过提示引导的参数专门化，有效缓解医疗视觉-语言模型在持续学习中的灾难性遗忘问题，提升多模态医学任务的性能。

Comments Accepted by 32nd International Conference on MultiMedia Modeling (MMM 2026)

SAMSA 2.0: Prompting Segment Anything with Spectral Angles for Hyperspectral Interactive Medical Image Segmentation

SAMSA 2.0：基于光谱角度的提示分割任意事物用于超光谱交互医学图像分割

Alfie Roddan, Tobias Czempiel, Chi Xu, Daniel S. Elson, Stamatia Giannarou

机构 * The Hamlyn Centre for Robotic Surgery, Department of Surgery and Cancer Imperial College London（哈姆林机器人手术中心、外科与癌症系帝国理工学院伦敦） 纠错

专题命中 领域大模型 ：prompting(title,abstract)

AI总结 SAMSA 2.0通过引入光谱角度提示，提升超光谱医学图像分割的准确性和鲁棒性，实现比RGB-only模型和先前光谱融合方法更高的Dice分数。

Designing an LLM-Based Behavioral Activation Chatbot for Young People with Depression: Insights from an Evaluation with Artificial Users and Clinical Experts

设计一个基于LLM的行为激活聊天机器人以帮助有抑郁症的青少年：基于人工用户和临床专家评估的见解

Florian Onur Kuhlmeier, Leon Hanschmann, Melina Rabe, Stefan Luettke, Eva-Lotta Brakemeier, Alexander Maedche

专题命中 领域大模型 ：LLM(title,abstract)

AI总结 本文设计了一个基于LLM的行为激活聊天机器人，通过人工用户和临床专家评估，验证了其在抑郁症干预中的保真度和安全性，同时指出临床推理能力仍需改进。

Causal-Tune: Mining Causal Factors from Vision Foundation Models for Domain Generalized Semantic Segmentation

Causal-Tune: 从视觉基础模型中挖掘因果因素以实现领域通用的语义分割

Yin Zhang, Yongqiang Zhang, Yaoyue Zheng, Bogdan Raducanu, Dan Liu

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

AI总结 Causal-Tune通过频谱分析和因果因素分离提升领域通用语义分割的鲁棒性

Comments Accepted by AAAI 2026

Percept, Chat, and then Adapt: Multimodal Knowledge Transfer of Foundation Models for Open-World Video Recognition

感知、对话，然后适应：面向开放世界视频识别的多模态基础模型知识迁移

Boyu Chen, Siran Chen, Kunchang Li, Qinglin Xu, Yu Qiao, Yali Wang

机构 * Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院） ； the School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； Shanghai AI Laboratory（上海人工智能实验室） 纠错

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

AI总结 本文提出PCA框架，通过感知、对话和适应三个阶段，利用多模态知识提升开放世界视频识别的性能。

Comments 35 pages, 6 figures, 8 tables

Med3DVLM: An Efficient Vision-Language Model for 3D Medical Image Analysis

Med3DVLM: 一种高效的视觉-语言模型用于3D医学图像分析

Yu Xin, Gorkem Can Ates, Kuang Gong, Wei Shao

机构 * University of Florida（佛罗里达大学） 纠错

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

AI总结 Med3DVLM通过三个创新提出，实现了高效的3D医学图像分析，显著提升了图像-文本检索、报告生成和视觉问答的性能。

DBT-DINO: Towards Foundation model based analysis of Digital Breast Tomosynthesis

DBT-DINO：面向数字乳腺断层摄影的基于基础模型的分析

Felix J. Dorfner, Manon A. Dorster, Ryan Connolly, Oscar Gentilhomme, Edward Gibbs, Steven Graham, Seth Wander, Thomas Schultz, Manisha Bahl, Dania Daye, Albert E. Kim, Christopher P. Bridge

机构 * Athinoula A. Martinos Center for Biomedical Imaging, Massachusetts General Hospital and Harvard Medical School（阿提诺拉·A·马丁诺生物医学影像中心、麻省总医院和哈佛医学院） ； Department of Radiology, Charité - Universitätsmedizin Berlin（放射科、柏林夏里特大学医学院） ； Mass General Brigham Data Science Office（麻省总医院数据科学办公室） ； Department of Computer Science, Institute for Machine Learning, ETH Zürich（计算机科学系、机器学习研究所、苏黎世联邦理工学院） ； Massachusetts General Hospital Cancer Center and Harvard Medical School（麻省总医院癌症中心和哈佛医学院） ； Department of Radiology, Massachusetts General Hospital（放射科、麻省总医院） ； Department of Radiology, University of Wisconsin School of Medicine and Public Health（放射科、威斯康星大学医学与公共卫生学院） 纠错

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

AI总结 DBT-DINO是首个针对数字乳腺断层摄影的基础模型，展示了在乳腺密度分类和乳腺癌风险预测上的优越性能，但领域特定预训练在病变检测任务中效果不一。

Forging a Dynamic Memory: Retrieval-Guided Continual Learning for Generalist Medical Foundation Models

锻造动态记忆：基于检索的持续学习用于通用医学基础模型

Zizhi Chen, Yizhen Gao, Minghao Han, Yizhou Liu, Zhaoyu Chen, Dingkang Yang, Lihua Zhang

机构 * College of Intelligent Robotics and Advanced Manufacturing（智能机器人与先进制造学院） ； Fudan University（复旦大学） ； Fysics Intelligence Technologies Co., Ltd. (Fysics AI)（Fysics智能技术有限公司（Fysics AI）） ； School of Computer Science and Engineering（计算机科学与工程学院） ； Central South University（中南大学） 纠错

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

AI总结 本文提出基于检索的持续学习方法，通过动态知识蒸馏和RAG技术，解决多模态医学模型在领域迁移和细粒度特征保留中的核心难题。

From Macro to Micro: Benchmarking Microscopic Spatial Intelligence on Molecules via Vision-Language Models

从宏观到微观：通过视觉-语言模型在分子上基准测试微观空间智能

Zongzhao Li, Xiangzhe Kong, Jiahui Su, Zongyang Ma, Mingze Li, Songyou Li, Yuelin Zhang, Yu Rong, Tingyang Xu, Deli Zhao, Wenbing Huang

机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学北京校区人工智能学院） ； Beijing Key Laboratory of Research on Large Models and Intelligent Governance（北京大型模型与智能治理研究重点实验室） ； Engineering Research Center of Next-Generation Intelligent Search and Recommendation, MOE（下一代智能搜索与推荐工程研究中心） ； Dept. of Comp. Sci. & Tech., Tsinghua University（清华大学计算机科学与技术系） ； Institute for AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究院） ； SKL-ESPC & SEPKL-AERM, College of Environmental Sciences and Engineering, Peking University（环境科学与工程学院，北京大学） ； MAIS, Institute of Automation, Chinese Academy of Sciences（自动化研究所，中国科学院） ； DAMO Academy, Alibaba Group, Hangzhou, China（阿里巴巴集团 DAMO Academy，中国杭州） ； Hupan Lab, Hangzhou, China（杭州实验室） 纠错

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

AI总结 本文提出MiSI-Bench基准测试框架，评估视觉-语言模型在分子微观空间智能任务中的表现，发现微调模型在空间转换任务上超越人类，但需整合领域知识以推动科学AGI发展。

RESTifAI: LLM-Based Workflow for Reusable REST API Testing

RESTifAI：基于大语言模型的可重用REST API测试工作流

Leon Kogler, Maximilian Ehrhart, Benedikt Dornauer, Eduard Paul Enoiu

专题命中 领域大模型 ：LLM(title,abstract)

AI总结 RESTifAI是一种基于大语言模型的工具，用于生成可重用且适用于CI/CD的REST API测试，通过系统性构建测试场景并验证功能和鲁棒性。

Comments Accepted for ICSE 2026 Demonstration track

FALCO: a Foundation model of Astronomical Light Curves for time dOmain astronomy

FALCO：用于时间域天文学的天文光变曲线基础模型

Xiaoxiong Zuo, Yihan Tao, Yang Huang, Zhixuan Kang, Huaxi Chen, Chenzhou Cui, Jiashu Pan, Xiao Kong, Xiaoyu Tang, Henggeng Han, Haiyang Mu, Yunfei Xu, Dongwei Fan, Guirong Xue, Ali Luo, Jifeng Liu

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

AI总结 FALCO是一款基于Transformer架构的时间域天文学基础模型，通过自监督学习在未标记数据上训练，实现了高精度的恒星变异性分类、表面重力估计和耀斑识别。

Journal ref AJ 171 10 (2026)

MedDiff-FM: A Diffusion-based Foundation Model for Versatile Medical Image Applications

MedDiff-FM: 一种基于扩散的多功能医学图像应用基础模型

Yongrui Yu, Yannian Gu, Shaoting Zhang, Xiaofan Zhang

机构 * Qing Yuan Research Institute, Shanghai Jiao Tong University（上海交通大学清元研究 institute） 纠错

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

AI总结 MedDiff-FM是一种基于扩散的医学图像基础模型，通过预训练和微调实现多种医学图像处理任务，如去噪、异常检测和超分辨率。