语言大模型 / LLM

Color Prompting for Data-Free Continual Unsupervised Domain Adaptive Person Re-Identification

Jianyang Gu, Hao Luo, Kai Wang, Wei Jiang, Yang You, Jian Zhao

专题命中 领域大模型 ：prompting(title,abstract)

Open-Set Domain Adaptation with Visual-Language Foundation Models

Qing Yu, Go Irie, Kiyoharu Aizawa

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

Open-Ended Medical Visual Question Answering Through Prefix Tuning of Language Models

Tom van Sonsbeek, Mohammad Mahdi Derakhshani, Ivona Najdenkoska, Cees G. M. Snoek, Marcel Worring

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

Prompting Diffusion Representations for Cross-Domain Semantic Segmentation

Rui Gong, Martin Danelljan, Han Sun, Julio Delgado Mangas, Luc Van Gool

专题命中 领域大模型 ：prompting(title)；pretraining(abstract)

Comments 17 pages, 3 figures, 11 tables

Self-Enhancement Improves Text-Image Retrieval in Foundation Visual-Language Models

Yuguang Yang, Yiming Wang, Shupeng Geng, Runqi Wang, Yimi Wang, Sheng Wu, Baochang Zhang

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

Comments Accepted by CVPR 2023 Workshop

Background Prompting for Improved Object Depth

Manel Baradad, Yuanzhen Li, Forrester Cole, Michael Rubinstein, Antonio Torralba, William T. Freeman, Varun Jampani

专题命中 领域大模型 ：prompting(title,abstract)

Generalist Vision Foundation Models for Medical Imaging: A Case Study of Segment Anything Model on Zero-Shot Medical Segmentation

Peilun Shi, Jianing Qiu, Sai Mu Dalike Abaxi, Hao Wei, Frank P. -W. Lo, Wu Yuan

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

Comments Published in Diagnostics

Journal ref Diagnostics 2023

Automated Prompting for Non-overlapping Cross-domain Sequential Recommendation

Lei Guo, Chunxiao Wang, Xinhua Wang, Lei Zhu, Hongzhi Yin

专题命中 领域大模型 ：prompting(title,abstract)

Vision-Language Modelling For Radiological Imaging and Reports In The Low Data Regime

Rhydian Windsor, Amir Jamaludin, Timor Kadir, Andrew Zisserman

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

Comments Accepted to MIDL 2023

Understanding and Improving Visual Prompting: A Label-Mapping Perspective

Aochuan Chen, Yuguang Yao, Pin-Yu Chen, Yihua Zhang, Sijia Liu

专题命中 领域大模型 ：prompting(title,abstract)

Comments CVPR 2023

How will Language Modelers like ChatGPT Affect Occupations and Industries?

Ed Felten, Manav Raj, Robert Seamans

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

Comments 33 pages, 3 figures

RoentGen: Vision-Language Foundation Model for Chest X-ray Generation

Pierre Chambon, Christian Bluethgen, Jean-Benoit Delbrouck, Rogier Van der Sluijs, Małgorzata Połacin, Juan Manuel Zambrano Chaves, Tanishq Mathew Abraham, Shivanshu Purohit, Curtis P. Langlotz, Akshay Chaudhari

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

Comments 19 pages

Towards VEsNA, a Framework for Managing Virtual Environments via Natural Language Agents

Andrea Gatti, Viviana Mascardi

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

Comments In Proceedings AREA 2022, arXiv:2207.09058

Journal ref EPTCS 362, 2022, pp. 65-80

Label2Label: A Language Modeling Framework for Multi-Attribute Learning

Wanhua Li, Zhexuan Cao, Jianjiang Feng, Jie Zhou, Jiwen Lu

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

Comments ECCV 2022

A practical framework for multi-domain speech recognition and an instance sampling method to neural language modeling

Yike Zhang, Xiaobing Feng, Yi Liu, Songjun Cao, Long Ma

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

Comments 7 pages, 1 figure

Empowering News Recommendation with Pre-trained Language Models

Chuhan Wu, Fangzhao Wu, Tao Qi, Yongfeng Huang

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

Comments To appear in SIGIR 2021

SLM-based Active Focal-Plane Coronagraphy: Status and future on-sky prospects

Jonas G. Kühn, Laurent Jolissaint, Audrey Bouxin, Polychronis Patapis

专题命中 领域大模型 ：SLM(title,abstract)

Comments 9 pages, 4 figures, Proceedings of SPIE "Astronomical Telescopes and Instrumentation" 2020

Journal ref Proc. SPIE 11451, Advances in Optical and Mechanical Technologies for Telescopes and Instrumentation IV, 114511S (2 February 2021)

MeDAL: Medical Abbreviation Disambiguation Dataset for Natural Language Understanding Pretraining

Zhi Wen, Xing Han Lu, Siva Reddy

专题命中 领域大模型 ：pretraining(title)；分类 cs.CL、cs.AI、cs.LG

Comments EMNLP 2020 Clinical NLP

Journal ref In Proceedings of the 3rd Clinical Natural Language Processing Workshop, pp. 130-135. 2020

Navigation-Based Candidate Expansion and Pretrained Language Models for Citation Recommendation

Rodrigo Nogueira, Zhiying Jiang, Kyunghyun Cho, Jimmy Lin

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

Visual Speech Language Models

Helen L Bear

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

Comments Extended abstract based on Decoding Visemes: improving machine lipreading, Bear & Harvey, ICASSP 2016

Talking to Robots: A Practical Examination of Speech Foundation Models for HRI Applications

Theresa Pekarek Rosin, Julia Gachot, Henri-Leon Kordt, Matthias Kerzel, Stefan Wermter

机构 * Knowledge Technology, Department of Informatics, University of Hamburg（知识技术，信息学院，汉堡大学） 纠错

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

Comments Accepted at the workshop on Foundation Models for Social Robotics (FoMoSR) at ICSR 2025

Towards World Models in Biomedical Research

迈向生物医学研究的世界模型

Guangyu Wang, Jingkun Yue, Siqi Zhang, Yu Liu, Xiaoyu Wang, Mingyuan Meng, Changwei Ji, Zongbo Han, Yulin Wang, Yang Yue, Frank Fu, Ting Chen, Song Wu, Ziwei Liu, Jiangning Song, Ming Li, Gao Huang, Xiaohong Liu, Athanasios Vasilakos, Xingcai Zhang, Ping Zhang, Yong Li

机构 * State Key Laboratory of Networking and Switching Technology, Beijing University of Posts and Telecommunications, Beijing, China（网络与交换技术国家重点实验室，北京邮电大学，北京，中国） ； Department of Engineering Science, University of Oxford, Oxford, United Kingdom（英国牛津大学工程科学系，牛津，英国） ； Institute of Medical Artificial Intelligence, South China Hospital, Medical School, Shenzhen University, Shenzhen, Guangdong, China（医学人工智能研究所，南方医院，医学学院，深圳大学，深圳，广东，中国） ； Zhongguancun Academy & Zhongguancun Institute of Artificial Intelligence, Beijing, China（中关村学院及中关村人工智能研究院，北京，中国） ； Beijing National Research Center for Information Science and Technology (BNRist), Tsinghua University, 100084, Beijing, China（北京信息科学与技术国家研究中心（BNRist），清华大学，100084，北京，中国） ； Department of Chemical and Nano Engineering, University of California, San Diego, La Jolla, CA, USA（美国加州大学圣地亚哥分校化学与纳米工程系，La Jolla，CA，美国） ； Nanyang Technological University, Singapore（新加坡南洋理工大学） ； Monash Biomedicine Discovery Institute and Department of Biochemistry and Molecular Biology, Monash University, Melbourne, Victoria, Australia（莫纳什大学生物医学发现研究所和生物化学与分子生物学系，墨尔本，维多利亚，澳大利亚） ； David R. Cheriton School of Computer Science, University of Waterloo, Waterloo, Ontario, Canada（加拿大滑铁卢大学戴维·R·切里顿计算机科学学校，滑铁卢，安大略，加拿大） ； Department of ICT and Center for AI Research, University of Agder (UiA), Jon Lilletuns vei 9, Grimstad, Norway（挪威阿格德大学（UiA）信息与通信技术系及人工智能研究中心，Jon Lilletuns vei 9，Grimstad，挪威） ； Department of Electronic Engineering, Tsinghua University, Beijing, China（清华大学电子工程系，北京，中国） 纠错

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

AI总结 提出生物医学世界模型作为AI驱动发现的新范式，通过学习分子、细胞、组织和临床状态的潜在表征及干预条件动态，实现未来轨迹模拟，并探讨其在虚拟细胞、类器官、虚拟患者和手术模拟等应用中的潜力。

Speech-to-SOAP: End-to-End Summarization of Medical Dialogues: KIT@BeTraC 2026

Speech-to-SOAP：医学对话的端到端摘要生成——KIT@BeTraC 2026

Enes Yavuz Ugan, Fabian Retkowski, Yuka Ko, Thai-Binh Nguyen, Maike Züfle, Jan Niehues, Alexander Waibel

机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

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

AI总结 本研究针对医学对话摘要任务，提出KIT团队参加BeTraC挑战赛轻量级赛道的方案，构建可扩展数据增强流水线，适配语音基础模型实现端到端语音转SOAP生成，减轻医护记录负担。

Comments 3 pages, BeTraC 2026

From SQL Generation to Tool Selection: A Domain-Oriented Pattern for MCP Servers

从SQL生成到工具选择：面向MCP服务器的领域导向模式

Bartolomeo Bogliolo

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

AI总结 该研究提出面向MCP服务器的领域导向工具模式，通过用意图分类替代SQL合成降低模型需求，在Sakila数据库基准测试中，垂直领域工具包表现最优，最小模型成本大幅降低且性能达标。

Interrupting the Chain: Human Perception of AI-Generated Disinformation Through a Kill Chain Lens

中断链条：通过杀伤链视角分析人类对AI生成虚假信息的感知

Alexander Loth, Martin Kappes, Marc-Oliver Pahl

机构 * Frankfurt University of Applied Sciences（法兰克福应用科学大学） ； IMT Atlantique（IMT大西洋高等矿业电信学校） 纠错

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

AI总结 该研究通过504人参与的实验，借助调整后的网络杀伤链分析人类对AI生成虚假信息的感知，发现感知准确率差距、LLM生成文本难区分及不对称认知疲劳效应，为主动防御AI虚假信息提供了干预方向。

Comments Accepted at the GI 2026 workshop (LNI). 10 pages

Towards Better Understanding of Cybercrime: The Role of Fine-Tuned LLMs in Translation

Veronica Valeros, Anna Širokova, Carlos Catania, Sebastian Garcia

机构 * Czech Technical University（捷克技术大学） ； Rapid7（Rapid7公司） ； National University of Cuyo (UNCuyo)（库约国立大学） 纠错

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

Comments 9 pages, 4 figures

Prompt Engineering in Segment Anything Model: Methodologies, Applications, and Emerging Challenges

分割一切模型中的提示工程：方法、应用与新兴挑战

Yidong Jiang, Jiangtong Li, Daiwei Cheng

机构 * School of Computer Science and Technology, Tongji University（计算机科学与技术学院，同济大学） 纠错

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

AI总结 本综述系统梳理了SAM的提示工程技术，将其分为三类并分析方法演变，探讨其跨领域应用，指出三大挑战并提出有前景的研究方向，为相关领域提供参考。

MACS: A Hybrid Multi-Agent Framework for Reliable Conversational E-Commerce Recommendation

MACS：面向可靠会话式电商推荐的混合多智能体框架

Juli Huang, Hannah Clay, Sajjad Beygi, Thomas Sarda, Negin Golrezaei, Amin Saberi

机构 * Stanford University（斯坦福大学） ； Google DeepMind（谷歌DeepMind） ； University of Southern California（南加州大学） ； Amazon（亚马逊公司） ； Massachusetts Institute of Technology（麻省理工学院） ； MIT Sloan School of Management（麻省理工学院斯隆管理学院） 纠错

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

AI总结 针对固定目录场景下会话式电商推荐的可靠性问题，提出混合多智能体框架MACS，其在单轮、多轮基准测试中均展现出更强的约束合规性与推荐性能。

Comments 9 pages, 2 figures, 8 tables. Will be presenting at Stanford Trust&Safety Conference, already presented at Stanford Market AI Conference

On the Expressive Power of Transformers

Transformer的表达能力研究

Phokion Kolaitis, Rik Sengupta

机构 * University of California Santa Cruz（加利福尼亚大学圣克鲁兹分校） ； IBM Research（IBM研究院） 纠错

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

AI总结 本文基于电路复杂性的概念与方法，概述了界定Transformer表达能力的部分精选研究结果，助力校准其作为语言识别器的表达能力。

Comments 13 pages, 2 figures

IACDM: Interactive Adversarial Convergence Development Methodology -- A Structured Framework for AI-Assisted Software Development

IACDM：交互对抗收敛开发方法论——面向AI辅助软件开发的结构化框架

Jasmine Moreira

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

AI总结 本文提出IACDM方法论，通过外部验证代理解决AI生成应用中的验证缺口问题，强调通过层次语义分析、知识管理及系统对抗批评提升软件开发质量。

Comments 37 pages, 7 tables. Technical Foundation Document. v3 adds a pre-registered experiment testing lens non-redundancy over 12 projects, and withdraws the retrospective analysis of v1-v2 (defective instrument). Data: https://doi.org/10.5281/zenodo.21908908 Repo: https://github.com/jasminemoreira/Versus