语言大模型 / LLM

Interplay: Training Independent Simulators for Reference-Free Conversational Recommendation

交互：为无参考对话推荐系统训练独立模拟器

Jerome Ramos, Feng Xia, Xi Wang, Shubham Chatterjee, Xiao Fu, Hossein A. Rahmani, Aldo Lipani

机构 * University College London（伦敦大学学院） ； University of Sheffield（谢菲尔德大学） ； Missouri University of Science and Technology（密苏里科技大学） 纠错

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

AI总结 本文提出一种无参考模拟框架，通过训练两个独立的LLM分别扮演用户和推荐系统，生成更真实多样化的对话数据，提升推荐系统质量与可扩展性。

Comments Accepted at ECIR 2026

Biased AI can Influence Political Decision-Making

有偏见的AI会影响政治决策

Jillian Fisher, Shangbin Feng, Robert Aron, Thomas Richardson, Yejin Choi, Daniel W. Fisher, Jennifer Pan, Yulia Tsvetkov, Katharina Reinecke

机构 * Department of Statistics, University of Washington（华盛顿大学统计学系） ； Department of Computer Science, University of Washington（华盛顿大学计算机科学系） ； Dallas, Texas（德克萨斯州达拉斯） ； Department of Computer Science, Stanford University（斯坦福大学计算机科学系） ； Psychiatry and Behavioral Science, University of Washington（华盛顿大学精神病学与行为科学系） ； Department of Communication, Stanford University（斯坦福大学传播学系） 纠错

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

AI总结 本文通过两个互动实验研究了LLM偏见对政治观点和决策的影响，发现参与者更容易接受与模型偏见一致的观点，即使个人政治倾向相反，且AI知识水平与偏见影响减弱相关。

Script-to-Slide Grounding: Grounding Script Sentences to Slide Objects for Automatic Instructional Video Generation

脚本到幻灯片接地：将脚本句子接地到幻灯片对象以实现自动教学视频生成

Rena Suzuki, Masato Kikuchi, Tadachika Ozono

机构 * Nagoya Institute of Technology（名古屋技术大学） 纠错

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

AI总结 本文提出Script-to-Slide Grounding任务，利用大语言模型实现脚本与幻灯片对象的自动接地，实验显示F1分数达0.924，为自动化幻灯片视频编辑奠定基础。

Comments The 21st International Conference on E-Service and Knowledge Management (ESKM 2025-Winter)

RECOVER: Robust Entity Correction via agentic Orchestration of hypothesis Variants for Evidence-based Recovery

RECOVER：通过假设变体的代理协作进行证据驱动的实体纠正

Abhishek Kumar, Aashraya Sachdeva

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

AI总结 针对ASR中罕见和领域特定术语的实体识别难题，RECOVER框架通过代理协作利用多个假设，结合LLM纠正，提升实体识别准确率和召回率。

Comments Under review. Submitted to Interspeech 2026

MedPT: A Massive Medical Question Answering Dataset for Brazilian-Portuguese Speakers

MedPT：一个面向巴西葡萄牙语使用者的大规模医疗问答数据集

Fernanda Bufon Färber, Iago Alves Brito, Julia Soares Dollis, Pedro Schindler Freire Brasil Ribeiro, Rafael Teixeira Sousa, Arlindo Rodrigues Galvão Filho

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

AI总结 本文提出MedPT数据集，包含384,095个真实患者-医生问答对，覆盖3200多种健康问题，通过多阶段筛选流程和LLM标注，实现了高语义丰富度，用于医疗专业分类任务，达到94%的F1分数。

Comments Accepted at LREC 2026, 11 pages, 3 tables, 2 figures

Agentic AI, Retrieval-Augmented Generation, and the Institutional Turn: Legal Architectures and Financial Governance in the Age of Distributional AGI

代理AI、检索增强生成与制度转向：分布式AGI时代的法律架构与金融治理

Marcel Osmond

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

AI总结 本文探讨代理AI与检索增强生成对法律问责和金融市场完整性的影响，主张通过制度设计问题重构对齐机制，以构建合规行为主导的机构环境。

Comments 35 pages, 92 references. Comprehensive interdisciplinary analysis integrating AI safety, mechanism design, legal regulation, and financial governance. Published on Zenodo (https://doi.org/10.5281/zenodo.18711509). Includes industry practitioner perspectives alongside peer-reviewed literature

Enhanced Drug-drug Interaction Prediction Using Adaptive Knowledge Integration

增强药物-药物相互作用预测的自适应知识整合

Pengfei Liu, Jun Tao, Zhixiang Ren

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

AI总结 本文提出自适应知识整合框架，通过强化学习优化LLM策略空间，提升药物相互作用预测准确性。

Agentic Explainable Artificial Intelligence (Agentic XAI) Approach To Explore Better Explanation

代理可解释人工智能（代理XAI）方法探索更好的解释

Tomoaki Yamaguchi, Yutong Zhou, Masahiro Ryo, Keisuke Katsura

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

AI总结 本文提出一种结合SHAP解释性和多模态LLM迭代细化的代理XAI框架，通过农业推荐系统验证，发现早期停止可提升推荐质量，但过度细化导致性能下降，揭示了偏差-方差权衡。

A Hybrid Knowledge-Grounded Framework for Safety and Traceability in Prescription Verification

一种混合知识引导的框架用于处方验证中的安全性和可追溯性

Yichi Zhu, Kan Ling, Xu Liu, Hengrun Zhang, Huiqun Yu, Guisheng Fan

机构 * School of Information Science and Engineering, East China University of Science and Technology（信息科学与工程学院，东华大学） 纠错

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

AI总结 本文提出PharmGraph-Auditor框架，通过混合制药知识库和知识引导的验证链，提升处方验证的安全性和可追溯性。

Comments 11 pages, 7 figures.Framework for safe prescription auditing and hybrid knowledge-grounded reasoning

Nurture-First Agent Development: Building Domain-Expert AI Agents Through Conversational Knowledge Crystallization

先培养型代理开发：通过对话知识结晶构建领域专家AI代理

Linghao Zhang

机构 * Jiangsu Key Laboratory of Wireless Communications（江苏无线通信重点实验室） 纠错

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

AI总结 本文提出先培养开发范式，通过结构化对话与领域专家交互逐步构建领域专家AI代理，强调知识结晶循环和三层认知架构。

Comments 24 pages, 8 figures, 2 tables

Meissa: Multi-modal Medical Agentic Intelligence

Meissa：多模态医疗代理智能

Yixiong Chen, Xinyi Bai, Yue Pan, Zongwei Zhou, Alan Yuille

机构 * Johns Hopkins University（约翰霍普金斯大学） ； Cornell University（康奈尔大学） 纠错

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

AI总结 Meissa是一种轻量级多模态医疗代理智能模型，通过离线学习策略选择与执行，实现高效医疗决策。

AutoAdapt: An Automated Domain Adaptation Framework for LLMs

AutoAdapt：一种用于大语言模型的自动化领域适应框架

Sidharth Sinha, Anson Bastos, Xuchao Zhang, Akshay Nambi, Chetan Bansal, Saravan Rajmohan

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

AI总结 AutoAdapt通过多代理辩论系统和AutoRefine方法，实现高效可靠的LLM领域适应，提升领域适应性能25%。

PIRA-Bench: A Transition from Reactive GUI Agents to GUI-based Proactive Intent Recommendation Agents

PIRA-Bench: 从反应式 GUI 代理到基于 GUI 的主动意图推荐代理的转变

Yuxiang Chai, Shunye Tang, Han Xiao, Rui Liu, Hongsheng Li

机构 * Nankai University（南开大学） ； Huawei Research（华为研究） 纠错

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

AI总结 PIRA-Bench通过引入主动意图推荐代理基准，推动GUI代理从反应式向主动式转变，评估多模态大语言模型在连续弱监督视觉输入中的能力。

MediTools -- Medical Education Powered by LLMs

MediTools -- 由LLMs驱动的医学教育

Amr Alshatnawi, Remi Sampaleanu, David Liebovitz

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

AI总结 MediTools利用LLMs开发交互式医学教育工具，通过模拟临床场景、文献检索和新闻摘要等功能提升医学教育的效率和效果。

Comments 20 pages, 19 figures, 2 tables. Code available at https://github.com/NM-Streamlit-Team/meditools

Engineering Systems for Data Analysis Using Interactive Structured Inductive Programming

为数据分祈工程系统使用交互式结构归纳编程

Shraddha Surana, Ashwin Srinivasan, Michael Bain

机构 * Dept. of Computer Science \& Information Systems, BITS Pilani, Goa, India School of Computer Science \& Engineering, University of New South Wales, Australia 纠错

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

AI总结 iProg通过交互式结构归纳编程工具，实现科学数据分祈系统的高效开发，提升性能与代码质量。

Comments Accepted for publication in the 38th International Conference on Advanced Information Systems Engineering (CAiSE 2026)

Empowering Locally Deployable Medical Agent via State Enhanced Logical Skills for FHIR-based Clinical Tasks

通过增强状态的逻辑技能赋能本地可部署的医疗代理以用于基于FHIR的临床任务

Wanrong Yang, Zhengliang Liu, Yuan Li, Bingjie Yan, Lingfang Li, Mingguang He, Dominik Wojtczak, Yalin Zheng, Danli Shi

机构 * Department of Computer Science, University of Liverpool（利物浦大学计算机科学系） ； The Hong Kong Polytechnic University（香港理工大学） ； Beijing Normal University（北京师范大学） ； School of Computing, University of Georgia（佐治亚大学计算机学院） ； Department of Eye and Vision, University of Liverpool（利物浦大学眼科学与视觉系） 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 本文提出SELSM框架，通过增强状态的逻辑技能提升本地医疗代理在FHIR临床任务中的零样本能力，实现100%任务完成率和22.67%的成功率提升。

Comments 10 pages, 5 figures

Learning From Design Procedure To Generate CAD Programs for Data Augmentation

从设计过程学习生成用于数据增强的CAD程序

Yan-Ying Chen, Dule Shu, Matthew Hong, Andrew Taber, Jonathan Li, Matthew Klenk

机构 * Toyota Research Institute（丰田研究院） 纠错

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

AI总结 本文提出了一种基于设计过程的CAD程序生成方法，通过引入有机形状和样条基 curvature 提高几何多样性，以增强数据增强效果。

Comments Accepted by NeurIPS 2025 Workshop: Deep Learning for Code in the Agentic Era

ESAA-Security: An Event-Sourced, Verifiable Architecture for Agent-Assisted Security Audits of AI-Generated Code

ESAA-安全：一种事件源、可验证的架构，用于代理辅助的AI生成代码安全审计

Elzo Brito dos Santos Filho

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

AI总结 ESAA-Security通过事件源和可验证架构，提供可追溯、可重复的AI生成代码安全审计方法，强调结构化意图验证与风险分类。

Comments Open-source implementation available at: https://github.com/elzobrito/ESAA-Security

XAI for Coding Agent Failures: Transforming Raw Execution Traces into Actionable Insights

代码代理故障的可解释性AI：将原始执行轨迹转化为可操作的见解

Arun Joshi

机构 * Independent Researcher（独立研究者） ； Islington College（伊斯林顿学院） 纠错

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

AI总结 本文提出了一种基于XAI的方法，通过结构化解释和可视化技术，帮助开发者更高效地理解和修复代码代理的故障问题。

Comments 17 Pages, 3 Figures, 2 Tables

Real Money, Fake Models: Deceptive Model Claims in Shadow APIs

真实的钱，假的模型：影子API中的欺骗性模型声明

Yage Zhang, Yukun Jiang, Zeyuan Chen, Michael Backes, Xinyue Shen, Yang Zhang

机构 * CISPA Helmholtz Center for Information Security（CISPA海德堡信息安全研究中心） 纠错

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

AI总结 本文首次系统审计官方LLM API与影子API，揭示了影子API在性能、安全性和身份验证方面的欺骗行为，影响科研可重复性和有效性。

Give Users the Wheel: Towards Promptable Recommendation Paradigm

让用户掌控方向：迈向可提示的推荐范式

Fuyuan Lyu, Chenglin Luo, Qiyuan Zhang, Yupeng Hou, Haolun Wu, Xing Tang, Xue Liu, Jin L. C. Guo, Xiuqiang He

机构 * McGill \& Mila - Quebec AI Institute Montreal Canada ； Shenzhen Technological University Shenzhen China ； University of California San Diego San Diego US ； McGill University Montreal Canada ； McGill \& Mila - Quebec AI Institute ； Shenzhen Technological University ； University of California San Diego ； McGill University 纠错

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

AI总结 本文提出DPR模型，通过解耦的可提示顺序推荐框架，使传统推荐模型能够动态利用自然语言提示优化检索过程，提升推荐效果。

CAM-LDS: Cyber Attack Manifestations for Automatic Interpretation of System Logs and Security Alerts

CAM-LDS：网络攻击的显现用于系统日志和安全警报的自动解释

Max Landauer, Wolfgang Hotwagner, Thorina Boenke, Florian Skopik, Markus Wurzenberger

机构 * Austrian Institute of Technology（奥地利技术研究院） 纠错

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

AI总结 CAM-LDS通过提供涵盖多种攻击技术的日志数据集，推动基于大语言模型的系统日志和安全警报自动解释技术的发展。

MACC: Multi-Agent Collaborative Competition for Scientific Exploration

MACC：多智能体协作竞争用于科学探索

Satoshi Oyama, Yuko Sakurai, Hisashi Kashima

机构 * Nagoya City University（名古屋市大学） ； Nagoya Institute of Technology（名古屋技术大学） ； Kyoto University（京都大学） 纠错

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

AI总结 MACC是一种机构架构，通过整合共享工作空间和激励机制，促进多智能体在科学探索中的协作与竞争，以提高探索的可扩展性和可靠性。

Comments Camera-ready version. To appear in the Proceedings of AAMAS 2026 (Blue Sky Ideas Track)

When Relevance Meets Novelty: Dual-Stable Periodic Optimization for Serendipitous Recommendation

当相关性与新颖性交汇：为偶然推荐的双稳定周期优化

Hongxiang Lin, Hao Guo, Zeshun Li, Erpeng Xue, Yongqian He, Zhaoyu Hu, Lei Wang, Sheng Chen, Long Zeng

机构 * Tsinghua University（清华大学） 纠错

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

AI总结 本文提出CoEA方法，通过双稳定周期优化解决推荐系统中相关性与新颖性的平衡问题，提升偶然推荐效果。

AI-for-Science Low-code Platform with Bayesian Adversarial Multi-Agent Framework

面向科学的AI低代码平台与贝叶斯对抗多智能体框架

Zihang Zeng, Jiaquan Zhang, Pengze Li, Yuan Qi, Xi Chen

机构 * Artificial Intelligence Innovation and Incubation Institute, Fudan University（复旦大学人工智能创新与孵化院） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Academy of AI for Science（上海人工智能科学研究院） 纠错

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

AI总结 本研究提出一种面向科学的AI低代码平台，通过贝叶斯对抗多智能体框架实现代码生成与评估的协同优化，提升科学任务的可靠性和效率。

Saarthi for AGI: Towards Domain-Specific General Intelligence for Formal Verification

Saarthi 用于 AGI：迈向形式验证的领域特定通用智能

Aman Kumar, Deepak Narayan Gadde, Luu Danh Minh, Vaisakh Naduvodi Viswambharan, Keerthan Kopparam Radhakrishna, Sivaram Pothireddypalli

机构 * 1 Infineon Technologies India Private Limited, India 2 Infineon Technologies Dresden AG \& Co. KG, Germany 3 Infineon Technologies Vietnam Company Ltd., Vietnam 纠错

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

AI总结 Saarthi 通过结构化规则书和 RAG 技术提升形式验证的准确性和效率

Comments Published at the DVCon U.S. 2026

OrchMAS: Orchestrated Reasoning with Multi Collaborative Heterogeneous Scientific Expert Structured Agents

OrchMAS: 基于多协作异构科学专家结构代理的协同推理

Yichao Feng, Haoran Luo, Zhenghong Lin, Yiqun Sun, Pengfei Wei, Lawrence B. Hsieh, Anh Tuan Luu

机构 * Magellan Technology Research Institute (MTRI)（Magellan技术研究 institute） ； Nanyang Technological University（南洋理工大学） 纠错

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

AI总结 OrchMAS通过双层多模型编排框架，实现异构科学专家代理的动态协作，提升复杂科学推理的鲁棒性和效率。

SAE as a Crystal Ball: Interpretable Features Predict Cross-domain Transferability of LLMs without Training

SAE作为水晶球：可解释特征预测LLM在跨领域迁移性无需训练

Qi Zhang, Yifei Wang, Xiaohan Wang, Jiajun Chai, Guojun Yin, Wei Lin, Yisen Wang

机构 * State Key Lab of General Artificial Intelligence, School of Intelligence Science and Technology, Peking University（通用人工智能国家重点实验室，智能科学与技术学院，北京大学） ； Meituan（美团） ； Amazon AGI SF Lab（亚马逊人工智能SF实验室） ； Institute for Artificial Intelligence, Peking University（人工智能研究院，北京大学） 纠错

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

AI总结 本文提出基于SAE的迁移性评分（STS），通过识别模型偏移维度预测LLM在跨领域迁移性，无需训练即可评估迁移性能。

WirelessAgent++: Automated Agentic Workflow Design and Benchmarking for Wireless Networks

WirelessAgent++: 无线网络中自主代理工作流设计与基准测试

Jingwen Tong, Zijian Li, Fang Liu, Wei Guo, Jun Zhang

机构 * College of Electronics and Information Engineering, Shenzhen University（深圳大学电子与信息工程学院） ； Department of Electronic and Computer Engineering, The Hong Kong University of Science and Technology（香港理工大学电子与计算机工程系） 纠错

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

AI总结 WirelessAgent++通过自动化设计无线任务代理工作流，结合MCTS算法和WirelessBench基准测试，实现了高效且稳健的无线网络代理生成。

Comments This manuscript has submitted to a possible Journal for publication

MED-COPILOT: A Medical Assistant Powered by GraphRAG and Similar Patient Case Retrieval

MED-COPILOT：一种基于图RAG和相似患者案例检索的医疗助手

Shuheng Chen, Namratha Patil, Haonan Pan, Angel Hsing-Chi Hwang, Yao Du, Ruishan Liu, Jieyu Zhao

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

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

AI总结 MED-COPILOT通过结合图RAG和相似患者案例检索，提升临床决策支持系统的证据整合与推理准确性。