语言大模型 / LLM

Digital Red Queen: Adversarial Program Evolution in Core War with LLMs

数字红皇后：基于大语言模型的Core War中的对抗程序进化

Akarsh Kumar, Ryan Bahlous-Boldi, Prafull Sharma, Phillip Isola, Sebastian Risi, Yujin Tang, David Ha

机构 * MIT（麻省理工学院） ； Sakana AI 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DRQ算法，利用大语言模型在Core War游戏中通过持续适应变化的目标进化出通用且高效的战士，揭示了动态对抗进化在人工智能系统中的潜力。

Comments 14 pages, 13 figures

LeafTutor: An AI Agent for Programming Assignment Tutoring

LeafTutor: 一个用于编程作业辅导的AI代理

Madison Bochard, Tim Conser, Alyssa Duran, Lazaro Martull, Pu Tian, Yalong Wu

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 LeafTutor利用大型语言模型为编程作业提供逐步指导，展示了AI辅导在提升STEM教育学习中的潜力。

Unpacking Generative AI in Education: Computational Modeling of Teacher and Student Perspectives in Social Media Discourse

解析生成式AI在教育中的应用：社会媒体 discourse 中教师和学生视角的计算建模

Paulina DeVito, Akhil Vallala, Sean Mcmahon, Yaroslav Hinda, Benjamin Thaw, Hanqi Zhuang, Hari Kalva

机构 * Department of Electrical Engineering and Computer Science, Florida Atlantic University（电气工程与计算机科学系，佛罗里达亚特兰大大学） 纠错

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

AI总结 本研究利用生成式AI技术分析教育领域中教师和学生在社交媒体上的观点差异，通过模块化框架揭示其在个性化学习和学术诚信方面的不同关注点。

Comments This is the original preprint version, not the final paper. The final, published version is copyrighted by IEEE and is available at: https://doi.org/10.1109/TCSS.2025.3630587

Empowering Source-Free Domain Adaptation via MLLM-Guided Reliability-Based Curriculum Learning

通过MLLM引导的可靠性基于课程学习增强源无关领域适应

Dongjie Chen, Kartik Patwari, Zhengfeng Lai, Xiaoguang Zhu, Sen-ching Cheung, Chen-Nee Chuah

机构 * University of California, Davis（加州大学戴维斯分校） ； University of Kentucky（肯塔基大学） 纠错

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

AI总结 通过MLLM引导的可靠性基于课程学习增强源无关领域适应，提出一种新的框架，利用多个冻结的MLLMs的稳健监督蒸馏到目标模型，实现稳定且噪声感知的训练。

MedKGI: Iterative Differential Diagnosis with Medical Knowledge Graphs and Information-Guided Inquiring

MedKGI: 基于医学知识图谱和信息引导提问的迭代诊断

Qipeng Wang, Rui Sheng, Yafei Li, Huamin Qu, Yushi Sun, Min Zhu

机构 * Sichuan University（四川大学） ； HKUST（香港科技大学） 纠错

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

AI总结 MedKGI通过整合医学知识图谱和信息引导提问，提升临床诊断的准确性和效率。

Coding With AI: From a Reflection on Industrial Practices to Future Computer Science and Software Engineering Education

编码与AI：从工业实践的反思到未来计算机科学与软件工程教育

Hung-Fu Chang, MohammadShokrolah Shirazi, Lizhou Cao, Supannika Koolmanojwong Mobasser

机构 * R. B. Annis School of Engineering（R. B. Annis 工程学院） ； University of Indianapolis（印第安纳大学） ； E. S. Witchger School of Engineering（E. S. Witchger 工程学院） ； Marian University（玛丽安大学） ； University of Maryland Eastern Shore（马里兰大学东部分校） ； The Boehm Center for Systems and Software Engineering（Boehm 系统与软件工程中心） 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 本文探讨了AI在工业实践中对软件开发的影响，分析了LLM工具带来的生产力提升与风险，并提出教育应转向问题解决和项目式学习以适应变化。

Comments 21 pages, 5 figures

Multi-Agent Framework for Threat Mitigation and Resilience in AI-Based Systems

多智能体框架用于AI系统中的威胁缓解与韧性

Armstrong Foundjem, Lionel Nganyewou Tidjon, Leuson Da Silva, Foutse Khomh

机构 * Department of Computer and Software Engineering, Polytechnique Montreal（计算机与软件工程系，蒙特利尔理工学院） 纠错

专题命中 领域大模型 ：LLM(abstract)；foundation model(abstract)；preference optimization(abstract)；分类 cs.LG

AI总结 本文提出多智能体框架，用于识别和缓解AI系统中的威胁，通过构建威胁图分析漏洞和攻击模式，提升系统韧性。

Comments 56 pages, 18 Figures, 22 Tables, TOSEM

Adversarially Robust Detection of Harmful Online Content: A Computational Design Science Approach

对抗性鲁棒的有害在线内容检测：一种计算设计科学方法

Yidong Chai, Yi Liu, Mohammadreza Ebrahimi, Weifeng Li, Balaji Padmanabhan

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 本文提出了一种计算设计科学方法，通过LLM-SGA框架和三个新组件提升对抗鲁棒性，实现高通用性和准确性的有害内容检测。

A Voice-Enabled Virtual Patient System for Interactive Training in Standardized Clinical Assessment

一种通过语音的虚拟患者系统用于标准化临床评估的交互式训练

Veronica Bossio Botero, Vijay Yadav, Jacob Ouyang, Anzar Abbas, Michelle Worthington

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 本文提出一种基于大型语言模型的语音启用虚拟患者系统，用于提升临床人员标准化评估训练的实效性与可扩展性。

Literature Mining System for Nutraceutical Biosynthesis: From AI Framework to Biological Insight

营养保健品生物合成的文献挖掘系统：从AI框架到生物学洞察

Xinyang Sun, Nipon Sarmah, Miao Guo

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 本文提出了一种基于AI的文献挖掘系统，用于自动识别参与营养保健品生物合成的微生物菌株，通过大语言模型和提示工程技术提升准确性，并提供微生物菌株选择和合成生物学设计的洞察。

AI Urban Scientist: Multi-Agent Collaborative Automation for Urban Research

AI城市科学家：面向城市研究的多智能体协作自动化

Tong Xia, Jiankun Zhang, Ruiwen You, Ao Xu, Linghao Zhang, Tengyao Tu, Jingzhi Wang, Jinghua Piao, Yunke Zhang, Fengli Xu, Yong Li

机构 * Vanke School of Public Health, Tsinghua University, Beijing, China（范克学校公共卫生学院，清华大学，北京，中国） ； Zhongguancun Academy, Beijing, China（中关村学院，北京，中国） ； Department of Electronic Engineering, Tsinghua University, Beijing, China（电子工程系，清华大学，北京，中国） 纠错

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AI城市科学家，通过多智能体协作自动化，整合异构数据生成城市研究的结构化知识，提升自主研究效率与准确性。

AInsteinBench: Benchmarking Coding Agents on Scientific Repositories

AInsteinBench：在科学仓库中评估编码代理的基准测试

Titouan Duston, Shuo Xin, Yang Sun, Daoguang Zan, Aoyan Li, Shulin Xin, Kai Shen, Yixiao Chen, Qiming Sun, Ge Zhang, Jiashuo Liu, Huan Zhou, Jingkai Liu, Zhichen Pu, Yuanheng Wang, Bo-Xuan Ge, Xin Tong, Fei Ye, Zhi-Chao Zhao, Wen-Biao Han, Zhoujian Cao, Yueran Zhao, Weiluo Ren, Qingshen Long, Yuxiao Liu, Anni Huang, Yidi Du, Yuanyuan Rong, Jiahao Peng

机构 * Princeton University（普林斯顿大学） 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 AInsteinBench通过评估大型语言模型在科学计算开发中的能力，提供了一个基于真实科研软件生态系统的基准测试。

Automated Program Repair of Uncompilable Student Code

不可编译学生代码的自动化程序修复

Griffin Pitts, Aum Pandya, Darsh Rank, Tirth Bhatt, Muntasir Hoq, Bita Akram

机构 * North Carolina State University（北卡罗来纳州立大学） 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 本研究利用大型语言模型修复不可编译的学生代码，以保留其结构意图，从而提升学生建模和知识追踪的分析能力。

Comments In Proceedings of the 57th ACM Technical Symposium on Computer Science Education V.2 (SIGCSE TS 2026)

DACE For Railway Acronym Disambiguation

DACE用于铁路缩写消歧

El Mokhtar Hribach, Oussama Mechhour, Mohammed Elmonstaser, Yassine El Boudouri, Othmane Kabal

机构 * Nantes University（南特大学） ； CIRAD（国际热带农业研究中心） ； Groupe SII（SII集团） ； Univ. Lille（里尔大学） 纠错

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

AI总结 DACE通过动态提示和集合聚合方法，有效提升铁路文档中缩写消歧的准确率，取得竞赛第一名。

NEURO-GUARD: Neuro-Symbolic Generalization and Unbiased Adaptive Routing for Diagnostics -- Explainable Medical AI

NEURO-GUARD：神经符号泛化与无偏自适应路由用于诊断——可解释的医疗AI

Midhat Urooj, Ayan Banerjee, Sandeep Gupta

机构 * Arizona State University（亚利桑那州立大学） 纠错

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

AI总结 NEURO-GUARD通过整合视觉变换器与语言驱动推理，提升医疗图像诊断的准确性、透明性和泛化能力。

Comments Accepted at Asilomar Conference

The Need for Verification in AI-Driven Scientific Discovery

人工智能驱动科学发现中的验证需求

Cristina Cornelio, Takuya Ito, Ryan Cory-Wright, Sanjeeb Dash, Lior Horesh

机构 * Samsung AI, Cambridge, UK（三星人工智能，英国坎布里奇） ； IBM Research, Yorktown Heights, USA（IBM研究院，美国尤里茨山） ； Imperial Business School, London, UK（帝国商业学院，英国伦敦） 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 本文探讨了人工智能驱动科学发现中验证的重要性，指出验证机制是确保科学进步的关键。

Exploring Network-Knowledge Graph Duality: A Case Study in Agentic Supply Chain Risk Analysis

探索网络-知识图谱二元性：代理供应链风险分析的案例研究

Evan Heus, Rick Bookstaber, Dhruv Sharma

机构 * University of California, Berkeley（加州大学伯克利分校） 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 本文提出基于LLM的代理框架，利用网络与知识图谱的二元性，通过图遍历和上下文壳技术实现供应链风险分析的实时可解释生成。

Comments Accepted to the 2nd Workshop on LLMs and Generative AI in Finance: International Conference on AI in Finance(ICAIF) 2025;7 pages, 3 figures

General-purpose AI models can generate actionable knowledge on agroecological crop protection

通用人工智能模型可为生态农业作物保护生成可操作的知识

Kris A. G. Wyckhuys

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 通用人工智能模型在生态农业作物保护中生成可操作知识，通过对比DeepSeek与ChatGPT的性能，展示其在科学知识生成和决策支持中的潜力。

Comments 33 pages, 3 figures, 3 tables, 1 supplementary table

Black-Box Behavioral Distillation Breaks Safety Alignment in Medical LLMs

黑盒行为蒸馏破坏医疗大语言模型的安全对齐

Sohely Jahan, Ruimin Sun

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 黑盒行为蒸馏攻击揭示医疗大语言模型的安全对齐漏洞，通过低成本手段复制模型能力并破坏安全机制。

An AI-Powered Autonomous Underwater System for Sea Exploration and Scientific Research

基于人工智能的自主水下系统用于海洋探索与科学研究

Hamad Almazrouei, Mariam Al Nasseri, Maha Alzaabi

机构 * College of Technological Innovation Zayed University（技术创新学院泽亚大学） 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 本文提出基于人工智能的自主水下系统，通过集成YOLOv12 Nano、ResNet50、PCA和LLM，实现高效水下物体检测与分析，提升海洋科学研究效率。

GTM: Simulating the World of Tools for AI Agents

GTM: 为AI代理模拟工具世界

Zhenzhen Ren, Xinpeng Zhang, Zhenxing Qian, Yan Gao, Yu Shi, Shuxin Zheng, Jiyan He

机构 * Zhongguancun Academy, Beijing, China（中关村学院，北京，中国） ； School of Computer Science, Fudan University, Shanghai, China（计算机学院，复旦大学，上海，中国） 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 GTM通过模拟工具提升AI代理训练效率，实现快速且低成本的工具交互模拟。

Mirror, Mirror on the Wall -- Which is the Best Model of Them All?

镜中镜——哪一个模型才是最好的？

Dina Sayed, Heiko Schuldt

机构 * Databases and Information Systems Research Group University of Basel, Switzerland（数据库与信息系统研究组巴塞尔大学） 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 本文提出了一种模型选择方法论，通过分析排行榜和基准来帮助选择最适合特定用途的模型。

AdvisingWise: Supporting Academic Advising in Higher Education Settings Through a Human-in-the-Loop Multi-Agent Framework

AdvisingWise: 通过人机协同的多智能体框架支持高等教育中的学术指导

Wendan Jiang, Shiyuan Wang, Hiba Eltigani, Rukhshan Haroon, Abdullah Bin Faisal, Fahad Dogar

机构 * Tufts University（塔夫茨大学） 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 AdvisingWise通过多智能体框架和人类监督，提升高等教育中的学术指导效率与个性化水平。

Comments 18 pages, 6 figures

M4-BLIP: Advancing Multi-Modal Media Manipulation Detection through Face-Enhanced Local Analysis

M4-BLIP：通过面部增强的局部分析推进多模态媒体篡改检测

Hang Wu, Ke Sun, Jiayi Ji, Xiaoshuai Sun, Rongrong Ji

机构 * Key Laboratory of Multimedia Trusted Perception and Efficient Computing（多媒体可信感知与高效计算重点实验室） 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 M4-BLIP通过引入面部增强的局部分析，提升多模态媒体篡改检测的准确性和可解释性。

Comments 12 pages, 6 figures

DLRREC: Denoising Latent Representations via Multi-Modal Knowledge Fusion in Deep Recommender Systems

DLRREC: 通过深度融合多模态知识在深度推荐系统中进行潜在表示去噪

Jiahao Tian, Zhenkai Wang

机构 * Georgia Institute of Technology（佐治亚理工学院） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） 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 DLRREC通过深度融合多模态和协同知识，提升深度推荐系统中潜在表示的去噪能力，从而实现更精确的推荐性能。

DeID-GPT: Zero-shot Medical Text De-Identification by GPT-4

DeID-GPT：通过GPT-4实现零样本医疗文本去标识化

Zhengliang Liu, Yue Huang, Xiaowei Yu, Lu Zhang, Zihao Wu, Chao Cao, Haixing Dai, Lin Zhao, Yiwei Li, Peng Shu, Fang Zeng, Lichao Sun, Wei Liu, Dinggang Shen, Quanzheng Li, Tianming Liu, Dajiang Zhu, Xiang Li

机构 * The University of Georgia（佐治亚大学） ； Lehigh University（莱恩大学） ； The University of Texas at Arlington（德克萨斯大学阿灵顿分校） ； Massachusetts General Hospital and Harvard Medical School（麻省总医院和哈佛医学院） ； Mayo Clinic（梅奥诊所） ； ShanghaiTech University（上海科技大学） ； Shanghai United Imaging Intelligence Co., Ltd.（上海联影智能科技有限公司） ； Shanghai Clinical Research and Trial Center（上海临床研究与试验中心） 纠错

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

AI总结 DeID-GPT利用GPT-4实现医疗文本的零样本去标识化，具有高准确性和可靠性，有效保护隐私信息。

OctoMed: Data Recipes for State-of-the-Art Multimodal Medical Reasoning

OctoMed：面向尖端多模态医疗推理的数据配方

Timothy Ossowski, Sheng Zhang, Qianchu Liu, Guanghui Qin, Reuben Tan, Tristan Naumann, Junjie Hu, Hoifung Poon

机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； Microsoft Research（微软研究院） 纠错

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

AI总结 OctoMed通过结构化推理轨迹的数据配方，提升医疗多模态推理模型的性能和鲁棒性。

Smarter, not Bigger: Fine-Tuned RAG-Enhanced LLMs for Automotive HIL Testing

更智能，而非更大：细调的RAG增强LLM用于汽车HIL测试

Chao Feng, Zihan Liu, Siddhant Gupta, Gongpei Cui, Jan von der Assen, Burkhard Stiller

机构 * Communication Systems Group CSG, Department of Informatics IfI, University of Zurich UZH, 8050 Zürich, Switzerland（苏黎世大学信息学院通信系统组） ； Volvo Car Corporation, 405 31 Göteborg, Sweden（沃尔沃汽车公司） 纠错

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HIL-GPT，一种基于RAG的细调LLM系统，用于提升汽车HIL测试的效率与准确性，挑战了更大模型更优的传统观念。

SciSciGPT: Advancing Human-AI Collaboration in the Science of Science

SciSciGPT：推动科学之科学中的人机协作

Erzhuo Shao, Yifang Wang, Yifan Qian, Zhenyu Pan, Han Liu, Dashun Wang

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 SciSciGPT通过LLM驱动的研究工具促进人机协作，提升科研效率与可重复性，同时提出能力成熟度模型以指导未来框架发展。

Artificial Intelligence In Patent And Market Intelligence: A New Paradigm For Technology Scouting

人工智能在专利与市场情报中的应用：技术 scouting 的新范式

Manish Verma, Vivek Sharma, Vishal Singh

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 本文提出一种基于人工智能的平台，利用大型语言模型提升技术 scouting 和解决方案发现的效率与准确性。

Comments arXiv admin note: This version has been removed by arXiv administrators as the submitter did not have the right to agree to the license at the time of submission