语言大模型 / LLM

Can LLMs Accurately Score Medical Diagnoses and Clinical Reasoning?

LLM能否准确评分医学诊断和临床推理？

Amy Rouillard, Sitwala Mundia, Linda Camara, Ziyaad Dangor, Michael Cameron Gramanie, Ismail Kalla, Shabir A. Madhi, Kajal Morar, Marlvin T. Ncube, Haroon Saloojee, Bruce A. Bassett

机构 * Wits MIND Institute, University of the Witwatersrand, Johannesburg, South Africa（维特士心理研究所，沃斯兰德大学，约翰内斯堡，南非） ； Grai Labs, Cape Town, South Africa（格雷实验室，开普敦，南非） ； South African Medical Research Council Vaccines and Infectious Diseases Analytics Research Unit, Faculty of Health Sciences, University of the Witwatersrand, Johannesburg, South Africa（南非医学研究理事会疫苗和传染病分析研究组，健康科学学院，沃斯兰德大学，约翰内斯堡，南非） ； Department of Internal Medicine, Charlotte Maxeke Johannesburg Academic Hospital, and Faculty of Health Sciences, University of the Witwatersrand, Johannesburg, South Africa（内科学系，查理·马克斯凯约翰内斯堡学术医院，以及健康科学学院，沃斯兰德大学，约翰内斯堡，南非） ； Department of Paediatrics and Child Health, Faculty of Health Sciences, University of the Witwatersrand, Johannesburg, South Africa（儿科学与儿童健康系，健康科学学院，沃斯兰德大学，约翰内斯堡，南非） ； Wits MIND Institute, University of the Witwatersrand, Johannesbu（维特士心理研究所，沃斯兰德大学，约翰内斯堡） 纠错

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

AI总结 研究使用LLM陪审团对300例低收入和中等收入国家医院病例的3334个诊断进行评分，发现校准后的LLM评分与专家评分高度一致，且严重错误风险更低，可作为可靠的评估代理。

Retrieval-Augmented Large Language Models for Schema-Constrained Clinical Information Extraction

基于检索增强的大型语言模型用于受模式约束的临床信息提取

A H M Rezaul Karim, Ozlem Uzuner

机构 * George Mason University（乔治·马歇尔大学） 纠错

专题命中 领域大模型 ：large language model(title)；language model(title)；LLM(abstract,abstract_cn)；prompting(abstract)

AI总结 本文提出一种模块化检索增强生成框架，通过schema约束提示、确定性后处理和二次审核，提升护士-患者对话中观察提取的F1分数达80.36%。

Automating Categorization of Scientific Texts with In-Context Learning and Prompt-Chaining in Large Language Models

利用大语言模型中的上下文学习和提示链自动分类科学文本

Gautam Kishore Shahi, Oliver Hummel

机构 * Technische Hochschule Mannheim（曼海姆技术大学） 纠错

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

AI总结 本文评估了大语言模型在科学文本分类中的性能，发现提示链在处理ORKG层级分类时优于纯上下文学习，但在第三层级主题分类上仍存在50%的准确率限制。

Comments 25 pages

Categorical Perception in Large Language Model Hidden States: Structural Warping at Digit-Count Boundaries

大语言模型隐藏状态中的分类感知：数字计数边界处的结构扭曲

Jon-Paul Cacioli

机构 * Independent Researcher（独立研究者） ； Classical Minds, Modern Machines（经典思维，现代机器） 纠错

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

AI总结 研究发现大语言模型在处理阿拉伯数字时，隐藏状态表现出类似人类分类感知的几何扭曲现象，通过代表相似性分析发现CP-加法模型在结构边界处更符合几何结构。

Comments 25 pages, 5 figures, 7 tables. Pre-registered on OSF (osf.io/qrxf3). Code at https://github.com/synthiumjp/weber

Can "AI" Be a Doctor? A Study of Empathy, Readability, and Alignment in Clinical LLMs

AI能成为医生吗？对临床LLM中共情、可读性和对齐性的研究

Mariano Barone, Francesco Di Serio, Roberto Moio, Marco Postiglione, Giuseppe Riccio, Antonio Romano, Vincenzo Moscato

机构 * Department of Electrical Engineering and Information Technology（电子工程与信息科技系） ； University of Naples Federico II（那不勒斯费德里科二世大学） ； Department of Translational Medical Sciences（转化医学科学系） ； University of Campania ”Luigi Vanvitelli”（坎帕尼亚“路易吉·范维蒂利”大学） ； Department of Computer Science, McCormick School of Engineering and Applied Science（计算机科学系，麦科马克工程与应用科学学院） ； Northwestern University（西北大学） 纠错

专题命中 领域大模型 ：LLM(title_cn,summary_cn)；large language model(abstract)；language model(abstract)；prompting(abstract)

AI总结 本文研究了临床LLM在共情、可读性和对齐性方面的表现，发现协作重写能显著提升对齐效果，但LLM仍无法超越医生的临床专业性。

An Underexplored Frontier: Large Language Models for Rare Disease Patient Education and Communication -- A scoping review

未被充分探索的前沿：大型语言模型在罕见病患者教育与沟通中的应用——一项范围综述

Zaifu Zhan, Yu Hou, Kai Yu, Min Zeng, Anita Burgun, Xiaoyi Chen, Rui Zhang

机构 * Division of Computational Health Sciences, Department of Surgery, University of Minnesota（计算健康科学系，外科部，明尼苏达大学） ； Department of Electrical and Computer Engineering, University of Minnesota（电气与计算机工程系，明尼苏达大学） ； Clinical Bioinformatics Lab, Université Paris Cité, Institut Imagine, INSERM UMR 1163（临床生物信息学实验室，巴黎城市大学，Imagine机构，INSERM UMR 1163） ； Medical Informatics Department, Hôpital Necker-Enfants Malades, AP-HP（医学信息学部，Necker-Enfants Malades医院，AP-HP） 纠错

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

AI总结 本文通过范围综述探讨大型语言模型在罕见病患者教育与沟通中的应用，发现现有研究多集中于通用模型，缺乏真实场景和患者中心设计。

WisdomInterrogatory (LuWen): An Open-Source Legal Large Language Model Technical Report

WisdomInterrogatory (LuWen): 一种开源法律大语言模型技术报告

Yiquan Wu, Yuhang Liu, Yifei Liu, Ang Li, Siying Zhou, Kun Kuang, Fei Wu

机构 * Zhejiang University（浙江大学） 纠错

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

AI总结 本文提出基于Baichuan模型的开源中文法律语言模型LuWen，通过持续预训练、监督微调和检索增强生成技术，提升法律领域任务表现。

Comments 10 pages, 4 figures

Lost in the Hype: Revealing and Dissecting the Performance Degradation of Medical Multimodal Large Language Models in Image Classification

迷失在喧嚣中：揭示并剖析医学多模态大语言模型在图像分类中的性能退化

Xun Zhu, Fanbin Mo, Xi Chen, Kaili Zheng, Shaoshuai Yang, Yiming Shi, Jian Gao, Miao Li, Ji Wu

机构 * College of AI, Tsinghua University（清华大学人工智能学院） 纠错

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

AI总结 本文研究了医学多模态大语言模型在图像分类中的性能退化问题，通过实验和特征探查揭示了四个失败模式，并提出了量化评分用于评估特征演变的健康状况。

A Multi-Stage Validation Framework for Trustworthy Large-scale Clinical Information Extraction using Large Language Models

一种用于可信大规模临床信息提取的多阶段验证框架

Maria Mahbub, Gregory M. Dams, Josh Arnold, Caitlin Rizy, Sudarshan Srinivasan, Elliot M. Fielstein, Minu A. Aghevli, Kamonica L. Craig, Elizabeth M. Oliva, Joseph Erdos, Jodie Trafton, Ioana Danciu

机构 * Oak Ridge National Laboratory（橡树岭国家实验室） ； Program Evaluation and Resource Center, Office of Mental Health and Office of Suicide Prevention, Department of Veterans Affairs（退伍军人事务部心理健康办公室和自杀预防办公室项目评估与资源中心） ； Vanderbilt University Medical Center（范德比尔特大学医学中心） ； VA Maryland Health Care System（退伍军人事务部马里兰医疗保健系统） ； VA Desert Pacific Healthcare Network（退伍军人事务部沙漠太平洋医疗网络） ； VA Connecticut Health Care System（退伍军人事务部康涅狄格医疗保健系统） ； Yale School of Medicine（耶鲁医学院） 纠错

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

AI总结 本文提出多阶段验证框架，通过弱监督评估提升LLM在临床信息提取中的可信度与准确性，验证了在大规模数据中应用的可行性。

Countering Catastrophic Forgetting of Large Language Models for Better Instruction Following via Weight-Space Model Merging

通过权重空间模型融合提升大语言模型的指令跟随能力以对抗灾难性遗忘

Mengxian Lyu, Cheng Peng, Ziyi Chen, Mengyuan Zhang, Jieting Li Lu, Yonghui Wu

机构 * University of Florida（佛罗里达大学） ； Department of Health Outcomes and Biomedical Informatics, College of Medicine, University of Florida（佛罗里达大学医学院健康结果与生物医学信息学系） ； Department of Engineering Education, Herbert Wertheim College of Engineering, University of Florida（佛罗里达大学赫伯特·韦特海姆工程学院工程教育系） ； Preston A. Wells, Jr. Center for Brain Tumor Therapy, Lillian S. Wells Department of Neurosurgery, University of Florida（佛罗里达大学莉莉安·S·威尔斯神经外科系普雷斯顿·A·威尔斯脑肿瘤治疗中心） 纠错

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

AI总结 本文提出通过权重空间模型融合方法，有效缓解大语言模型在医疗领域微调时的灾难性遗忘问题，保留指令跟随能力并提升医疗任务表现。

The Collective Turing Test: Large Language Models Can Generate Realistic Multi-User Discussions

集体图灵测试：大型语言模型可以生成逼真的多用户讨论

Azza Bouleimen, Giordano De Marzo, Taehee Kim, Nicol`o Pagan, Hannah Metzler, Silvia Giordano, Anikó Hannák, David Garcia

机构 * University of Zurich（苏黎世大学） ； University of Konstanz（康斯坦茨大学） ； Complexity Science Hub（复杂性科学中心） ； University of Applied Sciences and Arts of Southern Switzerland（瑞士南部应用科学与艺术大学） 纠错

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

AI总结 本文研究了大型语言模型在模拟社交媒体多用户讨论中的真实性，通过对比人类和AI生成的讨论内容，发现AI生成的讨论有39%被误认为真实，揭示了LLM在社交模拟中的潜力与潜在滥用风险。

daVinci-LLM:Towards the Science of Pretraining

daVinci-LLM：迈向预训练的科学

Yiwei Qin, Yixiu Liu, Tiantian Mi, Muhang Xie, Zhen Huang, Weiye Si, Pengrui Lu, Siyuan Feng, Xia Wu, Liming Liu, Ye Luo, Jinlong Hou, Qipeng Guo, Yu Qiao, Pengfei Liu

机构 * SII ； SJTU（上海交通大学） ； GAIR 纠错

专题命中 领域大模型 ：LLM(title,abstract)；pretraining(title,abstract)；post-training(abstract)；分类 cs.CL、cs.AI

AI总结 本文提出daVinci-LLM，通过结合工业级资源与科研自由，探索预训练的科学方法。采用开放范式，通过数据达尔文主义框架和两阶段适应课程，训练3B参数模型，验证处理深度对能力的影响及不同领域饱和动态的差异。

Training a Large Language Model for Medical Coding Using Privacy-Preserving Synthetic Clinical Data

利用隐私保护的合成临床数据训练大型语言模型进行医学编码

John Cook, Michael Wyatt, Peng Wei, Iris Chin, Santosh Gupta, Van Zyl Van Vuuren, Richie Siburian, Amanda Spicer, Kristen Viviano, Alda Cami, Raunaq Malhotra, Zhewei Yao, Jeff Rasley, Gaurav Kaushik

机构 * Veradigm ； Snowflake 纠错

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

AI总结 本文研究了利用隐私保护的合成临床数据训练大型语言模型进行医学编码的可行性，通过微调Llama 3-70B模型，实现了ICD-10-CM和CPT代码的高精度预测，显著提升了编码准确性。

Comments 20 pages, 6 figures

A Human-Centered Workflow for Using Large Language Models in Content Analysis

面向人类的大型语言模型在内容分析中的工作流程

Ivan Zupic

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

AI总结 本文提出了一种面向人类的大型语言模型在内容分析中的工作流程，涵盖注释、摘要和信息提取三个任务，强调通过API利用LLM的潜力，并提供验证方法和最佳实践以解决黑盒、提示敏感和幻觉等问题。

Refine-POI: Reinforcement Fine-Tuned Large Language Models for Next Point-of-Interest Recommendation

Refine-POI: 通过强化微调优化大型语言模型用于下一步兴趣点推荐

Peibo Li, Shuang Ao, Hao Xue, Yang Song, Maarten de Rijke, Johan Barthélemy, Tomasz Bednarz, Flora D. Salim

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

AI总结 Refine-POI通过拓扑感知ID生成和强化微调，解决LLMs在POI推荐中的语义连续性和top-k推荐问题，提升推荐准确性和可解释性。

The Value Sensitivity Gap: How Clinical Large Language Models Respond to Patient Preference Statements in Shared Decision-Making

价值敏感度缺口：临床大语言模型在共享决策中的患者偏好响应

Sanjay Basu

机构 * Waymark ； University of California, San Francisco（加州大学旧金山分校） 纠错

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

AI总结 本文研究了临床大语言模型在共享决策中对患者偏好声明的响应，发现不同模型在价值敏感度和一致性上存在差异，通过实验验证了模型对患者价值的识别能力。

Comments 38 pages, 4 figures, supplementary appendix included

Graph Your Way to Inspiration: Integrating Co-Author Graphs with Retrieval-Augmented Generation for Large Language Model Based Scientific Idea Generation

通过图谱获取灵感：将合著者图谱与检索增强生成结合用于基于大语言模型的科学想法生成

Pengzhen Xie, Huizhi Liang

机构 * School of Computing Newcastle University（计算学院新castle大学） 纠错

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

AI总结 本文提出GYWI系统，结合作者图谱与RAG技术，提升大语言模型生成科学想法的可控性和灵感追溯能力。

Comments 15 pages, 10 figures. Submitted to [RAAI]

A Multi-faceted Analysis of Cognitive Abilities: Evaluating Prompt Methods with Large Language Models on the CONSORT Checklist

对认知能力的多维度分析：利用大型语言模型在CONSORT清单上评估提示方法

Sohyeon Jeon, Hyung-Chul Lee

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

AI总结 本研究通过比较通用和领域专用LLM在三种提示策略下的表现，揭示了其在评估临床试验报告时存在显著的校准错误和过度自信问题，强调了改进校准和提示工程的重要性。

Comments We have decided to withdraw this manuscript because we believe it requires further revision and substantial improvement before it is suitable for dissemination to the academic community

A Content-Based Framework for Cybersecurity Refusal Decisions in Large Language Models

基于内容的大型语言模型网络安全拒绝决策框架

Noa Linder, Meirav Segal, Omer Antverg, Gil Gekker, Tomer Fichman, Omri Bodenheimer, Edan Maor, Omer Nevo

机构 * University of Zurich（苏黎世大学） ； Irregular 纠错

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

AI总结 本文提出基于内容的网络安全拒绝决策框架，通过显式建模进攻风险与防御效益的权衡，解决现有方法在一致性、过度限制和脆弱性方面的不足。

Enhancing Building Semantics Preservation in AI Model Training with Large Language Model Encodings

利用大语言模型编码增强AI模型训练中的建筑语义保持

Suhyung Jang, Ghang Lee, Jaekun Lee, Hyunjun Lee

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

AI总结 本研究利用大语言模型编码提升AI对建筑语义的理解，通过实验验证其在分类任务中的优越性。

Comments 42nd International Symposium on Automation and Robotics in Construction (ISARC 2025)

Large Language Model Integration with Reinforcement Learning to Augment Decision-Making in Autonomous Cyber Operations

将强化学习与大语言模型集成以增强自主网络操作中的决策能力

Konur Tholl, François Rivest, Mariam El Mezouar, Adrian Taylor, Ranwa Al Mallah

机构 * Royal Military College of Canada（皇家军事学院） ； Defence Research and Development Canada（加拿大国防研究与发展加拿大） ； Polytechnique Montreal（蒙特利尔大学） 纠错

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

AI总结 本研究通过整合预训练的大语言模型与强化学习，提升自主网络操作中的决策能力，显著提高奖励并加速策略收敛。

Generics in science communication: Misaligned interpretations across laypeople, scientists, and large language models

科学传播中的泛化：面向非专业人士、科学家和大型语言模型的解释差异

Uwe Peters, Andrea Bertazzoli, Jasmine M. DeJesus, Gisela J. van der Velden, Benjamin Chin-Yee

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

AI总结 研究揭示了科学传播中泛化陈述在不同受众间的解释差异，指出非专业人士和LLM对泛化陈述的高可推广性评分可能带来风险，强调需重视语言选择以提升科学传播效果。

Cross-Lingual Empirical Evaluation of Large Language Models for Arabic Medical Tasks

跨语言实证评估大型语言模型在阿拉伯语医疗任务中的表现

Chaimae Abouzahir, Congbo Ma, Nizar Habash, Farah E. Shamout

机构 * New York University Abu Dhabi（纽约大学阿布扎赫德分校） 纠错

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

AI总结 本研究通过跨语言实证分析，揭示了阿拉伯语和英语在医疗问答任务中LLM性能的差异，指出语言驱动的性能差距随任务复杂性增加而加剧，强调了语言意识在医疗任务LLM设计中的重要性。

Comments Accepted to HeaLing-EACL 2026

Trust in One Round: Confidence Estimation for Large Language Models via Structural Signals

单轮信任：通过结构信号提升大语言模型的置信度估计

Pengyue Yang, Jiawen Wen, Haolin Jin, Linghan Huang, Huaming Chen, Ling Chen

机构 * The University of Sydney（悉尼大学） ； University of Technology Sydney（技术大学悉尼） 纠错

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

AI总结 通过分析模型最终层隐藏状态轨迹中的多尺度结构信号，提出结构置信度方法，实现单次通过的高效、稳健置信度估计，适用于高社会影响和资源受限的LLM应用。

Comments Accepted at The ACM Web Conference 2026 (WWW 2026)

Measuring Stability Beyond Accuracy in Small Open-Source Medical Large Language Models for Pediatric Endocrinology

在儿科内分泌学中超越准确性的医疗小型开源大语言模型稳定性测量

Vanessa D'Amario, Randy Daniel, Alessandro Zanetti, Dhruv Edamadaka, Nitya Alaparthy, Joshua Tarkoff

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

AI总结 本文研究了儿科内分泌学中医疗小型开源大语言模型的稳定性，发现高一致性不等于正确性，且系统扰动会影响输出，强调了评估框架的必要性。

Comments 20 pages, 11 figures, accepted at 47 workshop Reproducible Artificial Intelligence (AAAI 2026, Singapore, January 27, 2026)

Enriching Semantic Profiles into Knowledge Graph for Recommender Systems Using Large Language Models

利用大语言模型丰富知识图谱中的语义轮廓以提升推荐系统

Seokho Ahn, Sungbok Shin, Young-Duk Seo

机构 * Inha University（成均馆大学） ； Sogang University（成均馆大学） 纠错

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

AI总结 本文提出SPiKE模型，利用大语言模型生成知识图谱中的语义轮廓，通过轮廓聚合和偏好匹配提升推荐系统性能。

Comments Accepted at KDD 2026

Measuring Social Media Polarization Using Large Language Models and Heuristic Rules

利用大语言模型和启发规则测量社交媒体极化

Jawad Chowdhury, Rezaur Rashid, Gabriel Terejanu

机构 * Department of Computer Science, University of North Carolina at Charlotte（北卡罗来纳大学夏洛特分校计算机科学系） 纠错

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

AI总结 本文提出利用大语言模型和启发规则分析社交媒体讨论中的情感极化现象，揭示事件驱动的极化模式并提供可扩展的量化方法。

Comments Foundations and Applications of Big Data Analytics (FAB), Niagara Falls, Canada, 2025

Coarse-to-Fine Open-Set Graph Node Classification with Large Language Models

粗到细的开放式图节点分类与大语言模型

Xueqi Ma, Xingjun Ma, Sarah Monazam Erfani, Danilo Mandic, James Bailey

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

AI总结 本文提出CFC框架，利用大语言模型实现图节点的粗到细开放式分类，提升OOD检测和分类性能。

Comments Accepted to AAAI 2026

Instructor-Worker Large Language Model System for Policy Recommendation: a Case Study on Air Quality Analysis of the January 2025 Los Angeles Wildfires

政策推荐用的Instructor-Worker大语言模型系统：以2025年1月洛杉矶野火空气质量分析为例

Kyle Gao, Dening Lu, Liangzhi Li, Nan Chen, Hongjie He, Linlin Xu, Jonathan Li

机构 * Department of Systems Design Engineering（系统设计工程系） ； College of Land Engineering（土地工程学院） ； School of Computer Science（计算机科学学院） ； Department of Geography and Environmental Management（地理与环境管理系） ； Department of Geomatics Engineering（测绘工程系） 纠错

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

AI总结 本文提出Instructor-Worker大语言模型系统，用于基于2025年1月洛杉矶野火期间空气质量数据的政策推荐研究。

Journal ref International Journal of Applied Earth Observation and Geoinformation 143 (2025) 104774

MedChat: A Multi-Agent Framework for Multimodal Diagnosis with Large Language Models

MedChat: 一种基于大语言模型的多智能体多模态诊断框架

Philip R. Liu, Sparsh Bansal, Jimmy Dinh, Aditya Pawar, Ramani Satishkumar, Shail Desai, Neeraj Gupta, Xin Wang, Shu Hu

机构 * University at Albany, State University of New York（纽约州立大学阿布扎克分校） 纠错

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

AI总结 MedChat通过多智能体框架结合专用视觉模型和角色特定LLM代理，提升多模态诊断的可靠性与交互性。

Journal ref Proc. 2025 IEEE 8th International Conference on Multimedia Information Processing and Retrieval (MIPR), pp. 456-462, 2025