语言大模型 / LLM

NaRLE: Natural Language Models using Reinforcement Learning with Emotion Feedback

Ruijie Zhou, Soham Deshmukh, Jeremiah Greer, Charles Lee

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

BERTHop: An Effective Vision-and-Language Model for Chest X-ray Disease Diagnosis

Masoud Monajatipoor, Mozhdeh Rouhsedaghat, Liunian Harold Li, Aichi Chien, C. -C. Jay Kuo, Fabien Scalzo, Kai-Wei Chang

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

Comments 10 pages, 8 figures, Accepted in ICCV workshop

ParaLaw Nets -- Cross-lingual Sentence-level Pretraining for Legal Text Processing

Ha-Thanh Nguyen, Vu Tran, Phuong Minh Nguyen, Thi-Hai-Yen Vuong, Quan Minh Bui, Chau Minh Nguyen, Binh Tran Dang, Minh Le Nguyen, Ken Satoh

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

Comments Also published in COLIEE 2021's Proceeding

Restoring and Mining the Records of the Joseon Dynasty via Neural Language Modeling and Machine Translation

Kyeongpil Kang, Kyohoon Jin, Soyoung Yang, Sujin Jang, Jaegul Choo, Youngbin Kim

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

Comments Accepted to NAACL 2021

Jointly Learning Clinical Entities and Relations with Contextual Language Models and Explicit Context

Paul Barry, Sam Henry, Meliha Yetisgen, Bridget McInnes, Ozlem Uzuner

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

An Experimental Evaluation of Transformer-based Language Models in the Biomedical Domain

Paul Grouchy, Shobhit Jain, Michael Liu, Kuhan Wang, Max Tian, Nidhi Arora, Hillary Ngai, Faiza Khan Khattak, Elham Dolatabadi, Sedef Akinli Kocak

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

Molecular representation learning with language models and domain-relevant auxiliary tasks

Benedek Fabian, Thomas Edlich, Héléna Gaspar, Marwin Segler, Joshua Meyers, Marco Fiscato, Mohamed Ahmed

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

Language Model is All You Need: Natural Language Understanding as Question Answering

Mahdi Namazifar, Alexandros Papangelis, Gokhan Tur, Dilek Hakkani-Tür

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

Federated pretraining and fine tuning of BERT using clinical notes from multiple silos

Dianbo Liu, Tim Miller

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

CCSBench: Evaluating Compositional Controllability in LLMs for Scientific Document Summarization

Yixi Ding, Jiaying Wu, Tongyao Zhu, Yanxia Qin, Qian Liu, Min-Yen Kan

机构 * National University of Singapore（新加坡国立大学） ； Singapore University of Technology and Design（新加坡科技设计大学） ； Sea AI Lab（Sea AI实验室） 纠错

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

Comments Accepted to KDD 2025 SciSoc LLM Workshop: Large Language Models for Scientific and Societal Advances

Discovering Explanatory Sentences in Legal Case Decisions Using Pre-trained Language Models

Jaromir Savelka, Kevin D. Ashley

专题命中 领域大模型 ：language model(title,journal_ref)；分类 cs.CL

Comments 11 pages

Journal ref Savelka, Jaromir, and Kevin D. Ashley. "Discovering Explanatory Sentences in Legal Case Decisions Using Pre-trained Language Models." In Findings of the Association for Computational Linguistics: EMNLP 2021, pp. 4273-4283. 2021

MOMO: A framework for seamless physical, verbal, and graphical robot skill learning and adaptation

MOMO：一种无缝物理、语言和图形机器人技能学习与适应框架

Markus Knauer, Edoardo Fiorini, Maximilian Mühlbauer, Stefan Schneyer, Promwat Angsuratanawech, Florian Samuel Lay, Timo Bachmann, Samuel Bustamante, Korbinian Nottensteiner, Freek Stulp, Alin Albu-Schäffer, João Silvério, Thomas Eiband

机构 * German Aerospace Center (DLR), Institute of Robotics and Mechatronics (RMC)（德国航空航天中心（DLR）机器人与机电研究所） ； School of Computation, Information and Technology (CIT), Technical University of Munich (TUM)（计算、信息与技术学院（CIT），慕尼黑技术大学） 纠错

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

AI总结 本文提出MOMO框架，通过三种互补交互方式实现机器人技能的灵活适应，结合触觉、自然语言和图形界面，提升非专家用户在工业环境中的应用能力。

Comments Accepted and published at IEEE RA-P, 15 pages, 13 figures, 3 tables

Journal ref IEEE Robotics and Automation Practice (RA-P), 2026, ISSN: 2995-4304, Page(s): 1 - 6

Mechanist: AI as a Scientific Instrument for Discovering the Mechanisms of Intelligence

Mechanist：作为科学仪器的AI，用于发现智能的机制

Mengru Wang, Junfeng Fang, Shuofei Qiao, Zhenqian Xu, Haoming Xu, Haoxiong Wang, Shumin Deng, Linyi Yang, Zhixiang Cui, Xin Xu, Yunzhi Yao, Buqiang Xu, Fei Shen, Haozhe Luo, Yunxiang Wei, Ningyu Zhang, Julian McAuley, Tat Seng Chua, Huajun Chen

机构 * Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学） ； Heriot-Watt University（赫瑞瓦特大学） ； Southern University of Science and Technology（南方科技大学） ； University of California, San Diego（加利福尼亚大学圣迭戈分校） ； Northeastern University（东北大学） 纠错

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

AI总结 本研究推出智能体系统Mechanist，以AI为科学仪器自主发现AI智能机制，其生成假设更有价值、实验更可靠，还能发现安全风险、构建信念机制理论并转化为提升模型性能的干预措施。

Comments Work in progress

Against Political Polarization: A Unified Framework for Tracing Evolving Political Ideologies on Social Media

对抗政治极化：一种用于追踪社交媒体上不断演变的政治意识形态的统一框架

Yijie Xu, Chao Wang, Hui Xiong

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； University of Science and Technology of China（中国科学技术大学） ； The Hong Kong University of Science and Technology（香港科技大学） 纠错

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

AI总结 针对社交媒体政治意识形态追踪的挑战，提出TSN4PI框架，含PIDN和PIPN模块，发布两个大规模数据集，经多平台案例研究验证其有效性，助力政治极化研究

Comments Accepted by ACM Transactions on Intelligent Systems and Technology

DepWareTrans: Dependency-Aware Incremental Repository Migration across Co-executable Languages

DepWareTrans：跨可共执行语言的依赖感知增量仓库迁移

Sivajeet Chand, Alexander Pretschner, Steve Haupt, Derui Zhu, Sushant Kumar Pandey

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

AI总结 提出依赖感知增量迁移框架，构建依赖图分组文件进行批量翻译，在 STAR 仓库等上实现 100% 编译和测试成功率，提升仓库级代码翻译的可扩展性与可靠性。

Comments Accepted for publication in the Industry Showcase Track of the 41st IEEE/ACM International Conference on Automated Software Engineering, which will take place in Munich, Germany during October 12-16, 2026

When Confidence Fails: Overconfidence in LLMs under Uncertainty and Missing Clinical Information

当置信度失效：不确定性与临床信息缺失下大语言模型的过度自信

Maryam Tahermazandarani, Adnan Mahmood, Fahmida Islam, Quan Z. Sheng

机构 * School of Computing, Macquarie University（麦考瑞大学计算学院） 纠错

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

AI总结 本文针对临床信息不确定性下的LLMs开展行为分析，提出基于MedMCQA的评估框架，发现模型置信度与准确率不匹配、弃权能力差异大等关键局限，凸显需采用不确定性感知评估方法。

EasyBCI Agent: Towards Universal Neural Data Preprocessing for Brain-Computer Interfaces

EasyBCI Agent：面向脑机接口的通用神经数据预处理

Yu Zhu, Runkai Zhao, Zhimin Zhou, Jinyu Cai, Zhouheng Yao, Chutian Zhang, Peiyuan Li, Xiaoxing Zhang, Qihao Zheng, Jiamin Wu, Mianxin Liu, Chi Zhang, Bin Min, Lei Bai, Chengyu Li, Jingpeng Wu, Chunfeng Song

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

AI总结 EasyBCI是两阶段大语言模型智能体，可针对六种信号类型规划执行脑机接口预处理，经评估其在EEG任务中表现优于人工流程及通用编码智能体，可扩展至多模态并提升可复现性。

Comments 15 pages, 6 figures, 4 tables

Agentic AI in medicine: architectures, applications, evaluation, and challenges for clinical translation

医学中的智能体人工智能：临床转化的架构、应用、评估及挑战

Zheng Tong, Yang Liu, Wanshu Fan, Jing Qin, Zhongbin Han, Haifan Gong, Congyu Liao, Xiaofeng Liu, Cong Wang

机构 * School of Software Engineering, Dalian University（大连大学软件工程学院） ； Affiliated Zhongshan Hospital of Dalian University（大连大学附属中山医院） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； University of California, San Francisco（加州大学旧金山分校） ； Yale University（耶鲁大学） ； The Hong Kong Polytechnic University（香港理工大学） 纠错

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

AI总结 研究探讨医学中智能体人工智能的架构、应用等，通过范围审查筛选相关研究，指出其范围未定论且评估与临床需求不符，证据基础有限，临床转化需更清晰定义、可重复评估等。

Comments Review article, 6 figures, 2 tables. 42 pages

Agentic AI Orchestration of Heterogeneous Economic Models for Rapid, Multi-scenario Analysis of Energy Crises

用于能源危机快速多场景分析的异构经济模型的智能人工智能编排

Dana Golden, Brett Indelicato, Lav R. Varshney, Carlos D. Messina, Suzanne Thornsbury

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

AI总结 研究针对能源危机下政策制定者需快速决策但经济模型整合困难的问题，利用大语言模型开发框架，协调多个异构经济模型，通过构建场景、转化输入、执行模型和合成输出，快速评估霍尔木兹海峡关闭等情况，避免单一模型假设主导结论。

A Knowledge-Injection Framework for Zero-Shot Adaptation of LLMs to Delirium Prediction

一种用于将大语言模型零样本适应谵妄预测的知识注入框架

Jessica Sena, Shesadree Priyadarshani, Miguel Contreras, Bharat Gandhi, Scott Siegel, Subhash Nerella, Parisa Rashidi

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

AI总结 针对大语言模型零样本适应谵妄预测中领域知识不足问题，提出轻量级知识注入框架。在推理时用外部临床知识报告增强数据摘要，无需微调或检索。实验表明该方法能提升模型性能，缩小与前沿模型差距，且收益依赖临床意义内容。

WARA: A Closed-Loop Multi-Agent Framework for Wireless Optimization Autoresearch

WARA：用于无线优化自动研究的闭环多智能体框架

Yuan Guo, Yilong Chen, Chao Hu, Xianghao Yu, Liang Hong, Jie Xu

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

AI总结 本文针对无线领域提出端到端自动研究框架WARA，通过闭环多智能体系统将研究工作流程分三个阶段，经工件介导过程和控制器管理验证工件，设计评分智能体评估有效性，其性能优于一次性大语言模型生成，接近同行评审论文质量。

Comments 2026 IEEE/CIC International Conference on Communications in China (ICCC)

Receiver-Centered Robot-to-Human Handover with Grasp-Aware Object Orientation

基于抓握感知物体方向的以接收者为中心的机器人到人类工具交接

Federico Biagi, Dario Onfiani, Simone Silenzi, Luigi Biagiotti

机构 * University of Modena and Reggio Emilia（摩德纳大学和雷焦艾米利亚大学） 纠错

专题命中 领域大模型 ：LLM(summary_cn,abstract)

AI总结 研究针对协作机器人与人类操作员工具交接问题，提出以接收者为中心、语音驱动的自适应交接系统，基于Franka cobot，用LLM识别意图、MediaPipe跟踪手部，动态调整末端执行器方向，经实验验证该系统能减少抓握延迟，提升交互流畅性与信任感知。

Comments Accepted for presentation at the 19th International Workshop on Human-Friendly Robotics (HFR 2026), Trento, Italy. The paper will appear in Springer's Proceedings in Advanced Robotics

From Discussion to Execution: Replicating Buggy and Correct Data Science Code

从讨论到执行：复制有缺陷和正确的数据科学代码

Ragib Shahariar Ayon, Mohammad Wardat, Shibbir Ahmed

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

AI总结 研究旨在解决从问答论坛复制数据科学代码的难题，提出基于大语言模型的Reprodgen框架，能根据问题与答案生成可执行代码对，经多库评估及构建基准验证，实现可靠复制且模型性能有差异。

Comments accepted at the 37th IEEE International Symposium on Software Reliability Engineering (ISSRE 2026)

Visualization Autocomplete: Visualization Authoring via Stepwise Design Recommendations

可视化自动完成：通过逐步设计建议进行可视化创作

Hyeon Jeon, Sungbok Shin, Niklas Elmqvist

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

AI总结 研究针对领域专家创建图表时确定设计下一步的难题，提出VISAUTOCOMPLETE系统，受文本自动完成启发，按顺序过程推荐步骤，用户可干预。提炼大语言模型逻辑，经评估在复杂图表创作清晰度上超基线，可接近性与大语言模型相当。

Comments IEEE VIS 2026 & IEEE Transactions on Visualization and Computer Graphics (TVCG)

ARMOR++: Agentic Orchestration of a Multi-Domain Primitive Set for Transferable Attacks on Deepfake Detectors

ARMOR++：用于对深度伪造检测器进行可转移攻击的多域原语集的智能编排

Christos Korgialas, Gabriel Lee Jun Rong, Dion Jia Xu Ho, Pai Chet Ng, Xiaoxiao Miao, Konstantinos N. Plataniotis

机构 * Department of Informatics, Aristotle University of Thessaloniki（塞萨洛尼基亚里士多德大学信息学系） ； Infocomm Technology Cluster, Singapore Institute of Technology（新加坡科技学院信息通信技术集群） ； Department of Applied Physics and Applied Mathematics, Columbia University（哥伦比亚大学应用物理与应用数学系） ； Division of Natural and Applied Sciences, Duke Kunshan University（昆山杜克大学自然科学与应用科学部） ； Department of Electrical and Computer Engineering, University of Toronto（多伦多大学电气与计算机工程系） 纠错

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

AI总结 研究针对深度伪造检测器在黑盒对抗转移下可靠性下降问题，提出ARMOR++多智能体框架，利用视觉与语言模型提供语义先验并编排原语选择等，整合多种原语有效针对异构偏差，实验表明其性能优于现有基线，凸显当前检测器可靠性差距及智能编排的有效性。

Innocuous-Seeming Data, Latent Ideology: Ideological Generalisation in Finetuned LLMs

看似无害的数据，潜在的意识形态：微调语言模型中的意识形态泛化

Robert Graham, Edward Stevinson, Yariv Barsheshat

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

AI总结 研究发现微调语言模型会引发意识形态泛化，提出衡量广度和放大率的方法，指出少样本提示表明泛化方向，微调会使模型走向极端，该效果能复现且对模型准确率影响小。

Lottery and Sprint Arcade: Enabling Player-Driven Game Editing with Generative AI

彩票与冲刺街机：通过生成式人工智能实现玩家驱动的游戏编辑

Maya Grace Torii, Takahito Murakami, Yoichi Ochiai

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

AI总结 研究通过语音驱动编辑系统让玩家修改复古太空侵略者风格游戏，结合用户研究探讨玩家体验及编辑模式与体验变化的关系，发现语音驱动编辑可支持人机共创，玩家体验积极，编辑有多种策略。

Comments 14 pages, 5 figures, 1 table. Published in The Journal of the Society for Art and Science, Vol. 25, No. 2, 2026

Journal ref The Journal of the Society for Art and Science 25(2) (2026) 12:1-12:14

CausalDS: Benchmarking Causal Reasoning in Data-Science Agents

因果DS：数据科学智能体中的因果推理基准测试

Andrej Leban, Yuekai Sun

机构 * Department of Statistics University of Michigan（统计学系密歇根大学） 纠错

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

AI总结 介绍用于评估数据科学智能体因果推理的CausalDS基准，由含观测数据的结构因果模型和合成自然语言故事构成场景，导出跨越Pearl三个层级的任务，联合评估符号因果推理、数据科学等多方面能力。

Comments 55 pages, 10 figures

RS-Agent: Automating Remote Sensing Tasks through Intelligent Agent

RS-Agent：通过智能代理实现遥感任务自动化

Wenjia Xu, Zijian Yu, Boyang Mu, Jiuniu Wang, Zhiwei Wei, Mugen Peng

机构 * State Key Laboratory of Networking and Switching Technology, Beijing University of Posts and Telecommunications, Beijing 100876, China（网络与交换技术国家重点实验室，北京邮电大学，中国） ； City University of HongKong, Hong Kong 999077, China（香港城市大学，中国） ； School of Geographic Sciences, Hunan Normal University, Changsha 410081, China（地理科学学院，湖南师范大学，中国） 纠错

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

AI总结 针对多模态大语言模型在遥感任务中的局限，提出RS-Agent智能代理，通过结构化任务规划等连接用户意图与遥感流程，含四个组件及两种方法，实验显示其在多任务中显著优于现有模型，证明结合两者用于智能地理空间分析的价值。

Journal ref SCIENCE CHINA Information Sciences, 69(8), 180302 (2026)

Independent Test Generation for RESTful APIs

用于RESTful API的独立测试生成

S M Sadrul Islam Asif, James Chen, Kennett Puerto Diaz, Earl T. Barr, Mark Marron

专题命中 领域大模型 ：LLM(summary_cn,abstract_cn)

AI总结 研究针对RESTful API测试中多步骤测试的问题，提出TECTON方法，通过显式状态合成及两种互补机制，利用组合测试和LLM处理请求组件，生成高覆盖率测试负载，相比传统方法提升了行覆盖率并暴露更多运行时错误，推动API验证技术进步。

Comments This paper was previously posted on arXiv under the title "BOSQTGEN: Breaking the Sound Barrier in Test Generation"