语言大模型 / LLM

PONTE: Personalized Orchestration for Natural Language Trustworthy Explanations

PONTE：面向自然语言可信解释的个性化编排

Vittoria Vineis, Matteo Silvestri, Lorenzo Antonelli, Filippo Betello, Gabriele Tolomei

机构 * Sapienza University of Rome（罗马大学萨皮恩扎） ； Syllotips ； TellmewAI s.r.l.（TellmewAI公司） 纠错

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

AI总结 PONTE通过闭环验证和适应过程，实现自然语言可信解释的个性化生成，提升XAI的完整性和风格对齐性。

Comments 15 pages, 2 figures

Accelerating Scientific Research with Gemini: Case Studies and Common Techniques

用Gemini加速科学研究：案例研究与常见技术

David P. Woodruff, Vincent Cohen-Addad, Lalit Jain, Jieming Mao, Song Zuo, MohammadHossein Bateni, Simina Branzei, Michael P. Brenner, Lin Chen, Ying Feng, Lance Fortnow, Gang Fu, Ziyi Guan, Zahra Hadizadeh, Mohammad T. Hajiaghayi, Mahdi JafariRaviz, Adel Javanmard, Karthik C. S., Ken-ichi Kawarabayashi, Ravi Kumar, Silvio Lattanzi, Euiwoong Lee, Yi Li, Ioannis Panageas, Dimitris Paparas, Benjamin Przybocki, Bernardo Subercaseaux, Ola Svensson, Shayan Taherijam, Xuan Wu, Eylon Yogev, Morteza Zadimoghaddam, Samson Zhou, Yossi Matias, James Manyika, Vahab Mirrokni

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

AI总结 本文探讨了Gemini模型在加速科学发现中的应用，通过案例研究展示了AI在解决开放性问题、反驳猜想和生成新证明中的作用，并总结了人机协作的有效技术。

Comments The changes over version 2 are that we cleaned up the last paragraph on color-coding at the end of section 2. Also, for section 6.1 we added a reference to followup work of the authors, and other minor edits in that section

Decoding Partial Differential Equations: Cross-Modal Adaptation of Decoder-only Models to PDEs

解码偏微分方程：解码器-only模型在偏微分方程上的跨模态适应

Paloma García-de-Herreros, Philipp Slusallek, Dietrich Klakow, Vagrant Gautam

机构 * Saarland University（萨尔兰大学） ； DFKI ； Heidelberg Institute for Theoretical Studies（海德堡理论研究所） 纠错

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

AI总结 本文研究了解码器-only模型在偏微分方程时间依赖模拟任务中的跨模态适应，提出并行翻转和序列加倍两种方法，提升模型性能，缩小与编码器-only模型的差距。

Comments ICLR 2026 Workshop on AI and Partial Differential Equations

CONE: Embeddings for Complex Numerical Data Preserving Unit and Variable Semantics

CONE：用于复杂数值数据的嵌入方法，保留单位和变量语义

Gyanendra Shrestha, Anna Pyayt, Michael Gubanov

机构 * Florida State University（佛罗里达州立大学） ； University of South Florida（佛罗里达州立大学） 纠错

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

AI总结 CONE通过复合嵌入方法提升复杂数值数据的语义编码，实现跨领域高精度数值推理。

MIND: Unified Inquiry and Diagnosis RL with Criteria Grounded Clinical Supports for Psychiatric Consultation

MIND: 一种基于临床标准的统一探究与诊断强化学习框架用于精神病咨询

Guoyi Li, Shihao Xu, Jiatong Ma, Yunyun Han, Jianhua Chen, Yafeng Deng

机构 * EverMind AI Inc.（EverMind AI公司） ； EverMind AI Inc., Tianqiao and Chrissy Chen Institute（EverMind AI公司、田桥与克里斯西·陈研究所） ； Shanghai Mental Health Center, Shanghai Jiao Tong University School of Medicine（上海精神卫生中心、上海交通大学医学院） 纠错

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

AI总结 MIND通过基于临床标准的推理框架提升精神病咨询的诊断准确性和互动质量。

RAG-X: Systematic Diagnosis of Retrieval-Augmented Generation for Medical Question Answering

RAG-X: 用于医疗问答的检索增强生成系统系统性诊断

Aswini Sivakumar, Vijayan Sugumaran, Yao Qiang

机构 * Oakland University（奥克兰大学） 纠错

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

AI总结 RAG-X通过系统性诊断框架，评估检索和生成过程，揭示问答系统中的隐藏失败模式，提升医疗问答的准确性和可靠性。

Comments 7 pages, 1 figure

Type-Aware Retrieval-Augmented Generation with Dependency Closure for Solver-Executable Industrial Optimization Modeling

具有依赖闭合的类型感知检索增强生成用于可执行工业优化建模

Y. Zhong, R. Huang, M. Wang, Z. Guo, YC. Li, M. Yu, Z. Jin

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

AI总结 本文提出一种类型感知检索增强生成方法，通过强制依赖闭合确保工业优化建模的可执行性，有效解决大型语言模型在复杂工程优化中的执行难题。

SpiroLLM: Finetuning Pretrained LLMs to Understand Spirogram Time Series with Clinical Validation in COPD Reporting

SpiroLLM：通过临床验证在COPD报告中微调预训练大语言模型以理解肺功能时间序列

Shuhao Mei, Yongchao Long, Xiaoyu Xiao, Shan Cao, Xiaobo Han, Shijia Geng, Jinbo Sun, Yuxi Zhou, Shenda Hong

机构 * Guangzhou Institute of Technology, Xidian University, Xi’an, China（广州科技研究院，西安电子科技大学，中国） ； Department of Computer Science, Tianjin University of Technology, Tianjin, China（天津理工大学计算机学院，天津，中国） ； Department of Respiratory, The Second Hospital of Tianjin Medical University, China（天津医科大学第二医院呼吸科，中国） ； College of Pulmonary and Critical Care Medicine, Chinese PLA General Hospital, Beijing, China（中国人民解放军总医院呼吸与危重症医学科，北京，中国） ； HeartVoice Medical Technology, Hefei, China（合肥心声医疗技术有限公司，中国） ； School of Life Science and Technology, Xidian University, Xi’an, China（西安电子科技大学生命科学与技术学院，中国） ； National Institute of Health Data Science, Peking University, Beijing, China（北京大学国家健康数据科学研究院，北京，中国） ； Institute for Artificial Intelligence, Peking University, Beijing, China（北京大学人工智能研究院，北京，中国） 纠错

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

AI总结 SpiroLLM通过融合生理信号与大语言模型，实现对肺功能时间序列的解读，并在COPD诊断中展现出高准确性和稳健性。

DARE-bench: Evaluating Modeling and Instruction Fidelity of LLMs in Data Science

DARE-bench: 评估LLMs在数据科学中的建模和指令忠实度

Fan Shu, Yite Wang, Ruofan Wu, Boyi Liu, Zhewei Yao, Yuxiong He, Feng Yan

机构 * University of Houston（德克萨斯大学休斯顿分校） ； Snowflake AI Research（Snowflake人工智能研究院） 纠错

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

AI总结 DARE-bench通过提供可验证的真实值任务和大规模训练数据，有效评估和提升LLMs在数据科学中的建模和指令忠实度。

Comments Published as a conference paper at ICLR 2026. 10 pages plus appendix

Beyond Accuracy: Risk-Sensitive Evaluation of Hallucinated Medical Advice

超越准确性：对幻觉医疗建议的风险敏感评估

Savan Doshi

机构 * ASU（亚利桑那州立大学） 纠错

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

AI总结 本文提出了一种风险敏感的评估框架，用于评估医疗建议中的幻觉风险，通过量化风险性语言来识别高风险、低支撑的失败模式。

FML-bench: Benchmarking Machine Learning Agents for Scientific Research

FML-bench: 用于科学研究的机器学习代理基准测试

Qiran Zou, Hou Hei Lam, Wenhao Zhao, Yiming Tang, Tingting Chen, Samson Yu, Tianyi Zhang, Chang Liu, Xiangyang Ji, Dianbo Liu

机构 * National University of Singapore, Singapore（新加坡国立大学） ； Tsinghua University, Beijing, China（清华大学） ； University of Minnesota, Minneapolis, MN, USA（明尼苏达大学） 纠错

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

AI总结 FML-bench 是一个用于评估机器学习代理在科学研究中能力的基准测试，包含8个基础任务并引入探索多样性指标，揭示探索策略对性能的影响。

Comments Our benchmark is available at: https://github.com/qrzou/FML-bench

The Dark Side of ChatGPT: Legal and Ethical Challenges from Stochastic Parrots and Hallucination

ChatGPT的阴暗面：来自随机鹦鹉和幻觉的法律与伦理挑战

Zihao Li

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

AI总结 本文探讨了ChatGPT等大型语言模型在法律和伦理方面带来的挑战，指出随机鹦鹉和幻觉问题需要欧盟监管框架进一步完善以应对相关风险。

Comments This is the preprint version of the paper 'Why the European AI Act transparency obligation is insufficient' (2023) Nature Machine Intelligence

Journal ref Nature Machine Intelligence 5 (2023)

Evaluating LLMs' Divergent Thinking Capabilities for Scientific Idea Generation with Minimal Context

评估LLMs在科学想法生成中的发散思维能力：基于最小上下文

Kai Ruan, Xuan Wang, Jixiang Hong, Peng Wang, Yang Liu, Hao Sun

机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学人工智能学院） ； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； Bank of China（中国银行） ； School of Engineering Science, University of Chinese Academy of Sciences（中国科学院大学工程科学学院） ； State Key Laboratory of Nonlinear Mechanics, Institute of Mechanics, Chinese Academy of Sciences（中国科学院力学研究所非线性力学重点实验室） 纠错

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

AI总结 本研究提出LiveIdeaBench，通过单关键词提示评估LLMs在科学想法生成中的发散思维能力，揭示通用智能指标无法有效预测该能力，表明需专门的评估基准和不同的训练策略来提升科学想法生成能力。

Comments Updated manuscript and title

Variable-Length Semantic IDs for Recommender Systems

可变长度语义ID用于推荐系统

Kirill Khrylchenko

机构 * HSE University（俄罗斯莫斯科高等经济大学） 纠错

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

AI总结 本文提出可变长度语义ID用于推荐系统，通过离散变分自编码器学习自适应长度的物品表示，解决固定长度语义ID的不足。

Evidence-Grounded Subspecialty Reasoning: Evaluating a Curated Clinical Intelligence Layer on the 2025 Endocrinology Board-Style Examination

基于证据的专科推理：在2025年内分泌学委员会式考试上评估一个经过精心编纂的临床智能层

Amir Hosseinian, MohammadReza Zare Shahneh, Umer Mansoor, Gilbert Szeto, Kirill Karlin, Nima Aghaeepour

机构 * January AI ； Stanford University（斯坦福大学） 纠错

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

AI总结 本文提出基于证据的专科推理系统Mirror，在内分泌学考试中超越了现有LLM，展现出高准确率和证据可追溯性。

Knowing When Not to Answer: Abstention-Aware Scientific Reasoning

知道何时不回答：具有退避意识的科学推理

Samir Abdaljalil, Erchin Serpedin, Hasan Kurban

机构 * Texas A&M University（德克萨斯农工大学） ； Hamad Bin Khalifa University（哈马德·本·哈利法大学） 纠错

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

AI总结 本文提出一种具有退避意识的科学推理框架，通过分解科学主张并利用自然语言推理评估证据，以减少错误风险，强调退避在科学验证中的重要性。

Harmonizing Generalization and Specialization: Uncertainty-Informed Collaborative Learning for Semi-supervised Medical Image Segmentation

协调泛化与专门化：基于不确定性的协作学习用于半监督医学图像分割

Wenjing Lu, Yi Hong, Yang Yang

机构 * AGI Institute, School of Computer Science, Shanghai Jiao Tong University（AGI研究院，计算机科学学院，上海交通大学） 纠错

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

AI总结 本文提出UnCoL框架，通过双教师机制协调半监督医学图像分割中的泛化与专门化，利用不确定性指导伪标签学习以提升分割性能。

Comments Accepted for publication in IEEE Transactions on Medical Imaging (TMI), 2026

LabSafety Bench: Benchmarking LLMs on Safety Issues in Scientific Labs

LabSafety Bench: 对科学实验室中AI安全问题的LLM基准测试

Yujun Zhou, Jingdong Yang, Yue Huang, Kehan Guo, Zoe Emory, Bikram Ghosh, Amita Bedar, Sujay Shekar, Zhenwen Liang, Pin-Yu Chen, Tian Gao, Werner Geyer, Nuno Moniz, Nitesh V Chawla, Xiangliang Zhang

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

AI总结 LabSafety Bench通过评估LLMs和VLMs在实验室安全问题上的表现，揭示了当前模型在危险识别和风险评估方面的不足，强调了对AI安全评估框架的迫切需求。

Comments Published at Nature Machine Intelligence

Journal ref Nat Mach Intell 8, 20-31 (2026)

MRAG: Benchmarking Retrieval-Augmented Generation for Bio-medicine

MRAG：生物医学领域检索增强生成的基准测试

Liz Li, Wei Zhu

机构 * DataSelect AI ； University of Hong Kong（香港大学） 纠错

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

AI总结 MRAG基准测试通过构建医学领域语料库和工具包，评估RAG在生物医学任务中的有效性，揭示RAG在提升LLM可靠性及性能影响因素方面的贡献。

Comprehensive Comparison of RAG Methods Across Multi-Domain Conversational QA

跨多领域对话问答中RAG方法的全面比较

Klejda Alushi, Jan Strich, Chris Biemann, Martin Semmann

机构 * Hub of Computing and Data Science (HCDS) University of Hamburg（计算与数据科学中心（HCDS）乌姆斯大学） 纠错

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

AI总结 本文通过跨多领域对话问答数据集的全面比较，发现简单策略在多轮对话中表现更优，而复杂方法未必有效，强调检索策略与数据集结构的匹配至关重要。

Comments Accepted to EACL SRW 26

Advantages of Domain Knowledge Injection for Legal Document Summarization: A Case Study on Summarizing Indian Court Judgments in English and Hindi

领域知识注入在法律文件摘要中的优势：以总结印度法院判决的英文和印地语摘要为例

Debtanu Datta, Rajdeep Mukherjee, Adrijit Goswami, Saptarshi Ghosh

机构 * Department of Mathematics（数学系） ； Indian Institute of Technology Kharagpur（印度理工学院Khargpur分校） ； Department of Computer Science and Engineering（计算机科学与工程系） 纠错

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

AI总结 本研究通过注入领域知识提升印度法律文件摘要能力，生成英文和印地语摘要，验证方法有效性。

Comments 19 pages, 5 figures, 8 tables

mTSBench: Benchmarking Multivariate Time Series Anomaly Detection and Model Selection at Scale

mTSBench：大规模多变量时间序列异常检测与模型选择基准测试

Xiaona Zhou, Constantin Brif, Ismini Lourentzou

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

AI总结 mTSBench是一个大规模多变量时间序列异常检测与模型选择基准测试，评估24种检测器并揭示模型选择的迫切需求。

Journal ref Transactions on Machine Learning Research, 2026

Training Data Selection with Gradient Orthogonality for Efficient Domain Adaptation

基于梯度正交性的训练数据选择用于高效的领域适应

Xiyang Zhang, Yuanhe Tian, Hongzhi Wang, Yan Song

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

AI总结 本文提出OGS方法，通过梯度正交性选择训练数据，提升领域适应的效率和性能。

AI chatbots versus human healthcare professionals: a systematic review and meta-analysis of empathy in patient care

人工智能聊天机器人与人类医疗专业人员：关于患者护理中同理心的系统综述和荟萃分析

Alastair Howcroft, Amber Bennett-Weston, Ahmad Khan, Joseff Griffiths, Simon Gay, Jeremy Howick

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

AI总结 本文通过系统综述和荟萃分析，发现AI聊天机器人在文本场景中普遍被感知为比人类医疗专业人员更具同理心。

Comments Open Access Invited Review. Systematic review and meta analysis of 15 studies 2023-2024. Published 20 October 2025

Journal ref British Medical Bulletin, Volume 156, Issue 1, December 2025, ldaf017

Learning to Discover at Test Time

在测试时间学习以发现

Mert Yuksekgonul, Daniel Koceja, Xinhao Li, Federico Bianchi, Jed McCaleb, Xiaolong Wang, Jan Kautz, Yejin Choi, James Zou, Carlos Guestrin, Yu Sun

机构 * Stanford University（斯坦福大学） ； NVIDIA（英伟达） ； Astera Institute（Astera研究院） ； UC San Diego（加州大学圣地亚哥分校） ； Together AI 纠错

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

AI总结 通过在测试时间进行强化学习，TTT-Discover方法在多个科学领域实现了新的前沿状态，利用开放模型和公开代码实现高效解决方案。

Comments Code: https://github.com/test-time-training/discover

Keeping Medical AI Healthy and Trustworthy: A Review of Detection and Correction Methods for System Degradation

保持医疗AI的健康与可信：对系统退化检测与纠正方法的综述

Hao Guan, David Bates, Li Zhou

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

AI总结 本文综述了医疗AI系统退化检测与纠正方法，探讨了性能退化原因、检测技术、根本原因分析及纠正策略，旨在提升医疗AI的可靠性和安全性。

Comments 16 pages, 5 figures

Journal ref IEEE Transactions on Biomedical Engineering, 2026

DeltaEvolve: Accelerating Scientific Discovery through Momentum-Driven Evolution

DeltaEvolve：通过动量驱动的进化加速科学发现

Jiachen Jiang, Tianyu Ding, Zhihui Zhu

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

AI总结 DeltaEvolve通过动量驱动的语义delta进化框架，在减少令牌消耗的同时提升科学发现效率。

Predicting first-episode homelessness among US Veterans using longitudinal EHR data: time-varying models and social risk factors

利用纵向电子健康记录数据预测美国退伍军人首次住房问题：时间变化模型和社会风险因素

Rohan Pandey, Haijuan Yan, Hong Yu, Jack Tsai

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

AI总结 本研究利用纵向电子健康记录数据，结合时间变化模型和社会风险因素，提高了预测退伍军人首次住房问题的准确性，展示了数据驱动的预防策略潜力。

Can Reasoning LLMs Enhance Clinical Document Classification?

推理大语言模型能否增强临床文档分类？

Akram Mustafa, Usman Naseem, Mostafa Rahimi Azghadi

机构 * College of Science and Engineering, James Cook University（科学与工程学院，詹姆斯库克大学） ； School of Computing, Macquarie University（计算学院，麦考瑞大学） 纠错

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

AI总结 本文研究推理大语言模型在临床文档分类中的性能，发现其在准确率上优于非推理模型，但一致性较低，建议采用混合方法提升临床编码效率。

Comments 27 pages

Journal ref Health and Technology (2026): 1-14

Instructional Agents: Reducing Teaching Faculty Workload through Multi-Agent Instructional Design

教学代理：通过多智能体教学设计减少教学人员的工作量

Huaiyuan Yao, Wanpeng Xu, Justin Turnau, Nadia Kellam, Hua Wei

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

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

AI总结 教学代理通过多智能体框架自动化生成教学材料，减少教学人员工作量，提升教育普及效率。

Comments Accepted by ECAL'26 main conference; 23 pages, 9 figures