语言大模型 / LLM

Catching the Imposter: Self-Supervised Learning of Physical Coherence with Cross-Entity Feature Permutations

识别冒名者：通过跨实体特征置换学习物理一致性的自监督学习

Aleksei Rozanov, Arvind Renganathan, Vipin Kumar

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

AI总结 本研究提出“冒名者”预文本任务，利用跨实体特征置换学习物理一致性，经ERA5-Land数据评估，该任务与现有SSL目标结合可提供互补信息，为科学基础模型提供新自监督来源。

MedPlex: Deep Vision-Language Co-Adaptation for Clinically Grounded Medical Segmentation

MedPlex：用于临床基础医学分割的深度视觉-语言协同适配

Rafi Ibn Sultan, Hui Zhu, Chengyin Li, Dongxiao Zhu

机构 * Wayne State University（韦恩州立大学） ； Henry Ford Health（亨利福特医疗集团） ； Institute for AI and Data Science Wayne State University（韦恩州立大学人工智能与数据科学研究院） 纠错

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

AI总结 MedPlex是一种端到端VLM框架，通过双向融合和两级概念对齐，实现医学图像分割的视觉-语言协同适配，在CT、MR的多类医学分割任务中达到最优性能。

Comments Accepted By BMVC-2026

Towards Context-Aware Clinical Motion Understanding in Daily Living at Home: Freezing of Gait Detection with Egocentric Vision

面向居家日常生活中上下文感知的临床动作理解：基于第一视角视觉的步态冻结检测

Vayalet Stefanova, Diwas Lamsal, Margot Genbrugge, Maxim Yudayev, Christian Schlenstedt, Moran Gilat, Bart Vanrumste, Benjamin Filtjens

机构 * KU Leuven（鲁汶大学） ； Medical School Hamburg（汉堡医学院） ； Delft University of Technology（代尔夫特理工大学） 纠错

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

AI总结 该研究针对居家PD患者的FOG检测，对比IMU-TCN等模型，发现IMU-TCN性能最优，预训练第一视角视频特征可补充可穿戴传感器的临床动作理解上下文。

Comments Accepted to ECCV Workshop 2026 (Human Motion Challenges in Real-World and Clinical Settings)

Operationalizing Cyber Threat Intelligence with GraphRAG

用GraphRAG实现网络威胁情报的操作化

Atul Kabra, Prakhar Paliwal, Manjesh K. Hanawal

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

AI总结 本研究对比微软GraphRAG与Naive RAG，发现GraphRAG生成的网络威胁情报检测方案，在攻击线索轮换后保持率远高于后者，能依赖更难规避的持久线索，为自动生成SOC狩猎方案提供了架构基础。

Comments 12 pages

ConRub-Med: Reinforcement Learning with Consensus Rubrics for Open-Ended Medical Question Answering

ConRub-Med：面向开放式医学问答的共识准则强化学习

Taojie Zhu, Yuan Xia, Tao Sun, Yizhi Wang, Yan Chen, Qunshan He, Tian Guan, Jian Wang, Jinjie Gu, Junwei Liu, Yonghong He

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

AI总结 本研究提出ConRub-Med，通过三模型共识准则与三状态评分优化GRPO策略，在9个医学问答基准中6个排第一，HealthBench-Hard得分优于InfiMed-ORBIT。

Unlocking the Power of Medical Tabular Data via Semantic-Aware Multimodal Pre-training

通过语义感知多模态预训练释放医疗表格数据的力量

Yingsheng Liu, Haiming Li, Jingmin Zhu, Jiajun Sun, Victoria Mar, Monika Janda, H. Peter Soyer, Zongyuan Ge, Zhen Yu

机构 * Faculty of Information Technology, Monash University（莫纳什大学信息技术学院） ； Monash University（莫纳什大学） ； The University of Queensland（昆士兰大学） 纠错

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

AI总结 该研究针对医疗表格数据的语义利用不足问题，提出语义感知多模态预训练框架，含重要性感知自适应掩码与软标签离散化模块，在皮肤病学、眼科数据集上实现SOTA，鲁棒性与跨域泛化能力优异。

Comments INTERNATIONAL CONFERENCE ON MEDICAL IMAGE COMPUTING AND COMPUTER ASSISTED INTERVENTION (ORAL presentation)

Did the Grid Erase the Event? EndoClock for Auditing Medical World-Model Pipelines

网格是否抹去了事件？用于审计医疗世界模型流程的EndoClock

Yarin Udi, Tom Sharon-Shahak, Roee Masad, Dan Pri-Tal

机构 * Diastole Medical R&D（Diastole医疗研发机构） 纠错

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

AI总结 本研究针对医疗世界模型同步预处理可能抹去任务相关证据的问题，提出EndoClock审计方法及四分类法，以超声心动图为例验证其有效性，为医疗AI流程审计提供可执行方案。

Comments Accepted for publication at the 1st MICCAI Workshop on Medical World Models (MWM 2026)

Signature-Guided Capacity Occupancy for Dense Expert Merging

签名引导的容量占用用于密集专家合并

Lingching Tung, Chi-Jui Kim, Beicheng Xu, Yuchen Wang, Bin Cui

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

AI总结 针对密集专家合并的跨专家冲突容量分配等问题，提出SigMerge框架，在21种配对设置中优于三类基线合并方法，平均提升15.0%且获最佳平均排名。

Comments 31 pages, 20 figures

Metadata Reconstruction from Values Alone: Recovering Column Semantics in Undocumented Warehouses

仅从值进行元数据重构：在无文档数据仓库中恢复列语义

Mike Helwig

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

AI总结 本研究提出Rosetta框架，结合确定性分析器与语言模型，在无文档数据仓库中仅从值恢复列语义，经BIRD、i2b2等数据集验证，提升了元数据恢复的准确率与覆盖率。

CIGTSurv: Clinical Information Guided Tri-modal Survival Prediction with Local Prototype Association and Global Feature Alignment

CIGTSurv：结合局部原型关联与全局特征对齐的临床信息引导三模态生存预测

Jing Dai, Qibin Zhang, Weiwei Zhou, Mingde Xu, Jingsong Liu, Jingdong Zhang, Hongming Xu

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

AI总结 本研究针对临床信息未充分利用及多模态异质性问题，提出CIGTSurv框架，结合局部原型关联与全局特征对齐机制，在五个TCGA癌症队列上取得生存预测SOTA性能。

Comments Accepted at MICCAI 2026

PAMT: Process-Aligned Reinforcement Learning for Multi-Domain Machine Translation

PAMT：面向多领域机器翻译的过程对齐强化学习

Yongshi Ye, Biao Fu, Chongxuan Huang, Yidong Chen, Xiaodong Shi

专题命中 领域大模型 ：LLM(abstract_cn)；分类 cs.CL

AI总结 针对多领域机器翻译中显式推理的偏差问题，提出过程对齐强化学习框架PAMT，结合长思维链监督与多维度奖励机制，在多种场景下表现优于基线模型。

Comments 23 pages, 10 figures, and 18 tables

Talking to Digital Twins: Selective Disclosure and Belief Measurement in Financial Social Media

与数字孪生对话：金融社交媒体中的选择性披露与信念测量

Boone Bowles, Raymond Duch, Sorin Sorescu

专题命中 领域大模型 ：LLM(abstract_cn)；分类 cs.AI

AI总结 本研究通过对金融网红的X账号构建的数字孪生开展重复实时访谈，解决金融社交媒体中未披露信息的测量问题，其信息可预测大盘股收益横截面，避免了大语言模型的前瞻性偏差。

onepot-Bench 0: towards lab-aware in silico chemistry benchmarks

onepot-Bench 0：面向实验室实际场景的计算机化学基准测试

Brandon Wang, Andrei S. Tyrin, Daniil A. Boiko

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

AI总结 本研究推出专有基准测试onepot-Bench 0，通过三个互补评估衡量语言模型在湿实验室合成化学场景下的基础能力、可靠性等，弥补现有评估的不足。

PosterMELD: Multi-Agent Paper-to-Poster Generation for Controllable Design Diversity with Editable Print-Ready Outputs

PosterMELD：面向可编辑打印就绪输出的可控设计多样性多智能体论文转海报生成

Haojie Hu, Chenhao Dang, Yaojia Liu, Hengrui Kang, Conghui He, Weijia Li

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

AI总结 PosterMELD是模板条件化多智能体海报生成流水线，可导出可编辑PPTX和PNG，在621篇论文实验中PRR达81.3%，成本仅为Codex+Skill的3.5%，性能优于P2P、PosterGen等方法。

Comments 9 pages, 5 figures, and 4 tables. Code and resources are available at https://github.com/Shannon4Science/PosterMELD

Cross-Domain Hybrid OPD for Generalizable Search Agents

面向通用搜索智能体的跨域混合在线策略蒸馏

Hongzhan Chen, Xiaoyu Liu, Dengming Zhang, Minzhou Huang, Dongliang Xu, Jingcheng Xie, Dongxiang Fang, Bowen Qin, Minsheng Hao, Yaozong Shen, Xiaojun Quan, Mona Zhou, Haosheng Zou, Jeff Chen

机构 * Yuanbao Team, Tencent Shanghai Innovation Institute（腾讯上海研究院元宝团队） 纠错

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

AI总结 本研究提出基于混元3架构的元宝搜索智能体训练框架，通过跨域混合在线策略蒸馏联合优化搜索专业化与通用能力，缓解对齐损耗，在现实搜索场景中实现两者的良好平衡。

Loud or Silent? A Reusable Framework for Per-Modality Failure Analysis in Multimodal Clinical AI

大声还是沉默？一种用于多模态临床AI中模态级失败分析的可复用框架

Quang Bui, Shlok Jaiswal, Samuel Paik-Heintz, Kevin Zhou, Kaushik Madapati, Krittaphas Chaisutyakorn, Noah Dane Hebdon, Dimitrios Proios, Sebastián Andrés Cajas Ordóñez, Kacper Dobek, Boya Zhang, Aly Dhedhi, Ahram Han, Kushul Reddy Palakala, Rahul Gorijavolu, Jacques Kpodonu, Leo Anthony Celi

机构 * Massachusetts Institute of Technology（麻省理工学院） ； American International School Vienna（维也纳美国国际学校） ； Neuqua Valley High School（纽夸谷高中） ； North Hollywood High School（北好莱坞高中） ； Hopewell Valley Central High School（霍普韦尔谷中央高中） ； University of California, Berkeley（加州大学伯克利分校） ； Siriraj Hospital（诗里拉吉医院） ； Harvard University（哈佛大学） ； Agency for Science, Technology and Research（新加坡科技研究局） ； Johns Hopkins University（约翰斯·霍普金斯大学） ； University of Geneva（日内瓦大学） ； Poznan University of Technology（波兹南理工大学） 纠错

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

AI总结 该研究提出一种模型无关的多模态临床AI模态级失败分析框架，可复用且仅用部署可观测信号，经植入真实值和MIMIC-IV队列验证，能定位失败模态、区分失败类型，为心脏基础模型部署提供参考。

Auditing Semantic Gains in Sequential Recommendation: A Lightweight Recovery Test

审计序列推荐中的语义增益：一种轻量级恢复测试

Kong Wang, Zhongke He, Xiang Chen, Hongwei Zeng, Kai Deng, Long Wang, Kehua Yang

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

AI总结 本研究提出轻量级可审计恢复测试LIME-Rec，结合三类专家模型在三个Amazon数据集上验证语义推荐增益源于真实物品-文本对应，为序列推荐的语义增益归因提供了透明方法。

Learning the Pareto Frontier of Predictive Models under Distribution Shift

分布偏移下预测模型帕累托前沿的学习

Yiming Dong, Jiwei Zhao, Yang Young Lu

机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校） 纠错

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

AI总结 本研究提出Frontier Learning框架，将预训练模型库视为互补信息源，通过拼接白盒内部表示与黑盒预测输出构建特征，在分布偏移场景中提升预测性能，表现优于或相当于最强的单个复用策略。

Comments 28 pages, 4 figures, 3 tables

Library Reachability in LSR-Synth: How Anti-Memorization Design Changes the Measurement of Symbolic Discovery

LSR-Synth中的库可达性：反记忆化设计如何改变符号发现的测量

Zhan'ao Yao, Liang Yin, Zhihao Gao, Boxuan Zhang, Xiaoyu Wu, Linjing Li, Rongyan Wang, Tingwei Chen, Youwei Wang, Xiaolin Zhao, Jiahui Shi, Jianjun Liu

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

AI总结 该研究在LSR-Synth基准下，对比语言模型先验与常规算子搜索的效果，发现固定词汇表已覆盖多数任务，语言模型候选仅在词汇表覆盖受扰时贡献显著，且严格分布外评估不改变该关系。

PlantBGC: Transformer for Plant BGC Discovery via Label-Free Domain Adaptation and Weak Supervision

PlantBGC：基于无标签领域自适应与弱监督的植物生物合成基因簇发现Transformer

Yuhan Zhao, Nidhi Grover, Zhishan Guo, Ning Sui

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

AI总结 该研究针对植物BGC标签稀缺问题，提出PlantBGC模型，通过无标签领域自适应与弱监督实现植物BGC的精准发现，提升了已知BGC的恢复率并缩短了基因座长度。

AWARE-FX: An Auditable Knowledge-Guided AI System for Measuring Corporate Foreign-Exchange Hedging Disclosure

AWARE-FX：一种可审计的知识引导型AI系统，用于衡量企业外汇套期保值披露情况

Qi Wang

机构 * University of Nottingham（诺丁汉大学） 纠错

专题命中 领域大模型 ：LLM(abstract)；分类 cs.CL

AI总结 本研究开发可审计的AWARE-FX系统，将企业年报文本转换为可追溯的套期保值披露指标，通过多维度实验验证其可靠性，为外汇风险管理提供可单独审计的决策支持架构。

Comments 40 pages, 4 figures, 12 tables. Preprint; not peer reviewed

Rethinking Artificial Intelligence in Medical Imaging: Assumptions, Reality, and Reframing

重新思考医学影像中的人工智能：假设、现实与重构

Arman Rahmim, Nourhan Bayasi, Xiaoxiao Li, Babak Saboury, Fereshteh Yousefirizi

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

AI总结 本文指出医学影像AI研究转化不足源于结构性错位，明确六大错位维度并提出重构路径，最终愿景是开发与医生对齐、扩展而非替代临床判断的智能体AI。

Comments 10 pages, 2 figures

TREA-Net: A Transferable Residual Epidemiological Adaptation Network for Dengue Incidence Forecasting

TREA-Net：用于登革热发病率预测的可迁移残差流行病学适配网络

Inesh Shukla, Madhurima Panja, Tanujit Chakraborty, Chittaranjan Hens

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

AI总结 针对新监测系统数据不足的登革热预测问题，提出TREA-Net模型，结合环境时间序列SIR模型与轻量门控残差修正，跨区域迁移知识，在多数据集上提升预测性能，是适用于数据有限机构的预警框架。

SecDrift: Measuring Sector-Conditioned Security Drift in AI-Generated Code

SecDrift：测量人工智能生成代码中特定领域条件下的安全漂移

Narayanaswami Natraj Bharadwaj, Dhivya Chandramouleeswaran

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

AI总结 研究大语言模型在关键基础设施代码生成中特定领域提示的安全效果，提出SecDrift基准，通过多模型多领域评估发现行业提示安全优势不显著，模型选择影响大，强调模型选择是更可靠的安全杠杆并开源相关内容。

Comments 11 pages, 3 figures

Grounded in Consensus, In Step With Emerging Science: A Consensus-Anchored Multi-Corpus Clinical Chatbot for Long COVID

基于共识，紧跟新兴科学：用于长期新冠的共识锚定多语料临床聊天机器人

Yining Wu, Philip DiGiacomo, Ying Ding, William Brode

专题命中 领域大模型 ：LLM(abstract)；分类 cs.AI

AI总结 针对长期新冠临床决策支持证据分散的问题，提出整合多来源的面向临床医生的聊天机器人，在检索增强流程中组织四个来源，经探索性自动评估，其平均评分与OpenEvidence相当，得分更高且变异性更低。

Commitment To Cooperation With Self-Negotiated Contracts

通过自我协商合同实现合作承诺

Tim Wyse, Kaitlin Bustos, Yulia Volkova, Max Kleiman-Weiner

机构 * University of Washington（华盛顿大学） 纠错

专题命中 领域大模型 ：LLM(abstract)；分类 cs.AI

AI总结 研究人工智能代理在多智能体世界中的合作问题，借鉴法律制度和契约，通过在时空博弈\CT中研究基于大型语言模型的代理使用不同合同表示，发现自我协商合同可改善合作结果。

Foundation-model-guided radiogenomic discovery linking cancer genomes to cancer scans

基础模型引导的放射基因组学发现：将癌症基因组与癌症扫描联系起来

Frederik Hauke, Jeremias Krause, Patrick Wienholt, Christiane Kuhl, Ingo Kurth, Sikander Hayat, Jakob Nikolas Kather, Sven Nebelung, Daniel Truhn

机构 * University Hospital RWTH Aachen（RWTH亚琛大学医院） ； TU Dresden（德累斯顿技术大学） ； TUD Dresden University of Technology（德累斯顿技术大学） ； Heidelberg University Hospital（海德堡大学医院） 纠错

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

AI总结 研究将基于Evo~2的基因组分析与临床成像结合，全基因组识别基因-表型关联。对TCGA队列体细胞突变用Evo~2预测严重程度评分，与放射组学特征关联。在TCGA-cRCC中恢复已知驱动基因，发现新的显著基因，证明该方法可发现传统方法难以察觉的基因-成像关联。

Evaluating and Guarding Citation Faithfulness in Agentic Scientific Synthesis

评估和保障智能科学合成中的引用忠实性

Taewan Goo, Junsik Kim, Kyulhee Han, GwonYul Jo, Jong-Soo Kim, Tae-Hyung Kim

机构 * Seoul National University（首尔国立大学） ； BioNexus（生物 Nexus） 纠错

专题命中 领域大模型 ：LLM(abstract)；分类 cs.AI

AI总结 研究智能语言模型系统引用答案检查的可靠性问题，提出黄金锚定评估协议和可部署防护措施，能验证验证者、测量重新归因，为无支撑引用设限，经多模型和管道验证后作为单GPU工具包发布。

Comments 20 pages, 5 figures. Includes supplementary material (Appendices S1-S6). Open single-GPU reproducibility kit included

NMR Elucidation as an Agentic Search Problem, Not a Modeling Problem

核磁共振解析作为一个智能体搜索问题，而非建模问题

Irina Espejo Morales, Damon Hinz, Marvin Alberts, Geraud Krawezik, Haewon Jeong, Shirley Ho

专题命中 领域大模型 ：LLM(abstract)；分类 cs.LG

AI总结 研究针对NMR数据结构解析这一化学等领域的瓶颈，构建由冻结语言模型支持的自主智能体，将其解析过程视为受限搜索而非建模任务，在多个数据集上取得良好结果，为自动化光谱分析的多步骤编排框架提供了方向。

In-Context Time Series Classification with Random Convolutional Features

基于随机卷积特征的上下文时间序列分类

Joscha Cüppers, Jilles Vreeken

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

AI总结 研究时间序列分类，提出MASHT方法，结合MultiRocket和Hydra特征与预训练表格基础模型，绕过特定任务模型训练，在单变量任务中匹配最先进基线，多变量数据集上竞争力强。