语言大模型 / LLM

A Two-Dimensional Framework for AI Agent Design Patterns: Cognitive Function and Execution Topology

AI智能体设计模式的二维框架：认知功能与执行拓扑

Jia Huang, Joey Tianyi Zhou

机构 * Agency for Science, Technology and Research (A*STAR)（科技研究局（A*STAR）） ； Centre for Frontier AI Research (CFAR)（前沿人工智能研究中心（CFAR）） 纠错

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

AI总结 提出一个结合认知功能（7类）和执行拓扑（6种结构）的二维分类框架，识别28种命名模式，并通过跨领域分析得出模式选择的五条经验法则。

Comments 10 pages, 6 tables, 28 named patterns

sciwrite-lint: Verification Infrastructure for the Age of Science Vibe-Writing

sciwrite-lint：科学氛围写作时代的验证基础设施

Sergey V Samsonau

机构 * Authentic Research Partners（真实研究伙伴） ； Princeton, NJ（新泽西州普林斯顿） 纠错

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

AI总结 针对AI辅助写作导致的引用幻觉问题，提出基于软件工程lint范式的引用验证工具sciwrite-lint，在研究者本地运行，快速检查引用存在性、元数据准确性、撤回状态和主张支持，并评估引用链完整性。

Comments Code: https://github.com/authentic-research-partners/sciwrite-lint

Decompose-and-Refine: Structured Legal Question Answering with Parametric Retrieval

分解与精炼：基于参数化检索的结构化法律问答

Jihyung lee, Hyounghun Kim, Gary Lee

机构 * Graduate School of Artificial Intelligence, POSTECH, Republic of Korea（延世大学人工智能研究生院，韩国POSTECH） ； Department of Computer Science and Engineering, POSTECH, Republic of Korea（POSTECH计算机科学与工程系，韩国POSTECH） 纠错

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

AI总结 提出Decompose-and-Refine (DaR)框架，通过逐步分解复杂法律问题为原子子问题并生成与法规对齐的参数化查询，以解决多跳法律问答中的检索准确性和幻觉问题。

Harnessing AtomisticSkills for Agentic Atomistic Research

利用原子技能实现代理原子研究

Bowen Deng, Bohan Li, Matthew Cox, Hoje Chun, Juno Nam, Artur Lyssenko, Sathya Edamadaka, Jurgis Ruza, Xiaochen Du, Nofit Segal, Jesus Diaz Sanchez, Mingrou Xie, Ty Perez, Yu Yao, Miguel Steiner, Sauradeep Majumdar, Charles B. Musgrave, Anirban Chandra, Abhirup Patra, Detlef Hohl, Connor W. Coley, Ju Li, Rafael Gómez-Bombarelli

机构 * Department of Materials Science ； Engineering, Massachusetts Institute of Technology, Cambridge, MA 02139, USA ； Department of Chemical Engineering, Massachusetts Institute of Technology, Cambridge, MA 02139, USA ； Department of Chemistry, Kookmin University, Seoul 02707, Republic of Korea ； Harvard University, Department of Chemistry ； Department of Chemistry, Massachusetts Institute of Technology, Cambridge, MA 02139, USA ； Department of Nuclear Science ； Shell Information Technology International Inc., Texas 77082, United States ； Shell International Exploration \& Production Inc., Texas 77079, United States 纠错

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

AI总结 提出AtomisticSkills框架，通过分层分解科学工作流为技能和工具，使通用AI编码代理能够进行原子级研究，并在多个科学任务中验证其能力。

A Multi-Probe Audit of Clinical-Interview Depression Detection Benchmarks

临床访谈抑郁症检测基准的多探针审计

Takehiro Ishikawa, Jon Duke

机构 * College of Computing, Georgia Institute of Technology（佐治亚理工学院计算机学院） ； Georgia Tech Research Institute, Georgia Institute of Technology（佐治亚理工学院研究 institute） 纠错

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

AI总结 通过四个互补探针审计临床访谈抑郁症检测基准，发现评估协议缺陷、排行榜不可靠、跨域泛化弱以及文本与音频模态对症状密度的敏感性差异。

Multi-Persona Debate System for Automated Scientific Hypothesis Generation

用于自动科学假设生成的多角色辩论系统

Jaeha Oh, Byungchan Kim, Ju Li, Yang Jeong Park, Jin-Sung Park

机构 * Department of Materials Science & Engineering, Ajou University（材料科学与工程系，阿乔大学） ； Department of Energy Systems Research, Ajou University（能源系统研究系，阿乔大学） ； Department of Nuclear Science and Engineering, Massachusetts Institute of Technology（核科学与工程系，麻省理工学院） ； Department of Materials Science and Engineering, Massachusetts Institute of Technology（材料科学与工程系，麻省理工学院） ； Department of Materials Science and Engineering, Ulsan National Institute of Science and Technology（材料科学与工程系，乌山国家科学与技术研究院） ； Graduate School of Artificial Intelligence, Ulsan National Institute of Science and Technology（人工智能研究生院，乌山国家科学与技术研究院） 纠错

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

AI总结 提出多角色辩论系统（MPDS），结合文献检索、长上下文大语言模型推理、语料驱动角色归纳和结构化多智能体辩论，自动生成科学假设，在电池材料研究中验证其有效性。

Comments 31 pages with 7 main figures, 4 supplementary figures and 1 supplementary table

Human-in-the-Loop Multi-Agent Ventilator Decision Support with Contextual Bandit Preference Learning

人在回路的多智能体呼吸机决策支持与上下文赌博机偏好学习

Sijia Li, Xiaoyu Tan, Qixing Wang, Weiyi Zhao, Chen Zhan, Teqi Hao, Xuemin Wang, Lei Gu, Roland Eils, Xihe Qiu

机构 * Shanghai University of Engineering Science, Shanghai, China Tencent Youtu Lab, Tencent, China Department of Critical Care Medicine, Shanghai Tenth People's Hospital, Tongji University School of Medicine, Shanghai, China Department of Emergency ； Critical Disease, Songjiang Hospital Affiliated to Shanghai Jiao Tong University School of Medicine, Shanghai, China Max Planck Institute for Heart ； Lung Research, Bad Nauheim, Germany Fudan University, Shanghai, China BIH at Charit\'e -- Universit\"atsmedizin Berlin, Berlin, Germany 纠错

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

AI总结 提出VDSS框架，通过人在回路的多智能体协作和上下文赌博机在线偏好适应，实现呼吸机决策支持的个性化与可审计性。

Comments miccai 2026

AI-Enabled Serious Games: Integrating Intelligence and Adaptivity in Training Systems

AI赋能的严肃游戏：在训练系统中整合智能与适应性

Priyamvada Tripathi, Bill Kapralos

机构 * Durham College（达灵顿学院） ； Ontario Tech University（安大略技术大学） 纠错

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

AI总结 本文探讨了如何利用人工智能技术提升严肃游戏中的实时教学适应能力，分析了智能与适应性的定义，并讨论了大型语言模型、强化学习和基于代理的架构在严肃游戏中的应用及面临的挑战。

Comments Book chapter, 1 figure. To appear in "Advances in Global Applied Artificial Intelligence," G. A. Tsihrintzis, M. Virvou, N. G. Bourbakis, and L. C. Jain (Eds.), Springer, Learning and Analytics in Intelligent Systems book series, 2026

Exploring the Effectiveness of Using LLMs for Automated Assessment of Student Self Explanations in Programming Education

探索使用LLMs对编程教育中学生自解释进行自动评估的有效性

Arun-Balajiee Lekshmi-Narayanan, Mohammad Hassany, Peter Brusilovsky

机构 * University of Pittsburgh（匹兹堡大学） 纠错

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

AI总结 本文研究了在编程教育中使用LLMs自动评估学生自解释的有效性，通过比较LLMs与语义相似性方法在二元分类任务中的表现，探讨了自动评分技术的优劣。

AI-Driven Prediction of Cancer Pain Episodes: A Hybrid Decision Support Approach

基于AI的癌症疼痛发作预测：一种混合决策支持方法

Yipeng Zhuang, Yifeng Guo, Yuewen Li, Yuheng Wu, Philip Leung-Ho Yu, Tingting Song, Zhiyong Wang, Kunzhong Zhou, Weifang Wang, Li Zhuang

机构 * The University of Hong Kong（香港大学） ； Peking University Cancer Hospital Yunnan Hospital, The Third Affiliated Hospital of Kunming Medical University（北京大学肿瘤医院云南医院，昆明医科大学第三附属医院） 纠错

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

AI总结 本研究提出了一种混合机器学习和大语言模型的方法，利用结构化和非结构化电子健康记录数据预测癌症患者在住院48和72小时内疼痛发作，通过整合时间序列药物趋势和模糊剂量记录，提高了敏感性和可解释性，实现了87.6%和91.7%的准确率。

ClinSeekAgent: Automating Multimodal Evidence Seeking for Agentic Clinical Reasoning

ClinSeekAgent: 自动化多模态证据检索以实现代理临床推理

Juncheng Wu, Letian Zhang, Yuhan Wang, Haoqin Tu, Hardy Chen, Zijun Wang, Cihang Xie, Yuyin Zhou

机构 * UC Santa Cruz（加州大学圣克ruz分校） 纠错

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

AI总结 本文提出ClinSeekAgent，一种自动化代理框架，用于动态多模态证据检索，旨在从异构来源主动检索、迭代规划和综合多模态证据，从而提升临床决策支持。

Comments 24 pages, 9 figures; Project Page: https://ucsc-vlaa.github.io/ClinSeekAgent/

Accurate, Efficient, and Explainable Deep Learning Approaches for Environmental Science Problems

准确、高效且可解释的深度学习方法用于环境科学问题

Jimeng Shi

机构 * College of Engineering and Computing（工程与计算学院） 纠错

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

AI总结 本文提出三种针对复杂环境科学问题的深度学习方法：用于海岸河流洪水预测的WaLeF模型、用于全球天气预测的CoDiCast模型以及用于环境科学科学问答的Hypercube-RAG方法，旨在提高环境智能的准确性、效率和可解释性。

Comments 161 pages

Make It Long, Keep It Fast: End-to-End 10K Long User Behavior Sequence Modeling for Billion-Scale Douyin Recommendation

让序列变长，让速度保持快速：面向十万个用户行为序列的端到端推荐系统

Lin Guan, Jia-Qi Yang, Zhishan Zhao, Beichuan Zhang, Bo Sun, Xuanyuan Luo, Jinan Ni, Xiaowen Li, Yuhang Qi, Zhifang Fan, Hangyu Wang, Qiwei Chen, Yi Cheng, Feng Zhang, Xiao Yang

机构 * ByteDance Beijing China（字节跳动北京中国） ； ByteDance Shanghai China（字节跳动上海中国） ； ByteDance San Jose CA USA（字节跳动加州圣何塞 USA） ； ByteDance Hangzhou Zhejiang China（字节跳动杭州浙江中国） 纠错

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

AI总结 本文提出了一种端到端的推荐系统，能够处理长达10000个用户行为序列，通过引入堆叠的目标到历史交叉注意力机制、请求级别批量处理策略以及长度外推训练策略，实现了在大规模Douyin推荐中的高效长序列建模。

Comments WWW 2026. This work studies end-to-end 10K-scale long user behavior sequence modeling for billion-scale industrial recommendation on Douyin

From Intent to AI Pipelines: A Controlled Agentic Framework for Non-AI Expert Scientists

从意图到AI流水线：一种受领域驱动的可控代理框架，用于非AI专家科学家

Hyacinth Ali, Jessie Galasso-Carbonnel, Houari Sahraoui

机构 * University of Montreal（蒙特利尔大学） ； McGill University（麦吉尔大学） 纠错

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

AI总结 本文提出DDAP框架，通过分阶段交互帮助非AI专家科学家系统构建AI流水线及其实现代码，展示了可控代理框架在生成竞争性AI流水线方面的有效性。

Fine-grained List-wise Alignment for Generative Medication Recommendation

细粒度列表级对齐用于生成性药物推荐

Chenxiao Fan, Chongming Gao, Wentao Shi, Yaxin Gong, Zihao Zhao, Fuli Feng

机构 * University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 本文提出FLAME框架，通过细粒度列表级对齐方法，利用大语言模型生成药物列表，以提高药物推荐的准确性和安全性，同时考虑药物间的相互作用和潜在不良反应。

Comments NeurIPS 2025 Spotlight

Generative AI and the Productivity Divide: Human-AI Complementarities in Education

生成式AI与生产力差距：教育中的人类-人工智能互补性

Lihi Idan, Bharat Anand

机构 * Leonard N. Stern School of Business, New York University（纽约大学 Leonard N. Stern 商学院） ； Industrial and Systems Engineering Department, Texas A&M University（德克萨斯大学阿姆斯特朗工程学院） 纠错

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

AI总结 本研究探讨了生成式AI对不同用户生产力影响的异质性，发现AI交互能力（AIC）是决定AI使用效果的关键因素，通过概念图干预可减少不平等，强调需结合AIC微培训和标准流程以实现持续价值捕获。

NOETHER: A Constructive Framework for Metamorphic Pattern Discovery from Operator Algebras

NOETHER：从算子代数中构造性地发现元模式的框架

Meng Li, Xiaohua Yang, Jie Liu, Shiyu Yan

机构 * School of Computing, University of South China（南华大学计算机学院） ； Hunan Engineering Research Center of Software Evaluation and Testing for Intellectual Equipment（湖南软件测评与智能设备工程研究中心） ； CNNC Key Laboratory on High Trusted Computing（中核集团高可信计算重点实验室） 纠错

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

AI总结 本文提出NOETHER框架，通过从程序诱导的算子代数到元模式集的机械且可证明的下游步骤，解决元模式关系识别中的基础问题，同时通过三个算子代数领域验证了该框架的代数闭包和多项式时间可判定性。

Comments 71 pages, 18 tables, 1 figure. Under review at ACM Transactions on Software Engineering and Methodology. Supplementary materials (algorithm reference implementation, 84-MR PWR corpus, SE(3) case study harness, three-tier METRIC+ replication) at https://github.com/meng004/P1-MetaPattern

Your SaaS Is an Insurance Product: A Modeling Framework

你的 SaaS 是一种保险产品：一种建模框架

Caio Gomes

机构 * Magalu 纠错

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

AI总结 本文将 capped-usage SaaS 产品与保险产品进行类比，提出基于频率-严重性分解、保费计算原理和蒙特卡洛储备充足性的建模框架，用于 SaaS 价格建模。

Comments 23 pages, 2 figures, 7 tables. Companion code archived at DOI 10.5281/zenodo.20213155

From Prompts to Protocols: An AI Agent for Laboratory Automation

从提示到协议：一种用于实验室自动化的AI代理

Angelos Angelopoulos, James F. Cahoon, Ron Alterovitz

机构 * Department of Computer Science, University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校计算机科学系） ； Department of Chemistry, University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校化学系） 纠错

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

AI总结 本文提出一种整合大语言模型与实验室编排的AI代理，使科学家能通过自然语言创建和监控自动化实验协议，提升实验效率与准确性。

Automatic Construction of a Legal Citation Graph from 100 Million Ukrainian Court Decisions: Large-Scale Extraction, Topological Analysis, and Ontology-Driven Clustering

从1亿份乌克兰法院判决中自动构建法律引文图：大规模提取、拓扑分析和本体驱动聚类

Volodymyr Ovcharov

机构 * LEX AI LLC, Kyiv, Ukraine（LEX AI LLC，基耶夫，乌克兰） 纠错

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

AI总结 研究通过大规模提取和拓扑分析，构建了首个大规模法律引文图，揭示了司法引文结构编码法律领域边界并预测立法重要性。

Comments 15 pages, 7 figures, 2 tables, 21 references

CodeDistiller: Automatically Generating Code Libraries for Scientific Coding Agents

CodeDistiller：自动为科学编码代理生成代码库

Peter Jansen, Samiah Hassan, Pragnya Narasimha

机构 * University of Arizona（亚利桑那大学） ； Allen Institute for Artificial Intelligence（人工智能研究所） 纠错

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

AI总结 CodeDistiller通过自动提炼科学GitHub仓库代码，生成经过验证的领域特定代码库，提升科学发现系统实验的准确性与完整性。

Comments 8 pages, 3 figures, 3 tables. Accepted to ACL 2026 (Demo Track)

Agentic Design of Compositional Descriptors via Autoresearch for Materials Science Applications

通过Autoresearch进行组合描述符的代理设计用于材料科学应用

Matteo Cobelli, Stefano Sanvito

机构 * School of Physics（物理系） ； CRANN Institute, Trinity College, Dublin 2, Dublin, Ireland（CRANN研究所，三一学院，都柏林2号，都柏林，爱尔兰） 纠错

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

AI总结 本文通过Autoresearch框架设计输入描述符，利用大语言模型生成化学化合物的组合描述符，并通过随机森林工作流评估，提升了材料性质预测的性能。

MindGap: A Conversational AI Framework for Upstream Neuroplastic Intervention in Post-Traumatic Stress Disorder

MindGap：一种用于创伤后应激障碍上游神经可塑性干预的对话式AI框架

Eranga Bandara, Ross Gore, Asanga Gunaratna, Ravi Mukkamala, Nihal Siriwardanagea, Sachini Rajapakse, Isurunima Kularathna, Pramoda Karunarathna, Wathsala Herath, Chalani Rajapakse, Sachin Shetty, Anita H. Clayton, Christopher K. Rhea, Ng Wee Keong, Kasun De Zoysa, Amin Hass, Shaifali Kaushik, Preston Samuel, Atmaram Yarlagadda

机构 * Old Dominion University（旧 Dominion 大学） ； AI Motion Labs（AI Motion 实验室） ； Nanyang Technological University（南洋理工大学） ； University of Colombo（科伦坡大学） ； Accenture Technology Labs（Accenture 技术实验室） ； Department of Psychiatry and Neurobehavioral Sciences（精神病学与神经行为科学系） ； University of Virginia School of Medicine（弗吉尼亚大学医学院） ； Blanchfield Army Community Hospital（Blanchfield 军队社区医院） ； McDonald Army Health Center（McDonald 军队健康中心） 纠错

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

AI总结 MindGap通过依赖起源于佛教心理框架的三层观察层，实现对PTSD患者神经可塑性康复的结构化干预，通过设备端运行的轻量级大语言模型提供每日校准暴露训练，实现对神经可塑性路径的上游溶解。

VerbalValue: A Socially Intelligent Virtual Host for Sales-Driven Live Commerce

VerbalValue：面向销售驱动直播电商的社会智能虚拟主持人

Yuyan Chen

机构 * Cornell University（康奈尔大学） 纠错

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

AI总结 本文提出VerbalValue，一种以销售转化为导向的虚拟主持人，通过构建产品知识库和销售术语词典，结合大语言模型微调，提升直播电商中的信息传达和说服力。

Comments Accepted to the CVPR 2026 HiGen Workshop

A Non-Destructive Methodological Framework for Modernizing Legacy Clinical Reporting Systems for AI-Driven Pharmacoinformatics: A SAS Case Study

一种非破坏性的方法论框架用于现代ize遗留临床报告系统以实现AI驱动的药理信息学：SAS案例研究

Jaime Yan

机构 * Harrisburg University of Science and Technology（哈里斯堡科学与技术大学） 纠错

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

AI总结 本文提出非破坏性框架，通过元数据层实现遗留系统与AI的兼容，SAS案例显示其在保持原有功能的同时提升AI处理能力，减少专有代码并验证药理学应用效果。

Comments 29 pages, 7 figures, 5 tables

Multimodal Graph-based Classification of Esophageal Motility Disorders

基于多模态图的食管动力障碍分类

Alexander Geiger, Lars Wagner, Daniel Rueckert, Alois Knoll, Dirk Wilhelm, Alissa Jell

机构 * Technical University of Munich, School of Medicine and Health, TUM University Hospital Rechts der Isar（慕尼黑技术大学医学院与健康学院，TUM医院Rechts der Isar分院） ； Technical University of Munich, School of Computation, Information and Technology（慕尼黑技术大学计算、信息与技术学院） 纠错

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

AI总结 本文提出结合高分辨率阻抗测压仪数据与患者信息的多模态图分类方法，通过图神经网络学习生理意义的表示，提升食管动力障碍分类的准确性。

OpenAaaS: An Open Agent-as-a-Service Framework for Distributed Materials-Informatics Research

OpenAaaS：一种用于分布式材料信息学研究的开源代理即服务框架

Peng Kang, Bixuan Li, Xiaoya Huang, Shuo Shi, Weiqiao Zhou, Zhen Li, Yu Liu, Lei Zheng

机构 * National Key Laboratory of AI for Materials Science（人工智能材料科学国家重点实验室） ； Tianmushan Laboratory（天幕山实验室） ； Beihang University（北京航空航天大学） 纠错

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

AI总结 OpenAaaS提出一种开源的分层分布式代理即服务框架，通过代码流、数据不动原则实现跨领域安全集成，解决材料设计中的长期迭代和复杂机制问题。

Comments 20 pages 5 figures

AI CFD Scientist: Toward Open-Ended Computational Fluid Dynamics Discovery with Physics-Aware AI Agents

AI CFD科学家：借助物理感知AI代理实现开放式计算流体力学发现

Nithin Somasekharan, Rabi Pathak, Manushri Dhanakoti, Tingwen Zhang, Ling Yue, Andy Zhu, Shaowu Pan

机构 * Rensselaer Polytechnic Institute（拉特格斯理工学院） 纠错

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

AI总结 本文提出AI CFD科学家，通过结合文献引导的构思、验证执行、基于视觉的物理验证、源代码修改和图基写作，实现计算流体力学的开放式发现。

Comments 9 main pages and rest in appendix

Predicting Psychological Well-Being from Spontaneous Speech using LLMs

从自发言语预测心理幸福感使用大语言模型

Erfan Loweimi, Sofia de la Fuente Garcia, Saturnino Luz

机构 * University of Edinburgh（爱丁堡大学） ； Centre for Medical Informatics (CMI) Usher Institute University of Edinburgh（医学信息学中心（CMI）乌舍研究所爱丁堡大学） 纠错

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

AI总结 研究利用大语言模型对自发语音进行零样本预测，探索其在心理幸福感评分中的应用，发现模型能提取语义信息，实现高达0.8的相关性，并通过统计分析和词云分析提升可解释性。

Evolving Roles of LLMs in Scientific Innovation: Assistant, Collaborator, Scientist, and Evaluator

大语言模型在科学创新中的演变角色：助手、合作者、科学家和评估者

Haoxuan Zhang, Ruochi Li, Yang Zhang, Ting Xiao, Jiangping Chen, Junhua Ding, Haihua Chen

机构 * Department of Information Science, University of North Texas（北卡罗来纳州立大学信息科学系） ； Department of Computer Science, North Carolina State University（北卡罗来纳州立大学计算机科学系） ； Department of Data Science, University of North Texas（得克萨斯大学数据科学系） ； School of Information Sciences, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校信息科学学院） 纠错

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

AI总结 本文提出四角色框架，区分研究支持与前沿发现，分析各角色方法、基准和评估实践，强调AI科学进步需兼顾模型能力与评估、监督、责任及机构整合。