语言大模型 / LLM

Conversational Agents and the Understanding of Human Language: Reflections on AI, LLMs, and Cognitive Science

对话代理与人类语言的理解：对人工智能、大语言模型和认知科学的反思

Andrei Popescu-Belis

机构 * HEIG-VD / HES-SO（瑞士西部应用科学与艺术大学伊韦尔东工程与管理高等学院） ； EPFL（瑞士洛桑联邦理工学院） 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 本文探讨计算机自然语言处理与人类语言能力理解的关系，分析NLP发展与语言能力理论的异同，指出语言技术的进步未显著深化人类语言处理机制的理解。

Comments 7 pages

TianJi:An autonomous AI meteorologist for discovering physical mechanisms in atmospheric science

TianJi:一种自主AI气象学家，用于发现大气科学中的物理机制

Kaikai Zhang, Xiang Wang, Haoluo Zhao, Nan Chen, Mengyang Yu Jing-Jia Luo, Tao Song, Fan Meng

机构 * School of Artificial Intelligence, Nanjing University of Information Science and Technology（南京信息工程大学人工智能学院） ； State Key Laboratory of Climate System Prediction and Risk Management (CPRM), Nanjing University of Information Science and Technology（南京信息工程大学气候系统预测与风险管理国家重点实验室） ； College of Computer Science and Technology, China University of Petroleum（中国石油大学计算机科学与技术学院） 纠错

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

AI总结 TianJi通过自主驱动复杂数值模型验证物理机制，实现零人工干预的高效大气科学研究，压缩研究周期至数小时。

Clinical named entity recognition in the Portuguese language: a benchmark of modern BERT models and LLMs

葡萄牙语临床命名实体识别：现代BERT模型和LLM的基准测试

Vinicius Anjos de Almeida, Sandro Saorin da Silva, Josimar Chire, Leonardo Vicenzi, Nícolas Henrique Borges, Helena Kociolek, Sarah Miriã de Castro Rocha, Frederico Nassif Gomes, Júlia Cristina Ferreira, Oge Marques, Lucas Emanuel Silva e Oliveira

机构 * Spesia ； Faculdade de Medicina, Universidade de São Paulo（圣保罗大学医学院） ； Pontifícia Universidade Católica do Paraná (PUCPR)（巴拉那天主教大学） ； Florida Atlantic University（佛罗里达大西洋大学） ； Universidade Federal do Paraná (UFPR)（巴拉那联邦大学） 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 本文评估了BERT和LLM在葡萄牙语临床命名实体识别中的表现，发现mmBERT-base在微平均F1分数上表现最佳，通过迭代分层和过采样策略提升了性能。

Comments Under peer review. GitHub: https://github.com/GRUPOMED4U/clinical_ner_benchmark_paper

ClimateCheck 2026: Scientific Fact-Checking and Disinformation Narrative Classification of Climate-related Claims

ClimateCheck 2026：气候相关主张的科学事实核查与虚假信息叙述分类

Raia Abu Ahmad, Max Upravitelev, Aida Usmanova, Veronika Solopova, Georg Rehm

机构 * Deutsches Forschungszentrum für Künstliche Intelligenz GmbH (DFKI)（德国人工智能研究中心） ； Technische Universität Berlin（柏林工业大学） ； Leuphana Universität Lüneburg（吕讷堡大学） ； Humboldt-Universität zu Berlin（柏林洪堡大学） 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 ClimateCheck 2026通过扩大训练数据和新增虚假信息叙述分类任务，挑战气候相关主张的自动核查，揭示传统指标的系统性偏差。

Comments Accepted at NSLP@LREC 2026

Retrieval-Augmented Generation Based Nurse Observation Extraction

基于检索增强生成的护士观察提取

Kyomin Hwang, Nojun Kwak

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

AI总结 本文提出自动流程减轻护士负担，通过RAG方法提取临床观察，达到0.796的F1分数。

Not Minds, but Signs: Reframing LLMs through Semiotics

并非心灵，而是符号：通过符号学重新审视大语言模型

Davide Picca

机构 * University of Lausanne（洛桑大学） 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 本文挑战将大语言模型视为认知系统的倾向，提出符号学视角，强调模型通过符号操作和意义生成参与文化过程，而非模拟人类思维。

AVO: Agentic Variation Operators for Autonomous Evolutionary Search

AVO：用于自主进化搜索的代理变异算子

Terry Chen, Zhifan Ye, Bing Xu, Zihao Ye, Timmy Liu, Ali Hassani, Tianqi Chen, Andrew Kerr, Haicheng Wu, Yang Xu, Yu-Jung Chen, Hanfeng Chen, Aditya Kane, Ronny Krashinsky, Ming-Yu Liu, Vinod Grover, Luis Ceze, Roger Bringmann, John Tran, Wei Liu, Fung Xie, Michael Lightstone, Humphrey Shi

机构 * NVIDIA 纠错

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

AI总结 AVO通过自主代理实现变异操作，取代传统进化搜索中的固定突变和交叉操作，展示了在多头注意力中发现超越cuDNN和FlashAttention-4的优化结果。

Toward Ultra-Long-Horizon Agentic Science: Cognitive Accumulation for Machine Learning Engineering

迈向超长视界代理科学：认知积累用于机器学习工程

Xinyu Zhu, Yuzhu Cai, Zexi Liu, Bingyang Zheng, Cheng Wang, Rui Ye, Yuzhi Zhang, Linfeng Zhang, Weinan E, Siheng Chen, Yanfeng Wang

机构 * School of Artificial Intelligence（人工智能学院） ； DP Technology（DP技术） ； Shanghai AI Laboratory（上海人工智能实验室） 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ML-Master 2.0，通过认知积累机制解决超长视界自主性问题，实现机器学习工程的高效探索。

Comments 25 pages. 5 figures

FinToolSyn: A forward synthesis Framework for Financial Tool-Use Dialogue Data with Dynamic Tool Retrieval

FinToolSyn: 一种用于金融工具使用对话数据的前向合成框架，具有动态工具检索

Caishuang Huang, Yang Qiao, Rongyu Zhang, Junjie Ye, Pu Lu, Wenxi Wu, Meng Zhou, Xiku Du, Tao Gui, Qi Zhang, Xuanjing Huang

机构 * College of Computer Science and Artificial Intelligence, Fudan University（复旦大学计算机科学与人工智能学院） ； FiT, Tencent（腾讯FiT） ； Zhejiang University（浙江大学） 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 本文提出FinToolSyn框架，通过动态工具检索生成高质量金融对话数据，构建43,066个工具库并合成148k对话实例，提升金融场景下的工具调用能力。

Leveraging LLMs and Social Media to Understand User Perception of Smartphone-Based Earthquake Early Warnings

利用大型语言模型和社会媒体理解智能手机地震预警的用户感知

Hanjing Wang, S. Mostafa Mousavi, Patrick Robertson, Richard M. Allen, Alexie Barski, Robert Bosch, Nivetha Thiruverahan, Youngmin Cho, Tajinder Gadh, Steve Malkos, Boone Spooner, Greg Wimpey, Marc Stogaitis

机构 * Department of Earth and Planetary Sciences, Harvard University（哈佛大学地球与行星科学系） ； Google LLC（谷歌公司） ； Seismological Laboratory, University of California, Berkeley（加州大学伯克利分校地震实验室） ； Google Germany GmbH（谷歌德国公司） 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 本文通过分析社交媒体数据，探讨用户对智能手机地震预警系统的感知，发现用户信任与预警及时性密切相关，揭示了系统准确性的用户定义差异。

Discriminative Representation Learning for Clinical Prediction

判别表示学习用于临床预测

Yang Zhang, Li Fan, Samuel Lawrence, Shi Li

机构 * The University of Hong Kong (HKU)（香港大学） 纠错

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

AI总结 本文提出一种监督深度学习框架，通过最大化类间分离与类内方差比，提升临床预测性能，优于其他预训练方法。

The Spillover Effects of Peer AI Rinsing on Corporate Green Innovation

同伴AI洗白对 corporate绿色创新的溢出效应

Li Wenxiu, Wen Zhanjie, Xia Jiechang, Guo Jingqiao

机构 * School of Economics and Trade, Guangdong University of Finance（广东财经大学经济贸易学院） ； Institute of Finance and Economics, Chinese Academy of Social Sciences（中国社会科学院金融经济研究所） ； Department of Computer Science, Faculty of Science, Hong Kong Baptist University（香港 Baptist 大学科学学院计算机科学系） 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 本文通过分析中国企业年报文本，探讨AI洗白对绿色创新的挤出效应，发现其通过产品和资本市场双重渠道影响，且在不同企业类型和行业存在异质性，提出政策工具组合以改善市场均衡。

Comments 32 pages, 6 tables, empirical research on corporate finance & digital economy, using Chinese A-share listed companies data (2006-2024), incorporating agent-based modelling simulations, suitable for finance/innovation economics journals

Revisiting Gene Ontology Knowledge Discovery with Hierarchical Feature Selection and Virtual Study Group of AI Agents

重新审视基因本体知识发现：基于层次特征选择和人工智能代理虚拟学习小组

Cen Wan, Alex A. Freitas

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

AI总结 本文提出基于人工智能代理的虚拟学习小组，通过层次特征选择提取与衰老相关的生物知识，验证了其在不同模式生物中的有效性。

ReXInTheWild: A Unified Benchmark for Medical Photograph Understanding

ReXInTheWild：医疗照片理解的统一基准

Oishi Banerjee, Sung Eun Kim, Alexandra N. Willauer, Julius M. Kernbach, Abeer Rihan Alomaish, Reema Abdulwahab S. Alghamdi, Hassan Rayhan Alomaish, Mohammed Baharoon, Xiaoman Zhang, Julian Nicolas Acosta, Christine Zhou, Pranav Rajpurkar

机构 * Department of Biomedical Informatics, Harvard Medical School（哈佛医学院生物医学信息学系） ； National Strategic Technology Research Institute, Seoul National University Hospital（首尔国立大学医院国家战略技术研究所） ； Department of Medicine, Division of Gastroenterology, Massachusetts General Hospital（麻省总医院内科与消化内科部门） ； Department of Neuroradiology, Heidelberg University Hospital（海德堡大学医院神经放射科部门） ； King Abdulaziz Medical City, National Guard Health Affairs（国王阿卜杜勒-阿齐兹医疗城，国民守卫健康事务局） ； Division of Pulmonary, Critical Care, and Sleep Medicine, University of Cincinnati（辛辛那提大学肺科、重症医学及睡眠医学部门） 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ReXInTheWild基准，通过484张医学文献来源的照片和7个临床主题的955个多项选择问题，评估视觉-语言模型对医疗照片内容的理解能力，揭示不同模型在细粒度图像理解和医学推理上的性能差异。

Comments 11 pages, 4 figures

Adapting Methods for Domain-Specific Japanese Small LMs: Scale, Architecture, and Quantization

为领域特定的日语小型语言模型适应方法：规模、架构和量化

Takato Yasuno

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

AI总结 本文提出系统方法构建日语领域特定小型语言模型，通过QLoRA微调解决训练规模、基础模型选择和架构感知量化问题，实验显示Swallow-8B在Q4_K_M量化下表现最佳，适用于低资源技术领域。

Comments 16 pages, 11 figures, 6 tables

Caging the Agents: A Zero Trust Security Architecture for Autonomous AI in Healthcare

将代理笼中：面向医疗AI自主系统的零信任安全架构

Saikat Maiti

机构 * VP of Trust, Commure（Commure 职务负责人） ； Founder & CEO, nFactor Technologies（nFactor Technologies 创始人及首席执行官） 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 本文提出零信任安全架构，用于医疗AI自主代理，通过多层防御机制解决代理在医疗环境中存在的关键安全漏洞，包括凭证泄露、执行能力滥用等，并开源相关配置和工具。

Comments Keywords: agentic AI security, autonomous agents, healthcare cybersecurity, zero trust, prompt injection, HIPAA, Kubernetes security, OpenClaw

Trust, Safety, and Accuracy: Assessing LLMs for Routine Maternity Advice

信任、安全与准确性：评估LLMs用于常规产科咨询

V Sai Divya, A Bhanusree, Rimjhim, K Venkata Krishna Rao

机构 * National Institute of Technology, Warangal, India（印度战争格尔国家理工学院） 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 本研究评估了LLMs在提供可靠且易懂的产科信息方面的表现，发现Perplexity在语义上与专家接近，而ChatGPT-4o在文本清晰度和医学术语使用上更优，为偏远地区产科教育提供了可行的AI解决方案。

A Scoping Review of AI-Driven Digital Interventions in Mental Health Care: Mapping Applications Across Screening, Support, Monitoring, Prevention, and Clinical Education

关于AI驱动的数字干预在心理健康护理中的综述：跨筛查、支持、监控、预防和临床教育的应用映射

Yang Ni, Fanli Jia

机构 * School of International and Public Affairs（国际与公共事务学院） ； Columbia University（哥伦比亚大学） ； Department of Psychology（心理学系） ； Seton Hall University（塞顿·霍尔大学） 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 本文综述了AI驱动的数字干预在心理健康护理中的应用，涵盖筛查、支持、监控、预防和临床教育五个阶段，总结了LLM、ML模型和自主对话代理的应用，并提出四支柱框架以指导AI增强的心理健康护理发展。

Comments Please cite the published version. Thank you. Y. Ni and F. Jia. 2025. A Scoping Review of AI-Driven Digital Interventions in Mental Health Care: Mapping Applications Across Screening, Support, Monitoring, Prevention, and Clinical Education. Healthcare 13, 10 (2025), 1205. DOI:https://doi.org/10.3390/healthcare13101205

Journal ref Healthcare 2025, 13(10), 1205

MedArena: Comparing LLMs for Medicine-in-the-Wild Clinician Preferences

MedArena: 比较医疗领域LLM的临床医生偏好

Eric Wu, Kevin Wu, Jason Hom, Paul H. Yi, Angela Zhang, Alejandro Lozano, Jeff Nirschl, Jeff Tangney, Kevin Byram, Braydon Dymm, Narender Annapureddy, Eric Topol, David Ouyang, James Zou

机构 * Department of Electrical Engineering, Stanford University（斯坦福大学电气工程系） ； Department of Biomedical Data Science, Stanford University（斯坦福大学生物医学数据科学系） ； Division of Hospital Medicine, Department of Medicine, Stanford School of Medicine（斯坦福医学院医学部住院医学科） ； Department of Radiology, St. Jude Children's Research Hospital（圣 Jude 儿童研究医院放射科） ； University of California, San Francisco（旧金山大学） ； Department of Pathology and Laboratory Medicine, University of Wisconsin School of Medicine and Public Health（威斯康星大学医学与公共卫生学院病理学与实验室医学系） ； Doximity, San Francisco, CA, USA（Doximity公司） ； Department of Medicine, Division of Rheumatology and Immunology, Vanderbilt University Medical Center（范德比尔特大学医学中心医学系风湿病与免疫学科） ； Department of Neurology, Charleston Area Medical Center（查尔斯顿医疗中心神经科） ； Department of Translational Medicine, Scripps Research Translational Institute（斯克里普斯研究转化研究所转化医学系） ； Kaiser Permanente Division of Research（凯撒医疗集团研究部） 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 MedArena通过真实临床问题和医生偏好比较LLM，揭示临床实用性与基准性能的差异，强调可读性和临床细节的重要性。

How Do Medical MLLMs Fail? A Study on Visual Grounding in Medical Images

医学 MLLMs 如何失效？对医学图像中视觉语义关联的探讨

Guimeng Liu, Tianze Yu, Somayeh Ebrahimkhani, Lin Zhi Zheng Shawn, Kok Pin Ng, Ngai-Man Cheung

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

AI总结 本文研究了医学 MLLMs 在视觉关联上的不足，通过设计 VGMED 数据集和 VGRefine 方法，验证了其在医学图像任务中的性能瓶颈。

Comments Published as a conference paper at ICLR 2026

Automatic Inter-document Multi-hop Scientific QA Generation

自动跨文档多跳科学问答生成

Seungmin Lee, Dongha Kim, Yuni Jeon, Junyoung Koh, Min Song

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AIM-SciQA框架，通过大语言模型生成多文档多跳科学问答数据集，结合语义对齐和引用信息提升事实一致性，构建IM-SciQA数据集并验证其在检索增强推理中的有效性。

Comments 14 pages, 5 figures, 8 tables. Accepted to the 2026 International Conference on Language Resources and Evaluation (LREC 2026)

EviAgent: Evidence-Driven Agent for Radiology Report Generation

EviAgent：基于证据的放射学报告生成代理

Tuoshi Qi, Shenshen Bu, Yingfei Xiang, Zhiming Dai

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

AI总结 EviAgent通过引入多维视觉专家和检索机制，解决放射学报告生成中的透明性与证据支持问题，实验表明其在多个数据集上优于通用和专用模型。

OpenExtract: Automated Data Extraction for Systematic Reviews in Health

OpenExtract：用于健康系统综述的自动化数据提取

Jim Achterberg, Bram Van Dijk, Jing Meng, Saif Ul Islam, Gregory Epiphaniou, Carsten Maple, Xuefei Ding, Theodoros N. Arvanitis, Simon Brouwer, Marcel Haas, Marco Spruit

机构 * Leiden University Medical Center, The Netherlands（莱顿大学医学中心，荷兰） ； Leiden Institute of Advanced Computer Science, Leiden University, The Netherlands（莱顿高级计算机科学研究所，莱顿大学，荷兰） ； University of Warwick, UK（沃里克大学，英国） ； School of Engineering, University of Birmingham, UK（伯明翰大学工程学院，英国） ； Syntho BV, The Netherlands（Syntho公司，荷兰） 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 OpenExtract是一种开源管道，通过大型语言模型预测科学文章相关部分的数据条目，用于大规模系统文献综述，其在数字健康领域的测试中实现了超过80%的精度和召回率。

Legal-DC: Benchmarking Retrieval-Augmented Generation for Legal Documents

Legal-DC: 用于法律文档的检索增强生成基准测试

Yaocong Li, Qiang Lan, Leihan Zhang, Le Zhang

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

AI总结 本研究提出Legal-DC基准测试，通过构建专门的法律文档数据集和LegRAG框架，提升中国法律检索增强生成系统的效果和可靠性。

Comments 20 pages, 4 figures, to be submitted to a conference/journal

AI Knows What's Wrong But Cannot Fix It: Helicoid Dynamics in Frontier LLMs Under High-Stakes Decisions

AI知错却无法修复：前沿大语言模型在高风险决策中的螺旋动态

Alejandro R Jadad

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

AI总结 前沿大语言模型在高风险决策中表现出螺旋动态，即在错误中自我识别却无法修复，导致可靠性下降，需通过识别该模式以提升AI信任度。

Comments 22 pages, 2 tables, 1 appendix

Llettuce: An Open Source Natural Language Processing Tool for the Translation of Medical Terms into Uniform Clinical Encoding

Llettuce：一种用于将医学术语翻译成统一临床编码的开源自然语言处理工具

James Mitchell-White, Reza Omdivar, Benjamin Partridge, Esmond Urwin, Karthikeyan Sivakumar, Ruizhe Li, Andy Rae, Xiaoyan Wang, Theresia Mina, Tom Giles, Diego Garcia-Gil, Tim Beck, John Chambers, Grazziela Figueredo, Philip R Quinlan

机构 * Centre for Health Informatics, School of Medicine, The University of Nottingham（诺丁汉大学医学院健康信息学中心） ； Digital Research Service, The University of Nottingham（诺丁汉大学数字研究服务） ； NIHR Nottingham Biomedical Research Centre（尼日利亚生物医学研究中心） ； Lee Kong Chian School of Medicine, Nanyang Technological University, Singapore（南洋理工大学新加坡李科贤医学院） ； Department of Software Engineering, Andalusian Institute of Data Science and Computational Intelligence (DaSCI), University of Granada, 18012, Granada, Spain（安达卢西亚数据科学与计算智能研究所（DaSCI）软件工程系，格拉纳达大学，18012，格拉纳达，西班牙） 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 Llettuce是一种开源工具，通过自然语言处理技术将医学术语自动转换为OMOP标准概念，兼顾数据安全与高性能。

Conversational AI-Enhanced Exploration System to Query Large-Scale Digitised Collections of Natural History Museums

对话式AI增强的探索系统用于查询自然历史博物馆大规模数字化收藏

Yiyuan Wang, Andrew Johnston, Zoë Sadokierski, Rhiannon Stephens, Shane T. Ahyong

机构 * School of Computer Science, University of Technology Sydney（技术科技大学计算机科学学院） ； School of Design, University of Technology Sydney（技术科技大学设计学院） ； Australian Museum Research Institute, Australian Museum（澳大利亚博物馆研究 institute, 澳大利亚博物馆） ； Australian Museum（澳大利亚博物馆） 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 本文提出利用对话式AI查询自然历史博物馆大规模数字化收藏的系统，通过交互式地图和自然语言代理实现高效的数据检索与探索。

Comments 25 pages, 9 figures

Social Knowledge for Cross-Domain User Preference Modeling

社交知识用于跨领域用户偏好建模

Nir Lotan, Adir Solomon, Ido Guy, Einat Minkov

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

AI总结 本文提出利用大规模社交建模方法，通过用户偏好和流行实体的联合嵌入空间，实现跨领域用户偏好预测与个性化，提升零样本场景下的表现。

Adversarial Hubness Detector: Detecting Hubness Poisoning in Retrieval-Augmented Generation Systems

对抗性中心性检测器：在检索增强生成系统中检测中心性污染

Idan Habler, Vineeth Sai Narajala, Stav Koren, Amy Chang, Tiffany Saade

机构 * Idan Habler ； Vineeth Sai Narajala ； Stav Koren ； Amy Chang ； Tiffany Saade 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 Hubscan通过多检测器架构检测RAG系统中的对抗性中心性问题，利用统计分析、聚类扩展、稳定性测试和领域感知方法，有效识别并隔离潜在的安全威胁。

Comments 11 pages, 5 figures, 2 tables, Github: https://github.com/cisco-ai-defense/adversarial-hubness-detector, Updated with minor changes to naming

EvoScientist: Towards Multi-Agent Evolving AI Scientists for End-to-End Scientific Discovery

EvoScientist: 向多智能体进化AI科学家迈进以实现端到端的科学发现

Yougang Lyu, Xi Zhang, Xinhao Yi, Yuyue Zhao, Shuyu Guo, Wenxiang Hu, Jan Piotrowski, Jakub Kaliski, Jacopo Urbani, Zaiqiao Meng, Lun Zhou, Xiaohui Yan

机构 * Huawei Technologies Co., Ltd.（华为技术有限公司） 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 EvoScientist通过多智能体进化和持久记忆提升科学发现效率，实现端到端的科学发现任务。