语言大模型 / LLM

S2S-FDD: Bridging Industrial Time Series and Natural Language for Explainable Zero-shot Fault Diagnosis

S2S-FDD：连接工业时间序列与自然语言用于可解释的零样本故障诊断

Baoxue Li, Chunhui Zhao

机构 * 1. State Key Laboratory of Industrial Control Technology, College of Control Science ； Engineering Zhejiang University Hangzhou, China ； Engineering Zhejiang University 2. School of Information ； Electrical Engineering, Zhejiang University City College Hangzhou, China 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 S2S-FDD通过将高维传感器信号转换为自然语言摘要，并结合树状结构诊断方法，实现可解释的零样本故障诊断。

AI Agents, Language, Deep Learning and the Next Revolution in Science

人工智能代理、语言、深度学习与科学的下一次革命

Ke Li, Beijiang Liu, Bruce Mellado, Changzheng Yuan, Zhengde Zhang

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

AI总结 本文提出基于深度学习的智能代理作为科学方法的下一次进化，通过多代理推理框架在粒子物理中实现科学发现的扩展与知识生产的革新。

Comments This perspective paper is accepted by Frontier of Physics

Journal ref Front. Phys., 2026, 21(9): 096401

Helix: Evolutionary Reinforcement Learning for Open-Ended Scientific Problem Solving

Helix：基于进化强化学习的开放性科学问题求解

Chang Su, Zhongkai Hao, Zhizhou Zhang, Zeyu Xia, Youjia Wu, Hang Su, Jun Zhu

机构 * Bosch (China) Investment Co., Ltd.（博世（中国）投资有限公司） ； Tsinghua-Bosch Joint Center for ML, Tsinghua University（清华大学-博世联合人工智能中心，清华大学） ； Dept. of EE, Tsinghua University（清华大学电子工程系） ； Dept. of Comp. Sci. & Techn., Tsinghua University（清华大学计算机科学与技术系） 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 HELIX通过分层进化强化学习框架，在开放性科学问题求解中实现了先进解决方案的发现，其在圆圈装箱任务中取得state-of-the-art结果，并在机器学习基准测试中超越GPT-4o。

Comments Accepted at ICLR 2026

Deterministic Fuzzy Triage for Legal Compliance Classification and Evidence Retrieval

确定性模糊分诊用于法律合规分类和证据检索

Rian Atri

机构 * Rian Atri 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 本文提出了一种确定性双编码器和透明模糊分诊方法，用于法律合规分类和证据检索，实现了高精度和可解释性。

Comments 8 pages, 5 figures. Published in the Proceedings of the AAAI Bridge between Artificial Intelligence and Law 2026 (Full papers), pages 51-58

Journal ref Proceedings of the AAAI Bridge between Artificial Intelligence and Law 2026 (Full papers), pages 51-58, January 21, 2026, AAAI 2026 Bridge Program, Singapore

Causal Retrieval with Semantic Consideration

具有语义考虑的因果检索

Hyunseo Shin, Wonseok Hwang

机构 * Department of Artificial Intelligence, University of Seoul, Seoul 02504, South Korea（人工智能系，首尔大学，首尔） 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 CAWAI是一种结合语义和因果关系的检索模型，通过双重训练目标在因果检索任务中表现优异，尤其在大规模检索场景中具有良好的泛化能力。

From Statistical Fidelity to Clinical Consistency: Scalable Generation and Auditing of Synthetic Patient Trajectories

从统计保真到临床一致性：可扩展的合成患者轨迹生成与审计

Guanglin Zhou, Armin Catic, Motahare Shabestari, Matthew Young, Chaiquan Li, Katrina Poppe, Sebastiano Barbieri

机构 * The University of Queensland（昆士兰大学） ； The University of New South Wales（新南威尔士大学） ； Shahid Sadoughi University of Medical Sciences（沙希德·萨多格伊医学科学与健康服务大学） ； The University of Auckland（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.LG

AI总结 本研究提出了一种生成和审计合成患者轨迹的方法，通过高保真生成和大规模审计确保临床一致性，从而提升数字健康研究中数据的安全性和有效性。

Comments 23 pages, 8 figures, 6 tables; Code:https://github.com/jameszhou-gl/Coogee

Prompt Group-Aware Training for Robust Text-Guided Nuclei Segmentation

基于提示组的鲁棒文本引导核分割训练

Yonghuang Wu, Zhenyang Liang, Wenwen Zeng, Xuan Xie, Jinhua Yu

机构 * Fudan University, Shanghai, China（复旦大学，上海，中国） 纠错

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

AI总结 本文提出基于提示组的鲁棒文本引导核分割训练方法，通过组内一致性约束和质量引导正则化提升分割鲁棒性和泛化能力。

Sentiment Analysis of Citations in Scientific Articles Using ChatGPT: Identifying Potential Biases and Conflicts of Interest

利用ChatGPT对科学文章中的引用进行情感分析：识别潜在的偏见和利益冲突

Walid Hariri

机构 * Labged Laboratory, Computer Science department（计算机科学系实验室） ； Badji Mokhtar Annaba University（巴吉·莫克塔尔安纳巴大学） 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 本文利用ChatGPT对科学论文中的引用进行情感分析，以识别潜在的偏见和利益冲突，提升学术研究的诚信度。

Analyzing the Performance of ChatGPT in Cardiology and Vascular Pathologies

分析ChatGPT在心血管病和血管病理学中的性能

Walid Hariri

机构 * Labged Laboratory, Computer Science department（Labged实验室，计算机科学系） ； Badji Mokhtar Annaba University（Badji Mokhtar安纳巴大学） 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 研究评估ChatGPT在医学教育中回答心血管病和血管病理学难题的性能，结果显示其在准确性上优于两名医学学生。

MedCoRAG: Interpretable Hepatology Diagnosis via Hybrid Evidence Retrieval and Multispecialty Consensus

MedCoRAG：通过混合证据检索和多专科共识进行可解释的肝病诊断

Zheng Li, Jiayi Xu, Zhikai Hu, Hechang Chen, Lele Cong, Yunyun Wang, Shuchao Pang

机构 * School of Cyber Science and Engineering, Nanjing University of Science and Technology（南京理工大学信息科学与工程学院） ； School of Artificial Intelligence, Jilin University（吉林大学人工智能学院） ； Department of Neurology, China-Japan Union Hospital of Jilin University（吉林大学中日联谊医院神经内科） ； Department of Anesthesiology, China-Japan Union Hospital of Jilin University（吉林大学中日联谊医院麻醉科） ； School of Computing, Macquarie University（麦考瑞大学计算机学院） 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 MedCoRAG通过混合证据检索和多专科共识，提升肝病诊断的可解释性和准确性。

Coupling Local Context and Global Semantic Prototypes via a Hierarchical Architecture for Rhetorical Roles Labeling

通过分层架构耦合局部上下文和全局语义原型以实现修辞角色标注

Anas Belfathi, Nicolas Hernandez, Laura Monceaux, Warren Bonnard, Mary Catherine Lavissiere, Christine Jacquin, Richard Dufour

机构 * Nantes Université, École Centrale Nantes, CNRS, LS2N, UMR 6004（南特大学，中央理工学院，CNRS，LS2N，UMR 6004） ； University of Lorraine（洛林大学） 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 本文提出两种基于原型的方法，结合局部上下文和全局语义，通过SCOTUS-Law数据集验证在法律、医学和科学领域修辞角色标注任务中的有效性。

Comments Accepted at EACL 2026

Leveraging Imperfection with MEDLEY A Multi-Model Approach Harnessing Bias in Medical AI

利用不完美性：MEDLEY：一种多模型方法，利用医学AI中的偏差

Farhad Abtahi, Mehdi Astaraki, Fernando Seoane

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

AI总结 MEDLEY提出了一种多模型框架，通过保留模型多样性而非压缩共识，利用医学AI中的偏差提升诊断准确性与透明度。

Journal ref Front. Artif. Intell., Volume 9 (2026)

From Privacy to Trust in the Agentic Era: A Taxonomy of Challenges in Trustworthy Federated Learning Through the Lens of Trust Report 2.0

从隐私到信任在代理时代：通过信任报告2.0的视角，对可信联邦学习中挑战的分类

Nuria Rodríguez-Barroso, Mario García-Márquez, M. Victoria Luzón, Francisco Herrera

机构 * Department of Computer Science and Artificial Intelligence, Andalusian Research Institute in Data Science and Computational Intelligence (DaSCI) University of Granada（计算机科学与人工智能系，数据科学与计算智能安达卢西亚研究 institute，格拉纳达大学） ； Department of Software Engineering, Andalusian Research Institute in Data Science and Computational Intelligence (DaSCI) University of Granada（软件工程系，数据科学与计算智能安达卢西亚研究 institute，格拉纳达大学） 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 本文通过信任报告2.0提出可信联邦学习的挑战分类，强调信任作为持续维持的操作条件，并引入协调蓝图以处理跨要求的权衡和治理对齐。

Comments Already published in Information Fusion

Journal ref Rodríguez-Barroso, et. al. (2026). From Privacy to Trust in the Agentic Era: A Taxonomy of Challenges in Trustworthy Federated Learning Through the Lens of Trust Report 2.0. Information Fusion, 104236

QiMeng-CRUX: Narrowing the Gap Between Natural Language and Verilog via Core Refined Understanding eXpression for Circuit Design

QiMeng-CRUX: 通过核心精细化理解表达缩小自然语言与Verilog之间的差距以电路设计

Lei Huang, Rui Zhang, Jiaming Guo, Yang Zhang, Di Huang, Shuyao Cheng, Pengwei Jin, Chongxiao Li, Zidong Du, Xing Hu, Yunji Chen, Qi Guo

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

AI总结 QiMeng-CRUX通过核心精细化理解表达缩小自然语言与Verilog之间的差距，提升硬件代码生成的准确性和效率。

Comments Accepted by the AAAI26 Conference Main Track

Re4: Scientific Computing Agent with Rewriting, Resolution, Review and Revision

Re4: 具有重写、推理、审查和修订的科学计算代理

Ao Cheng, Lei Zhang, Guowei He

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

AI总结 Re4提出一种基于重写、推理、审查和修订机制的科学计算代理，通过协作框架提升代码生成的可靠性与准确性。

Comments 31 pages, 31 figures, Presented at the ICLR 2026 Workshop on AI and Partial Differential Equations (AI&PDE)

IDProxy: Cold-Start CTR Prediction for Ads and Recommendation at Xiaohongshu with Multimodal LLMs

IDProxy：小红书广告与推荐中基于多模态大语言模型的冷启动CTR预测

Yubin Zhang, Haiming Xu, Guillaume Salha-Galvan, Ruiyan Han, Feiyang Xiao, Yanhua Huang, Li Lin, Yang Luo, Yao Hu

机构 * Xiaohongshu Inc.（小红书公司） ； Shanghai Jiao Tong University（上海交通大学） ； Fudan University（复旦大学） 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 IDProxy通过多模态大语言模型生成代理嵌入，解决广告和推荐系统中物品冷启动的CTR预测问题，实现与现有嵌入空间的对齐和端到端优化，已在小红书大规模应用。

Harmonizing Dense and Sparse Signals in Multi-turn RL: Dual-Horizon Credit Assignment for Industrial Sales Agents

在多轮强化学习中调和密集和稀疏信号：面向工业销售代理的双 horizon 信用分配

Haojin Yang, Ai Jian, Xinyue Huang, Yiwei Wang, Weipeng Zhang, Ke Zeng, Xunliang Cai, Jingqing Ruan

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

AI总结 本文提出双 horizon 信用分配框架，通过分离回合级和会话级奖励优化，提升工业销售代理在转化率、语言流畅性和身份检测率方面的性能。

Comments 15 pages, 6 figures

Quark Medical Alignment: A Holistic Multi-Dimensional Alignment and Collaborative Optimization Paradigm

夸克医疗对齐：一种全面的多维对齐与协作优化范式

Tianxiang Xu, Jiayi Liu, Yixuan Tong, Jialu Xu, Yunqing Wei, Kaiwen Feng, PanPan Hou, Kangping Yin, Jiyuan Hu, Hao Zhou, Zhenxin Ma, Jian Xu, Guanjun Jiang

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

AI总结 本文提出夸克医疗对齐范式，通过多维对齐矩阵和统一优化机制解决医疗问答中的对齐问题，实现正确性、安全性和合规性的协同优化。

Identifying the Geographic Foci of US Local News

识别美国地方新闻的地理焦点

Gangani Ariyarathne, Isuru Ariyarathne, Greatness Emmanuel-King, Kate Lawal, Alexander C. Nwala

机构 * Department of Data Science William \& Mary Williamsburg Virginia USA ； Microsoft Corporation Redmond Washington USA ； Mason School of Business William \& Mary Williamsburg Virginia USA ； Department of Data Science ； Microsoft Corporation ； Mason School of Business 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 本文提出了一种基于大型语言模型的地理焦点识别模型，用于准确标注美国地方新闻文章的地理位置，以研究地方新闻的地理分布和变化。

Comments This is a research paper accepted to the 18th ACM Web Science Conference 2026

Doctor-R1: Mastering Clinical Inquiry with Experiential Agentic Reinforcement Learning

Doctor-R1：通过经验代理强化学习掌握临床探究

Yunghwei Lai, Kaiming Liu, Ziyue Wang, Weizhi Ma, Yang Liu

机构 * Dept. of Comp. Sci. & Tech., Institute for AI, Tsinghua University（计算机科学与技术系，人工智能研究院，清华大学） ； College of AI, Tsinghua University（人工智能学院，清华大学） ； Institute for AI Industry Research (AIR), Tsinghua University（人工智能产业研究院（AIR），清华大学） 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 Doctor-R1通过经验代理强化学习提升临床决策与患者咨询能力，实现更高效的医疗咨询和决策支持。

FORCE: Transferable Visual Jailbreaking Attacks via Feature Over-Reliance CorrEction

FORCE：通过特征过度依赖校正实现可转移的视觉劫持攻击

Runqi Lin, Alasdair Paren, Suqin Yuan, Muyang Li, Philip Torr, Adel Bibi, Tongliang Liu

机构 * Sydney AI Centre, The University of Sydney（悉尼人工智能中心，悉尼大学） ； Department of Engineering Science, University of Oxford（工程科学系，牛津大学） 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 FORCE方法通过校正特征过度依赖，提升视觉劫持攻击的跨模型可转移性。

Comments Accepted by CVPR 2026

Utilizing LLMs for Industrial Process Automation

利用LLMs进行工业过程自动化

Salim Fares

机构 * University of Passau（帕绍大学） 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 本研究探讨如何利用大型语言模型在工业过程自动化中解决实际编程任务并加速开发周期。

ClinDet-Bench: Beyond Abstention, Evaluating Judgment Determinability of LLMs in Clinical Decision-Making

ClinDet-Bench: 超越回避，评估大语言模型在临床决策中的判断可确定性

Yusuke Watanabe, Yohei Kobashi, Takeshi Kojima, Yusuke Iwasawa, Yasushi Okuno, Yutaka Matsuo

机构 * Kyoto University, Department of Biomedical Data Intelligence（京都大学生物医学数据智能系） ； Kyoto University, Department of Cardiovascular Medicine（京都大学心血管医学系） ； The University of Tokyo（东京大学） 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 ClinDet-Bench通过评估大语言模型在临床决策中判断可确定性的能力，揭示其在不完整信息下的局限性，并提供评估框架以提高医疗决策的安全性。

Comments 17 pages, 3 figures, 10 tables

Grounding LLMs in Scientific Discovery via Embodied Actions

通过具身动作 grounding LLMs 在科学发现中

Bo Zhang, Jinfeng Zhou, Yuxuan Chen, Jianing Yin, Minlie Huang, Hongning Wang

机构 * Tsinghua University, Beijing, China（清华大学） 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 通过具身动作框架，LLMs在科学发现中实现更稳定的物理模拟和更高的建模准确性。

Comments 24 pages, 7 figures, 7 tables. Preprint

DS-STAR: Data Science Agent for Solving Diverse Tasks across Heterogeneous Formats and Open-Ended Queries

DS-STAR：跨异构格式和开放性查询的多样化任务数据科学代理

Jaehyun Nam, Jinsung Yoon, Jiefeng Chen, Raj Sinha, Jinwoo Shin, Tomas Pfister

机构 * Google Cloud（谷歌云） ； KAIST（韩国科学技术院） 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 DS-STAR是一种专门设计用于跨异构数据格式和开放性查询的代理，能生成高质量研究报告并超越传统问答能力。

SHIELD: Semantic Heterogeneity Integrated Embedding for Latent Discovery in Clinical Trial Safety Signals

SHIELD：语义异质性整合嵌入用于临床试验安全信号的潜在发现

Francois Vandenhende, Anna Georgiou, Theodoros Psaras, Ellie Karekla

机构 * ClinBAY Limited（ClinBAY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 SHIELD通过整合语义异质性嵌入技术，提升临床试验中安全信号检测与因果解释的准确性。

Comments 3 figures, 1 table

Agentic Problem Frames: A Systematic Approach to Engineering Reliable Domain Agents

代理问题框架：一种系统化的方法用于工程可靠领域代理

Chanjin Park

机构 * Institute of Engineering Research（工程研究所） ； Seoul National University（首尔国立大学） 纠错

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

AI总结 本研究提出代理问题框架（APF），通过系统化工程方法提升领域代理的可靠性，结合AJD规范工具和AVR循环实现任务要求的渐近收敛。

Comments 18 pages, 2 figures

NutriOrion: A Hierarchical Multi-Agent Framework for Personalized Nutrition Intervention Grounded in Clinical Guidelines

NutriOrion：一种基于临床指南的个性化营养干预分层多智能体框架

Junwei Wu, Runze Yan, Hanqi Luo, Darren Liu, Minxiao Wang, Kimberly L. Townsend, Lydia S. Hartwig, Derek Milketinas, Xiao Hu, Carl Yang

机构 * Emory University（埃默里大学） ； Texas Woman's University（德克萨斯女子大学） 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 NutriOrion通过分层多智能体框架实现个性化营养干预，结合多目标优先级算法和安全约束机制，有效解决多病共存患者的饮食需求冲突与临床有效性问题。

Developing a Multi-Agent System to Generate Next Generation Science Assessments with Evidence-Centered Design

开发一个多智能体系统以生成下一代科学评估并采用证据中心设计

Yaxuan Yang, Jongchan Park, Yifan Zhou, Xiaoming Zhai

机构 * AI4STEM Education Center, University of Georgia（AI4STEM教育中心，佐治亚大学） ； Department of Educational Psychology, University of Georgia（教育心理学系，佐治亚大学） ； School of Computing, University of Georgia（计算学院，佐治亚大学） ； Department of Mathematics, Science, and Social Studies Education, University of Georgia（数学、科学与社会科学教育系，佐治亚大学） 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 本研究提出将证据中心设计整合到多智能体系统中，以自动生成符合NGSS的评估项目，发现AI生成的项目在包容性方面表现良好，但存在清晰性和多模态设计的局限。

Comments Under review

Beyond Pipelines: A Fundamental Study on the Rise of Generative-Retrieval Architectures in Web Research

超越流水线：生成-检索架构在网页研究中的崛起根本研究

Amirereza Abbasi, Mohsen Hooshmand

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

AI总结 本文研究了生成-检索架构在网页研究中的崛起，探讨了LLMs通过RAG对网页研究和行业的影响，分析了关键进展、挑战及未来方向。