语言大模型 / LLM

"Code Is Cheap. Show Me the Talk.": Lessons from Teaching and Managing AI Coding Tool Usage in a Visualization Course

“代码很廉价。给我看看讲解。”：可视化课程中教授和管理人工智能编码工具使用的经验教训

Zhongzheng Xu, Taehyun Yang, Fumeng Yang

专题命中 领域大模型 ：prompting(abstract)

AI总结 在可视化课程中分享管理和教授人工智能使用的经验，实施提示注入等，发现学生使用情况及问题，指出需明确人工智能使用界限、提示指导，教学生质疑并适应通用设计。

Comments 5 Figures, 7 Pages

Two Vocabularies, One Phenomenon: Metadata Bias in AI Evidence Synthesis on Fertility Decline

两种词汇，一种现象：人工智能在生育率下降证据综合中的元数据偏差

Boyana Buyuklieva, Veronica-Nicolle Hera

专题命中 领域大模型 ：LLM(abstract)

AI总结 研究人工智能在生育率下降证据综合中的元数据偏差，通过 OpenAlex 对同一现象的临床和社会篮子查询，比较元数据等方面，发现社会框架机器可读性低，开放获取率相当，偏差存在于索引深度，影响语言模型提取假设和主张。

Comments 6 pages, 4 figures, Submission to Data for Policy 2026 conference

CT-CLIP Representations for Multimodal Lung Cancer Survival Prediction

用于多模态肺癌生存预测的CT-CLIP表示

Sofie Allgöwer, Mikael Johansson, Andreas Hallqvist, Jonas Andersson, Åse Johnsson, Ida Häggström, Jennifer Alvén

机构 * Chalmers University of Technology（查尔姆斯理工大学） ； Umeå University（于默奥大学） ； Sahlgrenska University Hospital（萨尔格伦斯卡大学医院） ； Sahlgrenska Academy at Gothenburg University（哥德堡大学萨尔格伦斯卡学院） 纠错

专题命中 领域大模型 ：foundation model(abstract)

AI总结 研究评估特定领域基础模型CT-CLIP用于肺癌多模态生存预测，通过多种策略提取特征，结果显示冻结的CT-CLIP模型结合可训练生存头表现出色，能有效区分高低风险组。

Comments 8 pages, 2 figures

ShapeTalk: Combining Natural Language and Sketch for Time-Series Pattern Querying

ShapeTalk：结合自然语言和草图进行时间序列模式查询

Guoruizhe Sun, Yueqiao Chen, Emily Guo, Yutong Yao, Dongyu Liu

专题命中 领域大模型 ：LLM(abstract)

AI总结 研究针对时间序列模式查询中现有工具不足的问题，提出ShapeTalk系统，结合自然语言与草图，通过基于大语言模型的语义解析管道实现查询，经多种评估表明该系统能有效支持时间序列模式搜索，自然语言与草图互补。

Comments 10 pages of main text, 2 pages of references, and 20 pages of appendices

Pre-Training on Software Engineering Texts: Effects on Domain Adaptation and General-Language Understanding

软件工程文本的预训练：对领域适应和通用语言理解的影响

Fabian C. Peña, Steffen Herbold

专题命中 领域大模型 ：language model(abstract)

AI总结 研究如何让语言模型适应软件工程文本，比较持续预训练和从头预训练，评估领域适应和通用语言理解。发现重用现有模型占优，CPT领域收益小，PTS代价大，还给出实用指南并发布相关资源。

A Unique Normal Form for Tensor Trains over Arbitrary Fields

任意域上张量列的唯一范式

Renaud Vilmart

专题命中 领域大模型 ：prompting(abstract)

AI总结 研究任意域上张量列的可约性问题，提出唯一范式及多项式时间约简策略，能从完整张量提取范式、获取相关索引值并给出大小上限，加强其作为形式工具的应用，扩展张量网络形式主义到更一般设置。

Articulating Assumptions in AI-Generated Scientific Analyses through Task Decomposition

通过任务分解阐明人工智能生成的科学分析中的假设

Ahmed Hammad, Mihoko Nojiri

专题命中 领域大模型 ：LLM(abstract)

AI总结 研究旨在解决大语言模型生成的科学分析结果的可理解性和可重现性问题，通过引入基于数量的语义差异多智能体框架及相关模块，经对撞机物理分析验证，模块化任务分解提升了透明度与可靠性，还能让小模型执行完整流程。

Comments 20 pages, 1 figure and 4 tabels

A Multimodal Reasoning Typology for Grounding Chart-Image Coherence in Science Communication

面向科学传播中图表-图像连贯性锚定的多模态推理类型学

Avina Nakarmi, Sohom Sen, Xun Song, Sreyashi Samaddar, Aritra Dasgupta

机构 * New Jersey Institute of Technology（新泽西理工学院） ； Brooklyn College（布鲁克林学院） 纠错

专题命中 领域大模型 ：language model(abstract)

AI总结 本研究提出R1-R5多模态推理类型学，刻画科学文献中图表、图像与文本的协同推理缺口，可系统识别连贯性锚定状态，缩小不同人群解读科学结论的认知差距。

Solve the Missing First Step: Can VLMs Standardize Raw Heterogeneous Medical Data?

解决缺失的第一步：视觉语言模型能否标准化原始异构医学数据？

Xin Chen, Dongliang Xu, Cunhao Zhu, Xudong Luo, Haoyang Lyu, Xiaoxiao Sun, Serena Yeung-Levy, Yue Yao

机构 * Shandong University（山东大学） ； Stanford University（斯坦福大学） 纠错

专题命中 领域大模型 ：language model(abstract)

AI总结 研究视觉语言模型应用于医学AI时原始医学数据标准化问题，通过构建基准测试，让模型处理原始数据集文件夹，评估其多种能力，发现即使最佳模型端到端成功率也低，凸显该环节是医学AI诊断关键瓶颈。

Comments 16 pages, 7 figures

Beyond Random Sampling: Distribution-Aware Alignment for Semi-Supervised Medical Image Segmentation

超越随机采样：用于半监督医学图像分割的分布感知对齐

Weihao Yan, Yeqiang Qian, Yi Dong, Ming Yang

机构 * School of Automation and Intelligent Sensing, Shanghai Jiao Tong University（上海交通大学自动化与智能感知学院） ； Department of Ultrasound, Xinhua Hospital Affiliated to Shanghai Jiao Tong University School of Medicine（上海交通大学医学院附属新华医院超声科） 纠错

专题命中 领域大模型 ：foundation model(abstract)

AI总结 研究针对半监督医学图像分割中随机采样策略在低数据量时表征偏差的问题，提出基于分布对齐的高效框架，用分布感知样本选择策略和记忆引导复制粘贴模块，提升分割性能。

Comments 19 pages, 5 figures, accepted by ECCV 2026

Dual-Adaptive SAM3: Hierarchical Routing over Low-Rank Expert Layers for Parameter-Efficient Medical Image Segmentation

双自适应SAM3：基于低秩专家层的分层路由用于参数高效的医学图像分割

Ying Chen, Jinyue Li, Kun Wang, Qiankun Li, Yang Liu

机构 * Shenzhen Research Institute, The Chinese University of Hong Kong（香港中文大学深圳研究院） ； University of Science and Technology of China（中国科学技术大学） ； Nanyang Technological University（南洋理工大学） ； Imperial Global Singapore (IGS), Imperial College London（伦敦帝国理工学院新加坡帝国全球（IGS）） 纠错

专题命中 领域大模型 ：language model(abstract)

AI总结 提出双自适应SAM3框架，通过任务感知的动态专家路由器和参数感知的分解参数化专家设计，兼顾分割精度与参数效率，在医学图像分割上有高表现。

Comments Accepted by MICCAI 2026

Domain Generalization via Text-Anchored Information Bottleneck

基于文本锚定信息瓶颈的域泛化

Eunyi Lyou, Yunjeong Choi, Junho Lee, Joonseok Lee

机构 * Seoul National University（首尔大学） 纠错

专题命中 领域大模型 ：language model(abstract)

AI总结 提出通过语言嵌入空间作为信息瓶颈来抑制视觉表征中的虚假线索，从而提升域泛化性能，实验表明该方法达到最新最优水平。

Comments Accepted to ECCV 2026

MedCAGD: Context-Aware Gated Decoder for Efficient Medical Image Segmentation

MedCAGD：用于高效医学图像分割的上下文感知门控解码器

Saad Wazir, Patrick Dominique Vibild, Dinh Phu Tran, Seongah Kim, Daeyoung Kim

机构 * School of Computing, Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院计算学院） ； Department of Energy, Aalborg University（奥尔堡大学能源系） 纠错

专题命中 领域大模型 ：pretraining(abstract)

AI总结 提出一种上下文感知门控解码器，通过轻量多尺度通道重校准、门控跳跃融合和全局上下文聚合机制，有效利用预训练编码器特征，在11个基准上优于强基线。

Comments Accepted at the European Conference on Computer Vision (ECCV 2026)

Evaluating Hardware Abstraction Layer Concepts for Software Defined Vehicles: Insights into Applicability and Effectiveness

评估软件定义车辆的硬件抽象层概念：适用性与有效性洞察

Akshay Narla, Johannes Stümpfle, Souvik Saha, Nasser Jazdi, Michael Weyrich

专题命中 领域大模型 ：prompting(abstract)

AI总结 本文系统评估现有汽车HAL及跨领域HAL机制，提出基于标准的评估框架，发现基于管理程序的HAL在安全性和OTA就绪性上更优，并建议混合HAL设计以整合隔离与标准化。

Comments Peer-reviewed and Published in: 2025 IEEE International Automated Vehicle Validation Conference (IAVVC)

Training-free Cross-domain Few-shot Segmentation via Robust Semantic Representation and Matching

基于鲁棒语义表示与匹配的无训练跨域小样本分割

Sujun Sun, Mingwu Ren, Haofeng Zhang

机构 * School of Computer Science and Engineering, Nanjing University of Science and Technology（南京理工大学计算机科学与工程学院） ； State Key Laboratory of Intelligent Manufacturing of Advanced Construction Machinery（先进工程机械智能制造国家重点实验室） 纠错

专题命中 领域大模型 ：foundation model(abstract)

AI总结 提出无训练框架，利用DINOv3编码器和三个核心模块（语义感知特征融合、自适应支持增强、混合原型匹配）实现跨域小样本分割，无需训练或微调，在四个目标域数据集上达到最优性能。

Comments Accepted by ECCV 2026

Full-Domain Coupler: A Wireless Native Neural Backbone for Channel Representation and Deduction

全域耦合器：一种用于信道表示与推演的无线原生神经骨干网络

Zirui Chen, Ziqing Xing, Zhaoyang Zhang, Hongning Ruan, Yuzhi Yang, Zhaohui Yang, Chongwen Huang, Merouane Debbah

专题命中 领域大模型 ：foundation model(abstract)

AI总结 针对无线数据多域深度耦合问题，提出无线原生AI神经骨干网络Coupler，通过逐层域分解与交错级联实现高效信道表示，在信道推演任务中取得显著性能提升。

Comments The code and data supporting this work are available at https://github.com/XIronMan0220/Coupler-Channel-Deduction

Retrieval-Based Brain Decoding by Alignment, not Complexity

基于对齐而非复杂性的检索式脑解码

Matteo Ciferri, Matteo Ferrante, Nicola Toschi

专题命中 领域大模型 ：foundation model(abstract)

AI总结 本文通过跨多数据集实验证明，线性对比解码器在脑解码中优于岭回归和标准非线性方法，表明解码增益更多来自训练目标而非架构复杂性。

Sparse2Act: Learning Action-Aligned Sparse 3D Representations for Cross-Domain Robot Manipulation

Sparse2Act: 学习跨域机器人操作的动作对齐稀疏3D表示

Yu Guo, Chang Yu, Siyu Ma, Yunuo Chen, Yin Yang, Ying Nian Wu, Chenfanfu Jiang

机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； University of California, San Diego（加州大学圣迭戈分校） ； University of Utah（犹他大学） 纠错

专题命中 领域大模型 ：pretraining(abstract)

AI总结 提出Sparse2Act框架，通过动作对齐的掩码稀疏3D编码预训练，实现跨域机器人操作，在LIBERO-10上达86.9%成功率，并支持域迁移和sim-to-real。

Bridging Day and Night: Unsupervised Cross-Domain Re-Identification with Synergistic Prompt and Prototype Learning

连接昼夜：基于协同提示与原型学习的无监督跨域重识别

Jiyang Xu, Rui Liu, Hang Dai

机构 * School of Computer Science, Wuhan University（武汉大学计算机学院） 纠错

专题命中 领域大模型 ：language model(abstract)

AI总结 提出无监督昼夜重识别框架，结合提示学习和原型表示学习，通过两阶段训练实现无标注跨域身份关联，性能媲美全监督方法。

Making Software Meaningful

使软件有意义

Eagon Meng, Abutalib Namazov, Carmel Schare, Alcino Cunha, Daniel Jackson

专题命中 领域大模型 ：LLM(abstract_cn)

AI总结 提出通过承诺显式意义来改善软件可用性、模块化和可问责性，构建领域行为表示作为通用词汇，并应用于设计、代码生成和智能体问责。

ExDet: Open-Domain Open-Vocabulary Detection with Cross-modal Extrapolation and Rectification

ExDet: 基于跨模态外推与校正的开放域开放词汇检测

Yupeng Zhang, Yuzhong Feng, Ruize Han, Zhiwei Chen, Wei Feng, Liang Wan

机构 * College of Intelligence and Computing, Tianjin University（天津大学智能与计算学部） ； Faculty of Computer Science and Artificial Intelligence, Shenzhen University of Advanced Technology（深圳理工大学计算机科学与人工智能学院） ； School of Artificial Intelligence, Nanchang University（南昌大学人工智能学院） 纠错

专题命中 领域大模型 ：language model(abstract)

AI总结 提出ExDet框架，通过文本引导外推（TGE）和检测器兼容校正（DCR）模块，无需额外训练即可增强开放域开放词汇检测的跨类别和跨域泛化能力，在多个基准上取得最优性能。

Shift-Dependent Asymmetry: Orthogonal Inverse Low-Rank Adaptation for Federated Medical Segmentation

移位依赖的不对称性：面向联邦医学分割的正交逆低秩适应

Xingyue Zhao, Wenke Huang, Linghao Zhuang, Haoran Wu, Anwen Jiang, Zhifeng Wang, Wenwen He, Ming Feng, Mang Ye, Bo Xu

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 ：foundation model(abstract)

AI总结 针对联邦医学分割中编码器与解码器的不对称性（编码器受外观移位主导，解码器受监督变化主导），提出逆不对称调优（IAT）方法，通过个性化模块特定组件并引入子空间正交正则化器防止泄露，实现跨站点泛化提升。

Comments Accepted by ICML 2026

One Stone, Three Birds: Self-adaptive Optimal Transport for Multi-VLM Selection, Adaptation, and Ensembling

一石三鸟：面向多VLM选择、自适应与集成的自适应最优传输

Qiyu Xu, Zhanxuan Hu, Yu Duan, Yonghang Tai, Huafeng Li, Quanxue Gao, Xiangyong Cao

机构 * Xi’an Jiaotong University（西安交通大学） ； Yunnan Normal University（云南师范大学） ； Xidian University（西安电子科技大学） ； Kunming University of Science and Technology（昆明理工大学） 纠错

专题命中 领域大模型 ：language model(abstract)

AI总结 提出无训练框架OSTB，通过自适应最优传输估计共识样本-类别结构，同时解决多VLM的模型选择、目标域自适应和预测集成问题。

DeRes: Decoupling Residual Stability and Adaptivity for Scalable CTR Prediction

DeRes: 解耦残差稳定性与自适应性以实现可扩展的CTR预测

Wenzhuo Cheng, Shipeng Nie, Qixin Guo, Xuefeng Sun, Jianguo Lou, Zhengwei Zheng

专题命中 领域大模型 ：language model(abstract)

AI总结 提出DeRes模型，通过双路径残差（恒等路径和块注意力路径）解耦稳定性与自适应性，并引入逐点AttnRes（SiLU替代Softmax）实现并行多兴趣遗忘，在工业数据集上以少量额外FLOPs提升AUC，且计算-AUC缩放律更陡峭，实现等效AUC下约2倍计算节省。

LinkNav: Surfacing Interconnected Information in Scientific Articles

LinkNav：在科学文章中呈现互联信息

Sebastian Joseph, Jennifer Healey, Junyi Jessy Li, Ani Nenkova

专题命中 领域大模型 ：language model(abstract)

AI总结 提出LinkNav系统，通过语言模型生成阅读时的问题并搜索文档内答案，建立非相邻段落间的显式连接，提升学术论文阅读体验。

Comments 10 pages, 3 figures, ACL 2026 (Demo Track)