语言大模型 / LLM

SCICONVBENCH: Benchmarking LLMs on Multi-Turn Clarification for Task Formulation in Computational Science

SCICONVBENCH: 评估LLM在计算科学任务公式化中的多轮澄清能力

Nithin Somasekharan, Youssef Hassan, Shiyao Lin, Gihan Panapitiya, Patrick Emami, Anurag Acharya, Sameera Horawalavithana, Shaowu Pan

机构 * Rensselaer Polytechnic Institute（拉特格斯理工学院） ； University of Texas at Arlington（德克萨斯大学阿灵顿分校） ； Pacific Northwest National Laboratory（太平洋西北国家实验室） ； National Renewable Energy Laboratory（国家可再生能源实验室） 纠错

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

AI总结 该研究提出SCICONVBENCH基准，用于评估LLM在计算科学任务公式化中的多轮澄清能力，重点在于获取缺失信息和解决请求中的矛盾，通过结构化任务本体和基于标准的评估框架，系统测量LLM在澄清行为、对话基础性和最终规格忠实度三个维度上的表现。

TeleCom-Bench: How Far Are Large Language Models from Industrial Telecommunication Applications?

TeleCom-Bench: 大型语言模型在工业电信应用中还有多远？

Jieting Xiao, Yun Lin, Huizhen Qiu, Rui Ma, Chen Zhong, Dongyang Xu, Xiao Long, Chaoyu Zhang, Qiaobo Hao, Ding Zou, Zhiguo Yang, Yanqin Gao, Fang Tan

机构 * ZTE Corporation（中兴通讯） 纠错

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

AI总结 本文提出TeleCom-Bench，一个包含12个评估集和22678个精选样本的全面基准，旨在评估大型语言模型在电信领域的综合能力，揭示其在工业流程中的执行能力缺口。

Comments Accepted by KDD 2026

Block-R1: Rethinking the Role of Block Size in Multi-domain Reinforcement Learning for Diffusion Large Language Models

Block-R1: 重新审视块大小在多领域强化学习中的作用以提升扩散大语言模型

Yan Jiang, Ruihong Qiu, Zi Huang

机构 * The University of Queensland（昆士兰大学） 纠错

专题命中 领域大模型 ：large language model(title,abstract)；language model(title,abstract)；post-training(abstract)；分类 cs.LG

AI总结 本文从领域冲突角度研究多领域场景下扩散大语言模型强化学习中的块大小问题，提出领域块大小冲突公式、Block-R1-41K数据集、Block-R1基准和跨领域强化学习方法，通过13个数据集和7种算法验证方法有效性。

Ask Patients with Patience: Enabling LLMs for Human-Centric Medical Dialogue with Grounded Reasoning

耐心询问患者：通过 grounded 推理实现面向人类的医疗对话 LLM

Jiayuan Zhu, Jiazhen Pan, Yuyuan Liu, Fenglin Liu, Junde Wu

机构 * University of Oxford（牛津大学） ； Technical University of Munich（慕尼黑技术大学） 纠错

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

AI总结 本文提出 APP，一种基于 LLM 的医疗助手，通过 grounded 推理和透明诊断提升医疗对话的人性化体验，改进诊断准确性并增强用户参与度。

Reflections and New Directions for Human-Centered Large Language Models

人类中心大语言模型的反思与新方向

Caleb Ziems, Dora Zhao, Rose E. Wang, Matthew Jörke, Ahmad Rushdi, Advit Deepak, Sunny Yu, Anshika Agarwal, Harshvardhan Agarwal, Gabriela Aranguiz-Dias, Aditri Bhagirath, Justine Breuch, Huanxing Chen, Ruishi Chen, Sarah Chen, Haocheng Fan, William Fang, Cat Gonzales Fergesen, Daniel Frees, Tian Gao, Ziqing Huang, Vishal Jain, Yucheng Jiang, Kirill Kalinin, Su Doga Karaca, Arpandeep Khatua, Teland La, Isabelle Levent, Miranda Li, Xinling Li, Yongce Li, Angela Liu, Minsik Oh, Nathan J. Paek, Anthony Qin, Emily Redmond, Michael J. Ryan, Aadesh Salecha, Xiaoxian Shen, Pranava Singhal, Shashanka Subrahmanya, Mei Tan, Irawadee Thawornbut, Michelle Vinocour, Xiaoyue Wang, Zheng Wang, Henry Jin Weng, Pawan Wirawarn, Shirley Wu, Sophie Wu, Yichen Xie, Patrick Ye, Sean Zhang, Yutong Zhang, Cathy Zhou, Yiling Zhao, James Landay, Diyi Yang

机构 * Stanford University（斯坦福大学） 纠错

专题命中 领域大模型 ：large language model(title,abstract)；language model(title,abstract)；post-training(abstract)；分类 cs.CL

AI总结 本文提出人类中心大语言模型框架，整合NLP、HCI和负责任的AI视角，强调在模型开发全流程中关注人类需求与价值观，通过案例研究探讨HCLLMs的未来工作影响。

Bridging visual saliency and large language models for explainable deep learning in medical imaging

弥合视觉显著性与大语言模型以实现医学影像中可解释的深度学习

Paul Valery Nguezet, Elie Tagne Fute, Yusuf Brima, Benoit Martin Azanguezet, Marcellin Atemkeng

机构 * Department of Mathematics and Computer science（数学与计算机科学系） ； Institute of Cognitive Science（认知科学研究所） ； Rhodes University（罗德斯大学） ； National Institute for Theoretical and Computational Sciences (NITheCS)（理论与计算科学国家研究所） 纠错

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

AI总结 本文提出一种多模态可解释框架，通过结合CNN和大语言模型，生成脑肿瘤分类的可操作临床见解，提升深度学习在医学影像中的透明度和临床责任性。

LegalBench-BR: A Benchmark for Evaluating Large Language Models on Brazilian Legal Decision Classification

LegalBench-BR: 一个用于评估大型语言模型在巴西法律决策分类上的基准

Pedro Barbosa de Carvalho Neto

机构 * Teresina, PI, Brazil（巴西蒂雷西纳州，PI） 纠错

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

AI总结 本文提出LegalBench-BR，首个公开的巴西法律文本分类评估基准，通过LoRA微调在消费级GPU上实现零边际推理成本，展示领域适应模型在巴西法律分类中的必要性。

Comments 8 pages, 1 figure. Preprint. First public benchmark for Brazilian legal text classification. Dataset and model available on Hugging Face

Language Models as Semantic Teachers: Post-Training Alignment for Medical Audio Understanding

语言模型作为语义教师：面向医学音频理解的后训练对齐

Tsai-Ning Wang, Lin-Lin Chen, Neil Zeghidour, Aaqib Saeed

机构 * Eindhoven University of Technology, The Netherlands（埃因霍温理工大学，荷兰） ； Kyutai, France（Kyutai公司，法国） ； Eindhoven Artificial Intelligence Systems Institute, The Netherlands（埃因霍温人工智能系统研究所，荷兰） 纠错

专题命中 领域大模型 ：language model(title,abstract)；post-training(title,abstract)；large language model(abstract)；分类 cs.AI

AI总结 本文提出AcuLa框架，通过将音频编码器与医学语言模型对齐，提升医学音频的语义理解能力，在18个心血管任务中取得最佳性能，显著提升诊断准确性。

Predicting Post-Traumatic Epilepsy from Clinical Records using Large Language Model Embeddings

基于大型语言模型嵌入的创伤后癫痫预测

Wenhui Cui, Nicholas Swingle, Anand A. Joshi, Dileep Nair, Richard M. Leahy

机构 * Ming Hsieh Department of Electrical and Computer Engineering（明希德电气与计算机工程系） ； University of Southern California（南加州大学） ； Epilepsy Center（癫痫中心） ； Cleveland Clinic Neurological Institute（克利夫兰诊所神经医学研究院） 纠错

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

AI总结 本文研究利用大型语言模型嵌入从临床记录中预测创伤后癫痫，通过融合表格特征和嵌入特征，提升预测性能，达到AUC-ROC 0.892。

Can Large Language Models Reliably Extract Physiology Index Values from Coronary Angiography Reports?

大型语言模型能否可靠地从冠状动脉造影报告中提取生理指标值？

Sofia Morgado, Filipa Valdeira, Niklas Sander, Diogo Ferreira, Marta Vilela, Miguel Menezes, Cláudia Soares

机构 * FCT-UNL ； Nova LINCS ； CHULN ； Faculdade de Medicina da Universidade de Lisboa 纠错

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

AI总结 本文研究了使用大型语言模型自动提取葡萄牙语冠状动脉造影报告中的生理指标及解剖位置，提出多阶段评估框架并探讨隐私保护和提示策略对提取效果的影响。

Generation-Augmented Generation: A Plug-and-Play Framework for Private Knowledge Injection in Large Language Models

生成增强生成：一种用于大语言模型私有知识注入的即插即用框架

Rongji Li, Jian Xu, Yi Chen, Xueqing Chen, Yisheng Yang, Jiayi Wang, Xingyu Chen, Chunyu Xie, Dawei Leng, Xu-Yao Zhang

机构 * MAIS, Institute of Automation, Chinese Academy of Sciences（自动化研究所，中国科学院） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； Zhongguancun Academy（中关村学院） ； School of Advanced Interdisciplinary Sciences, University of Chinese Academy of Sciences（中国科学院大学先进交叉学科学院） ； AI Research（360人工智能研究院） 纠错

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

AI总结 本文提出GAG框架，通过将私有专业知识作为辅助模态注入冻结的基础模型，解决私有知识注入中的效率与效果平衡问题，在科学和通用领域问答中均表现出色。

SynDocDis: A Metadata-Driven Framework for Generating Synthetic Physician Discussions Using Large Language Models

SynDocDis：一种基于元数据的生成合成医生讨论的框架

Beny Rubinstein, Sergio Matos

机构 * University of Aveiro（阿威罗大学） ； IEETA, DETI, LASI, University of Aveiro（阿威罗大学 IEETA、DETI、LASI） 纠错

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

AI总结 SynDocDis通过结合结构化提示技术和隐私保护的去标识病例元数据，生成临床准确的医生间对话，经九个肿瘤学和肝病学场景评估，显示优异的沟通效果和医学内容质量。

Journal ref In: Valente de Oliveira, J., Leite, J., Rodrigues, J., Dias, J., Cardoso, P. (eds) Progress in Artificial Intelligence. EPIA 2025. Lecture Notes in Computer Science(), vol 16121. Springer, Cham

To Adapt or not to Adapt, Rethinking the Value of Medical Knowledge-Aware Large Language Models

是否适应？重新思考医疗知识意识大型语言模型的价值

Ane G. Domingo-Aldama, Iker De La Iglesia, Maitane Urruela, Aitziber Atutxa, Ander Barrena

机构 * University of the Basque Country（巴斯克大学） 纠错

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

AI总结 研究通过比较通用与临床LLM在多选题任务中的表现，发现临床模型在英语任务中不占优势，但在西班牙语任务中表现更好，表明现有评估框架可能不足以体现真实医疗专业知识。

Attribution-Driven Explainable Intrusion Detection with Encoder-Based Large Language Models

基于编码器的大型语言模型的归因驱动可解释入侵检测

Umesh Biswas, Shafqat Hasan, Syed Mohammed Farhan, Nisha Pillai, Charan Gudla

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

AI总结 本文提出利用基于编码器的大型语言模型进行网络入侵检测，通过归因分析揭示模型决策由有意义的流量行为模式驱动，提升透明度和信任度。

CritBench: A Framework for Evaluating Cybersecurity Capabilities of Large Language Models in IEC 61850 Digital Substation Environments

CritBench：用于评估大型语言模型在IEC 61850数字变电站环境中的网络安全能力的框架

Gustav Keppler, Moritz Gstür, Veit Hagenmeyer

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

AI总结 本文提出CritBench框架，用于评估大型语言模型在IEC 61850数字变电站环境中的网络安全能力，测试了五种先进模型在81个领域特定任务中的表现，发现模型在静态分析和单工具网络枚举中表现良好，但在动态任务中性能下降。

Comments 16 pages, 4 figures, 3 tables. Submitted to the 3rd ACM SIGEnergy Workshop on Cybersecurity and Privacy of Energy Systems (ACM EnergySP '26)

Data-Driven Function Calling Improvements in Large Language Model for Online Financial QA

大型语言模型在在线金融问答中的数据驱动函数调用改进

Xing Tang, Hao Chen, Shiwei Li, Fuyuan Lyu, Weijie Shi, Lingjie Li, Dugang Liu, Weihong Luo, Xiku Du, Xiuqiang He

机构 * Shenzhen Technology University（深圳技术大学） ； FiT, Tencent（腾讯FiT） ； Huazhong University of Science and Technology（华中科技大学） ； McGill University（麦吉尔大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； Shenzhen University（深圳大学） 纠错

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

AI总结 本文提出数据驱动管道提升LLM在金融场景中的函数调用能力，通过构建数据集、数据增强和模型训练，解决通用LLM在金融领域适应性差的问题。

Comments Accepted to Webconf 2026 industry track

Fusion and Alignment Enhancement with Large Language Models for Tail-item Sequential Recommendation

基于大语言模型的尾项序列推荐融合与对齐增强

Zhifu Wei, Yizhou Dang, Guibing Guo, Chuang Zhao, Zhu Sun

机构 * Northeastern University（东北大学） ； Tianjin University（天津大学） ； Singapore University of Technology and Design（新加坡科技设计大学） 纠错

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

AI总结 本文提出FAERec框架，通过自适应门控机制和双层对齐方法提升尾项序列推荐中物品表示的质量，解决协同信号与语义知识融合不足及嵌入空间结构不一致的问题。

Towards Position-Robust Talent Recommendation via Large Language Models

基于大语言模型的鲁棒人才推荐方法

Silin Du, Hongyan Liu

机构 * Department of Management Science and Engineering, Tsinghua University（清华大学管理科学与工程系） 纠错

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

AI总结 本文提出L3TR框架，通过块注意力机制和局部位置编码缓解位置偏差，结合ID采样方法解决训练与推理阶段候选集大小不一致问题，提升人才推荐效果。

Can Large Language Models Self-Correct in Medical Question Answering? An Exploratory Study

大语言模型能否在医疗问答中自我纠正？一项探索性研究

Zaifu Zhan, Mengyuan Cui, Rui Zhang

机构 * Department of Electrical and Computer Engineering, University of Minnesota（明尼苏达大学电气与计算机工程系） ； Division of Computational Health Sciences, Department of Surgery, University of Minnesota（明尼苏达大学外科学系计算健康科学部） ； Department of Software Engineering, University of St. Thomas（圣托马斯大学软件工程系） 纠错

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

AI总结 本文探讨大语言模型在医疗问答中的自我反思能力，通过比较标准Co-T提示与迭代自我反思循环，发现自我反思并不总能提升准确性，且效果依赖于数据集和模型。

Leveraging Large Language Models to Bridge Cross-Domain Transparency in Stablecoins

利用大型语言模型弥合稳定币跨领域透明度

Yuexin Xiang, Yuchen Lei, Yuanzhe Zhang, Qin Wang, Tsz Hon Yuen, Andreas Deppeler, Jiangshan Yu

机构 * Faculty of Information Technology, Monash University（莫纳什大学信息技术学院） ； School of Cyber Science and Engineering, Wuhan University（武汉大学网络空间安全学院） ； Digital Trust Centre, Nanyang Technological University（南洋理工大学数字信任中心） ； School of Business, Monash University（莫纳什大学商学院） ； School of Computer Science, The University of Sydney（悉尼大学计算机科学学院） 纠错

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

AI总结 本文提出利用大型语言模型整合稳定币跨领域透明度，通过语义对齐发行披露与市场数据，揭示披露与可验证数据间的系统性差距，提升去中心化金融的自动化审计能力。

Knowledge database development by large language models for countermeasures against viruses and marine toxins

利用大语言模型开发知识库以应对病毒和海洋毒素的对策

Hung N. Do, Jessica Z. Kubicek-Sutherland, S. Gnanakaran

机构 * Physical Chemistry and Applied Spectroscopy Group, Chemistry Division, Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室物理化学与应用光谱学组，化学部） 纠错

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

AI总结 本文利用大语言模型构建病毒和海洋毒素的综合数据库，通过人工输入和模型交叉验证，设计交互式网页以提高决策效率。

Comments Clearance: 26-T-0967 (DOW)

Architecting software monitors for control-flow anomaly detection through large language models and conformance checking

通过大型语言模型和符合性检查构建软件监视器以实现控制流异常检测

Francesco Vitale, Francesco Flammini, Mauro Caporuscio, Nicola Mazzocca

机构 * University of Naples Federico II（那不勒斯费德里科二世大学） ； University of Applied Sciences and Arts of Southern Switzerland（瑞士南部应用科学与艺术大学） ； University of Florence（佛罗伦萨大学） ； Linnaeus University（林奈大学） 纠错

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

AI总结 本文提出利用大型语言模型和符合性检查构建软件监视器，以检测控制流异常。通过在铁路交通管理系统中测试，该方法实现了82.849%的控制流覆盖率和95.957%的F1分数。

Sketch2Simulation: Automating Flowsheet Generation via Multi Agent Large Language Models

Sketch2Simulation: 通过多智能体大语言模型自动化流程图生成

Abdullah Bahamdan, Emma Pajak, John D. Hedengren, Antonio del Rio Chanona

机构 * Sargent Centre for Process Systems Engineering（塞格伦过程系统工程中心） ； Imperial College London（帝国理工学院伦敦分校） ； Department of Chemical Engineering（化学工程系） ； Brigham Young University（BYU（ Brigham Young University ）） 纠错

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

AI总结 本文提出多智能体大语言模型系统，将流程图直接转化为可执行的Aspen HYSYS流程图，解决流程系统工程中流程草图转模拟模型的瓶颈问题。

Comments 27 pages, 14 figures, 8 tables

A Human-Centred Architecture for Large Language Models-Cognitive Assistants in Manufacturing within Quality Management Systems

面向制造业质量管理体系的以人为本的大型语言模型-认知助手架构

Marcos Galdino, Johanna Grahl, Tobias Hamann, Anas Abdelrazeq, Ingrid Isenhardt

机构 * Laboratory for Machine Tools and Production Engineering (WZL) of RWTH Aachen University（鲁姆哈根工业大学机械加工与生产工程实验室） 纠错

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

AI总结 本文提出一种基于组件的架构，用于将LLM-CAs集成到制造业QMS中，提升灵活性、可扩展性和知识管理。

Developing the PsyCogMetrics AI Lab to Evaluate Large Language Models and Advance Cognitive Science -- A Three-Cycle Action Design Science Study

构建PsyCogMetrics AI实验室以评估大语言模型并推进认知科学——一项三阶段行动设计科学研究

Zhiye Jin, Yibai Li, K. D. Joshi, Xuefei, Deng, Xiaobing, Li

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

AI总结 本文提出构建整合的云平台，通过三阶段行动设计科学方法改进大语言模型评估方法，结合心理学和认知科学理论，提出验证的评估设计。

Comments 10 pages. Prepared: April 2025; submitted: June 15, 2025; accepted: August 2025. In: Proceedings of the 59th Hawaii International Conference on System Sciences (HICSS 2026), January 2026

Journal ref Proceedings of the 59th Hawaii International Conference on System Sciences (HICSS), January 2026, pp. 6952-6961

Leveraging Open-Source Large Language Models for Clinical Information Extraction in Resource-Constrained Settings

利用开源大语言模型在资源受限环境下进行临床信息抽取

Luc Builtjes, Joeran Bosma, Mathias Prokop, Bram van Ginneken, Alessa Hering

机构 * Diagnostic Image Analysis Group, Department of Medical Imaging（医学影像诊断分析组，医学影像系） 纠错

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

AI总结 本研究利用开源大语言模型开发了信息抽取框架，展示了其在低资源环境下有效进行临床信息抽取的潜力。

Comments 34 pages, 5 figures

Enhancing Pancreatic Cancer Staging with Large Language Models: The Role of Retrieval-Augmented Generation

利用大型语言模型增强胰腺癌分期：检索增强生成的作用

Hisashi Johno, Yuki Johno, Akitomo Amakawa, Junichi Sato, Ryota Tozuka, Atsushi Komaba, Hiroaki Watanabe, Hiroki Watanabe, Chihiro Goto, Hiroyuki Morisaka, Hiroshi Onishi, Kazunori Nakamoto

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

AI总结 利用RAG技术提升胰腺癌分期准确性，展示NotebookLM在临床诊断中的应用价值

Comments 11 pages, 6 figures, 2 tables, 6 supplementary files

Leverage Knowledge Graph and Large Language Model for Law Article Recommendation: A Case Study of Chinese Criminal Law

利用知识图谱和大语言模型进行法律文书推荐：中国刑法案例研究

Yongming Chen, Miner Chen, Ye Zhu, Juan Pei, Siyu Chen, Yu Zhou, Yi Wang, Yifan Zhou, Hao Li, Songan Zhang

机构 * Global Institute of Future Technology, Shanghai Jiao Tong University（未来技术全球研究院，上海交通大学） ； Donghua University（东华大学） 纠错

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

AI总结 本文提出结合知识图谱和大语言模型的法律文书推荐方法，通过构建案例增强的知识图谱和闭环框架，提升了推荐准确性，优于现有基线方法。

Comments Paper has been accepted

MedLA: A Logic-Driven Multi-Agent Framework for Complex Medical Reasoning with Large Language Models

MedLA：基于大语言模型的复杂医学推理多智能体框架

Siqi Ma, Jiajie Huang, Fan Zhang, Yue Shen, Jinlin Wu, Guohui Fan, Zhu Zhang, Zelin Zang

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

AI总结 MedLA是一种基于大语言模型的逻辑驱动多智能体框架，通过多轮图引导讨论实现透明推理和共识达成，有效提升复杂医学推理性能。

Comments accepted by AAAI-26 (ORAL)

Small Wins Big: Comparing Large Language Models and Domain Fine-Tuned Models for Sarcasm Detection in Code-Mixed Hinglish Text

小胜大：比较大型语言模型与领域微调模型在混合英语文本中的讽刺检测

Bitan Majumder, Anirban Sen

机构 * Pondicherry University（彭迪奇里大学） ； Ashoka University（阿什oka大学） 纠错

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

AI总结 本研究比较了大型语言模型与领域微调模型在混合英语文本中的讽刺检测性能，发现微调的 DistilBERT 模型在准确性上优于所有 LLMs。