语言大模型 / LLM

PediatricsGPT: Large Language Models as Chinese Medical Assistants for Pediatric Applications

Dingkang Yang, Jinjie Wei, Dongling Xiao, Shunli Wang, Tong Wu, Gang Li, Mingcheng Li, Shuaibing Wang, Jiawei Chen, Yue Jiang, Qingyao Xu, Ke Li, Peng Zhai, Lihua Zhang

专题命中 领域大模型 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)；SFT(abstract)

Comments Accepted by NeurIPS 2024. A Technical Report on a Chinese Medical Large Language Model

LLM-ESR: Large Language Models Enhancement for Long-tailed Sequential Recommendation

Qidong Liu, Xian Wu, Yejing Wang, Zijian Zhang, Feng Tian, Yefeng Zheng, Xiangyu Zhao

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

Comments accepted by NeruIPS'24 (Spotlight)

CTP-LLM: Clinical Trial Phase Transition Prediction Using Large Language Models

Michael Reinisch, Jianfeng He, Chenxi Liao, Sauleh Ahmad Siddiqui, Bei Xiao

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

CRE-LLM: A Domain-Specific Chinese Relation Extraction Framework with Fine-tuned Large Language Model

Zhengpeng Shi, Haoran Luo

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

Comments preprint

Legal Syllogism Prompting: Teaching Large Language Models for Legal Judgment Prediction

Cong Jiang, Xiaolei Yang

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

Comments Nineteenth International Conference on Artificial Intelligence and Law (ICAIL 2023)

Prompting Large Language Models for Zero-Shot Domain Adaptation in Speech Recognition

Yuang Li, Yu Wu, Jinyu Li, Shujie Liu

专题命中 领域大模型 ：large language model(title,abstract)；language model(title,abstract)；prompting(title)；LLM(abstract)

RETA-LLM: A Retrieval-Augmented Large Language Model Toolkit

Jiongnan Liu, Jiajie Jin, Zihan Wang, Jiehan Cheng, Zhicheng Dou, Ji-Rong Wen

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

Comments Technical Report for RETA-LLM

How sensitive do we want AI to be? Socio-communicative competencies of large language models in healthcare

我们希望人工智能有多敏感？医疗领域大型语言模型的社会交际能力

Dorothee Amelung, Andrew M. Bean, Sabine C. Herpertz, Felix H. Krones, Guy Parsons, Adam Mahdi, Isabella Schneider

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

AI总结 本研究通过分析HELP-Med数据集的1800条对话，评估GPT 4o、Llama 3和Command R+三种LLM的医疗领域社会交际能力，发现其结构化表现差，需调整评估框架以适配人机差异。

Clinical Term Extraction using Open-Source Small Language Models

使用开源小型语言模型进行临床术语提取

Noah Marchal, William E. Janes, Mihail Popescu, Xing Song

机构 * Informatics and Data Science Institute（信息学与数据科学研究所） ； Biomedical Informatics, Biostatistics and Medical Epidemiology Department（生物医学信息学、生物统计学与医学流行病学系） ； Department of Occupational Therapy（职业治疗系） ； University of Missouri, Columbia, Missouri, USA（密苏里大学哥伦比亚分校） 纠错

专题命中 领域大模型 ：language model(title,abstract)；small language model(title,abstract)；SLM(abstract,abstract_cn)；prompting(abstract)

AI总结 研究评估开源小型语言模型在无需训练数据的情况下，通过少样本提示从非结构化临床笔记中提取肌萎缩侧索硬化症相关术语，发现混合提取工作流优于单一模型。

MedFact: Benchmarking the Fact-Checking Capabilities of Large Language Models on Chinese Medical Texts

MedFact：大型语言模型在中文医学文本上的事实核查能力基准测试

Jiayi He, Yangmin Huang, Qianyun Du, Xiangying Zhou, Zhiyang He, Jiaxue Hu, Xiaodong Tao, Lixian Lai

机构 * Xunfei Healthcare Technology Co., Ltd.（讯飞医疗科技有限公司） 纠错

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

AI总结 为评估LLM在中文医学文本中的事实核查能力，构建了包含2116个专家标注实例的MedFact基准，涵盖13个专科、8种错误类型等，并发现模型在错误定位上表现不足，存在“过度批评”现象。

Comments Accepted to The Fifth Workshop on Generation, Evaluation, and Metrics (GEM) at ACL 2026

M4CXR: Exploring Multi-task Potentials of Multi-modal Large Language Models for Chest X-ray Interpretation

M4CXR：探索多任务潜力的多模态大语言模型在胸部X光解读中的应用

Jonggwon Park, Soobum Kim, Byungmu Yoon, Jihun Hyun, Kyoyun Choi

机构 * DEEPNOID Inc.（DEEPNOID公司） 纠错

专题命中 领域大模型 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract,abstract_cn)；prompting(abstract)

AI总结 本文提出M4CXR，一种多模态大语言模型，通过链式推理策略提升胸部X光报告生成的临床准确性，并在视觉问答和视觉 grounding 任务中表现出色。

Journal ref IEEE Transactions on Neural Networks and Learning Systems, vol. 36, no. 10, pp. 17841-17855, Oct. 2025

From What to Why: Thought-Space Recommendation with Small Language Models

Prosenjit Biswas, Pervez Shaik, Abhinav Thorat, Ravi Kolla, Niranjan Pedanekar

机构 * Sony Research India（索尼印度研究） 纠错

专题命中 领域大模型 ：language model(title,abstract)；small language model(title,abstract)；LLM(abstract)；large language model(abstract)

Comments 15 pages, 3 figures

Learnware of Language Models: Specialized Small Language Models Can Do Big

Zhi-Hao Tan, Zi-Chen Zhao, Hao-Yu Shi, Xin-Yu Zhang, Peng Tan, Yang Yu, Zhi-Hua Zhou

机构 * National Key Laboratory for Novel Software Technology, Nanjing University, China（国家新型软件技术实验室，南京大学，中国） ； School of Artificial Intelligence, Nanjing University, China（人工智能学院，南京大学，中国） 纠错

专题命中 领域大模型 ：language model(title,abstract)；small language model(title,abstract)；LLM(abstract)；large language model(abstract)

Me LLaMA: Foundation Large Language Models for Medical Applications

Qianqian Xie, Qingyu Chen, Aokun Chen, Cheng Peng, Yan Hu, Fongci Lin, Xueqing Peng, Jimin Huang, Jeffrey Zhang, Vipina Keloth, Xinyu Zhou, Lingfei Qian, Huan He, Dennis Shung, Lucila Ohno-Machado, Yonghui Wu, Hua Xu, Jiang Bian

专题命中 领域大模型 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)；foundation model(abstract)

Comments 21 pages, 4 figures, 8 tables

Large Language Models for User Interest Journeys

Konstantina Christakopoulou, Alberto Lalama, Cj Adams, Iris Qu, Yifat Amir, Samer Chucri, Pierce Vollucci, Fabio Soldo, Dina Bseiso, Sarah Scodel, Lucas Dixon, Ed H. Chi, Minmin Chen

专题命中 领域大模型 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)；foundation model(abstract)

Speech Translation with Large Language Models: An Industrial Practice

Zhichao Huang, Rong Ye, Tom Ko, Qianqian Dong, Shanbo Cheng, Mingxuan Wang, Hang Li

专题命中 领域大模型 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract,comments)；instruction tuning(abstract)

Comments Technical report. 13 pages. Demo: https://speechtranslation.github.io/llm-st/

Training-Free LLM-Based Recommendation with Post-LLM Item Refinement Using Collaborative Signals

基于LLM的无训练推荐：利用协同信号的后LLM物品优化

Kyungho Kim, Sunwoo Kim, Geon Lee, Shinhwan Kang, Sojeong Kim, Liam Collins, Bhuvesh Kumar, Donald Loveland, Kijung Shin

专题命中 领域大模型 ：LLM(title,title_cn)；large language model(abstract)；language model(abstract)

AI总结 本研究提出后LLM范式的无训练推荐框架CoRRe，通过协同信号优化物品嵌入，在真实数据集上性能优于现有无训练方法，接近或超过有训练方法。

Comments Published as a conference paper at CIKM 2026 (short)

From IR to RecSys: Evaluating LLM-based Judges in Cranfield-style Recommendation Collections

LLM-judges是否能在 Cranfield 风格的推荐系统评估中与人类相关性一致？

Gustavo Penha, Aleksandr V. Petrov, Claudia Hauff, Enrico Palumbo, Ali Vardasbi, Edoardo D'Amico, Francesco Fabbri, Alice Wang, Praveen Chandar, Henrik Lindstrom, Hugues Bouchard, Mounia Lalmas

专题命中 领域大模型 ：LLM(title,title_cn)；large language model(abstract)；language model(abstract)

AI总结 本文探讨了LLM是否能作为自动评判者解决推荐系统评估的可扩展性问题，通过实验发现LLM与人类在排序一致性上表现良好，具有实际应用价值。

Comments v2 paper accepted at the RecSys'26 Unified Search & Recommendation Workshop

Validating LLM-Modernized Scientific Software Through Differential Fault Injection

通过差分故障注入验证大语言模型（LLM）现代化的科学软件

Evan Coleman, Yuzhong Shen, Masha Sosonkina, Peng Xu

专题命中 领域大模型 ：LLM(title,title_cn)；large language model(abstract)；language model(abstract)

AI总结 本研究提出差分故障注入验证方法，以GAMESS为对象测试LLM现代化科学软件的正确性，发现转换后积分核与原始核一致，还暴露了精度降低时的并行死锁等问题。

KBSpec: LLM-driven Formal Specification Generation with Evolving Domain Knowledge Base

KBSpec：基于演化领域知识库的LLM驱动形式化规约生成

Wenhan Wang, Zeyu Sun

专题命中 领域大模型 ：LLM(title,title_cn)；large language model(abstract)；language model(abstract)

AI总结 提出KBSpec方法，利用外部官方文档和内部验证器反馈的双源知识增强LLM，通过自演化知识库持续更新成功轨迹，无需调参或标注数据，在JML规约生成上验证通过率提升10-25%。

Prestige over merit: An adapted audit of LLM bias in peer review

声望胜过能力：对同行评审中大型语言模型（LLM）偏差的适应性审计

Anthony Howell, Jieshu Wang, Luyu Du, Julia Melkers, Varshil Shah

专题命中 领域大模型 ：LLM(title,title_cn)；large language model(abstract)；language model(abstract)

AI总结 本研究开发多角色LLM模拟系统，审计发现LLM在同行评审中存在偏差，机构声望是核心影响因素，低声望作者的论文更易被拒，训练数据的领域规范与声望先验是关键成因。

GenRec: An LLM-Backed Recommendation Ranker at Netflix

GenRec：Netflix 一款基于大语言模型的推荐排序器

Ying Li, Shradha Sehgal, Arjun Rao, Rein Houthooft, Yaochen Zhu, Ashish Rastogi

专题命中 领域大模型 ：LLM(title,summary_cn)；large language model(abstract)；language model(abstract)；foundation model(abstract)

AI总结 Netflix 提出基于 LLM 的推荐排序器 GenRec，通过两阶段后训练实现，在大规模 A/B 测试中，其用更少标注数据即可取得显著指标提升，推动推荐范式转变并总结了部署经验。

Comments 9 pages

Auditing Sex/Gender Disparities in Emergency Triage with LLM-based Paired Comparisons

一种用于检测人类偏见的反事实LLM框架：急诊分诊中性/性别案例研究

Ariel Guerra-Adames, Marta Avalos-Fernandez, Océane Dorémus, Leo Anthony Celi, Cédric Gil-Jardiné, Emmanuel Lagarde

专题命中 领域大模型 ：LLM(title,title_cn)；large language model(abstract)；language model(abstract)

AI总结 本文提出一种基于LLM的反事实框架，用于检测急诊分诊中性别偏见，发现女性比男性更可能获得较低严重程度评分，揭示了性别在医疗决策中的影响。

Comments Accepted for publication in npj Digital Medicine. This version incorporates revisions made during peer review. In Press

DriveCode: Domain Specific Numerical Encoding for LLM-Based Autonomous Driving

DriveCode: 针对基于LLM的自动驾驶的领域特定数值编码

Zhiye Wang, Yanbo Jiang, Rui Zhou, Bo Zhang, Fang Zhang, Zhenhua Xu, Yaqin Zhang, Jianqiang Wang

机构 * School of Information Science and Engineering, Lanzhou University（兰州大学信息科学与工程学院） ； The School of Vehicle and Mobility, Tsinghua University（清华大学车辆与移动性学院） ； The Institute for AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究院） ； DiDi, Beijing, China（滴滴出行） ； State Key Laboratory of Intelligent Green Vehicle and Mobility, Tsinghua University（清华大学智能绿色车辆与移动性国家重点实验室） 纠错

专题命中 领域大模型 ：LLM(title,title_cn)；large language model(abstract)；language model(abstract)

AI总结 本文提出DriveCode，一种将数字表示为专用嵌入而非离散文本标记的新型数值编码方法，提升LLM在自动驾驶中的数值推理与解码效率。

Comments The project page is available at https://shiftwilliam.github.io/DriveCode

Do Recommendation Algorithms Work When Users Are LLM Agents? A Case Study on Moltbook

当用户是LLM智能体时推荐算法是否有效？基于Moltbook的案例研究

Daming Li, Simeng Han, Jialu Zhang

专题命中 领域大模型 ：LLM(title,title_cn)；large language model(abstract)；language model(abstract)

AI总结 研究LLM智能体作为用户时推荐算法的有效性，在Moltbook平台上评估八种方法，发现基于流行度和物品协同过滤的方法优于用户表示学习，表明推荐从个性化退化为结构模式匹配。

Comments 11 pages, 3 figures, 4 tables

SCALEFeedback: A Large-Scale Dataset of Synthetic Computer Science Assignments for LLM-generated Educational Feedback Research

SCALEFeedback：用于LLM生成教育反馈研究的大规模合成计算机科学作业数据集

Keyang Qian, Kaixun Yang, Wei Dai, Flora Jin, Yixin Cheng, Rui Guan, Sadia Nawaz, Zachari Swiecki, Guanliang Chen, Lixiang Yan, Dragan Gašević

专题命中 领域大模型 ：LLM(title,title_cn)；large language model(abstract)；language model(abstract)

AI总结 提出SCALEFeedback数据集，包含10,000份合成学生作业，覆盖59门大学计算机科学课程，用于开发基于LLM的可泛化自动教育反馈方法。

A Two-Stage Reflection and Reprompting Framework for LLM-Based Solution of Petri Net Reachability Problems in Industrial Applications

一种用于工业应用中基于LLM的Petri网可达性问题求解的两阶段反思与重提示框架

Ruimin Hu, Mehmet Mercangöz

专题命中 领域大模型 ：LLM(title,title_cn)；large language model(abstract)；language model(abstract)

AI总结 提出一种结合两阶段反思与重提示机制的LLM框架，用于解决工业制造系统中Petri网可达性问题，通过反思和重新澄清提高可行序列生成的准确性，实验表明该方法在多个LLM上均提升了可靠性和稳定性。

Comments Accepted to the 2026 IEEE Conference on Control Technology and Applications (CCTA). N pages, 2 figures, 3 tables

Human--LLM Collaboration Is Transforming Complexity Metrics in Scientific Texts

人类与LLM协作正在改变科学文本中的复杂性度量

R. Alexander Bentley, Blai Vidiella, Damian J. Ruck, Senjuti Dutta, Kai Li, Sergi Valverde

专题命中 领域大模型 ：LLM(title,title_cn)；large language model(abstract)；language model(abstract)

AI总结 研究利用2010-2025年arXiv摘要，发现2023年后LLM使用激增导致词汇更替率上升，且LLM风格指数与复杂性度量（词汇量、Heap定律和Zipf定律指数）的正相关关系变平缓，表明人机混合语言生态系统的涌现特性发生变化。

Comments 8 pages, 5 figures

Teaching Software Engineering with LLM and MCP Integration: From Classroom to Industry Practice

用LLM和MCP集成教学软件工程：从课堂到工业实践

Kehui Chen, Jacky Keung, Weining Li, Xiangbing Shao, Yishu Li, Xiaoxue Ma

专题命中 领域大模型 ：LLM(title,title_cn)；large language model(abstract)；language model(abstract)

AI总结 本研究将LLM和MCP集成到软件工程协作教学模式中，通过嵌入驱动工具到教学、代码辅助和工程模拟，弥合传统教学与工业流程的差距，提升学生编程、问题解决和智能工具使用能力。

Comments Aceept by International Symposium on Educational Technology (ISET) 2026

Are LLM-based Chatbots Good Enough to Support Computer Science Students in Multiple-Choice Exercises?

基于LLM的聊天机器人是否足以支持计算机科学学生完成多项选择题练习？

Markos Stamatakis, Omkar Gavali, Joshua Berger, Christian Wartena, Anett Hoppe, Ralph Ewerth

专题命中 领域大模型 ：LLM(title,title_cn)；large language model(abstract)；language model(abstract)

AI总结 本研究评估了多种LLM聊天机器人在大学计算机科学多项选择题中的表现，并探讨其对学生学习的影响，发现GPT-4o和GPT-5表现最佳，但提供答案和解释并未普遍提升学生成绩。

Comments 13 pages (excluding references), 6 tables, 1 figure, 1 equation