语言大模型 / LLM

Language Models are Alignable Decision-Makers: Dataset and Application to the Medical Triage Domain

Brian Hu, Bill Ray, Alice Leung, Amy Summerville, David Joy, Christopher Funk, Arslan Basharat

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

Comments 15 pages total (including appendix), NAACL 2024 Industry Track

LLM Based Multi-Agent Generation of Semi-structured Documents from Semantic Templates in the Public Administration Domain

Emanuele Musumeci, Michele Brienza, Vincenzo Suriani, Daniele Nardi, Domenico Daniele Bloisi

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

Comments Accepted at HCI INTERNATIONAL 2024 - 26th International Conference on Human-Computer Interaction. Washington Hilton Hotel, Washington DC, USA, 29 June - 4 July 2024

AgentMD: Empowering Language Agents for Risk Prediction with Large-Scale Clinical Tool Learning

Qiao Jin, Zhizheng Wang, Yifan Yang, Qingqing Zhu, Donald Wright, Thomas Huang, W John Wilbur, Zhe He, Andrew Taylor, Qingyu Chen, Zhiyong Lu

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

Comments Work in progress

IvyGPT: InteractiVe Chinese pathwaY language model in medical domain

Rongsheng Wang, Yaofei Duan, ChanTong Lam, Jiexi Chen, Jiangsheng Xu, Haoming Chen, Xiaohong Liu, Patrick Cheong-Iao Pang, Tao Tan

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

Comments 5 pages, 3 figures

Beyond Classification: Financial Reasoning in State-of-the-Art Language Models

Guijin Son, Hanearl Jung, Moonjeong Hahm, Keonju Na, Sol Jin

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

Comments Accepted by FinNLP (Financial Technology and Natural Language Processing) @ IJCAI2023 as long paper

Customizing General-Purpose Foundation Models for Medical Report Generation

Bang Yang, Asif Raza, Yuexian Zou, Tong Zhang

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

Comments 14 pages, 3 figures

LLM Agent for Fire Dynamics Simulations

Leidong Xu, Danyal Mohaddes, Yi Wang

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

Comments NeurIPS 2024 Foundation Models for Science Workshop (38th Conference on Neural Information Processing Systems). 12 pages, 8 figures

Graph-Supervised Hierarchical Clinical Alignment for Radiology Report Generation with Large Language Models

面向结合大语言模型的放射学报告生成的图监督分层临床对齐

Yingshu Li, Yunyi Liu, Zhanyu Wang, Zailong Chen, Lingqiao Liu, Lei Wang, Luping Zhou

机构 * University of Sydney（悉尼大学） ； ByteDance（字节跳动） ； University of Wollongong（伍伦贡大学） ； University of Adelaide（阿德莱德大学） 纠错

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

AI总结 本文针对放射学报告生成中报告级监督与疾病级发现的粒度不匹配问题，提出图监督分层临床对齐方法，在3B模型上超越多个更大参数的现有系统，验证了优化监督结构的有效性。

LLMCrater: Lifecycle-Aware FAIR Metadata Generation using Large Language Models

LLMCrater：基于大语言模型的生命周期感知型FAIR元数据生成框架

Dani Termaat, Nafiseh Soveizi, Zhiming Zhao, Marios Avgeris

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

AI总结 该研究提出生命周期感知型元数据生成框架LLMCrater，结合LLMs与RO-Crate元数据概要，在科研生命周期四阶段逐步生成符合规范的元数据，经两个用例验证可生成有效RO-Crate。

Comments 2 pages, 1 figure. Accepted at the 22nd IEEE International Conference on e-Science (eScience 2026)

Redakto - The Incognito Tab for LLMs

Redakto——面向大语言模型的隐身标签

Saurav Kumar Saha, Tom Röhr, Felix Bießmann

机构 * Berlin University of Applied Sciences（柏林应用科学大学） ； Einstein Center Digital Future（爱因斯坦数字未来中心） 纠错

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

AI总结 Redakto是一款开源匿名化工具，可通过网页应用、REST API等供用户使用，能移除文本中PII，其匿名化后的文本效用与原文相当，可助力LLM使用时的隐私保护。

Comments Accepted at WIPE-OUT 2026, 2nd Workshop on Machine Unlearning and Privacy Preservation at ECML-PKDD

Assessing Large Language Models for Stabilizing Numerical Expressions in Scientific Software

评估大语言模型在科学软件中稳定数值表达式的能力

Tien Nguyen, Kirshanthan Sundararajah, Muhammad Ali Gulzar

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

AI总结 本文评估大语言模型在数值稳定性任务中的表现，发现其在检测和稳定不稳定的计算方面与传统方法相当，并在某些情况下表现更优，但对控制流和高精度字面量处理较弱。

From Relational and Property Graph Data to Large Language Models

从关系型和属性图数据到大语言模型

Malcolm Crowe, Fritz Laux

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

AI总结 本文提出一种结合关系型与属性图数据的数据管理服务器，通过引用值替代外键协调两种模型，将其知识模型提供给大语言模型生成工具，还给出基于三元组的知识库示例以验证该系统的可行性。

Comments 7 pages, 4 figures, 4 tables

Journal ref IARIA Congress 2026 : The 2026 IARIA Annual Congress on Frontiers in Science, Technology, Services, and Applications

Evolutionary Factor Searching for Sparse Portfolio Optimization Using Large Language Models

基于大语言模型的稀疏投资组合优化的进化因子搜索

Jiandong Chen, Haochen Luo, Yuan Zhang, Chen Liu, Qingfu Zhang

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

AI总结 本研究提出Evolutionary Factor Search框架，结合大语言模型与进化算法生成alpha因子，引入冗余感知权重分配模块处理因子冗余，经多市场实验验证其在稀疏投资组合优化中优于基线方法，为该领域提供了鲁棒可解释的新范式。

ATLAS: Learning to Recommend Across Unseen Domains

ATLAS：学习在未见域间进行推荐

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

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

AI总结 ATLAS是一种多源推荐域泛化框架，无需目标域适配或LLM预训练，可从异构源域学习域不变表示，在未见域零样本推荐中优于多种基线，HitRate平均提升24%。

Comments 18 pages, 5 figures, 14 tables. Includes appendix with proofs and additional experiments

NeuroMosaic: Anatomically Grounded Multimodal Large Language Modeling for Molecularly Aware Glioma Reasoning from 3D MRI and Clinical Narratives

NeuroMosaic：基于解剖学的多模态大语言模型，用于从3D MRI和临床叙事中进行分子感知的胶质瘤推理

Yantong Liu, Zheyu Zhang, Runpeng Liu, Mu Xitang, Seong-Yoon Shin, Hyun-Ae Lee

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

AI总结 该研究针对多模态医疗大语言模型在神经肿瘤学中的结构缺陷，提出NeuroMosaic模型，通过多模块架构实现胶质瘤的准确推理，在多个数据集上取得优异性能，验证了解剖学索引路由机制的有效性。

Preferred, Not Safer: Pairwise Preference Is a Poor Proxy for Clinical Safety

偏好而非安全：成对偏好并非临床安全的可靠替代指标

Fay Elhassan, David Sasu, Alexandra Kulinkina, Lars Henning Klein, Mary-Anne Hartley

机构 * EPFL（洛桑联邦理工学院） ； LiGHT Laboratory（LiGHT实验室） 纠错

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

AI总结 研究表明临床医生成对偏好并非LLM临床安全的可靠替代指标，其排名靠前的模型仍存在大量临床安全失败，提出结合偏好与安全反馈的临床调整排名方法，支持分离偏好与安全的评估实践。

Comments 27 pages,10 figures

Reason4Rec: Deliberative User Preference Alignment of Large Language Models for Recommendation

Reason4Rec：用于推荐的大语言模型的审慎用户偏好对齐

Yi Fang, Wenjie Wang, Yang Zhang, Fengbin Zhu, Qifan Wang, Fuli Feng, Xiangnan He

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

AI总结 研究旨在开发更可靠的推荐LLMs，引入“审慎推荐”任务并提出“推理驱动的推荐器”框架，利用语言化用户反馈增强推理能力，经实验验证该框架能提升预测准确性和推理质量。

Comments Accepted to IEEE TKDE

A Cybersecurity MLPS Large Language Model with Multi-Path Retrieval Fusion

一种具有多路径检索融合的网络安全多级保护方案大语言模型

Qian Li, Zhenyan Qi, Liang Shen, Yuan Zhang, Yifan Wan, Junyuan Ma, Yining Hu

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

AI总结 针对网络安全MLPS，提出集成多种检索策略的大语言模型框架，结合分层、基于树及基于词元化的匹配检索，减少无关干扰，采用多维加权评分评估，在十个典型问题实验中该特定领域模型总分更高。

Multimodal Large Language Models for Remote Sensing Image Understanding: Domain-Specific or General-Purpose?

用于遥感图像理解的多模态大语言模型：领域特定还是通用？

Qiwei Ma, Chunping Qiu, Xinjun Cheng, Xiaoyu Zhang, Puhong Duan, Ke Yang, Xudong Kang, Shutao Li

机构 * School of Artificial Intelligence and Robotics, Hunan University（湖南大学人工智能与机器人学院） ； Intelligent Game and Decision Lab (IGDL)（智能游戏与决策实验室） ； Yuelushan Center for Industrial Innovation（岳麓山工业创新中心） 纠错

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

AI总结 本文针对遥感图像理解的多模态大语言模型展开研究，通过系统调查和评估，比较其与通用模型在不同任务上的表现，发现当前模型存在局限，进而给出未来方向，为开发相关模型提供系统参考。

Comments 27 pages, 11 figures

The unintended consequences of large language models as a labor-augmenting technology in science

大语言模型作为科学领域劳动力增强技术的意外后果

Eamon Duede, Kevin Gross, M. J. Crockett, Carl Bergstrom

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

AI总结 研究大语言模型作为科学领域劳动力增强技术的意外后果，用简单数学模型说明，指出其改变研究精力分配平衡，使研究人员对发表内容选择性改变，还提高时间机会成本，让论文打磨不那么彻底，降温了相关美好期望。

Beyond Medical Diagnostics: How Medical Multimodal Large Language Models Think in Space

超越医学诊断：医学多模态大语言模型如何在空间中思考

Quoc-Huy Trinh, Xi Ding, Yang Liu, Zhenyue Qin, Xingjian Li, Gorkem Durak, Halil Ertugrul Aktas, Andrea M. Bejar, Ulas Bagci, Min Xu

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

AI总结 本文提出SpatialMed基准，通过自主合成空间视觉问答数据评估医学MLLMs的3D空间智能，发现现有模型在医学影像空间推理能力不足。

Region-Aware Multimodal Large Language Model via SlowFast Tokenization and Pseudo-Mask Guidance for 3D CT Report Generation

区域感知多模态大语言模型：基于慢快标记化与伪掩码引导的3D CT报告生成

Sunggu Kyung, Jinyoung Seo, Hyunseok Lim, Dongyeong Kim, Hyungbin Park, Jimin Sung, Jihyun Kim, Wooyoung Jo, Yoojin Nam, Namkug Kim

机构 * Department of Convergence Medicine, University of Ulsan College of Medicine, Asan Medical Center, Seoul, Republic of Korea（韩国首尔峨山医疗中心蔚山大学医学院融合医学系） ； University of Ulsan College of Medicine, Seoul, Republic of Korea（韩国首尔蔚山大学医学院） ； Department of Radiology and Research Institute of Radiology, University of Ulsan College of Medicine, Asan Medical Center, Seoul, Republic of Korea（韩国首尔峨山医疗中心蔚山大学医学院放射科与放射学研究所） 纠错

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

AI总结 提出MedRegion-CT框架，通过区域慢快标记器联合建模全局与细粒度信息、伪掩码引导关注诊断关键区域、结构化病变信息提示，实现高质量CT报告生成，在多项指标上达到最优。

Comments Accepted to ECCV 2026. 15 pages, 8 figures, 4 tables

Using Large Language Models in Physics Education

在物理教育中使用大型语言模型

Jonah L. Donaldson, Aliya Nawaz, Konstantinos Doran, Alysta Lim, Mario Campanelli

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

AI总结 本研究评估了2024年中至2025年底发布的前沿大型语言模型在解决大学物理问题（经典力学、电磁学、量子力学）和自动评分方面的能力，发现文本推理接近饱和，多模态集成解决了空间几何限制，但部分评分仍存在挑战。

Comments 22 pages

Multimodal Large Language Model driven Radiology Report Generation with Clinical Knowledge Enhancement

基于多模态大语言模型的放射科报告生成与临床知识增强

Miaojing Shi, Tianyu Cen, Zijie Yue, Meng Wei, Oluwatosin Alabi, Tom Vercauteren

机构 * College of Electronic and Information Engineering, Tongji University（同济大学电子与信息工程学院） ； Shanghai Research Institute for Intelligent Autonomous Systems, Tongji University（同济大学上海自主智能无人系统科学中心） 纠错

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

AI总结 本文提出一种融合多模态大语言模型与临床知识的放射科报告生成方法，通过解剖学特征提取、多模态报告生成及多任务学习提升报告的临床相关性与准确性。

Connect the Dots: Training LLMs for Long-Lifecycle Agents with Cross-Domain Generalization Via Reinforcement Learning

Connect the Dots：通过强化学习训练具备跨域泛化能力的长期生命周期智能体

Yanxi Chen, Weijie Shi, Yuexiang Xie, Boyi Hu, Yaliang Li, Bolin Ding, Jingren Zhou

机构 * Alibaba Group（阿里巴巴集团） 纠错

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

AI总结 提出Connect the Dots框架，通过端到端强化学习训练LLM在长期任务中自我更新上下文并泛化到新领域，实验验证了跨域泛化能力。

Comments Work in progress; we will continuously update the codebase and arXiv version

Usability Analysis of Configurator User Interfaces with Multimodal Large Language Models

配置器用户界面的可用性分析：基于多模态大语言模型

Sebastian Lubos, Alexander Felfernig, Damian Garber, Adnan Kraljić, Tarik Kraljić, Viet-Man Le, Thi Ngoc Trang Tran, Gerhard Leitner, Julian Schwazer, Doris Suppan, Reinhard Willfort, Ivan Dukic, Jeremias Fuchs, Manuel Henrich

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

AI总结 本文通过合成18个配置器特定可用性标准，利用多模态大语言模型对16个实际配置器进行半自动化可用性分析，验证了MLLMs能可靠识别问题并提供领域感知改进建议。

Comments Accepted for publication at the International Conference on Software and Systems Reuse, Product Lines, and Configuration (VARIABILITY 2026)

Why Thinking Hurts: Diagnosing and Rectifying Linguistic Inertia in Large Language Models for Recommendation

为什么思考有害：诊断并纠正大型语言模型在推荐中的语言惯性

Luankang Zhang, Yonghao Huang, Hang Lv, Xuyang Zhi, Mingjia Yin, Yuyang Ye, Wei Guo, Hao Wang, Enhong Chen

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

AI总结 本文发现链式思维推理在推荐模型中会导致性能下降，归因于语言惯性，并提出无需训练的语言惯性校准解码（LICD）框架，通过推理链压缩和偏差相减对比推理来缓解该问题。

Eureka: Intelligent Feature Engineering for Enterprise AI Cloud Resource Demand Prediction

Eureka：面向企业AI云资源需求预测的智能特征工程

Hangxuan Li, Renjun Jia, Xuezhang Wu, Yunjie Qian, Zeqi Zheng, Xianling Zhang

机构 * Alibaba Cloud Computing Co. Ltd, Hangzhou, China（阿里云计算有限公司，杭州，中国） ； School of Computer Science, Fudan University, Shanghai, China（复旦大学计算机学院，上海，中国） ； School of Computer Science and Technology, Tongji University, Shanghai, China（同济大学计算机科学与技术学院，上海，中国） ； Independent Researcher, United States（独立研究员，美国） 纠错

专题命中 领域大模型 ：LLM(summary_cn,abstract)；SFT(abstract,abstract_cn)；分类 cs.CL、cs.AI、cs.LG

AI总结 提出Eureka框架，将特征工程视为智能体代码生成问题，通过专家代理、LLM特征工厂和自演化对齐引擎三阶段，自动生成可执行特征代码，在医疗、金融、社交等7个公开基准及阿里云GPU资源需求预测中显著提升性能。

Comments accepted at NeurIPS 2025 Workshop, DASFAA 2026 (International Conference on Database Systems for Advanced Applications)

Journal ref Database Systems for Advanced Applications (DASFAA 2026), Lecture Notes in Computer Science, vol. 16540, pp. 528-540, Springer

MoBayes: A Modular Bayesian Framework for Separating Reasoning from Language in Conversational Clinical Decision Support

MoBayes：一种用于对话式临床决策支持中推理与语言分离的模块化贝叶斯框架

Yusuf Kesmen, Fay Elhassan, Jiayi Ma, Julien Stalhandske, Yena Chang, David Sasu, Alexandra Kulinkina, Akhil Arora, Lars Klein, Mary-Anne Hartley

机构 * LiGHT, EPFL（LiGHT，瑞士联邦理工学院） ； University of Bern（伯尔尼大学） ； Aarhus University（奥胡斯大学） 纠错

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

AI总结 提出MoBayes框架，通过将LLM作为语言接口、贝叶斯模块进行概率推理，实现推理与语言分离，在临床决策支持中优于独立前沿LLM医生。

Comments 50 pages including appendix, 13 figures, 22 tables. Preprint

Agentifying Patient Dynamics within LLMs through Interacting with Clinical World Model

通过与临床世界模型交互实现患者动态的智能体化

Minghao Wu, Yuting Yan, Zhenyang Cai, Ke Ji, Chuangsen Fang, Ziying Sheng, Xidong Wang, Rongsheng Wang, Hejia Zhang, Shuang Li, Benyou Wang, Hongyuan Zha

机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） 纠错

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

AI总结 本文提出SepsisAgent，通过临床世界模型模拟患者对液体-血管加压药干预的响应，采用提出-模拟-细化流程进行脓毒症治疗推荐，优于传统RL和LLM基线方法。