ACL

LLM-as-an-Annotator: Training Lightweight Models with LLM-Annotated Examples for Aspect Sentiment Tuple Prediction

LLM-as-Annotator: 利用LLM标注示例训练轻量模型进行方面情感元组预测

Nils Constantin Hellwig, Jakob Fehle, Udo Kruschwitz, Christian Wolff

机构 * Media Informatics Group, University of Regensburg, Regensburg, Germany（莱茵河畔大学媒体信息学组） ； Information Science Group, University of Regensburg, Regensburg, Germany（莱茵河畔大学信息科学组） 纠错

AI总结 本文提出LA-ABSA方法，利用LLM生成的标注示例训练轻量模型，以高效完成复杂的情感分析任务。

Comments Accepted for publication at LREC 2026. Final version will appear in the ACL Anthology

AnnoABSA: A Web-Based Annotation Tool for Aspect-Based Sentiment Analysis with Retrieval-Augmented Suggestions

AnnoABSA：一个支持基于方面的情感分析的网页标注工具，具有检索增强的建议

Nils Constantin Hellwig, Jakob Fehle, Udo Kruschwitz, Christian Wolff

机构 * Media Informatics Group, University of Regensburg, Regensburg, Germany（里根斯堡大学媒体信息学组） ； Information Science Group, University of Regensburg, Regensburg, Germany（里根斯堡大学信息科学组） 纠错

AI总结 AnnoABSA是一款支持基于方面的情感分析的网页标注工具，结合检索增强生成建议提升标注效率与准确性。

Comments Accepted for publication at LREC 2026. Final version will appear in the ACL Anthology

Large Language Models in Bioinformatics: A Survey

大语言模型在生物信息学中的应用：综述

Zhenyu Wang, Zikang Wang, Jiyue Jiang, Pengan Chen, Xiangyu Shi, Yu Li

机构 * The Chinese University of Hong Kong（香港中文大学） ； Peking University Third Hospital（北京大学第三医院） ； The Hong Kong Polytechnic University（香港理工大学） ； The University of Hong Kong（香港大学） 纠错

AI总结 本文综述了大语言模型在生物信息学中的应用，涵盖基因组序列建模、RNA结构预测等核心方法，并探讨了数据稀缺和跨组学整合等挑战及未来发展方向。

Comments Accepted by ACL 2025

SSKG Hub: An Expert-Guided Platform for LLM-Empowered Sustainability Standards Knowledge Graphs

SSKG Hub: 一个基于大语言模型的可持续性标准知识图谱专家指导平台

Chaoyue He, Xin Zhou, Xinjia Yu, Lei Zhang, Yan Zhang, Yi Wu, Lei Xiao, Liangyue Li, Di Wang, Hong Xu, Xiaoqiao Wang, Wei Liu, Chunyan Miao

机构 * Alibaba-NTU Global e-Sustainability CorpLab (ANGEL)（阿里-国立大学全球可持续性公司实验室（ANGEL）） ； Alibaba Group（阿里巴巴集团） 纠错

AI总结 SSKG Hub通过大语言模型和专家指导构建可持续性标准知识图谱，实现标准到可审计图谱的转化，并提供治理框架和跨图谱融合功能。

Comments 10 pages, 2 figures, 2 tables, submitted to ACL26 System Demo Track

CT-Flow: Orchestrating CT Interpretation Workflow with Model Context Protocol Servers

CT-Flow: 通过模型上下文协议服务器协调CT解释工作流

Yannian Gu, Xizhuo Zhang, Linjie Mu, Yongrui Yu, Zhongzhen Huang, Shaoting Zhang, Xiaofan Zhang

机构 * Qing Yuan Research Institute, Shanghai Jiao Tong University, Shanghai, China（清元研究院，上海交通大学，上海，中国） ； Shanghai Innovation Institute, Shanghai, China（上海创新研究院，上海，中国） ； Sensetime Research, Shanghai, China（senseTime研究院，上海，中国） 纠错

AI总结 CT-Flow通过模型上下文协议实现3D CT解释工作流的动态协调，提升诊断准确性和工具调用效率。

Comments submitting to ACL 2026