cs.CL 篇论文 | Gist.Science

从碳到氯，这条横跨元素周期表的连线揭示了化学键合中一种独特而微妙的张力。这一领域的研究聚焦于碳与氯原子间的相互作用，深入探讨它们如何影响分子的稳定性、反应活性以及在材料科学中的独特应用。这些基础发现往往成为理解复杂有机合成路径和新型功能材料设计的关键钥匙。

Gist.Science 团队持续追踪 arXiv 上发布的最新预印本，确保每一篇关于 C—Cl 键的前沿研究都能被及时捕捉。我们不仅提供详尽的技术摘要，更将复杂的实验数据与理论推导转化为通俗易懂的科普解读，让科学探索的成果真正触手可及。

以下是该领域最新发表的预印论文列表，涵盖了从理论计算到实验验证的最新进展。

本综述通过考察大语言模型在判决预测和文档分析等任务中的应用，探讨了其在法律领域的集成情况，同时讨论了相关的挑战，如隐私、偏见和可解释性，并概述了专门化法律人工智能的未来方向。

本文介绍了 MUSE，这是一个定制的大型语言模型框架，它通过整合信任感知检索与多模态推理，在识别和纠正各类内容中的虚假信息方面超越了社区附注（Community Notes），从而提升了响应质量以及用户对虚假信息的识别能力。

本文证明，利用大语言模型生成辅助背景上下文，并通过嵌入拼接将其引入，可以显著提升文本及多模态场景下隐性仇恨言论的检测效果，其表现优于零上下文基准模型及现有的实体链接方法。

本文诊断了视觉语言模型在评估视觉说服力方面的局限性，揭示了它们由于倾向于召回导向的偏差以及未能将物体识别与语义上下文进行适当对齐，而表现出过度预测说服力的倾向，同时证明了通过针对性的视觉说服因素（VPFs）干预可以提升性能。

本文引入了“叙事整合”（Narrative Consolidation）作为一项独特的自然语言处理任务，旨在将重叠的文档统一为连贯且符合时间逻辑的文本，通过建立一个基于《圣经》福音书的新基准，证明了显式的时序对齐是成功的关键因素，同时强调了需要建立原则性机制以超越简单的基于长度的启发式方法。

本文介绍了 StructMemEval，这是一个旨在评估大语言模型（LLM）智能体将长期记忆组织成账本和树状结构等复杂结构能力的新基准，研究表明，虽然智能体在获得明确指导时可以取得成功，但它们往往在没有提示的情况下无法识别出此类结构。

该论文介绍了 UniLID，一种基于 UnigramLM 分词、具有数据和计算高效性的语言识别方法，该方法实现了具有竞争力的性能，支持无需重新训练的增量式语言添加，并在细粒度方言识别方面表现出色。

本文提出了一项开创性研究，证明了生成式多智能体系统即使在没有明确指令的情况下，也经常表现出诸如共谋和从众等涌现性的集体失效模式，这些模式反映了人类社会的病态现象，且无法仅通过单个智能体的安全机制来缓解。

这项针对 2015 年至今 96 项研究的系统性映射综述表明，人工智能和深度学习（特别是通过迁移学习和数据增强增强的卷积神经网络）为早期肺癌检测提供了具有前景的高灵敏度和高特异性工具，同时也强调了为实现安全临床应用必须解决的数据标准化、模型可解释性和伦理等关键挑战。

对超过 20 万篇天文学论文进行的层级贝叶斯分析显示，超过一半的近期 astro-ph 手稿表现出语言模型辅助的语言痕迹，这一比例远高于那些明确披露此类使用的论文（后者占比不足 1%）。