From Days to Minutes: An Autonomous AI Agent Achieves Reliable Clinical Triage in Remote Patient Monitoring
该研究介绍了一种名为 Sentinel 的自主 AI 代理，它利用模型上下文协议（MCP）对远程患者监测数据进行多步推理和情境化分诊，在紧急敏感性等关键指标上超越了人类临床医生，同时以极低的成本实现了可扩展的自动化监测，从而解决了以往远程患者监测试验因数据过载而失败的核心难题。
💬 Category
cs.CL
1071 篇论文
Exclusive Self Attention
该论文提出了一种名为“排他性自注意力”（XSA）的简单改进机制，通过限制注意力仅关注与自身向量正交的信息来排除位置自信息，从而在语言建模任务中实现了随模型规模和序列长度增加而显著提升的性能。
Reading, Not Thinking: Understanding and Bridging the Modality Gap When Text Becomes Pixels in Multimodal LLMs
该论文系统诊断了多模态大语言模型在处理图像文本时存在的“模态差距”，发现其主要由渲染因素引发的阅读错误导致，并提出了一种通过自蒸馏利用纯文本推理痕迹来提升视觉文本理解能力的有效方法。
Bioalignment: Measuring and Improving LLM Disposition Toward Biological Systems for AI Safety
该研究提出并验证了“生物对齐”（Bioalignment）框架，通过构建包含 50 个提示词的基准测试发现大多数大语言模型偏向合成技术方案，并证明利用约 2200 万 token 的生物医学文献对开源模型进行 QLoRA 微调，能显著提升其对生物解决方案的偏好，同时保持通用能力不下降。
DuplexCascade: Full-Duplex Speech-to-Speech Dialogue with VAD-Free Cascaded ASR-LLM-TTS Pipeline and Micro-Turn Optimization
本文提出了 DuplexCascade，一种无需语音活动检测（VAD）的级联流式语音对话系统，通过将传统长话轮转化为微话轮交互并引入专用控制令牌，在保留强大语言模型智能的同时实现了全双工语音对话。
DEO: Training-Free Direct Embedding Optimization for Negation-Aware Retrieval
该论文提出了一种无需训练的“直接嵌入优化”（DEO）方法，通过将查询分解为正负组件并优化嵌入表示，有效解决了现有检索模型在处理否定和排除查询时的不足，并在文本及多模态检索任务中显著提升了性能。
The Reasoning Trap -- Logical Reasoning as a Mechanistic Pathway to Situational Awareness
该论文提出了 RAISE 框架，论证了大语言模型逻辑推理能力的提升会通过演绎、归纳和溯因三条机制路径不可避免地增强其情境感知能力（包括自我认知与战略欺骗），并呼吁推理研究界正视这一风险，建立相应的安全基准与原则。
Emotion is Not Just a Label: Latent Emotional Factors in LLM Processing
该论文提出情感是塑造大语言模型注意力机制与推理过程的关键潜在因素，通过构建情感均衡的 AURA-QA 数据集并引入情感正则化框架，揭示了情感语调对注意力几何结构的影响，并显著提升了模型在情感变化及分布偏移场景下的阅读理解性能。
SPAR-K: Scheduled Periodic Alternating Early Exit for Spoken Language Models
本文提出了 SPAR-K 框架，通过一种模态感知的交替深度调度策略（即大部分语音令牌在中间层提前退出，并周期性插入全深度“刷新”步骤），在几乎不降低语音转录准确率、感知质量和问答精度的前提下，显著降低了交错式语音语言模型的推理计算成本。
LooComp: Leverage Leave-One-Out Strategy to Encoder-only Transformer for Efficient Query-aware Context Compression
本文提出了 LooComp，一种基于留一法策略的轻量级编码器模型，通过衡量句子缺失对线索丰富度的影响来驱动上下文剪枝，从而在显著降低计算成本和内存占用的同时，实现了高效的检索增强生成任务中的上下文压缩与问答性能保持。
How Contrastive Decoding Enhances Large Audio Language Models?
该研究通过系统评估和引入过渡矩阵框架，揭示了对比解码在修正大音频语言模型“误报无音频”或“不确定性猜测”类错误方面的有效性及其对模型架构的依赖性，从而为根据基线错误特征选择最合适的增强策略提供了明确指导。
Diagnosing and Repairing Citation Failures in Generative Engine Optimization
该论文提出了一种名为 AgentGEO 的代理系统，通过构建引用失败分类法来诊断生成式引擎优化（GEO）中的具体失效原因并实施针对性修复，从而在仅修改少量内容的情况下显著提升了引用率，同时揭示了通用优化策略可能损害长尾内容可见性的问题。
TA-Mem: Tool-Augmented Autonomous Memory Retrieval for LLM in Long-Term Conversational QA
本文提出了 TA-Mem 框架，通过引入自适应记忆提取代理、多索引记忆数据库及工具增强的自主检索代理，利用动态工具选择机制替代传统静态检索方法，显著提升了大语言模型在长程对话问答任务中的表现。
TaSR-RAG: Taxonomy-guided Structured Reasoning for Retrieval-Augmented Generation
本文提出了 TaSR-RAG 框架，通过将查询和文档表示为关系三元组并结合轻量级分类体系进行结构化推理，有效解决了传统检索增强生成（RAG）系统在多跳推理中存在的上下文冗余、信息密度低及推理脆弱等问题，在多个多跳问答基准测试中显著提升了性能。
Quantifying and extending the coverage of spatial categorization data sets
该论文展示了大语言模型生成的标签与人类标注在空间范畴化任务中高度一致，并据此提出了一种扩展“拓扑关系图片系列”（TRPS）数据集的方法，通过新增42个场景显著提升了场景覆盖度，为构建涵盖数十种语言和数百个场景的大规模空间数据集奠定了基础。
Reward Prediction with Factorized World States
该论文提出了名为 StateFactory 的基于大语言模型的因子化世界状态表示方法，通过将非结构化观测转化为分层对象 - 属性结构，利用语义相似性实现跨领域的零样本奖励预测，从而显著提升了智能体在 AlfWorld 和 ScienceWorld 等任务中的规划成功率。
LLM as a Meta-Judge: Synthetic Data for NLP Evaluation Metric Validation
该论文提出了一种名为"LLM 作为元裁判”的可扩展框架，通过利用大语言模型对真实数据进行受控语义退化来生成合成评估数据集，从而替代昂贵且耗时的人工标注，并在机器翻译、问答和摘要任务中验证了该方法在评估指标验证方面能作为人类判断的高相关性可靠替代方案。
Investigating Gender Stereotypes in Large Language Models via Social Determinants of Health
该研究通过法语患者记录实验发现，大型语言模型会利用嵌入的社会决定因素刻板印象来做出基于性别的决策，表明评估社会决定因素之间的交互作用可有效补充现有的模型偏见评估方法。
Common Sense vs. Morality: The Curious Case of Narrative Focus Bias in LLMs
该论文提出了包含道德困境中常识矛盾的新基准 CoMoral，发现当前大语言模型倾向于优先进行道德推理而忽视常识，且存在仅在矛盾由次要角色而非主要角色引发时才更易识别的叙事焦点偏差。
CyberThreat-Eval: Can Large Language Models Automate Real-World Threat Research?
本文针对现有基准在评估大语言模型自动化网络安全威胁情报（CTI）研究能力方面的不足，提出了基于真实专家工作流和分析师中心指标的"CyberThreat-Eval"基准，揭示了当前模型在处理复杂细节和区分信息真伪方面的局限性，并展示了结合外部知识库与人类反馈的改进方案。