关注gongzhonghao【计算机sci论文精选】

AI大模型已迈入规模化应用新阶段，全球模型数量超1300个，中国备案上线模型达433款，技术覆盖文本、图像、音频多模态融合，并在医疗、制造、金融等领域深度赋能产业升级。

在未来，大模型将向多模态通用化、轻量化端云协同及垂直场景渗透加速演进，驱动具身智能、生物智能等前沿突破，成为通用人工智能的核心路径。然而，数据隐私、算法公平与算力能耗等挑战仍需协同攻克。今天小图给大家精选3篇《Nature》有关大模型方向的论文，请注意查收！

论文一：Social opinions prediction utilizes fusing dynamics equation with LLM-based agents

方法：

文章首先将用户分为意见领袖和追随者两类，意见领袖通过LLM进行角色扮演并利用元胞自动机约束意见变化，而意见追随者则被整合到结合了CA模型和易感-感染-康复模型的动态系统中。接着，通过设计少量样本提示来引导意见领袖根据其意见值输出行为，这些意见值由CA和LLM的反思决定。最后，利用开源模型ChatGLM作为LLM代理，在四个真实的微博数据集上进行实验，验证了该方法的有效性。

创新点：

• 提出了融合动态方程与大语言模型的FDE-LLM算法，将意见领袖和追随者的行为与真实社交网络数据对齐，有效模拟意见的动态变化。

• 结合了意见动态与SIR模型的概念，成功模拟了公众态度在新闻事件发生后逐渐趋于中立的现象，填补了传统模型的不足。

• 在真实世界的微博数据集上进行了广泛的实验，证明了该方法在动态时间规整距离和皮尔逊相关系数指标上显著优于传统基于代理的建模算法和基于LLM的算法。

论文链接：

https://www.nature.com/articles/s41598-025-99704-3

图灵学术论文辅导

论文二：LLM-based robot personality simulation and cognitive system

方法：

文章首先定义了机器人与环境之间的交互模型，通过状态空间表示法描述了代理和环境的状态，并利用LLM驱动的提示技术来实现个性模拟和认知过程。接着，通过文档嵌入技术实现长期记忆的编码和检索，并基于未来事件的预测生成情感反应。最后，通过视觉预处理和注意力机制，使机器人能够处理图像和文本输入，生成符合个性特质的响应。

创新点：

• 构建了一个综合的机器人个性模型，结合了凯利的角色构建库、卡特尔的16种个性因素和偏好，能够模拟人类的内在特质和外在表现。

• 提出了一种基于状态空间实现的认知框架，整合了记忆、情感、意图和预测等认知过程，使机器人能够根据个性设置和认知过程做出反应。

• 通过国际个性项目库和大五人格测试验证了个性模拟的稳定性和有效性，并在改进的理论心智数据集上展示了优于其他代理的二阶信念表现。

论文链接：

https://www.nature.com/articles/s41598-025-01528-8

图灵学术论文辅导

论文三：Development and validation of a novel AI framework using NLP with LLM integration for relevant clinical data extraction through automated chart review

方法：

文章首先利用基于规则的NLP框架对文本进行预处理和初步分类，提取可能包含手术信息的文本段。然后，将这些文本段输入到LLM中进行进一步验证和细化，以确保提取信息的准确性。最后，通过与手动病历审查和全文本输入方法的比较，验证了该算法在时间效率、成本效益以及数据提取准确性方面的优势。

创新点：

• 提出了一种两阶段的NLP与LLM集成算法，显著提高了数据提取的准确性和效率。

• 在两个独立的数据库中验证了该算法，涵盖不同类型的脊柱手术数据，证明其在多种临床数据提取任务中的有效性和普适性。

• 该算法不仅在准确性和敏感性上优于传统方法，为医疗数据提取提供了更经济、高效的解决方案。

论文链接：

https://www.nature.com/articles/s41598-024-77535-y

本文选自gongzhonghao【计算机sci论文精选】