大语言模型应用

研究人员提出Sci-ZSEL框架，通过选择性生成实体别名和语义过滤机制，在零人工标注条件下显著提升科学领域实体链接性能，并发布动物科学新基准数据集。

研究人员提出PICasso框架，利用大语言模型实现从自然语言到可制造硅光芯片布局的自动化设计，在复杂电路上结构规范满足率达92.7%，并通过仿真优化将平均插入损耗降低1.74dB。

研究者提出MCTS-Report框架，将表格数据生成多模态报告的过程建模为结构化搜索空间中的渐进构建问题，通过蒙特卡洛树搜索协调文本分析与图表生成，显著提升报告的事实准确性、视觉质量和叙事连贯性。

研究人员提出TraceCAD系统，通过记录建模过程轨迹实现智能CAD生成的精准修复，在基准测试中显著提升几何质量并降低修复成本。

研究者提出VeriTrace多智能体系统，通过赋予AI自主选择信号、时间窗口和迭代深度的能力，使其能像人类验证工程师一样进行假设驱动的根因分析，在VerilogEval-V2基准测试中首次实现100%功能正确率。

研究团队提出基于大语言模型引导的闭环程序进化框架，实现混合整数规划求解器的全自动设计，生成的求解器组件可直接集成至标准工作流。