热点事件持续更新
研究团队提出论文影响力预测方法LLM4Impact
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
2026年10月8日，研究团队在arXiv发布研究，提出科学影响力预测方法LLM4Impact。该方法通过连续前缀tokens将图信息注入冻结的大语言模型（LLM），并结合语义与时序表征自适应加权多源证据。研究团队同步构建了包含200万篇论文的大规模基准数据集。实验结果显示，LLM4Impact在分布内测试集的年度RMSE降低了10.13%，域外分布降低了6.87%。相关代码与Web演示将在发表时同步发布。
AI 根据报道生成 · 5 小时前更新
最新进展10月8日 12:00
研究团队提出LLM4Impact方法及200万篇论文基准集，代码与演示将在发表时发布。报道时间线
沿着报道，了解事件的不同侧面。
10月8日
- arXiv 自然语言处理LLM4Impact：整合异构信息进行科学影响力预测
研究提出科学影响力预测方法 LLM4Impact，通过连续前缀 tokens 将图信息注入冻结的 LLM，并结合语义与时序表征自适应加权多源证据。研究团队同步构建了包含 200 万篇论文的大规模基准数据集。实验显示 LLM4Impact 在分布内测试集的年度 RMSE 降低 10.13%，域外分布降低 6.87%，代码与 Web 演示将在发表时发布。
本事件热度走势
当前热度 9·可比范围峰值 10（10月8日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。