Intel（英特尔）

VC-Inspector: Advancing Reference-free Evaluation of Video Captions with Factual Analysis

VC-Inspector：通过事实分析推进无参考视频字幕评估

Shubhashis Roy Dipta, Tz-Ying Wu, Subarna Tripathi

机构 * University of Maryland, Baltimore County（马里兰大学巴尔的摩分校） ； Intel（英特尔） 纠错

AI总结 VC-Inspector提出了一种轻量级开源大多模态模型，用于无参考视频字幕评估，专注于事实准确性。通过生成可控制事实错误的字幕及评分注释，实现了可重复和事实感知的评估，实验显示其与人类判断的高相关性。

Comments Accepted at ACL 2026 (Main)

Enhancing Trust in Large Language Models via Uncertainty-Calibrated Fine-Tuning

通过不确定性校准微调增强大语言模型的信任

Ranganath Krishnan, Piyush Khanna, Omesh Tickoo

机构 * Capital One, AI Labs（Capital One人工智能实验室） ； Wayve Technologies（Wayve技术公司） ； Intel Corporation（英特尔公司） 纠错

AI总结 本文提出一种不确定性感知微调方法，用于提升大语言模型在自然语言生成任务中的不确定性估计能力，从而提高生成响应的可信度并减少幻觉现象。

Comments ICLR 2026 Trustworthy AI workshop

Forge-UGC: FX optimization and register-graph engine for universal graph compiler

Forge-UGC：面向通用图编译器的FX优化与寄存器图引擎

Satyam Kumar, Saurabh Jha

机构 * Intel（英特尔） ； Qualcomm（高通） ； AMD ； Apple（苹果） 纠错

AI总结 Forge-UGC通过四阶段编译器提升Transformer在异构加速器上的部署效率，采用硬件无关设计，优化图捕获、优化、中间表示降低及后端调度，显著降低编译时间和推理延迟。