大厂专区
循环残差量化：面向大语言模型的渐进式多精度表示
机构 * Intel（英特尔）
AI总结 本文提出循环残差量化（RRQ）框架，可从单个检查点生成LLM的多种精度表示，构建速度比MatGPTQ快3.3倍，在6、8比特精度下表现有竞争力，代码将公开。
Comments NeurIPS 2026 submission; 14 tables, 1 algorithm, and no figures
关注自身思维：通过1.58比特量化视角打破推理型大语言模型的后训练量化障碍
机构 * Intel Labs China（英特尔中国实验室）
AI总结 该研究提出ScaleQ-1.58三值后训练量化框架，通过集成AYOT校准方法，提升推理型LLM量化性能，该框架可扩展且泛化性强，仅需少量校准token即可实现优异效果。
Comments This research work was completed and submitted for publication in early May 2026. The project page: https://github.com/IntelChina-AI/BitTern
面向决策关键型应用的多模态大语言模型中可解释且资源高效的空间推理
机构 * Heritage Institute of Technology（遗产技术学院） ； Kalyani Government Engineering College（卡利亚尼政府工程学院） ； IAIRO ； Intel Corporation（英特尔公司）
AI总结 针对多模态大语言模型空间判断不透明及细粒度空间理解不足的问题，提出无需训练的ByDeWay-V2框架，结合YOLO-World-L注入空间谓词，在多个基准上显著提升空间推理性能，适配资源受限场景。
Comments 14 pages
LAVIFT：用于手术交互识别的潜在动作引导视觉微调
机构 * Arizona State University（亚利桑那州立大学） ； University of California, Merced（加州大学默塞德分校） ； Intel Corporation（英特尔公司）
AI总结 研究针对手术交互识别中预训练模型适应细粒度交互的挑战，提出LAViFiT框架，通过逆动力学模型、前向世界模型及补丁级SIG正则化器，实现视觉语言微调，提升了识别率和图像-文本对齐，增强了特征基础和空间连贯性。
北极星：用于扩散语言模型高效推理的漂移感知缓存校准和令牌承诺
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Intel AI Group（英特尔人工智能集团）
AI总结 研究针对扩散语言模型推理效率受双向注意力和静态阈值影响的问题，提出北极星框架，利用令牌表示漂移信号，由北极星缓存和北极星提交两组件构成，大幅提升了模型在准确性-吞吐量方面的表现及解码并行性。
FOLIO：用于流视频理解的聚焦语义记忆
机构 * University of Southern California (USC)（南加州大学） ； Intel Labs（英特尔实验室） ； DEVCOM Army Research Office（陆军研究办公室）
AI总结 研究在线流视频理解中如何保留信息及组织历史记录的挑战，提出FOLIO聚焦语义记忆系统，通过动态聚焦状态更新记忆，结合短期视觉缓冲区与长期语义记忆，实现轻量级混合检索，提升性能并降低流记忆维护成本。
Comments 28 pages, 5 figures
通过人类反馈增强语言模型：自我提升之旅
机构 * Intel Corporation（英特尔公司）
AI总结 研究在信息检索系统中，通过整合辅助反馈RAG系统及人工参与，利用人类反馈优化主RAG系统性能，经多数据集测试验证方法有效，强调了其变革潜力，为自适应信息检索技术研究树立了先例。
Comments AIC 2025: The 10th International Workshop on Artificial Intelligence and Cognition (held as part of ECAI 2025). October 25-26, 2025. Bologna, Italy
用于增强材质-光照分解的动态逆渲染
机构 * University of Technology Nuremberg（纽伦堡工业大学） ； Intel（英特尔公司） ； Max Planck Institute for Informatics, Saarland Informatics Campus（马克斯·普朗克信息研究所，萨尔兰信息园）
AI总结 研究逆渲染中材质-光照分解的不适定问题，提出结合物体跟踪、重建与逆渲染的方法，利用刚性运动物体的多样光-表面相互作用解决模糊性，实验证明该方法在合成数据和真实视频中均有优势。
Comments Accepted at ECCV 2026. Project page: https://razayunus.github.io/DIR
SPEAR：用于逼真的具身人工智能研究的模拟器
机构 * Adobe Research（Adobe研究院） ； Intel Labs（英特尔实验室） ； Manycore Tech Inc（众核科技公司） ； Adobe（Adobe公司） ； NVIDIA（英伟达公司） ； ETH Zurich（苏黎世联邦理工学院） ； Imperial College London（伦敦帝国学院）
AI总结 研究针对现有逼真模拟器局限，提出SPEAR这一Python库，通过模块化插件架构连接控制UE应用程序，提升可编程性与渲染速度，还提供新图像模态和高级编程模型，经多样示例应用展示了其效用。
Comments Accepted for publication at the European Conference on Computer Vision (ECCV) 2026
CAT-Q：面向LLMs的经济高效且精确的三值量化
机构 * Intel Labs China（英特尔中国实验室）
AI总结 提出CAT-Q后训练量化方案，通过可学习调制和软化三值化，仅用512个校准样本即可将LLMs高效量化为三值模型，性能优于使用100B tokens训练的BitNet 1.58-bit，训练token减少约100,000倍。
Comments This work is accepted to ICML 2026 as an oral. The project page: https://github.com/IntelChina-AI/BitTern
计算机使用代理的不确定性量化：跨视觉语言模型和GUI基础数据集的基准测试
机构 * University of Illinois Chicago（伊利诺伊大学芝加哥分校） ； Intel Labs（英特尔实验室） ； Capital One AI Labs（Capital One AI实验室）
AI总结 提出跨机制基准Argus，评估27种后验不确定性量化方法在4个VLM代理和4个数据集上的表现，发现UQ排名在固定模型内跨数据集稳定，但跨模型类别和接口时下降，隐藏状态和密度方法最稳定。
可测多数不是有限可公理化的
机构 * Dept. of Mathematics, Indiana University, Bloomington. ； Dept. of Computer Science \& the Intel Investigations Lab, the City College of New York ； the Graduate Center \& Remote Sensing Earth Systems Institute, the City University of New York.
AI总结 本文证明在有限社会决策框架中，严格多数推理的相干性准则无法被任何有界有限片段替代，从而否定了有限可公理化性。
可测多数
机构 * Dept. of Mathematics, Indiana University, Bloomington. ； Dept. of Computer Science \& the Intel Investigations Lab, the City College of New York ； the Graduate Center \& Remote Sensing Earth Systems Institute, the City University of New York.
AI总结 利用社会决策框架研究有限选民中的严格多数推理，通过有限可加测度表征严格多数可表示性，并给出最小自然逻辑的完备性。
XPR：一个可扩展的跨平台基于点的可微分渲染器
机构 * University of Toronto（多伦多大学） ； Vector Institute（向量研究所） ； Intel（英特尔） ； Max Planck Institute for Software Systems（马克斯·普朗克软件系统研究所）
AI总结 提出XPR框架，通过高级编程接口和模块化渲染管线，支持用少量代码实现3DGS等新方法，并利用XLA编译器跨平台运行。
SwiftCTS: 通过少样本校准实现时钟树指标的快速跨设计预测与帕累托优化
机构 * The University of Southern Mississippi（南方密苏里大学） ； Intel Corporation（英特尔公司） ； Louisiana Tech University（路易斯安那科技大学）
AI总结 提出SwiftCTS框架，利用物理信息代理模型和K-shot乘法校准机制，在数秒内训练、亚毫秒推理，实现跨设计时钟树指标的准确预测与帕累托优化。
Sparrow: 用于大语言模型稳定高效长上下文强化学习的稀疏 rollout
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Cornell University（康奈尔大学） ； Intel（英特尔） ； Amazon AGI（亚马逊AGI）
AI总结 针对RLVR中长上下文rollout计算昂贵的问题，提出Sparrow方法，通过动态稀疏度调度保持token级策略失配的下尾统计量稳定，在Qwen3系列模型上实现2.0-2.4倍加速，并推广到更大模型和编程领域。
CFRNet: 用于消费级嵌入式NPU上实时盲脸修复的循环一致不动点训练
机构 * University of Florida（佛罗里达大学） ； University of Southampton（南安普顿大学） ； Chongqing University（重庆大学） ； Qingdao University（青岛大学） ； Intel Asia-Pacific Research & Development Ltd（英特尔亚太研发有限公司）
AI总结 提出CFRNet，一种2.0M参数的ResNet风格修复网络，通过循环一致不动点训练（CCFP）在消费级NPU上实现高质量盲脸修复，兼顾速度与效果，LPIPS比单次循环降低31%。
Comments 12 pages.Code and project page will be released
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈