语言大模型 / LLM

FinBloom: Knowledge Grounding Large Language Model with Real-time Financial Data

FinBloom：基于实时金融数据的知识引导大型语言模型

Ankur Sinha, Chaitanya Agarwal, Pekka Malo

机构 * Indian Institute of Management Ahmedabad（印度管理学院阿赫迈德亚德分校） ； Aalto University School of Business（阿尔托大学商学院） 纠错

专题命中 效率与部署 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 FinBloom通过实时金融数据增强LLMs能力，实现高效金融任务处理。

Comments 39 pages, 10 tables

On the Effectiveness of Membership Inference in Targeted Data Extraction from Large Language Models

针对大型语言模型中成员推断在目标数据提取中的有效性研究

Ali Al Sahili, Ali Chehab, Razane Tajeddine

机构 * American University of Beirut（贝鲁特美国大学） 纠错

专题命中 效率与部署 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)；分类 cs.CL、cs.LG

AI总结 本研究通过整合多种成员推断技术评估其在大型语言模型目标数据提取中的有效性，并与传统基准测试进行比较以评估实际应用价值。

Comments This work has been accepted for publication at the IEEE Conference on Secure and Trustworthy Machine Learning (SaTML). The final version will be available on IEEE Xplore

RCPU: Rotation-Constrained Error Compensation for Structured Pruning of Large Language Models

RCPU: 结构化剪枝中旋转约束的误差补偿

Shuichiro Haruta, Kazunori Matsumoto, Zhi Li, Yanan Wang, Mori Kurokawa

机构 * AI Division, KDDI Research, Inc.（KDDI研究公司人工智能部门） 纠错

专题命中 效率与部署 ：large language model(title,abstract)；language model(title,abstract)；分类 cs.CL

AI总结 本文提出RCPU方法，通过旋转约束更新和方差感知评分，有效补偿结构化剪枝中的误差，提升LLM的性能。

Comments Accepted as ICLR2026

Task-Centric Acceleration of Small-Language Models

面向任务的小型语言模型加速

Dor Tsur, Sharon Adar, Ran Levy

机构 * Amazon（亚马逊） 纠错

专题命中 效率与部署 ：language model(title,abstract)；large language model(abstract)；small language model(abstract)；SLM(abstract)

AI总结 本文提出TASC框架，通过任务自适应序列压缩方法提升小型语言模型的推理效率，同时保持任务性能。

RF-Agent: Automated Reward Function Design via Language Agent Tree Search

RF-Agent: 通过语言代理树搜索实现自动奖励函数设计

Ning Gao, Xiuhui Zhang, Xingyu Jiang, Mukang You, Mohan Zhang, Yue Deng

机构 * Beihang University（北航大学） 纠错

专题命中 效率与部署 ：language agent(title,abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI、cs.LG

AI总结 RF-Agent通过语言代理树搜索实现自动奖励函数设计，利用蒙特卡洛树搜索和LLMs的上下文推理能力，提升低层控制任务的奖励函数设计效率和效果。

Comments 39 pages, 9 tables, 11 figures, Project page see https://github.com/deng-ai-lab/RF-Agent

GreenServ: Energy-Efficient Context-Aware Dynamic Routing for Multi-Model LLM Inference

GreenServ: 多模型LLM推理中的节能上下文感知动态路由

Thomas Ziller, Shashikant Ilager, Alessandro Tundo, Ezio Bartocci, Leonardo Mariani, Ivona Brandic

机构 * University of Amsterdam（阿姆斯特丹大学） ； University of Milano-Bicocca（米兰-比科卡大学） 纠错

专题命中 效率与部署 ：LLM(title,abstract)；large language model(abstract)；language model(abstract)；分类 cs.LG

AI总结 GreenServ通过动态上下文感知路由优化多模型LLM推理的能耗与准确率平衡。

Comments Paper under submisison

FineScope : SAE-guided Data Selection Enables Domain Specific LLM Pruning and Finetuning

FineScope：基于SAE的 数据选择 使 得领域特定 LLM 剪枝 和 微调

Chaitali Bhattacharyya, Hyunsei Lee, Junyoung Lee, Shinhyoung Jang, Il hong Suh, Yeseong Kim

机构 * POSTECH ； DGIST ； COGA Robotics（COGA机器人） 纠错

专题命中 效率与部署 ：LLM(title)；large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI

AI总结 FineScope通过SAE指导的数据选择，实现领域特定LLM的高效剪枝与微调，提升领域任务性能。

Quant Experts: Token-aware Adaptive Error Reconstruction with Mixture of Experts for Large Vision-Language Models Quantization

量化专家：基于专家混合的令牌感知自适应误差重建用于大视觉-语言模型量化

Chenwei Jia, Baoting Li, Xuchong Zhang, Mingzhuo Wei, Bochen Lin, Hongbin Sun

机构 * State Key Laboratory of Human-Machine Hybrid Augmented Intelligence（人机混合增强智能国家重点实验室） ； Institute of Artificial Intelligence and Robotics（人工智能与机器人研究院） ； Xi’an Jiaotong University（西安交通大学） 纠错

专题命中 效率与部署 ：language model(title,abstract)；post-training(abstract)；分类 cs.AI

AI总结 本文提出Quant Experts，通过令牌感知的专家混合方法，提升大视觉-语言模型在量化过程中的任务准确性，保持与全精度模型相当的性能。

Comments 13 pages, 6 figures, including appendix, Accepted at CVPR 2026

DUET: Distilled LLM Unlearning from an Efficiently Contextualized Teacher

DUET：基于高效上下文化教师的蒸馏式大语言模型去学习

Yisheng Zhong, Zhengbang Yang, Zhuangdi Zhu

机构 * George Mason University（乔治·玛森大学） 纠错

专题命中 效率与部署 ：LLM(title,abstract)；分类 cs.AI、cs.LG

AI总结 DUET通过结合上下文化和蒸馏方法，实现高效大语言模型去学习，提升遗忘控制与数据效率。

Language Models as Messengers: Enhancing Message Passing in Heterophilic Graph Learning

语言模型作为信使：增强异质图学习中的信息传递

Dawei Cheng, Wenjun Wang, Mingjian Guang

机构 * School of Computer Science and Technology, Tongji University（同济大学计算机科学与技术学院） ； School of Information and Intelligent Science, Donghua University（东华大学信息与智能科学学院） 纠错

专题命中 效率与部署 ：language model(title,abstract)；分类 cs.AI

AI总结 LEMP4HG通过语言模型增强信息传递，提升异质图学习性能，同时保持同质图的鲁棒性。

R2GenCSR: Mining Contextual and Residual Information for LLMs-based Radiology Report Generation

R2GenCSR: 为基于大语言模型的放射学报告生成挖掘上下文和残差信息

Xiao Wang, Yuehang Li, Fuling Wang, Shiao Wang, Chuanfu Li, Bo Jiang

机构 * School of Computer Science and Technology, Anhui University（安徽大学计算机科学与技术学院） ； First Affiliated Hospital of Anhui University of Chinese Medicine（安徽中医药大学第一附属医院） 纠错

专题命中 效率与部署 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI

AI总结 R2GenCSR通过引入Mamba和上下文检索提升基于LLM的放射学报告生成性能

Comments R2GenCSR is accepted by IEEE Journal of Biomedical and Health Informatics (JBHI) 2026

HotelQuEST: Balancing Quality and Efficiency in Agentic Search

HotelQuEST: 在代理搜索中平衡质量和效率

Guy Hadad, Shadi Iskander, Oren Kalinsky, Sofia Tolmach, Ran Levy, Haggai Roitman

机构 * Ben-Gurion University（本·古里安大学） ； Amazon（亚马逊） 纠错

专题命中 效率与部署 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 HotelQuEST 是一个用于评估代理搜索系统质量和效率的基准测试，通过包含 214 个酒店查询，揭示了基于 LLM 的代理在准确性上的优势，但成本较高，需进一步优化。

Comments To be published in EACL 2026

ProductResearch: Training E-Commerce Deep Research Agents via Multi-Agent Synthetic Trajectory Distillation

ProductResearch: 通过多智能体合成轨迹蒸馏训练电商深度研究代理

Jiangyuan Wang, Kejun Xiao, Huaipeng Zhao, Tao Luo, Xiaoyi Zeng

机构 * Alibaba International Digital Commercial Group（阿里巴巴国际数字商业集团） 纠错

专题命中 效率与部署 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 ProductResearch通过多代理合成轨迹蒸馏训练电商深度研究代理，提升复杂购物查询的响应全面性和用户效用。

Sparsity Forcing: Reinforcing Token Sparsity of MLLMs

稀疏性强制：强化多模态大语言模型的token稀疏性

Feng Chen, Yefei He, Lequan Lin, Chenhui Gou, Jing Liu, Bohan Zhuang, Qi Wu

机构 * AIML, University of Adelaide, Australia（AIML，澳大利亚阿德莱德大学） ； ZIP Lab, Zhejiang University, China（浙江工业大学ZIP实验室） ； University of Sydney, Australia（悉尼大学） ； Monash University, Australia（墨尔本大学） 纠错

专题命中 效率与部署 ：large language model(abstract)；language model(abstract)；post-training(abstract)；分类 cs.LG

AI总结 本文提出Sparsity Forcing方法，通过强化学习框架在多模态大语言模型中提升token稀疏性，实现75%的token减少与极小的精度损失。

Comments Accepted by ICLR 2026

SLA-Aware Distributed LLM Inference Across Device-RAN-Cloud

面向SLA的分布式大语言模型推理跨设备-无线接入网-云

Hariz Yet, Nguyen Thanh Tam, Mao V. Ngo, Lim Yi Shen, Lin Wei, Jihong Park, Binbin Chen, Tony Q. S. Quek

机构 * Singapore University of Technology and Design（新加坡科技设计大学） 纠错

专题命中 效率与部署 ：LLM(title)；分类 cs.AI

AI总结 该研究探讨了在设备-无线接入网-云架构中实现大语言模型推理的SLA可行性，发现量化模型在边缘和云层级表现各异，MIG隔离技术保障了基带处理的实时性。

Comments Accepted to IEEE INFOCOM Workshops 2026 (6G AI-RAN 2026), Tokyo, Japan. This arXiv version is a preprint / author version

Hyperdimensional Cross-Modal Alignment of Frozen Language and Image Models for Efficient Image Captioning

高维跨模态对齐冻结语言和图像模型以实现高效的图像描述生成

Abhishek Dalvi, Vasant Honavar

机构 * Artificial Intelligence Research Laboratory（人工智能研究实验室） ； The Pennsylvania State University（宾夕法尼亚州立大学） 纠错

专题命中 效率与部署 ：language model(abstract)；foundation model(abstract)；分类 cs.AI、cs.LG

AI总结 HDFLIM通过冻结语言和图像模型的高维计算实现高效的图像描述生成，无需参数调优。

Human Supervision as an Information Bottleneck: A Unified Theory of Error Floors in Human-Guided Learning

人类监督作为信息瓶颈：人类引导学习中误差地板的统一理论

Alejandro Rodriguez Dominguez

机构 * Miralta Finance Bank S.A.（Miralta 金融银行） ； University of Reading（阅读大学） 纠错

专题命中 效率与部署 ：large language model(abstract)；language model(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出人类监督作为信息瓶颈的统一理论，揭示了人类引导学习中误差地板的结构性质，并通过实验验证了辅助信号对消除地板的作用。

Comments Proceedings from IEEE CAI 2026, Conference on Artificial Intelligence, 8-10 May, Granada, Spain. 8 Pages, 3 Figures, 7 Tables

Higress-RAG: A Holistic Optimization Framework for Enterprise Retrieval-Augmented Generation via Dual Hybrid Retrieval, Adaptive Routing, and CRAG

Higress-RAG：一种通过双混合检索、自适应路由和CRAG实现企业检索增强生成的综合优化框架

Weixi Lin

机构 * School of Computer Science, Northwestern Polytechnical University（计算机学院，西北工业大学） 纠错

专题命中 效率与部署 ：large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI

AI总结 Higress-RAG通过双混合检索、自适应路由和CRAG实现企业检索增强生成的综合优化，提升检索精度与生成可靠性。

Comments 7 pages,5 figures, our submissions are not yet published

The Auton Agentic AI Framework

自主AI框架

Sheng Cao, Zhao Chang, Chang Li, Hannan Li, Liyao Fu, Ji Tang

专题命中 效率与部署 ：large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 Auton框架通过分离认知蓝图与运行时引擎，实现自主代理系统的标准化创建、执行和治理，采用增强POMDP模型和三级自我进化框架提升安全性与效率。

HiDrop: Hierarchical Vision Token Reduction in MLLMs via Late Injection, Concave Pyramid Pruning, and Early Exit

HiDrop：通过晚期注入、凹形金字塔剪枝和早期退出实现MLLM中的层次视觉令牌减少

Hao Wu, Yingqi Fan, Jinyang Dai, Junlong Tong, Yunpu Ma, Xiaoyu Shen

机构 * Institute of Digital Twin, Eastern Institute of Technology（数字孪生研究所，东部技术研究所） ； Ningbo Key Laboratory of Spatial Intelligence and Digital Derivative（宁波空间智能与数字衍生关键实验室） ； University of Science and Technology of China（中国科学技术大学） ； Shanghai Jiao Tong University（上海交通大学） ； Munich Center for Machine Learning, LMU Munich（慕尼黑大学机器学习中心，慕尼黑大学） 纠错

专题命中 效率与部署 ：large language model(abstract)；language model(abstract)；分类 cs.CL

AI总结 HiDrop通过晚期注入、凹形金字塔剪枝和早期退出机制，实现多模态大语言模型中视觉令牌的高效减少，提升训练效率并保持性能。

Comments Accepted to ICLR 2026

Read As Human: Compressing Context via Parallelizable Close Reading and Skimming

读作人类：通过可并行的近读与略读压缩上下文

Jiwei Tang, Shilei Liu, Zhicheng Zhang, Qingsong Lv, Runsong Zhao, Tingwei Lu, Langming Liu, Haibin Chen, Yujin Yuan, Hai-Tao Zheng, Wenbo Su, Bo Zheng

机构 * Tsinghua University（清华大学） ； Future Living Lab of Alibaba（阿里巴巴未来生活实验室） ； Northeastern University, China（中国东北大学） 纠错

专题命中 效率与部署 ：large language model(abstract)；language model(abstract)；分类 cs.CL

AI总结 RAM通过可并行的近读与略读策略，有效压缩上下文，提升长输入处理效率，实现性能与可解释性的双重优化。

Comments 13 pages,5 figures (Compared with v1, the author affiliations have been corrected.)

Audio-Conditioned Diffusion LLMs for ASR and Deliberation Processing

基于扩散的大型语言模型用于语音识别与 deliberation 处理

Mengqi Wang, Zhan Liu, Zengrui Jin, Guangzhi Sun, Chao Zhang, Philip C. Woodland

机构 * University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Tsinghua University（清华大学） ； University of Cambridge（剑桥大学） 纠错

专题命中 效率与部署 ：large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 本文提出基于扩散的LLaDA模型用于ASR，通过改进解码策略降低WER，展示其在语音识别中的有效性。

Comments Accepted to ICASSP 2026

U-CAN: Utility-Aware Contrastive Attenuation for Efficient Unlearning in Generative Recommendation

U-CAN：面向生成推荐中高效遗忘的效用感知对比衰减

Zezheng Wu, Rui Wang, Xinghe Cheng, Yang Shao, Qing Yang, Jiapu Wang, Jingwei Zhang

机构 * Guilin University of Electronic Technology（桂林电子科技大学） ； University of Southampton（南安普顿大学） ； Jinan University（暨南大学） ； Nanjing University of Science and Technology（南京理工大学） 纠错

专题命中 效率与部署 ：large language model(abstract)；language model(abstract)；分类 cs.LG

AI总结 U-CAN通过低秩适配器实现生成推荐中的高效隐私遗忘，利用效用感知对比衰减机制提升效用保留与计算效率。

Thinking with Drafts: Speculative Temporal Reasoning for Efficient Long Video Understanding

通过草稿思考：用于高效长视频理解的推测性时间推理

Pengfei Hu, Meng Cao, Yingyao Wang, Yi Wang, Jiahua Dong, Jun Song, Yu Cheng, Bo Zheng, Xiaodan Liang

机构 * MBZUAI（马克斯·普朗克智能研究院） ； Alibaba Group Holding Limited（阿里巴巴集团控股有限公司） ； Shanghai AI Lab（上海人工智能实验室） 纠错

专题命中 效率与部署 ：large language model(abstract)；language model(abstract)

AI总结 SpecTemp通过协作双模型设计，实现高效长视频理解，平衡效率与准确性，提升推理速度。

Comments Accepted by CVPR 26

MINT: Multimodal Imaging-to-Speech Knowledge Transfer for Early Alzheimer's Screening

MINT：多模态影像到语音知识迁移用于早期阿尔茨海默病筛查

Vrushank Ahire, Yogesh Kumar, Anouck Girard, M. A. Ganaie

机构 * Department of CSE, Indian Institute of Technology Ropar（印度理工学院罗帕尔计算机科学与工程系） ； Embry-Riddle Aeronautical University（埃姆布里-瑞尔德航空大学） 纠错

专题命中 效率与部署 ：pretraining(abstract)；分类 cs.AI、cs.LG

AI总结 MINT通过多模态知识迁移，利用MRI生物标志物提升语音识别的阿尔茨海默病早期筛查性能。

Semantic Parallelism: Redefining Efficient MoE Inference via Model-Data Co-Scheduling

语义并行：通过模型-数据协同调度重新定义高效的MoE推理

Yan Li, Zhenyu Zhang, Zhengang Wang, Pengfei Chen, Pengfei Zheng

机构 * Huawei Technologies（华为技术有限公司） ； Sun Yat-Sen University（中山大学） 纠错

专题命中 效率与部署 ：LLM(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出语义并行范式，通过模型-数据协同调度减少MoE推理中的通信成本，提升推理效率。

Comments Published as a conference paper at ICLR 2026

Democratizing GraphRAG: Linear, CPU-Only Graph Retrieval for Multi-Hop QA

普及图式RAG：线性、仅CPU的多跳问答图检索

Qizhi Wang

机构 * PingCAP, Data & AI-Innovation Lab（PingCAP数据与人工智能创新实验室） 纠错

专题命中 效率与部署 ：LLM(abstract)；分类 cs.CL、cs.AI

AI总结 SPRIG通过使用CPU和轻量命名实体识别构建图，实现线性时间、无token的多跳问答图检索，提升召回率并降低对GPU和大语言模型的依赖。

Comments 13 pages, 14 figures, 26 tables

RUMAD: Reinforcement-Unifying Multi-Agent Debate

RUMAD：强化统一多智能体辩论

Chao Wang, Han Lin, Huaze Tang, Huijing Lin, Wenbo Ding

机构 * Tsinghua University（清华大学） ； Zhejiang University（浙江大学） 纠错

专题命中 效率与部署 ：LLM(abstract)；分类 cs.AI

AI总结 RUMAD通过强化学习动态控制通信拓扑，提升多智能体辩论的效率和准确性，实现80%以上的token成本降低和跨域泛化能力。

Comments 13 pages, 3 figures

Error-Aware Knowledge Distillation via Targeted Revision for Customer-Service Summarization

面向客户服务摘要的误差感知知识蒸馏：通过针对性修订实现

Hee-Jin Lee, Zhen Guo, Luchao Jin, Morteza Moazami Goudarzi

机构 * eBay Inc.（eBay公司） 纠错

专题命中 效率与部署 ：language model(abstract)；分类 cs.CL

AI总结 通过分析-修订-微调流程，利用开源模型提升客户服务摘要任务的性能，实现比专有模型更高效和隐私保护的摘要生成。

Footprint-Guided Exemplar-Free Continual Histopathology Report Generation

足迹引导的无示例持续病理报告生成

Pratibha Kumari, Daniel Reisenbüchler, Afshin Bozorgpour, yousef Sadegheih, Priyankar Choudhary, Dorit Merhof

机构 * Faculty of Informatics and Data Science, University of Regensburg, Germany（信息学与数据科学学院，雷根萨大学） ； Indian Institute of Information Technology Bhopal, India（比哈尔信息学院） 纠错

专题命中 效率与部署 ：language model(abstract)

AI总结 本文提出一种无示例的持续学习框架，通过构建紧凑的领域足迹实现WSI到报告的生成，支持生成性重放并适应变化的临床报告规范。