Large Language Model Empowered CSI Feedback in Massive MIMO Systems
大语言模型赋能的海量MIMO系统中的CSI反馈
专题命中 效率与部署 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)
AI总结 本文提出利用大语言模型进行CSI反馈，通过掩码标记预测和自信息策略提升压缩反馈的准确性。
AI 大模型
语言大模型 / LLM
大语言模型、预训练、指令微调、后训练和语言模型应用。
1. 效率与部署 43 篇
NuMuon: Nuclear-Norm-Constrained Muon for Compressible LLM Training
NuMuon：基于核范数约束的穆恩优化器用于可压缩大语言模型训练
机构 * Pluralis Research（Pluralis研究）
专题命中 效率与部署 ：LLM(title,abstract)；large language model(abstract)；language model(abstract)；pretraining(abstract)
AI总结 NuMuon通过引入核范数约束，增强大语言模型的权重压缩性并提升压缩后模型质量，同时保持Muon的收敛性能。
Comments 47 pages, 22 figures, 18 tables
Quantum-Inspired Self-Attention in a Large Language Model
量子启发的大型语言模型中的自注意力机制
机构 * Higher School of Economics, National Research University, St. Petersburg, Russian Federation（俄罗斯联邦圣彼得堡高等经济学院国家研究大学） ； JV Quantum LLC, State Atomic Energy Corporation Rosatom, Moscow, Russian Federation（JV量子有限公司，俄罗斯原子能机构罗斯托克莫斯）
专题命中 效率与部署 ：language model(title,abstract)；large language model(title)；分类 cs.CL、cs.AI
AI总结 本文提出了一种量子启发的自注意力机制，并将其应用于GPT-1模型，实现了在多个评估指标上的显著提升，同时推理时间仅增加2.6倍。
Comments 8 pages, 7 figures
Deep Hierarchical Learning with Nested Subspace Networks for Large Language Models
基于嵌套子空间网络的深度分层学习用于大型语言模型
机构 * University of Cambridge（剑桥大学）
专题命中 效率与部署 ：large language model(title)；language model(title)；foundation model(abstract)；分类 cs.LG
AI总结 本文提出嵌套子空间网络，通过动态调整计算预算实现高效的大语言模型推理，实验证明在精度损失较小的情况下显著降低计算量。
Comments Published as a conference paper at ICLR 2026
A Multi-Dimensional Quality Scoring Framework for Decentralized LLM Inference with Proof of Quality
一种用于去中心化大语言模型推理的多维质量评分框架
机构 * DGrid AI
专题命中 效率与部署 ：LLM(title,abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出一种多维质量评分框架，用于去中心化LLM推理中的质量评估，通过分解输出质量为多个模块化维度，并通过实验验证其在不同任务中的有效性。
Best-of-$\infty$ -- Asymptotic Performance of Test-Time LLM Ensembling
最佳的无穷大 -- 测试时LLM融合的渐近性能
机构 * Mohamed bin Zayed University of Artificial Intelligence（莫莫德·宾·扎耶德人工智能大学） ； New York University（纽约大学） ； RIKEN AIP（理化学研究所AIP） ； Institute of Science Tokyo（东京科学研究所） ； NEC Corporation（日本电报电话株式会社）
专题命中 效率与部署 ：LLM(title)；large language model(abstract)；language model(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出了一种自适应生成方案，通过动态选择N和加权融合多个LLM，实现测试时LLM融合的渐近性能优化。
Comments To appear at ICLR2026. Our code is available at https://github.com/jkomiyama/BoInf-code-publish/. Updated the title
Controllable and explainable personality sliders for LLMs at inference time
用于推理时的可控且可解释的人格滑块
机构 * Technical University of Munich, Germany（慕尼黑技术大学） ； University of Cambridge, United Kingdom（剑桥大学） ； University College Dublin, Ireland（都柏林大学）
专题命中 效率与部署 ：large language model(abstract)；language model(abstract)；SFT(abstract)；RLHF(abstract)
AI总结 本文提出一种模块化框架，通过顺序自适应引导方法实现LLM推理时的可控且可解释的人格控制，通过正交化引导向量提升多维人格调节的精度和效率。
Comments 20 pages, 18 figures
Efficient Refusal Ablation in LLM through Optimal Transport
通过最优传输实现LLM中的高效拒绝消融
机构 * Concordia University（康科德大学） ； Mila – Quebec AI Institute（魁北克人工智能研究所）
专题命中 效率与部署 ：LLM(title)；language model(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出基于最优传输的框架，通过层选择性干预提升LLM拒绝机制的鲁棒性，实现更高的攻击成功率并保持模型能力。
Inference-Time Toxicity Mitigation in Protein Language Models
蛋白质语言模型中的推理时间毒性缓解
机构 * Laboratory of Applied Artificial Intelligence (LIAA), Institute of Computer Sciences (ICC), CONICET - Universidad de Buenos（应用人工智能实验室（LIAA）、计算机科学研究所（ICC）、CONICET - 布宜诺斯艾利斯大学） ； AI Safety Argentina (AISAR)（阿根廷人工智能安全（AISAR）） ； Goodfire ； APOLO Biotech（APOLO生物技术）
专题命中 效率与部署 ：language model(title,abstract)；分类 cs.AI、cs.LG
AI总结 本文提出LDA方法，通过放大logit差异在推理阶段缓解蛋白质语言模型的毒性生成问题，同时保持生成质量。
Index-Preserving Lightweight Token Pruning for Efficient Document Understanding in Vision-Language Models
保持索引的轻量级标记修剪用于视觉-语言模型中的高效文档理解
专题命中 效率与部署 ：language model(title,abstract)；分类 cs.CL、cs.AI
AI总结 本文提出一种轻量级标记修剪方法，通过过滤非信息性背景区域来降低视觉-语言模型在文档理解任务中的计算成本，同时保持较高的准确性。
Comments Accepted to ICLR 2026 Workshop MM Intelligence
EnECG: Efficient Ensemble Learning for Electrocardiogram Multi-task Foundation Model
EnECG：用于心电图多任务基础模型的高效集成学习
机构 * Department of Computer Science, Emory University（埃默里大学计算机科学系） ； Center for Data Science, School of Nursing, Emory University（埃默里大学护理学院数据科学中心） ； Bakar Computational Health Sciences Institute, UCSF（旧金山大学巴卡计算健康科学研究所） ； Department of Computer Science, USC（美国南加州大学计算机科学系） ； Department of Computer Science, UNC（北卡罗来纳大学教堂山分校计算机科学系）
专题命中 效率与部署 ：foundation model(title,abstract)；分类 cs.AI、cs.LG
AI总结 EnECG通过集成多个专门基础模型，高效处理多种ECG任务，降低计算成本并提升实用性。
Beyond Dominant Patches: Spatial Credit Redistribution For Grounded Vision-Language Models
超越主导块：面向 grounded 视觉-语言模型的空间信用再分配
机构 * The KOW Company（KOW公司） ； American International University Bangladesh (AIUB)（美国国际大学（Bangladesh）） ； University of Dhaka（达卡大学）
专题命中 效率与部署 ：language model(title,abstract)；分类 cs.AI
AI总结 本文提出SCR方法，通过空间信用再分配减少视觉-语言模型的幻觉问题，提升生成质量并降低延迟。
No More, No Less: Least-Privilege Language Models
无需更多，无需更少：最小特权语言模型
专题命中 效率与部署 ：language model(title,abstract)；分类 cs.LG
AI总结 本文提出最小特权语言模型，通过在推理过程中动态控制模型的可访问功能，实现对语言模型能力的细粒度控制，挑战传统输出层面控制的假设。
MistyPilot: An Agentic Fast-Slow Thinking LLM Framework for Misty Social Robots
MistyPilot: 一种面向Misty社交机器人的代理快速-缓慢思考LLM框架
机构 * State University of New York at Buffalo（纽约州立大学布法罗分校）
专题命中 效率与部署 ：LLM(title,abstract)
AI总结 MistyPilot通过代理驱动的LLM框架，实现社交机器人中工具选择、协调及参数配置的高效执行，提升任务效率与情感一致性。
Formal that "Floats" High: Formal Verification of Floating Point Arithmetic
形式化地‘高’：浮点运算的形式验证
机构 * 1 Infineon Technologies Semiconductor India Private Limited, India 2 Infineon Technologies Dresden AG \& Co. KG, Germany
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 本文提出了一种基于代理AI的形式化验证方法，通过直接RTL到RTL模型检查和黄金参考模型验证浮点运算，结合AI生成属性和人机协作细化，提升验证效率和覆盖范围。
Comments To appear at the 37th IEEE International Conference on Microelectronics (ICM), December 14-17, 2025, Cairo, Egypt
How LLMs Cite and Why It Matters: A Cross-Model Audit of Reference Fabrication in AI-Assisted Academic Writing and Methods to Detect Phantom Citations
大型语言模型如何引用及为何重要：对AI辅助学术写作中参考文献伪造的跨模型审计及检测幻影引用的方法
专题命中 效率与部署 ：large language model(abstract)；language model(abstract)；prompting(abstract)；分类 cs.CL
AI总结 研究分析了LLM在不同领域和提示条件下引用伪造现象，提出多模型共识和重复验证过滤器，并开发轻量级分类器用于检测幻影引用。
Scalable Join Inference for Large Context Graphs
大规模上下文图的可扩展连接推断
专题命中 效率与部署 ：LLM(abstract)；large language model(abstract)；language model(abstract)
AI总结 本文提出一种结合统计剪枝与LLM推理的可扩展连接推断方法，用于提升大规模上下文图构建的精度与效率。
Point2Act: Efficient 3D Distillation of Multimodal LLMs for Zero-Shot Context-Aware Grasping
Point2Act: 多模态大语言模型的高效3D蒸馏用于零样本情境感知抓取
机构 * Seoul National University（首尔国立大学） ； Massachusetts Institute of Technology（麻省理工学院）
专题命中 效率与部署 ：large language model(abstract)；language model(abstract)；foundation model(abstract)
AI总结 Point2Act通过多模态大语言模型高效蒸馏实现零样本情境感知抓取，生成空间定位响应以支持实际操作任务。
Comments Accepted to ICRA 2026
IntPro: A Proxy Agent for Context-Aware Intent Understanding via Retrieval-conditioned Inference
IntPro：一种通过检索条件推理的代理代理，用于基于情境的意图理解
机构 * Fudan University（复旦大学） ； Lenovo Group Ltd（联想集团有限公司）
专题命中 效率与部署 ：large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 IntPro通过检索条件推理学习适应个体用户，提升基于情境的意图理解性能。
Agentics 2.0: Logical Transduction Algebra for Agentic Data Workflows
Agentics 2.0：逻辑转导代数用于代理数据工作流
机构 * IBM（国际商业机器公司）
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 Agentics 2.0通过逻辑转导代数构建高质量、可解释且类型安全的代理数据工作流，展示了在数据驱动发现和NL到SQL语义解析中的先进性能。
Comments 14 pages, 4 figures
OSCAR: Online Soft Compression And Reranking
OSCAR: 在线软压缩与重排序
机构 * NAVER LABS Europe（NAVER欧洲实验室）
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 OSCAR通过在线软压缩和重排序方法提升RAG管道效率，实现推理速度提升2-5倍且准确率无损失。
EvoPrune: Early-Stage Visual Token Pruning for Efficient MLLMs
EvoPrune：面向高效MLLMs的早期阶段视觉标记剪枝
机构 * ByteDance（字节跳动）
专题命中 效率与部署 ：large language model(abstract)；language model(abstract)；分类 cs.AI
AI总结 EvoPrune通过在视觉编码早期阶段剪枝视觉标记，提升多模态大语言模型的推理效率，实现在VideoMME数据集上2倍加速且性能损失低于1%。
Comments 16 pages, 4 figures, 3 tables
Annotation-Efficient Universal Honesty Alignment
标注高效通用诚实对齐
机构 * State Key Laboratory of AI Safety（人工智能安全国家重点实验室） ； Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； University of Chinese Academy of Sciences（中国科学院大学）
专题命中 效率与部署 ：large language model(abstract)；language model(abstract)；分类 cs.CL
AI总结 EliCal通过两阶段框架实现高效标注的通用诚实对齐，仅需少量正确性标注即可达到接近最优的对齐效果。
Comments ICLR 2026
RAEE: A Robust Retrieval-Augmented Early Exit Framework for Efficient Inference
RAEE: 一种鲁棒的检索增强型早退框架，用于高效的推理
机构 * City University of Hong Kong（香港城市大学） ； Mohamed bin Zayed University of Artificial Intelligence (MBZUAI)（穆罕默德·本·扎耶德人工智能大学） ； MILA, McGill University（麦吉尔大学机器学习研究院） ； National Taiwan University（台湾国立大学）
专题命中 效率与部署 ：large language model(abstract)；language model(abstract)；分类 cs.CL
AI总结 RAEE通过检索增强型早退框架，结合中间层纠正信息提升模型性能，实现高效推理和鲁棒零样本表现。
Comments Accepted at ICLR 2026
Trade-offs in Ensembling, Merging and Routing Among Parameter-Efficient Experts
参数高效专家中集成、融合与路由的权衡
机构 * New York University（纽约大学） ； Microsoft Research（微软研究院）
专题命中 效率与部署 ：large language model(abstract)；language model(abstract)；分类 cs.LG
AI总结 研究探讨了参数高效专家中集成、融合与路由的权衡，发现非均匀集成和融合提升性能，而路由提供更大收益，同时通过聚类和贪心子集选择降低计算成本。
Training-free Dropout Sampling for Semantic Token Acceptance in Speculative Decoding
无需训练的Dropout采样用于推测解码中的语义标记接受
专题命中 效率与部署 ：large language model(abstract)；language model(abstract)；分类 cs.CL
AI总结 本文提出DropMatch，一种无需训练的数据和校准的推测解码方法，通过蒙特卡洛dropout实现基于采样的token接受，提升推理速度。
Comments 14 pages, 6 figures, 10 tables
SSR: A Generic Framework for Text-Aided Map Compression for Localization
SSR：一种用于定位的文本辅助地图压缩通用框架
机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Honda Research Institute（本田研究机构）
专题命中 效率与部署 ：large language model(abstract)；language model(abstract)
AI总结 SSR通过结合文本描述和小图像特征向量，实现高效地图压缩，提升定位精度和资源效率。
Accelerating OpenPangu Inference on NPU via Speculative Decoding
通过猜测解码加速OpenPangu在NPU上的推断
专题命中 效率与部署 ：large language model(abstract)；language model(abstract)
AI总结 本研究提出一种端到端的猜测解码加速方案，用于加速OpenPangu-7B在NPU上的推断性能。
Dissecting Quantization Error: A Concentration-Alignment Perspective
分解量化误差：一种集中对齐视角
机构 * Qualcomm AI Research（高通人工智能研究）
专题命中 效率与部署 ：post-training(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出块集中对齐变换（CAT），通过提升权重与激活的对齐度以减少量化误差，验证了在4位精度下优于现有方法。
Activation Outliers in Transformer Quantization: Reproduction, Statistical Analysis, and Deployment Tradeoffs
Transformer量化中的激活异常：重现、统计分析与部署权衡
机构 * University of Colorado Denver（科罗拉多大学丹佛分校）
专题命中 效率与部署 ：post-training(abstract)；分类 cs.AI、cs.LG
AI总结 本文研究了Transformer量化中的结构化激活异常问题，通过实验发现量化导致精度大幅下降，并提出混合精度和按嵌入组量化等缓解方法，强调通道意识精度分配的重要性。
Comments 10 pages, 3 tables. Reproducible study of transformer PTQ activation outliers based on Bondarenko et al. (EMNLP 2021, Qualcomm AI Research). Code: https://github.com/pranavkkp4/TransQuant-Edge
