AI 大模型
大语言模型、预训练、指令微调、后训练和语言模型应用。
评估GPT-5作为多模态临床推理者的有效性：领域评论
机构 * Department of Radiation Oncology, Winship Cancer Institute, Emory University School of Medicine（放射肿瘤科，Winship癌症研究所，埃默里大学医学院） ； Department of Biomedical Engineering, Georgia Institute of Technology（生物医学工程系，佐治亚理工学院）
专题命中 领域大模型 ：foundation model(abstract)；分类 cs.AI、cs.LG
AI总结 本文评估GPT-5在多模态临床推理中的表现，发现其在文本推理和部分视觉问答任务中优于GPT-4o，但在神经放射学和乳腺摄影等专业领域仍显不足。
法律解释与人工智能：从专家系统到论证与大语言模型
专题命中 领域大模型 ：language model(abstract)；分类 cs.AI
AI总结 本文探讨了人工智能在法律解释中的应用，从专家系统到论证和大语言模型，旨在提升法律解释的精确性和自动化水平。
探索模型合并在ASR多领域适应中的潜力与限制
机构 * INESC-ID & 2 Instituto Superior Técnico, Universidade de Lisboa, Portugal（1 INESC-ID 与 2 里斯本大学理工学院, 里斯本大学, 葡萄牙）
专题命中 领域大模型 ：foundation model(abstract)；分类 cs.CL
AI总结 本文提出BoostedTSV-M算法，通过奇异值提升缓解排名崩溃并提高数值稳定性，在多领域ASR中实现优于完整微调的性能，同时保持分布外泛化能力。
Comments submitted for review for INTERSPEECH2026 conference
噪声到音符：基于扩散的生成与细化用于自动鼓件转录
机构 * Sony Group Corporation（索尼集团）
专题命中 领域大模型 ：foundation model(abstract)；分类 cs.LG
AI总结 本研究提出N2N框架，利用扩散模型将音频条件高斯噪声转化为鼓件事件，结合退火伪Huber损失和音乐基础模型特征提升鲁棒性，实现自动鼓件转录的生成与细化。
Comments Accepted to ICASSP 2026
在线讨论的计算事实核查：在气候变化相关新闻文章中评估科学准确性
机构 * L3S Research Center, Leibniz University Hanover（莱比锡大学汉诺威分校L3S研究中心） ； TIB - Leibniz Information Centre for Science and Technology（莱比锡科学与技术信息中心）
专题命中 领域大模型 ：LLM(abstract)；分类 cs.CL
AI总结 本文提出了一种半自动化的在线讨论事实核查方法，通过知识图谱分析评估气候变化相关新闻文章的科学准确性，并指出需要进一步完善事实知识图谱以支持科学公民讨论。
Comments 8 pages, 7 figures, accepted at ICKG 2025
Journal ref 2025 IEEE International Conference on Knowledge Graph (ICKG), Limassol, Cyprus, 2025, pp. 371-378
在不生成单个标记的情况下检测视觉-语言模型中的幻觉
机构 * Stony Brook University（石英溪大学） ； Toyota Technological Institute at Chicago（芝加哥丰田技术研究所）
专题命中 知识编辑与模型理解 ：language model(title,abstract)
AI总结 通过探测模型内部表示在生成前检测视觉-语言模型的幻觉风险，展示不同架构中信息丰富的层和模态差异，并验证轻量级探测器在提升安全性和效率方面的潜力。
Journal ref The 19th Conference of the European Chapter of the Association for Computational Linguistics (EACL 2026)
BioLLMAgent: 一种具有增强结构可解释性的混合框架，用于模拟计算精神病学中的人类决策过程
机构 * School of Computer Science and Technology, East China Normal University（东华大学计算机科学与技术学院） ； Department of Computer Science, University of Reading（Reading大学计算机科学系） ； Department of Computer Science, Brunel University of London（伦敦布鲁内尔大学计算机科学系）
专题命中 知识编辑与模型理解 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI
AI总结 BioLLMAgent通过结合认知模型与LLM能力，提供结构可解释的计算沙盒，用于模拟人类决策过程和评估干预策略。
面向功能的LLM在Fisher-Rao流形上的融合
机构 * Pennsylvania State University（宾夕法尼亚州立大学）
专题命中 知识编辑与模型理解 ：LLM(title)；分类 cs.CL、cs.LG
AI总结 本文提出在Fisher-Rao流形上计算加权Karcher均值，以实现更稳定的LLM融合，提升模型性能。
Comments 9 pages, 2 figures
注意力的引力场：位置相关性的幂律解释
机构 * Edward Zhang 1（Edward Zhang）
专题命中 知识编辑与模型理解 ：large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI
AI总结 本文提出注意力引力场概念，通过解耦位置编码与语义嵌入优化模型架构，展现其与万有引力定律的一致性，推动注意力机制的解释与模型优化研究。
逐层、逐模块：为优化ViT的OOD探测选择两者
专题命中 知识编辑与模型理解 ：foundation model(abstract)；pretraining(abstract)；分类 cs.LG
AI总结 本文研究了ViT中不同层和模块在OOD探测中的表现，发现中间层和模块级激活在不同分布偏移下具有不同优势。
Comments Accepted at ICLR 2026 CAO Workshop
代理多角色框架用于证据感知的虚假新闻检测
机构 * Dept. of CSE, Indian Institute of Technology Indore（计算机科学与工程系，印度理工学院印度奥尔德分校） ； Dept. of CSE, Indian Institute of Technology Patna（计算机科学与工程系，印度理工学院帕纳分校）
专题命中 知识编辑与模型理解 ：LLM(abstract)；SLM(abstract)；分类 cs.LG
AI总结 本文提出AMPEND-LS框架，通过LLM与SLM协同作用，实现多模态虚假新闻检测，提升准确率和鲁棒性，增强信息安全性。
Comments 10 pages, 3 tables, 2 figures
观察和控制视觉-语言-动作模型中的特征
专题命中 知识编辑与模型理解 ：large language model(abstract)；language model(abstract)
AI总结 本文提出通过特征可观察性和可控性研究，实现对视觉-语言-动作模型的在线适应与行为引导，提升其与用户需求的实时对齐能力。
编辑：用于文本到图像扩散模型的有效且可解释的提示倒置
机构 * University of Massachusetts, Amherst（马萨诸塞大学阿姆赫斯特分校） ； Georgia Institute of Technology（佐治亚理工学院） ； Rutgers University（罗格斯大学） ； University of Utah（犹他大学） ； Dolby Laboratories（杜比实验室）
专题命中 知识编辑与模型理解 ：large language model(abstract)；language model(abstract)
AI总结 本文提出\sys技术，通过预训练模型初始化、潜在空间反向工程和嵌入到文本转换，提升文本到图像扩散模型的提示倒置效果，实现更高的图像相似性和可解释性。
协同语义对齐与证据约束在大型语言模型检索增强生成中的应用
专题命中 其他LLM ：large language model(title,abstract)；language model(title,abstract)；分类 cs.CL
AI总结 本文提出一种通过协同语义对齐与证据约束提升检索增强生成效果的方法，增强事实可靠性和生成流畅性。
AbAffinity：一种用于预测抗SARS-CoV-2病毒抗体结合亲和力的大语言模型
机构 * Department of Computer Science and Engineering,University of California, Riverside（加州大学河滨分校计算机科学与工程系） ； Riggs School of Applied Life Sciences, Keck Graduate Institute, Claremont（克劳斯研究生院应用生命科学学院）
专题命中 其他LLM ：large language model(title,abstract)；language model(title,abstract)；分类 cs.LG
AI总结 AbAffinity是一种通过大语言模型预测抗SARS-CoV-2病毒抗体结合亲和力的新型方法。
用序列蒙特卡洛方法融合语言模型
机构 * ETH Zürich（苏黎世联邦理工学院） ； McGill University（麦吉尔大学） ； Canada CIFAR AI Chair（加拿大 CIFAR 人工智能主席）
专题命中 其他LLM ：language model(title,abstract)；prompting(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 本文提出了一种融合语言模型的统一框架，通过字节级序列蒙特卡洛算法实现不同词汇表模型的融合采样，提升了结构化文本生成任务的性能。
CytoNet：人类大脑皮层细胞分辨率的基础模型
机构 * Institute of Neuroscience and Medicine (INM-1), Research Centre Jülich（神经科学与医学研究所（INM-1），贾格尔研究中心） ； Helmholtz AI, Research Centre Jülich（海德堡人工智能，贾格尔研究中心） ； Institute for Brain Research, University Hospital Düsseldorf（脑研究所在杜塞尔多夫大学医院） ； Institute of Computational Biology, Computational Health Center, Helmholtz Munich（计算生物学研究所，计算健康中心，海德堡慕尼黑） ； Institute for Stroke and Dementia Research (ISD), LMU University Hospital, LMU Munich（中风与痴呆研究所以（ISD），慕尼黑大学医院，慕尼黑大学） ； Computer Vision, Institute for Computational Visualistics, University of Koblenz（计算机视觉，计算视觉研究所，科布伦兹大学）
专题命中 其他LLM ：foundation model(title,abstract)；分类 cs.AI、cs.LG
AI总结 CytoNet通过训练100万张显微图像片段，建立了人类大脑皮层细胞分辨率的基础模型，用于分析微架构并链接细胞结构与功能组织。
Comments 42 pages, 10 figures, 7 tables. Extended version with functional decoding
逐步细化调节以加速扩散语言模型解码
机构 * Department of Artificial Intelligence, Xi'an Jiaotong University（人工智能系，西安交通大学） ； College of Computing and Data Science, Nanyang Technological University（计算与数据科学学院，南洋理工大学） ； School of Computer Science and Technology, Harbin Institute of Technology（计算机科学与技术学院，哈尔滨工业大学）
专题命中 其他LLM ：language model(title,abstract)；分类 cs.AI
AI总结 逐步细化调节通过动态控制细化规则提升扩散语言模型解码效率并保持生成质量。
Comments 19 pages, 10 figures, Code available upon publication
识别用于任务级可控大语言模型的好神经元和坏神经元
机构 * Singapore Management University（新加坡管理大学） ； ShanghaiTech University（上海科技大学）
专题命中 其他LLM ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI
AI总结 NeuronLLM通过对比学习识别任务级可控大语言模型中的好神经元和坏神经元，以提升任务表现和理解能力。
GCAgent：通过对话代理系统增强群聊交流
机构 * Zhejiang University（浙江大学） ； Xiaohongshu Inc.（小红书公司） ； University of Science and Technology of China（中国科学技术大学）
专题命中 其他LLM ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI
AI总结 GCAgent通过集成娱乐和实用导向的对话代理系统，提升群聊交流效果，实现多参与者对话的高效管理与增强。
用人工智能辅助发现解决理论物理中的一个开放问题
机构 * Google Research（谷歌研究） ； School of Engineering and Applied Sciences, Harvard University（工程与应用科学学院，哈佛大学） ； School of Computer Science, Carnegie Mellon University（计算机科学学院，卡内基梅隆大学）
专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI
AI总结 本文提出了一种结合大型语言模型和树搜索框架的混合系统，通过AI辅助发现解决了理论物理中宇宙弦引力辐射功率谱的开放问题，并推导出新的解析解。
Comments 22 pages, 3 figures
迈向天体源检测的基础模型：一种使用深度学习的端到端伽马射线数据分析流水线
专题命中 其他LLM ：foundation model(title)
AI总结 本文提出了一种基于深度学习的端到端伽马射线数据分析流水线，扩展了AutoSourceID方法以应用于CTAO模拟数据，为天体源检测提供灵活且鲁棒的解决方案。
Comments 6 pages, 3 figures, presented at EuCAIFCon 2025
模式匹配的不合理有效性
机构 * Department of Psychology University of Wisconsin–Madison（心理学系 威斯康星大学麦迪逊分校） ； Paradigms of Intelligence Team Google（智能范式团队 谷歌）
专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.CL
AI总结 大型语言模型通过模式匹配有效理解随机替换实词的虚构文本，揭示了其在语言处理中的核心能力。
超越拟人化：面向大语言模型的界面隐喻光谱
专题命中 其他LLM ：large language model(abstract)；language model(abstract)
AI总结 本文提出将拟人化作为设计变量，通过反拟人化到超拟人化的隐喻光谱，引导界面设计从优化可用性转向鼓励批判性参与。
Comments Extended Abstracts of the 2026 CHI Conference on Human Factors in Computing Systems
对ASR中知识转移的声学与语言表示最优对齐的新见解
机构 * National Institute of Information and Communications Technology, Japan（日本信息与通信技术研究所）
专题命中 其他LLM ：language model(abstract)；分类 cs.CL、cs.LG
AI总结 本文提出了一种基于不平衡最优传输的对齐模型，用于改进ASR中声学与语言表示的对齐，提升知识转移效果。
Comments Accepted to ICASSP 2026
并行分割学习与全局采样
专题命中 其他LLM ：分类 cs.AI、cs.LG；large language model(comments)；language model(comments)
AI总结 GPSL通过全局采样解决并行分割学习中的批量大小和非IID数据问题，实现稳定优化和集中式准确性，同时减少训练时间。
Comments Accepted at the 2025 IEEE 3rd International Conference on Foundation and Large Language Models (FLLM). This version corresponds to the accepted manuscript
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