语言大模型 / LLM

SectEval: Evaluating the Latent Sectarian Preferences of Large Language Models

SectEval：评估大型语言模型的潜在教派偏好

Aditya Maheshwari, Amit Gajkeshwar, Kaushal Sharma, Vivek Patel

机构 * Indian Institute of Management Indore（印度管理学院印多尔） 纠错

专题命中 其他LLM ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)；分类 cs.CL

AI总结 本文首次评估大型语言模型对伊斯兰教逊尼派与什叶派差异的处理方式，通过SectEval测试发现语言和地理位置会影响模型的宗教倾向。

Comments 14 pages; 3 figures

LESS: Large Language Model Enhanced Semi-Supervised Learning for Speech Foundational Models Using in-the-wild Data

LESS：基于大规模语言模型的半监督学习用于语音基础模型的野外数据

Wen Ding, Fan Qian

专题命中 其他LLM ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)；分类 cs.CL

AI总结 LESS通过利用大规模语言模型校正野外数据生成的伪标签，提升了语音基础模型在多种语言和任务中的性能，显著降低了词错误率并提高了BLEU分数。

Comments Accepted by ICASSP 2026

LLM Unlearning with LLM Beliefs

基于LLM信念的去学习

Kemou Li, Qizhou Wang, Yue Wang, Fengpeng Li, Jun Liu, Bo Han, Jiantao Zhou

机构 * State Key Laboratory of Internet of Things for Smart City, University of Macau（物联网智能城市国家重点实验室，澳门大学） ； TMLR Group, Department of Computer Science, Hong Kong Baptist University（TMLR集团，香港 Baptist大学计算机科学系） ； Imperfect Information Learning Team, RIKEN Center for Advanced Intelligence Project（不完美信息学习团队，RIKEN高级智能项目中心） ； PRADA Lab, King Abdullah University of Science and Technology（PRADA实验室，国王阿卜杜勒阿齐兹大学科学与技术学院） ； National Institute of Informatics（国家信息研究所） 纠错

专题命中 其他LLM ：LLM(title)；large language model(abstract)；language model(abstract)；分类 cs.CL、cs.LG

AI总结 本文提出BS框架，通过结合模型自身高置信度生成（即模型信念）来对抗去学习中的挤压效应，从而更彻底地实现遗忘并保持实用性。

Comments ICLR 2026

As Language Models Scale, Low-order Linear Depth Dynamics Emerge

随着语言模型的扩展，低阶线性深度动态出现

Buddhika Nettasinghe, Geethu Joseph

机构 * University of Iowa（爱荷华大学） ； Delft University of Technology（代尔夫特理工大学） 纠错

专题命中 其他LLM ：language model(title,abstract)；large language model(abstract)；分类 cs.LG

AI总结 研究发现，随着语言模型规模扩大，低阶线性深度动态在上下文中显现，通过32维线性近似模型在多个任务中准确复现GPT-2-large的层间敏感度分布，揭示了模型规模与线性近似一致性的关系。

KernelFoundry: Hardware-aware evolutionary GPU kernel optimization

KernelFoundry: 带硬件意识的进化GPU内核优化

Nina Wiedemann, Quentin Leboutet, Michael Paulitsch, Diana Wofk, Benjamin Ummenhofer

机构 * Intel Corporation（英特尔公司） 纠错

专题命中 其他LLM ：LLM(abstract)；large language model(abstract)；language model(abstract)；prompting(abstract)

AI总结 KernelFoundry通过MAP-Elites搜索、元提示进化和模板参数优化，高效探索GPU内核设计空间，实现SYCL内核在KernelBench上的2.3倍加速。

Can Fairness Be Prompted? Prompt-Based Debiasing Strategies in High-Stakes Recommendations

公平性能否通过提示实现？基于提示的高风险推荐中的去偏策略

Mihaela Rotar, Theresia Veronika Rampisela, Maria Maistro

专题命中 其他LLM ：LLM(abstract)；large language model(abstract)；language model(abstract)；prompting(abstract)

AI总结 本文提出三种基于提示的去偏策略，旨在通过轻量级方法提升推荐系统的公平性，实验表明该方法能提升公平性达74%，但可能过度促进某些群体。

What Makes VLMs Robust? Towards Reconciling Robustness and Accuracy in Vision-Language Models

什么使视觉语言模型具备鲁棒性？迈向视觉语言模型鲁棒性与准确性的协调

Sen Nie, Jie Zhang, Zhongqi Wang, Zhaoyang Wei, Shiguang Shan, Xilin Chen

专题命中 其他LLM ：language model(title,abstract)

AI总结 本文研究了视觉语言模型鲁棒性与准确性的平衡问题，通过分析对抗性微调模型，发现鲁棒性主要集中在浅层网络，提出Adversarial Robustness Adaptation框架以提升鲁棒性与准确性。

Comments 28 pages

Nested Deep Learning Model Towards A Foundation Model for Brain Signal Data

嵌套深度学习模型：面向脑信号数据的基础模型

Fangyi Wei, Jiajie Mo, Kai Zhang, Haipeng Shen, Srikantan Nagarajan, Fei Jiang

专题命中 其他LLM ：foundation model(title)；分类 cs.LG

AI总结 本文提出嵌套深度学习框架，解决脑电信号中棘波检测中通道配置变化和棘波来源识别的问题，提升预测精度并支持跨模态数据整合。

Comments 56 pages; paper structure updated

LLMs Can Infer Political Alignment from Online Conversations

大语言模型能从在线对话中推断政治倾向

Byunghwee Lee, Sangyeon Kim, Filippo Menczer, Yong-Yeol Ahn, Haewoon Kwak, Jisun An

专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.CL

AI总结 研究展示大语言模型能可靠推断隐藏的政治倾向，优于传统机器学习模型，通过聚合文本推断和使用相关领域提升预测精度，揭示LLM在利用社会文化关联方面的潜力与风险。

Comments 56 pages; 4 figures in the main text and 18 supplementary figures, 11 supplementary tables

Empowering Semantic-Sensitive Underwater Image Enhancement with VLM

通过VLM赋能语义敏感的水下图像增强

Guodong Fan, Shengning Zhou, Genji Yuan, Huiyu Li, Jingchun Zhou, Jinjiang Li

专题命中 其他LLM ：language model(abstract)；分类 cs.AI

AI总结 本文提出利用视觉语言模型增强水下图像增强的语义敏感能力，通过生成文本描述并生成空间语义指导图，提升图像重建的语义聚焦度，实验验证其在感知质量和检测分割任务中的有效性。

Comments Accepted as an Oral presentation at AAAI 2026

Byzantine-Robust Optimization under $(L_0, L_1)$-Smoothness

在$(L_0,L_1)$-光滑性下具有拜占庭鲁棒性的优化

Arman Bolatov, Samuel Horváth, Martin Takáč, Eduard Gorbunov

机构 * Mohamed bin Zayed University of Artificial Intelligence（莫扎伊德大学人工智能学院） 纠错

专题命中 其他LLM ：language model(abstract)；分类 cs.LG

AI总结 本文提出Byz-NSGDM算法，结合动量归一化和拜占庭鲁棒聚合，解决$(L_0,L_1)$-光滑性和拜占庭攻击的挑战，实现$O(K^{-1/4})$的收敛率。

Comments 10 pages, 1 table, 4 figures, accepted to CPAL 2026

No More DeLuLu: Physics-Inspired Kernel Networks for Geometrically-Grounded Neural Computation

不再需要DeLuLu：受物理启发的核网络用于几何上扎根的神经计算

Taha Bouhsine

机构 * Taha Bouhsine（塔哈·布希内） 纠错

专题命中 其他LLM ：language model(abstract)；分类 cs.LG

AI总结 本文提出 yat-product 核操作，结合二次对齐与反平方接近性，通过几何化操作简化神经网络架构，实现统一的核学习、梯度稳定性和信息几何，展示了 NMN 在图像和语言任务中的有效性。

Comments for more info check www.azetta.ai

What do near-optimal learning rate schedules look like?

最优学习率调度方案看起来是什么样的？

Hiroki Naganuma, Atish Agarwala, Priya Kasimbeg, George E. Dahl

专题命中 其他LLM ：language model(abstract)；分类 cs.LG

AI总结 本文通过搜索程序寻找最佳调度形状，发现warmup和decay是良好调度的稳健特征，且常用调度家族并非最优。

V-Bridge: Bridging Video Generative Priors to Versatile Few-shot Image Restoration

V-Bridge：将视频生成先验与多功能少样本图像恢复相连接

Shenghe Zheng, Junpeng Jiang, Wenbo Li

机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； The Chinese University of Hong Kong（香港中文大学） 纠错

专题命中 其他LLM ：foundation model(abstract)

AI总结 本文提出V-Bridge框架，将视频生成模型的潜在能力应用于多功能少样本图像恢复任务，通过将图像恢复视为渐进生成过程，利用视频模型实现从退化输入到高保真输出的逐步细化，仅用1000个多任务样本即可实现竞争性性能。

Comments Transfer the prior knowledge of video generative models to image restoration tasks