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。
POaaS：最小编辑提示优化作为服务以提升准确性和减少幻觉于设备端sLLMs
机构 * Electronics and Telecommunications Research Institute（电子电信研究院）
专题命中 指令微调 ：language model(abstract)；small language model(abstract)；分类 cs.AI
AI总结 针对设备端sLLMs的不完美提示问题，POaaS通过轻量专家模块和严格约束实现高效优化，提升准确性和事实性，优于传统搜索方法。
Comments Accepted at FEVER 2026. 9 pages, 2 figures, 5 tables
W2T: LoRA 权重已经知道它们能做什么
机构 * University of Surrey（萨里大学） ； Stanford University（斯坦福大学） ； University of Notre Dame（诺丁汉大学）
专题命中 指令微调 ：large language model(abstract)；language model(abstract)；分类 cs.LG
AI总结 W2T通过将LoRA权重转换为token化嵌入，验证了在消除因子化歧义后，LoRA权重能可靠指示模型行为，适用于属性分类、性能预测和适配器检索。
基于归因的解码
机构 * Department of Artificial Intelligence, Fraunhofer Heinrich Hertz Institute（人工智能系，弗劳恩霍夫海因里希·赫兹研究所） ； Department of Electrical Engineering and Computer Science, Technische Universität Berlin（电气工程与计算机科学系，柏林技术大学） ； BIFOLD - Berlin Institute for the Foundations of Learning and Data（柏林学习与数据基础研究所） ； Centre of eXplainable Artificial Intelligence, Technological University Dublin（可解释人工智能中心，都柏林技术大学）
专题命中 指令微调 ：large language model(abstract)；language model(abstract)；分类 cs.LG
AI总结 本文提出基于归因的解码方法AGD，通过引导生成过程以提升指令遵循、知识密集型任务的准确性和可靠性，同时减少计算开销。
Comments Published as a conference paper at ICLR 2026
MAC：多智能体宪法学习
机构 * Mohamed bin Zayed University of Artificial Intelligence（莫扎德人工智能大学） ； Indraprastha Institute of Information Technology Delhi（德里印度教教派信息科技学院） ； Google DeepMind（谷歌DeepMind）
专题命中 指令微调 ：LLM(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 本文提出MAC多智能体宪法学习方法，通过结构化提示优化提升LLM控制效果，实现可解释的规则集生成，优于现有提示优化方法，并在PII标注任务中表现优异。
Comments Code: https://github.com/rushil-thareja/MAC-Multi-Agent-Constitution-Learning | PyPI: https://pypi.org/project/mac-prompt/ | Website: https://www.mac-prompt.com/
分子标识视觉提示与可验证强化学习用于化学反应图解析
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Beihang University（北京航空航天大学） ； Peking University（北京大学） ； South China Normal University（华南师范大学）
专题命中 指令微调 ：language model(abstract)；prompting(abstract)
AI总结 本文提出IdtVP和Re3-DAPO方法，通过视觉提示和强化学习提升化学反应图解析的准确性和泛化能力，同时发布ScannedRxn基准数据集以评估模型鲁棒性。
BEACON: 跨领域预算感知实体匹配（扩展技术报告）
专题命中 指令微调 ：large language model(abstract)；language model(abstract)
AI总结 研究针对跨领域实体匹配中标签稀缺问题，提出BEACON框架，利用嵌入表示指导样本选择，实验证明在不同预算下均优于现有方法。
Comments This paper is the extended version of "BEACON: Budget-Aware Entity Matching Across Domains" to appear in Proc. ACM SIGMOD International Conference on Management of Data (SIGMOD 2026)
读者更倾向于AI在受版权保护的书籍上训练输出的文本而非专家人类作家
机构 * Department of Computer Science, Stony Brook University（石溪大学计算机科学系） ； Columbia Law School（哥伦比亚法学院） ； School of Information Science, University of Michigan（密歇根大学信息科学学院） ； MIT Initiative on the Digital Economy（麻省理工学院数字经济倡议）
专题命中 指令微调 ：prompting(abstract)；分类 cs.CL、cs.AI
AI总结 研究比较了AI与专家作家在模仿50位获奖作者风格的文本表现，发现微调AI在风格和质量上更受读者青睐，且效果稳健。
Comments Preprint Under Review
生成任意场景：基于场景图的数据合成用于视觉生成训练
机构 * University of Washington（华盛顿大学） ； Allen Institute for Artificial Intelligence（人工智能研究院）
专题命中 指令微调 ：SFT(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出Generate Any Scene，通过系统生成场景图来合成高质量数据，用于提升视觉生成模型的合成能力与语义对齐。
Comments ICLR 2026
松散结构软件：运行时重 wiring 多智能体系统的工程上下文、结构与进化熵
机构 * The Hong Kong University of Science and Technology（香港科技大学） ； AI Chip Center for Emerging Smart Systems（新兴智能系统人工智能芯片中心） ； University of Macau（澳门大学） ； Tsinghua University（清华大学）
专题命中 指令微调 ：LLM(abstract)；分类 cs.AI
AI总结 本文提出松散结构软件，通过运行时熵管理提升多智能体系统的可设计性、可扩展性和可进化性。
DreamPlan: 通过视频世界模型高效强化微调视觉语言规划器
机构 * USC Physical Superintelligence Lab（USC物理超智能实验室） ； Toyota Research Institute（丰田研究院）
专题命中 指令微调 ：language model(abstract)
AI总结 DreamPlan通过视频世界模型高效强化微调视觉语言规划器，利用零样本VLM生成探索数据训练动作条件视频生成模型，再通过ORPO在虚拟环境中微调VLM，提升物体 manipulation 成功率。
Diffusion-DRF：免费、丰富且可微的奖励用于视频扩散微调
机构 * Northeastern University（东北大学） ； Snap Inc.（Snap公司）
专题命中 指令微调 ：language model(abstract)
AI总结 本文提出Diffusion-DRF框架，通过多维问题和密集VQA解释查询生成丰富反馈，实现稳定奖励微调，无需偏好数据集。
Comments Webpage: https://snap-research.github.io/diffusion-drf/
FlowComposer: 用于组合零样本学习的可组合流
机构 * The Hong Kong University of Science and Technology（香港科技大学）
专题命中 指令微调 ：language model(abstract)
AI总结 本文提出FlowComposer，通过学习两个基础流将视觉特征传输到属性和对象文本嵌入，并引入可学习的Composer显式融合速度场以生成组合流，有效解决组合零样本学习中的隐式组合构造和特征纠缠问题。
Comments Accepted to CVPR2026
引导冻结的大型语言模型：通过在线提示路由实现适应性社会对齐
机构 * The Chinese University of Hong Kong（香港中文大学） ； University of Washington（华盛顿大学）
专题命中 后训练与偏好优化 ：large language model(abstract)；language model(abstract)；post-training(abstract)；RLHF(abstract)
AI总结 本文提出CCLUB框架，通过系统提示路由实现适应性社会对齐，解决部署时静态策略无法应对动态安全规范的问题，实验显示其在累积奖励和子最优差距上优于基线方法。
通过否定来实现AI对齐：为什么否定约束在结构上优于积极偏好
机构 * Tsinghua University（清华大学）
专题命中 后训练与偏好优化 ：large language model(abstract)；language model(abstract)；RLHF(abstract)；preference optimization(abstract)
AI总结 本文探讨了通过否定约束而非积极偏好进行AI对齐的结构优势，提出基于波普尔的证伪逻辑，指出否定信号方法在避免趋炎附势和提升效果上的有效性。
Comments 9 pages, position paper
CHARM：通过聊天机器人竞技场分数校准奖励模型
机构 * Alibaba Group（阿里巴巴集团） ； Queen’s University Belfast（贝尔法斯特女王大学） ； University of Zurich（苏黎世大学） ； Singapore University of Technology（新加坡科技设计大学）
专题命中 后训练与偏好优化 ：large language model(abstract)；language model(abstract)；post-training(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出CHARM方法，通过利用Chatbot Arena的Elo分数校准奖励模型，减少模型偏好偏差，提升奖励模型的准确性和公平性。
GDPO-SR：基于群直接偏好优化的一步生成图像超分辨率
机构 * The Hong Kong Polytechnic University（香港理工大学） ； OPPO Research Institute（OPPO研究院）
专题命中 后训练与偏好优化 ：preference optimization(title,abstract)
AI总结 本文提出GDPO-SR，通过整合RL方法提升一步生成图像超分辨率性能，引入噪声感知扩散模型和群相对优势计算策略，优化局部细节。
GASP：指导性的非对称自我对弈用于编码大语言模型
机构 * University of Tübingen（图宾根大学） ； Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所） ； ELLIS Institute Tübingen（图宾根ELLIS研究所） ； Tübingen AI Center（图宾根人工智能中心）
专题命中 后训练与偏好优化 ：large language model(abstract)；language model(abstract)；post-training(abstract)；分类 cs.LG
AI总结 GASP通过引入真实数据目标问题，改进了非对称自我对弈方法，提升了LiveCodeBench上的pass@20指标，并解决了其他方法无法达到的难题。
Comments Accepted at ICLR 2026 Workshop on AI with Recursive Self-Improvement (RSI 2026) as Spotlight, and ICLR 2026 Workshop on Lifelong Agents (LLA 2026)
LibraGen：在以主题驱动的视频生成中进行平衡游戏
机构 * Pazhou Laboratory (Huangpu)（黄埔实验室（ Pazhou））
专题命中 后训练与偏好优化 ：foundation model(abstract)；post-training(abstract)；preference optimization(abstract)
AI总结 LibraGen通过平衡视频生成基础模型的内在先验与主题到视频能力，提出了一种新的框架，采用质量优先策略和动态分类器自由引导方案，提升生成效果。
DyJR: 通过动态Jensen-Shannon回放在强化学习中保持多样性
机构 * Griffith University, Australia（澳大利亚格里菲斯大学） ； Fudan University, China（复旦大学） ； Beijing University of Post（北京邮电大学） ； Shanghai Innovation Institute, China（上海创新研究院） ； Shanghai Academy of Artificial Intelligence for Science, China（上海人工智能科学研究院）
专题命中 后训练与偏好优化 ：large language model(abstract)；language model(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出DyJR方法，通过动态参考分布和Jensen-Shannon散度正则化，在强化学习中保持多样性，提升数学推理和Text-to-SQL任务性能。
Comments 14 pages, 3 figures
通过后过渡重加权实现保守的离线机器人策略学习
机构 * Peking University（北京大学） ； Tsinghua University（清华大学） ； BeingBeyond
专题命中 后训练与偏好优化 ：post-training(abstract)
AI总结 本文提出PTR方法，通过后验过渡重加权实现保守的离线机器人策略学习，根据样本后作用后果的可归因性分配信用，提升对异质机器人数据的适应性。
PhysGM：用于前馈4D合成的大型物理高斯模型
机构 * Beijing Institute of Technology（北京理工大学） ； Li Auto（利汽车） ； Harbin Institute of Technology（哈尔滨工业大学） ； Sichuan University（四川大学） ； Suzhou Research Institute, Harbin Institute of Technology（哈尔滨工业大学苏州研究院）
专题命中 后训练与偏好优化 ：preference optimization(abstract)
AI总结 PhysGM通过单图像联合预测3D高斯表示和物理属性，实现高效4D渲染。该方法采用物理感知重建模型和直接偏好优化，提升模拟精度并降低计算成本。
Comments CVPR 2026
通过推理时的自我反思记忆在多模态大语言模型中实现上下文安全演化
机构 * Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所）
专题命中 长上下文与记忆 ：large language model(title,abstract)；language model(title,abstract)；分类 cs.CL
AI总结 本文提出MM-SafetyBench++基准和EchoSafe框架，通过自反思记忆实现多模态大语言模型的上下文安全演化，实验表明其在安全性能上表现优异。
Comments Accepted at CVPR 2026. Project page: https://echosafe-mllm.github.io
个性化LLM代理中的差异性伤害倾向：心理健康披露的奇特案例
机构 * Khoury College of Computer Sciences（科里学院计算机科学学院）
专题命中 长上下文与记忆 ：LLM(title)；large language model(abstract)；language model(abstract)；prompting(abstract)
AI总结 研究探讨了心理健康披露对代理有害行为的影响，发现个性化设置可降低伤害，但易受对抗性压力影响，需加强个性化评估与安全措施。
递归语言模型与不确定性：自我反思程序搜索在长上下文中的意外效果
机构 * Apple（苹果公司）
专题命中 长上下文与记忆 ：language model(title,abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 本文提出SRLM框架，通过引入不确定性感知的自我反思，提升长上下文处理能力，实验显示其在多种任务中优于现有基线，且无需递归机制。
Comments preprint
NextMem: 向基于大语言模型的智能体构建潜在事实记忆
专题命中 长上下文与记忆 ：LLM(title,abstract)；分类 cs.AI、cs.LG
AI总结 NextMem提出一种基于自回归自编码器的潜在事实记忆框架，通过两阶段训练和量化技术提升记忆构建效率与准确性，在检索、鲁棒性和扩展性方面表现优异。
Comments 17 pages, 7 figures, 4 tables
编译记忆：不是更多信息，而是为语言代理提供更精确的指令
机构 * AlphaBitCore, Inc.（AlphaBitCore公司）
专题命中 长上下文与记忆 ：language agent(title,abstract)；分类 cs.AI
AI总结 本文提出Atlas内存内核，通过编译积累的任务经验为语言代理生成指令结构，无需微调、RAG或人工干预，提升GPT-4o和Claude Sonnet~4.5在合同分析和多跳问答任务中的性能。
CraniMem：受大脑启发的门控和有界的记忆用于智能体系统
机构 * Dwarkadas Jivanlal Sanghvi College of Engineering（达沃拉萨·吉文拉尔·桑格维工程学院）
专题命中 长上下文与记忆 ：LLM(abstract,comments)；large language model(abstract)；language model(abstract)；分类 cs.AI
AI总结 CraniMem通过门控和有界多阶段记忆设计提升智能体在长期任务中的稳定性与鲁棒性，采用目标条件门控和效用标签结合短期缓冲和长期知识图谱，实现更持久的语义记忆与更小的干扰影响。
Comments International Conference on Learning Representations 2026 Workshop on Memory for LLM-Based Agentic Systems (MemAgents)
Chronos：具有结构化事件检索的时序感知对话代理以实现长期记忆
机构 * Commercial Technology and Innovation Office（商业技术与创新办公室）
专题命中 长上下文与记忆 ：large language model(abstract)；language model(abstract)；prompting(abstract)；分类 cs.CL
AI总结 Chronos通过结构化事件日历和对话日历实现时序感知，有效处理长期对话记忆中的时间敏感查询，提升多跳推理能力，在LongMemEvalS基准测试中取得新高准确率。
EfficientNav: 面向设备端目标物体导航的导航地图缓存与检索
机构 * Institute for Artificial Intelligence, Peking University（北京大学人工智能研究院） ； School of Integrated Circuits, Peking University（北京大学集成电路学院） ； Shenzhen Institute of Artificial Intelligence and Robotics for Society（深圳人工智能与机器人研究院） ； School of Computer Science and Engineering, South China University of Technology（华南理工大学计算机科学与工程学院） ； Beijing Advanced Innovation Center for Integrated Circuits（北京集成电路先进制造创新中心）
专题命中 长上下文与记忆 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI
AI总结 本文提出EfficientNav，通过语义感知记忆检索和离散记忆缓存技术，在设备端实现零样本目标物体导航，提升成功率并降低规划延迟。
Comments NeurIPS 2025
BenchPreS：面向持久内存LLM的上下文感知个性化偏好选择性基准
机构 * Yonsei University（延世大学） ； LG AI Research（LG AI研究院）
专题命中 长上下文与记忆 ：large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI
AI总结 BenchPreS评估持久内存LLM在不同通信场景中对用户偏好是否恰当应用，发现前沿模型在上下文敏感应用上存在不足，偏好遵循性强的模型易出现过度应用，推理能力和提示防御无法彻底解决此问题。
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