语言大模型 / LLM

Linting Style and Substance in READMEs

READMEs的风格与实质： linting方法

Hima Mynampaty, Nathania Josephine, Katherine E. Isaacs, Andrew M. McNutt

专题命中 评测与基准 ：LLM(abstract)

AI总结 本文通过设计探针LintMe，探索如何利用linting改进READMEs，兼顾不同场景下的风格和内容问题，提供可扩展的检查方法，提升文档质量。

Comments Accepted to CHI2026

LaS-Comp: Zero-shot 3D Completion with Latent-Spatial Consistency

LaS-Comp：基于潜在-空间一致性的零样本3D补全

Weilong Yan, Haipeng Li, Hao Xu, Nianjin Ye, Yihao Ai, Shuaicheng Liu, Jingyu Hu

机构 * National University of Singapore（新加坡国立大学） ； University of Electronic Science and Technology of China（电子科技大学） ； The Chinese University of Hong Kong（香港中文大学） 纠错

专题命中 评测与基准 ：foundation model(abstract)

AI总结 本文提出LaS-Comp，利用3D基础模型的几何先验实现零样本3D形状补全。通过双阶段设计，结合显式替换和隐式细化阶段，实现高保真补全，并引入Omni-Comp基准测试，验证了方法的优越性。

Comments Accepted by CVPR2026

DPDisc: From Factoid Questions to Data Product Requests for Open-World Data Product Discovery over Tables and Text

DPDisc: 从事实性问题到数据产品请求的开放世界数据产品发现 over 表格和文本

Liangliang Zhang, Nandana Mihindukulasooriya, Niharika S. D'Souza, Sola Shirai, Sarthak Dash, Yao Ma, Horst Samulowitz

专题命中 评测与基准 ：LLM(abstract)

AI总结 DPDisc 是首个针对混合表格-文本语料库的数据产品发现基准，通过自动化流程生成专业级请求并验证质量，包含13076个经过验证的实例，揭示了跨领域检索方法的性能差距。

Comments 15 pages, 4 figure, 7 tables

Enhancing Critical Thinking in Generative AI Search with Metacognitive Prompts

通过元认知提示增强生成式AI搜索中的批判性思维

Anjali Singh, Zhitong Guan, Soo Young Rieh

专题命中 评测与基准 ：prompting(abstract)

AI总结 研究探讨元认知提示如何促进生成式AI搜索中的批判性思维，发现提示能提升用户参与度和深入探究能力，且有效性受学生元认知灵活性影响。

Comments Proceedings of the Association for Information Science and Technology, 2025

Shot-Aware Frame Sampling for Video Understanding

面向快门的视频帧采样

Mengyu Zhao, Di Fu, Yongyu Xie, Jiaxing Zhang, Zhigang Yuan, Shirin Jalali, Yong Cao

机构 * ByteDance（字节跳动） ； Rutgers University（罗格斯大学） ； Georgia Tech（佐治亚理工学院） 纠错

专题命中 评测与基准 ：language model(abstract)

AI总结 本文提出InfoShot，一种任务无关的快门感知帧采样方法，用于长视频理解。通过分割视频为语义一致的快门，并选择两种互补的关键帧，以保留视频结构和短时变化信息，提升视频理解和异常检测性能。

ReSteer: Quantifying and Refining the Steerability of Multitask Robot Policies

ReSteer：量化和改进多任务机器人策略的可操控性

Zhenyang Chen, Alan Tian, Liquan Wang, Benjamin Joffe, Yingyan Celine Lin, Yuxiao Chen, Siddharth Karamcheti, Danfei Xu

机构 * Georgia Institute of Technology（佐治亚理工学院） 纠错

专题命中 评测与基准 ：pretraining(abstract)

AI总结 本文提出ReSteer框架，通过量化和提升多任务机器人策略的可操控性，揭示训练任务轨迹分布重叠有限是导致可操控性不足的原因，并通过三个组件改进策略的可操控性。

Comments Project website: https://resteer-vla.github.io/

Talk is Cheap, Logic is Hard: Benchmarking LLMs on Post-Condition Formalization

言者无罪，逻辑难辨：对LLMs在后条件形式化上的基准测试

I. S. W. B. Prasetya, Fitsum Kifetew, Davide Prandi

专题命中 评测与基准 ：LLM(abstract)

AI总结 本文研究LLMs生成程序预条件和后条件形式化的能力，评估24种先进模型在40个任务数据集上的表现，发现LLMs在预条件形式化上表现优于后条件，但所有模型均无法正确完成所有任务，需通过良好测试集提升可靠性。

Comments 18 pages

MG-Grasp: Metric-Scale Geometric 6-DoF Grasping Framework with Sparse RGB Observations

MG-Grasp：基于稀疏RGB观测的度量尺度几何6自由度抓取框架

Kangxu Wang, Siang Chen, Chenxing Jiang, Shaojie Shen, Yixiang Dai, Guijin Wang

机构 * The Department of Electronic Engineering, Tsinghua University, Beijing 100084, China（清华大学电子工程系，北京100084，中国） ； The Department of Electronic and Computer Engineering, The Hong Kong University of Science and Technology, Hong Kong, China（香港科学与技术大学电子与计算机工程系，香港，中国） 纠错

专题命中 评测与基准 ：foundation model(abstract)

AI总结 本文提出MG-Grasp框架，利用双视角3D基础模型实现高精度6自由度抓取，通过稀疏RGB图像重建密集点云并生成稳定抓取方案，实验证明其在RGB基抓取方法中达到SOTA水平。

Comments 8 pages, 5 figures

Bodhi VLM: Privacy-Alignment Modeling for Hierarchical Visual Representations in Vision Backbones and VLM Encoders via Bottom-Up and Top-Down Feature Search

Bodhi VLM：通过自上而下和自下而上的特征搜索实现视觉主干和VLM编码器中层次视觉表示的隐私对齐建模

Bo Ma, Wei Qi Yan, Jinsong Wu

机构 * Auckland University of Technology（奥克兰技术大学） ； Resideo Technologies, Inc.（Resideo技术公司） ； Guilin University of Electronic Technology（桂林电子科技大学） ； Universidad de Chile（智利大学） 纠错

专题命中 评测与基准 ：language model(abstract)

AI总结 本文提出Bodhi VLM框架，通过NCP和MDAV聚类将敏感概念与分层神经表示的层间分组关联，并利用自上而下和自下而上的策略定位敏感特征区域，结合EMPA模块生成可解释的隐私预算对齐信号，验证了在目标检测和VLM视觉编码器中的有效性。

Discovering Decoupled Functional Modules in Large Language Models

在大型语言模型中发现解耦的功能模块

Yanke Yu, Jin Li, Ying Sun, Ping Li, Zhefeng Wang, Yi Zheng

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 研究通过提出ULCMOD框架，解耦LLM中的神经元并发现输入样本的主题模块，提升模型可解释性和性能。

Comments AAAI-26 Oral

From Slides to Chatbots: Enhancing Large Language Models with University Course Materials

从幻灯片到聊天机器人：利用大学课程材料增强大语言模型

Tu Anh Dinh, Philipp Nicolas Schumacher, Jan Niehues

机构 * Karlsruhe Institute of Technology, Germany（卡尔斯鲁厄理工学院，德国） 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

AI总结 本文研究如何通过整合大学课程材料提升大语言模型在计算机科学课程中的表现，比较了RAG和CPT两种策略，并发现多模态RAG在处理包含图像和公式的幻灯片时更有效。

Comments Accepted to NSLP @ LREC 2026

Scalable UAV Multi-Hop Networking via Multi-Agent Reinforcement Learning with Large Language Models

通过多智能体强化学习与大语言模型实现可扩展的UAV多跳网络

Yanggang Xu, Jirong Zha, Weijie Hong, Xiangmin Yi, Geng Chen, Jianfeng Zheng, Chen-Chun Hsia, Xinlei Chen

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MRLMN框架，结合多智能体强化学习和大语言模型，提升UAV多跳网络性能，通过分组策略和奖励分解增强算法可扩展性，并利用知识蒸馏提升训练效率。

Comments 18 pages, 23 figures

Fine-Grained Post-Training Quantization for Large Vision Language Models with Quantization-Aware Integrated Gradients

细粒度后训练量化用于大型视觉语言模型的量化感知集成梯度

Ziwei Xiang, Fanhu Zeng, Hongjian Fang, Rui-Qi Wang, Renxing Chen, Yanan Zhu, Yi Chen, Peipei Yang, Xu-Yao Zhang

机构 * State Key Laboratory of Multimodal Artificial Intelligence Systems, CASIA（多模态人工智能系统国家重点实验室，中国科学院自动化所） ； School of Artificial Intelligence, UCAS（人工智能学院，中国科学院大学） ； Beijing National Research Center for Information Science and Technology（北京信息科学研究中心） ； Institute of Artificial Intelligence, USTB（信息科学技术大学人工智能学院） ； School of Artificial Intelligence, Beihang University（北京航空航天大学人工智能学院） ； Zhongguancun Academy（中关村学院） 纠错

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

AI总结 本文提出细粒度后训练量化方法，通过量化感知集成梯度评估token敏感性，提升大型视觉语言模型的精度与效率。

Comments Accepted by CVPR 2026 Main Conference

InferDPT: Privacy-Preserving Inference for Closed-box Large Language Model

InferDPT：闭箱大语言模型的隐私保护推断

Meng Tong, Kejiang Chen, Jie Zhang, Yuang Qi, Weiming Zhang, Nenghai Yu, Tianwei Zhang, Zhikun Zhang

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

AI总结 本文提出InferDPT框架，通过差分隐私机制实现闭箱大语言模型的隐私保护推断，结合扰动模块和提取模块，提升文本生成质量并抵御嵌入式修订攻击。

Deployment and Evaluation of an EHR-integrated, Large Language Model-Powered Tool to Triage Surgical Patients

一种集成电子健康记录的大型语言模型驱动工具在手术患者分诊中的部署与评估

Jane Wang, Timothy Keyes, April S Liang, Stephen P Ma, Jason Shen, Jerry Liu, Nerissa Ambers, Abby Pandya, Rita Pandya, Jason Hom, Natasha Steele, Jonathan H Chen, Kevin Schulman

机构 * Division of Hospital Medicine, Department of Medicine, Stanford University（斯坦福大学医院医学部，医学部） ； Stanford University School of Medicine（斯坦福大学医学院） ； Stanford Health Care, Technology and Digital Solutions（斯坦福健康，技术与数字解决方案） ； Division of Computational Medicine, Stanford University（斯坦福大学计算医学部） ； Stanford Health Care, Nursing Informatics（斯坦福健康，护理信息学） 纠错

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

AI总结 本文提出一种基于大型语言模型的工具，用于自动化手术患者分诊，通过电子健康记录实现，具有高灵敏度和中等特异性，展示了人工智能在医疗分诊中的应用价值。

Comments 35 pages, 4 figures, 5 tables

Efficient Soft Actor-Critic with LLM-Based Action-Level Guidance for Continuous Control

高效软演员-评论家与基于大语言模型的动作级指导在连续控制中的应用

Hao Ma, Zhiqiang Pu, Xiaolin Ai, Huimu Wang

机构 * School of Artificial Intelligence, University of Chinese Academy of Sciences, Beijing, China（中国科学院大学人工智能学院，北京，中国） ； Institute of Automation, Chinese Academy of Sciences, Beijing 100190, China（中国科学院自动化研究所，北京100190，中国） 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 本文提出GuidedSAC算法，利用大语言模型提供动作级指导，提升连续控制中的探索效率，并通过理论分析和实验验证其收敛性和样本效率。

ZipServ: Fast and Memory-Efficient LLM Inference with Hardware-Aware Lossless Compression

ZipServ: 一种快速且内存高效的LLM推理方法，结合硬件感知的无损压缩

Ruibo Fan, Xiangrui Yu, Xinglin Pan, Zeyu Li, Weile Luo, Qiang Wang, Wei Wang, Xiaowen Chu

机构 * The Hong Kong University of Science（香港科学与技术大学） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） 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 ZipServ通过硬件感知的无损压缩技术，提升LLM推理效率，减少内存占用，实现比cuBLAS快2.21倍的内核速度和1.22倍的端到端推理加速。

Comments ASPLOS'26 Accepted Paper

ListK: Semantic ORDER BY and LIMIT K with Listwise Prompting

ListK: 基于列表提示的语义ORDER BY和LIMIT K

Jason Shin, Jiwon Chang, Fatemeh Nargesian

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

AI总结 本文提出ListK框架，通过结合列表wise排序算法优化语义ORDER BY和LIMIT K，显著降低延迟且不牺牲准确性。

RAMP: Reinforcement Adaptive Mixed Precision Quantization for Efficient On Device LLM Inference

RAMP：强化适应混合精度量化用于高效设备端LLM推理

Arpit Singh Gautam, Saurabh Jha

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 RAMP通过强化学习动态调整各层位宽，优化精度与效率平衡，在LLaMA 2 7B上实现更小模型体积和更高推理质量。

PhysQuantAgent: An Inference Pipeline of Mass Estimation for Vision-Language Models

PhysQuantAgent: 一种用于视觉-语言模型的物体质量估计推断流水线

Hisayuki Yokomizo, Taiki Miyanishi, Yan Gang, Shuhei Kurita, Nakamasa Inoue, Yusuke Iwasawa

机构 * The University of Tokyo（东京大学） ； Institute of Science Tokyo（东京科学研究院） ； National Institute of Informatics（信息处理技术研究所） 纠错

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

AI总结 本文提出PhysQuantAgent框架和VisPhysQuant基准数据集，通过引入三种视觉提示方法提升视觉-语言模型对真实物体质量的估计精度。

Comments Code and dataset will be available at https://github.com/hisasnow/PhysQuantAgent

LUMINA: LLM-Guided GPU Architecture Exploration via Bottleneck Analysis

LUMINA: 通过瓶颈分析指导的LLM引导的GPU架构探索

Tao Zhang, Rui Ma, Shuotao Xu, Yongqiang Xiong, Peng Cheng

机构 * Microsoft Research（微软研究院） 纠错

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

AI总结 LUMINA利用AI提升GPU设计空间探索效率，通过自动编译DSE规则和基准测试，实现高效高质量的设计指导，比传统方法提升17.5倍效率和32.9%的设计效果。

Stable Forgetting: Bounded Parameter-Efficient Unlearning in Foundation Models

稳定遗忘：基础模型中的有界参数高效反遗忘

Arpit Garg, Hemanth Saratchandran, Ravi Garg, Simon Lucey

机构 * Australian Institute for Machine Learning (AIML)（澳大利亚机器学习研究院） 纠错

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

AI总结 本文提出稳定反遗忘方法，通过限制MLP适配器的权重动态，解决基础模型中反遗忘的不稳定问题，并在多个基准测试中验证其有效性。

Comments In Submission

Empirical Recipes for Efficient and Compact Vision-Language Models

高效紧凑视觉-语言模型的实证配方

Jiabo Huang, Zhizhong Li, Sina Sajadmanesh, Weiming Zhuang, Lingjuan Lyu

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

AI总结 本文通过实证分析识别了紧凑视觉-语言模型的瓶颈，提出优化配方显著降低延迟并保持精度，同时引入ArgusVLM模型家族在多种基准上表现优异。

Efficient Exploration at Scale

大规模高效探索

Seyed Mohammad Asghari, Chris Chute, Vikranth Dwaracherla, Xiuyuan Lu, Mehdi Jafarnia, Victor Minden, Zheng Wen, Benjamin Van Roy

机构 * Google（谷歌） ； DeepMind（深度思维） 纠错

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

AI总结 本文提出一种在线学习算法，通过增量更新奖励和语言模型提升强化学习从人类反馈中的数据效率，采用小幅度正向激励、信念神经网络和信息导向探索等机制，实验表明在少于20k标签下达到200k标签的性能，预计1M标签可匹配1B标签的性能。

Speculative Decoding: Performance or Illusion?

推测解码：性能还是幻觉？

Xiaoxuan Liu, Jiaxiang Yu, Jongseok Park, Ion Stoica, Alvin Cheung

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 本文系统研究了推测解码在生产级推理引擎中的性能，分析了影响因素并量化理论上限，揭示了目标模型验证主导执行过程，且接受长度因输出位置、请求和数据集而异。

S-VGGT: Structure-Aware Subscene Decomposition for Scalable 3D Foundation Models

S-VGGT：面向可扩展3D基础模型的结构感知子场景分解

Xinze Li, Pengxu Chen, Yiyuan Wang, Weifeng Su, Wentao Cheng

机构 * Beijing Normal-Hong Kong Baptist University（北京师范大学-香港 Baptist大学） ； Jilin University（吉林大学） ； Hong Kong Baptist University（香港 Baptist大学） ； Guangdong Provincial Key Laboratory of Interdisciplinary Research and Application for Data Science（广东省交叉学科研究与数据科学应用重点实验室） 纠错

专题命中 效率与部署 ：foundation model(title,abstract)

AI总结 本文提出S-VGGT方法，通过结构层面的冗余消除，解决3D基础模型中全局注意力带来的二次计算成本问题，实现高效且稳定的子场景划分与处理。

Comments 7 pages, 5 figures. Accepted by ICME 2026

Multi-stage Flow Scheduling for LLM Serving

多阶段流调度用于大语言模型服务

Yijun Sun, Xudong Liao, Songrun Xie, Hao Chen, Han Tian, Wenxue Li, Yiming Zhang, Kai Chen

专题命中 效率与部署 ：LLM(title,abstract)

AI总结 本文提出MFS机制，通过动态优先级调度提升TTFT性能，有效降低网络竞争对SLO的影响。

Comments 18 pages, 14 figures

Deploying Semantic ID-based Generative Retrieval for Large-Scale Podcast Discovery at Spotify

在Spotify上部署基于语义ID的生成检索用于大规模播客发现

Edoardo D'Amico, Marco De Nadai, Praveen Chandar, Divita Vohra, Shawn Lin, Max Lefarov, Paul Gigioli, Gustavo Penha, Ilya Kopysitsky, Ivo Joel Senese, Darren Mei, Francesco Fabbri, Oguz Semerci, Yu Zhao, Vincent Tang, Brian St. Thomas, Alexandra Ranieri, Matthew N. K. Smith, Aaron Bernkopf, Bryan Leung, Ghazal Fazelnia, Mark VanMiddlesworth, Timothy Christopher Heath, Petter Pehrson Skiden, Alice Y. Wang, Doug J. Cole, Andreas Damianou, Maya Hristakeva, Reid Wilbur, Tarun Chillara, Vladan Radosavljevic, Pooja Chitkara, Sainath Adapa, Juan Elenter, Bernd Huber, Jacqueline Wood, Saaketh Vedantam, Jan Stypka, Sandeep Ghael, Martin D. Gould, David Murgatroyd, Yves Raimond, Mounia Lalmas, Paul N. Bennett

机构 * Spotify 纠错

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

AI总结 本文提出GLIDE模型，通过语义ID实现播客推荐，结合语义、上下文和用户状态，提升用户发现新播客和非习惯性流媒体体验。

An End-to-End Framework for Functionality-Embedded Provenance Graph Construction and Threat Interpretation

面向功能嵌入的溯源图构建与威胁解释的端到端框架

Kushankur Ghosh, Mehar Klair, Kian Kyars, Euijin Choo, Jörg Sander

机构 * University of Alberta（阿尔伯塔大学） 纠错

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

AI总结 本文提出Auto-Prov框架，利用大语言模型自动构建溯源图，嵌入系统功能属性，提升异常检测性能并生成自然语言攻击总结。

Comments 21 pages, 7 figures

Swarm: Co-Activation Aware KVCache Offloading Across Multiple SSDs

Swarm: 多SSD间基于协激活的KV缓存卸载

Tuowei Wang, Liyun Chu, Ruwen Fan, Ju Ren

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

AI总结 Swarm通过利用KV缓存中稳定的协激活特性，将单设备带宽受限的访问转化为多SSD的并行I/O，提升带宽利用率，降低I/O时间。