语言大模型 / LLM

WiFi2Cap: Semantic Action Captioning from Wi-Fi CSI via Limb-Level Semantic Alignment

WiFi2Cap：从Wi-Fi CSI进行语义动作描述的肢体级语义对齐

Tzu-Ti Wei, Chu-Yu Huang, Yu-Chee Tseng, Jen-Jee Chen

专题命中 评测与基准 ：language model(abstract)；分类 cs.AI

AI总结 本文提出WiFi2Cap框架，通过Wi-Fi CSI生成动作描述，引入镜像一致性损失解决方向敏感问题，并在基准数据集上验证了其在隐私保护语义感知中的有效性。

Comments 6 pages, 4 figures

Fair splits flip the leaderboard: CHANRG reveals limited generalization in RNA secondary-structure prediction

公平分割翻转排行榜：CHANRG揭示RNA二级结构预测中的有限泛化能力

Zhiyuan Chen, Zhenfeng Deng, Pan Deng, Yue Liao, Xiu Su, Peng Ye, Xihui Liu

专题命中 评测与基准 ：foundation model(abstract)；分类 cs.LG

AI总结 CHANRG通过170,083个非冗余RNA结构评估，揭示了深度学习在RNA二级结构预测中的泛化能力限制，指出基础模型方法在分布外鲁棒性上存在不足。

The Potential of Copernicus Satellites for Disaster Response: Retrieving Building Damage from Sentinel-1 and Sentinel-2

Copernicus卫星在灾害响应中的潜力：从Sentinel-1和Sentinel-2中获取建筑损毁信息

Olivier Dietrich, Merlin Alfredsson, Emilia Arens, Nando Metzger, Torben Peters, Linus Scheibenreif, Jan Dirk Wegner, Konrad Schindler

机构 * 1 Photogrammetry \& Remote Sensing Lab, ETH Zurich 2 EcoVision Lab, Department of Mathematical Modeling ； Machine Learning (DM3L), University of Zurich 纠错

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

AI总结 本文探讨了Copernicus计划的中分辨率地球观测图像在建筑损毁评估中的应用，引入了xBD-S12数据集，展示了在多种灾害场景中通过Sentinel-1和Sentinel-2图像能够有效检测和映射建筑损毁，尽管地面采样距离为10米。

Traffic Sign Recognition in Autonomous Driving: Dataset, Benchmark, and Field Experiment

自动驾驶中的交通标志识别：数据集、基准测试与实地实验

Guoyang Zhao, Weiqing Qi, Kai Zhang, Chenguang Zhang, Zeying Gong, Zhihai Bi, Kai Chen, Benshan Ma, Ming Liu, Jun Ma

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Lingnan University（岭大） ； Shenzhen Unity Drive Innovation Technology Co., Ltd.（深圳Unity Drive创新技术有限公司） ； The Hong Kong University of Science and Technology（香港科技大学） 纠错

专题命中 评测与基准 ：language model(abstract)

AI总结 本文提出TS-1M数据集及诊断基准，通过跨区域识别、稀有类别识别等挑战性任务，评估现代交通标志识别模型的性能，揭示语义对齐对泛化能力的重要性。

Model Context Protocol Threat Modeling and Analyzing Vulnerabilities to Prompt Injection with Tool Poisoning

模型上下文协议威胁建模及针对提示注入的漏洞分析

Charoes Huang, Xin Huang, Ngoc Phu Tran, Amin Milani Fard

专题命中 评测与基准 ：LLM(abstract)

AI总结 本文基于STRIDE和DREAD框架对MCP五个关键组件进行威胁建模，发现工具污染是主要客户端漏洞，提出多层防御策略以提升AI代理生态的安全性。

Tursio Database Search: How far are we from ChatGPT?

Tursio数据库搜索：我们距离ChatGPT还有多远？

Sulbha Jain, Shivani Tripathi, Shi Qiao, Alekh Jindal

专题命中 评测与基准 ：LLM(abstract)

AI总结 本文提出评估框架，评估企业数据库自然语言搜索质量，对比Tursio与ChatGPT在银行数据库上的表现，发现Tursio在相关性上表现接近基准，但存在数据库完整性瓶颈。

CodeT5-RNN: Reinforcing Contextual Embeddings for Enhanced Code Comprehension

CodeT5-RNN: 通过强化上下文嵌入提升代码理解

Md Mostafizer Rahman, Ariful Islam Shiplu, Yutaka Watanobe, Md Faizul Ibne Amin, Syed Rameez Naqvi, Fang Liu

专题命中 评测与基准 ：LLM(abstract)

AI总结 本文提出CodeT5-RNN框架，通过RNN增强LLM生成的上下文嵌入，提升代码理解性能，实验表明在缺陷检测任务中准确率提升显著。

Cross-Domain Underwater Image Enhancement Guided by No-Reference Image Quality Assessment: A Transfer Learning Approach

跨域引导的无参考图像质量评估的水下图像增强：一种迁移学习方法

Zhi Zhang, Minfu Li, Lu Li, Daoyi Chen

专题命中 评测与基准 ：pretraining(abstract)

AI总结 本文提出Trans-UIE模型，通过预训练和迁移学习解决水下图像增强中的领域偏差和数据稀缺问题，利用无参考图像质量评估指标引导跨域增强，减少过拟合风险。

Set-Valued Prediction for Large Language Models with Feasibility-Aware Coverage Guarantees

针对大型语言模型的集合值预测与可行性意识覆盖保证

Ye Li, Anqi Hu, Yuanchang Ye, Shiyan Tong, Zhiyuan Wang, Bo Fu

机构 * University of Electronic Science and Technology of China（电子科技大学） ； Zhejiang University of Finance and Economics（浙江财经大学） ； Southeast University（东南大学） 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、cs.AI

AI总结 本文提出一种集合值预测框架，通过数据驱动校准方法确保预测集包含正确答案的概率，提升大语言模型的预测可靠性与效率。

Demystifying Low-Rank Knowledge Distillation in Large Language Models: Convergence, Generalization, and Information-Theoretic Guarantees

解析大型语言模型中低秩知识蒸馏：收敛性、泛化能力和信息论保证

Alberlucia Rafael Soarez, Daniel Kim, Mariana Costa, Alejandro Torre

机构 * Department of Computer Science, University of Brasilia（巴西布拉兹利亚大学计算机科学系） 纠错

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

AI总结 本文研究了大型语言模型中低秩知识蒸馏的理论基础，推导了收敛率、泛化界限及信息论分析，提出最优秩选择原则，并通过实验验证理论结果。

Rethinking the Role of Entropy in Optimizing Tool-Use Behaviors for Large Language Model Agents

重新思考熵在优化大语言模型代理工具使用行为中的作用

Zeping Li, Hongru Wang, Yiwen Zhao, Guanhua Chen, Yixia Li, Keyang Chen, Yixin Cao, Guangnan Ye, Hongfeng Chai, Zhenfei Yin

机构 * Fudan University（复旦大学） ； University of Edinburgh（爱丁堡大学） ； Southern University of Science and Technology（南方科技大学） ； Oxford University（牛津大学） ； Haven 纠错

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

AI总结 本文通过熵基实验发现熵减与高质量工具调用正相关，提出两种奖励策略优化工具使用行为，实验表明熵减可提升代理适应性。

Off-Policy Value-Based Reinforcement Learning for Large Language Models

为大语言模型设计的非策略价值基于强化学习

Peng-Yuan Wang, Ziniu Li, Tian Xu, Bohan Yang, Tian-Shuo Liu, ChenYang Wang, Xiong-Hui Chen, Yi-Chen Li, Tianyun Yang, Congliang Chen, Yang Yu

机构 * National Key Laboratory for Novel Software Technology & School of Artificial Intelligence, Nanjing University（新型软件技术国家重点实验室 & 智能科学与技术学院，南京大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Shenzhen Research Institute of Big Data（大数据研究院（深圳）） ； Shenzhen Loop Area Institute（深圳河套学院） 纠错

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

AI总结 本文提出ReVal方法，通过结合步级信号和轨迹级信号提升大语言模型的训练效率，实验表明其在数学推理任务中优于GRPO。

DAQ: Delta-Aware Quantization for Post-Training LLM Weight Compression

DAQ：面向训练后LLM权重压缩的Delta感知量化

Xiaoming Yu, Shize Tang, Guanghua Yu, Linchuan Xie, Song Liu, Jianchen Zhu, Feng Li

机构 * Tencent（腾讯） 纠错

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

AI总结 DAQ通过Delta感知量化方法在无需数据的情况下实现训练后LLM权重压缩，优化方向保真度以恢复特定风格能力。

Benchmarking Multi-Agent LLM Architectures for Financial Document Processing: A Comparative Study of Orchestration Patterns, Cost-Accuracy Tradeoffs and Production Scaling Strategies

多代理LLM架构在金融文档处理中的基准测试：协作模式、成本准确性权衡及生产扩展策略的比较研究

Siddhant Kulkarni, Yukta Kulkarni

机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； New York University（纽约大学） ； New York, NY 10012（纽约市NY 10012） 纠错

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

AI总结 本文比较四种多代理架构在金融文档处理中的表现，揭示了反射架构在字段级F1得分最高但成本更高，而分层架构在成本准确性帕累托前沿表现最佳，同时展示了语义缓存等策略对性能的影响。

E-CARE: An Efficient LLM-based Commonsense-Augmented Framework for E-Commerce

E-CARE: 一种高效的基于大语言模型的常识增强框架用于电子商务

Ge Zhang, Rohan Deepak Ajwani, Yaochen Hu, Tony Zheng, Hongjian Gu, Wei Guo, Mark Coates, Yingxue Zhang

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

AI总结 本文提出E-CARE框架，利用大语言模型的常识推理能力提升电子商务推荐效率，无需监督微调或人工标注，实验显示在两个下游任务中精度@5提升了12.1%。

Shadow in the Cache: Unveiling and Mitigating Privacy Risks of KV-cache in LLM Inference

缓存中的阴影：揭示和缓解LLM推理中KV缓存的隐私风险

Zhifan Luo, Shuo Shao, Su Zhang, Lijing Zhou, Yuke Hu, Chenxu Zhao, Zhihao Liu, Zhan Qin

机构 * State Key Laboratory of Blockchain and Data Security（区块链与数据安全国家重点实验室） ； Zhejiang University（浙江大学） ； Huawei Technology（华为技术） ； Hangzhou High-Tech Zone (Binjiang) Institute of Blockchain and Data Security（杭州高新技术区（滨江）区块链与数据安全研究院） 纠错

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

AI总结 本文揭示了KV缓存中存在严重的隐私泄露问题，设计了三种攻击方法并提出KV-Cloak防御机制，有效缓解了隐私风险且不影响模型精度。

Comments This paper is accepted by Network and Distributed System Security Symposium (NDSS) 2026. Code: https://github.com/SiO-2/kvcloak

Journal ref Published in the Proceedings of the 33rd Network and Distributed System Security Symposium (NDSS 2026)

ViKey: Enhancing Temporal Understanding in Videos via Visual Prompting

ViKey：通过视觉提示增强视频中的时间理解

Yeonkyung Lee, Dayun Ju, Youngmin Kim, Seil Kang, Seong Jae Hwang

机构 * Yonsei University（延世大学） 纠错

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

AI总结 ViKey通过视觉提示和轻量级关键词-帧映射模块提升视频模型的时间推理能力，在减少帧数的情况下保持性能。

Comments accepted to CVPR2026

WWW.Serve: Interconnecting Global LLM Services through Decentralization

WWW.Serve：通过去中心化连接全球大语言模型服务

Huanyu Wang, Ziyu Xia, Zhuoming Chen, Beidi Chen

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

AI总结 本文提出WWW.Serve框架，通过去中心化方式连接全球大语言模型服务，实现灵活的参与政策和资源承诺，自主分配请求，提升服务级别目标达成率和降低延迟。

Good for the Planet, Bad for Me? Intended and Unintended Consequences of AI Energy Consumption Disclosure

对地球有利，对我却有害？人工智能能耗披露的预期与非预期后果

Michael Klesel, Uwe Messer

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

AI总结 研究探讨了人工智能能耗披露对用户选择节能小模型的影响，发现其能有效引导环保选择，但未显著改变后续行为，却导致感知偏差和满意度下降。

Comments CHI'26

DualEdit: Mitigating Safety Fallback in LLM Backdoor Editing via Affirmation-Refusal Regulation

DualEdit: 通过肯定-拒绝调节缓解LLM后门编辑中的安全回退

Houcheng Jiang, Zetong Zhao, Junfeng Fang, Haokai Ma, Ruipeng Wang, Xiang Wang, Xiangnan He, Yang Deng

机构 * University of Science and Technology of China（中国科学技术大学） ； National University of Singapore（新加坡国立大学） ； Singapore Management University（新加坡管理大学） ； MoE Key Lab of BIPC, University of Science and Technology of China（中国科学技术大学信息与通信技术国家重点实验室） 纠错

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

AI总结 DualEdit通过双重目标模型编辑框架缓解LLM后门攻击中的安全回退问题，通过动态损失加权和价值锚定技术提升攻击成功率并降低安全回退率。

Can Graph Foundation Models Generalize Over Architecture?

图基础模型能否在架构上泛化？

Benjamin Gutteridge, Michael Bronstein, Xiaowen Dong

机构 * University of Oxford（牛津大学） ； AITHYRA 纠错

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

AI总结 本文探讨图基础模型在架构适应性上的必要性，指出现有模型在任务依赖的架构属性上缺乏鲁棒性，并提出一种能适应任务特定线性图运算的框架，实现跨异构架构的零样本泛化。

Comments 9 pages main text + 18 pages references and appendix (27 pages total), 5 figures. Accepted to GRaM Workshop @ ICLR 2026: Workshop on Geometry-grounded Representation Learning and Generative Modeling (to appear in PMLR)

TTQ: Activation-Aware Test-Time Quantization to Accelerate LLM Inference On The Fly

TTQ：激活感知的测试时间量化以加速LLM的实时推理

Toshiaki Koike-Akino, Jing Liu, Ye Wang

机构 * Mitsubishi Electric Research Laboratories (MERL)（三菱电机研究实验室） 纠错

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

AI总结 本文提出TTQ框架，在推理时动态压缩大模型，通过高效在线校准实现无需重训练的激活感知量化，提升推理速度并适应不同下游任务。

Comments 25 pages

GAIA: A Foundation Model for Operational Atmospheric Dynamics

GAIA：一种用于操作大气动力学的基准模型

Ata Akbari Asanjan, Olivia Alexander, Tom Berg, Stephen Peng, Jad Makki, Clara Zhang, Matt Yang, Disha Shidham, Srija Chakraborty, William Bender, Cara Crawford, Arun Ravindran, Olivier Raiman, David Potere, David Bell

机构 * Research Institute for Advanced Computer Science (RIACS) at Universities Research Space Association (USRA)（大学研究空间协会（USRA）高级计算机科学研究所） ； BCG X AI Science Institute（BCG X AI科学研究所） 纠错

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

AI总结 GAIA通过融合MAE与无标签自蒸馏，生成丰富的语义表示，提升大气动态建模的迁移能力，优于MAE基线在大气河流分割、热带气旋检测和降水估计中表现更优。

Comments 22 pages, 11 figures

Towards a general-purpose foundation model for fMRI analysis

面向fMRI分析的通用基础模型

Cheng Wang, Yu Jiang, Zhihao Peng, Chenxin Li, Changbae Bang, Lin Zhao, Wanyi Fu, Jinglei Lv, Jorge Sepulcre, Carl Yang, Lifang He, Tianming Liu, Xue-Jun Kong, Quanzheng Li, Daniel S. Barron, Anqi Qiu, Randy Hirschtick, Byung-Hoon Kim, Hongbin Han, Xiang Li, Yixuan Yuan

机构 * The Chinese University of Hong Kong, Hong Kong（香港中文大学） ； Yonsei University, Seoul, South Korea（延世大学） ； University of Georgia, Athens, GA（佐治亚大学） ； Peking University Health Science Center, Beijing, China（北京大学医学部） ； University of Sydney, Sydney, Australia（悉尼大学） ； Yale School of Medicine, New Haven, CT（耶鲁医学院） ； Emory University, Atlanta, GA（埃默里大学） ； Lehigh University, Bethlehem, PA（莱斯利大学） ； Boston Children’s Hospital, Boston, MA（波士顿儿童医院） ； Massachusetts General Hospital, Boston, MA（麻省总医院） ； Brigham and Women’s Hospital, Boston, MA（布里奇沃特医院） ； Hong Kong Polytechnic University, Hong Kong（香港理工大学） ； Kempner Institute for Natural and Artificial Intelligence, Cambridge, MA（Kempner自然与人工智能研究所） 纠错

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

AI总结 本文提出NeuroSTORM模型，通过直接学习4D fMRI数据的通用表示，实现跨任务高效迁移，优于现有方法在五类下游任务中的表现。

Multi-Modal Multi-Task (M3T) Federated Foundation Models for Embodied AI: Potentials and Challenges for Edge Integration

多模态多任务（M3T）联邦基础模型用于具身AI：边缘整合的潜力与挑战

Kasra Borazjani, Payam Abdisarabshali, Fardis Nadimi, Naji Khosravan, Minghui Liwang, Xianbin Wang, Yiguang Hong, Seyyedali Hosseinalipour

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

AI总结 本文提出多模态多任务联邦基础模型（M3T-FFMs）用于具身AI，结合M3T-FMs的任务泛化能力和FL的隐私保护分布式训练，解决边缘部署中的异构具身、模态不平衡、带宽限制等挑战。

Comments Accepted for Publication in IEEE Internet of Things Magazine, 2025

Journal ref IEEE Internet of Things Magazine, 2025

FAAR: Format-Aware Adaptive Rounding for NVFP4

FAAR：面向NVFP4的格式感知自适应取整

Hanglin Li, Shuchang Tian, Chen Lin, Zhiyong Zhao, Kun Zhan

机构 * Li Auto Inc.（李自动公司） 纠错

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

AI总结 本文提出FAAR方法，通过整合NVFP4非均匀数域特性，改进低精度量化策略，降低取整误差，提升模型性能，实验表明在WikiText-2和Qwen3-1.7B上 perplexity 显著降低。

Why Database Manuals Are Not Enough: Efficient and Reliable Configuration Tuning for DBMSs via Code-Driven LLM Agents

为何数据库手册不够：通过代码驱动的LLM代理实现DBMS的高效可靠配置调优

Xinyi Zhang, Tiantian Chen, Zhentao Han, Zhaoyan Hong, Wei Lu, Sheng Wang, Mo Sha, Anni Wang, Shuang Liu, Yakun Zhang, Feifei Li, Xiaoyong Du

专题命中 效率与部署 ：LLM(title,abstract)

AI总结 本文提出SysInsight系统，通过代码分析和LLM推理从DBMS源代码中提取细粒度调优知识，加速稳定调优过程，实现7.11倍更快收敛和19.9%性能提升。

Comments Accepted by VLDB 2026

Journal ref VLDB 2026

A vision-language model and platform for temporally mapping surgery from video

一种用于手术时间映射的视觉-语言模型和平台

Dani Kiyasseh

机构 * Halsted AI 纠错

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

AI总结 本文提出Halsted模型，基于Halsted手术图谱实现手术行为映射，提供更全面且高效的解决方案，并开发Halsted平台使外科医生能自动映射自身手术。

DI3CL: Contrastive Learning With Dynamic Instances and Contour Consistency for SAR Land-Cover Classification Foundation Model

DI3CL：基于动态实例和轮廓一致性的对比学习用于SAR土地覆盖分类基础模型

Zhongle Ren, Hui Ding, Kai Wang, Biao Hou, Xingyu Luo, Weibin Li, Licheng Jiao

机构 * Key Laboratory of Intelligent Perception and Image Understanding of Ministry of Education（教育部智能感知与图像理解重点实验室） ； International Research Center for Intelligent Perception and Computation（智能感知与计算国际研究中心） ； Joint International Research Laboratory of Intelligent Perception and Computation（智能感知与计算联合国际实验室） ； School of Artificial Intelligence, Xidian University（西安电子科技大学人工智能学院） ； Hangzhou Institute of Technology（杭州科技学院） 纠错

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

AI总结 本文提出DI3CL框架，通过动态实例模块和轮廓一致性模块提升SAR土地覆盖分类的鲁棒性和泛化能力，并在大规模SARSense数据集上验证了其有效性。

Comments 16 pages, 7 figures;Accepted for publication in IEEE Transactions on Image Processing (TIP)

Curriculum-Driven 3D CT Report Generation via Language-Free Visual Grafting and Zone-Constrained Compression

基于课程学习的3D CT报告生成：通过无语言视觉移植与区域约束压缩

V. K. Cody Bumgardner, Mitchell A. Klusty, Mahmut S. Gokmen, Evan W. Damron

机构 * Center for Applied Artificial Intelligence, University of Kentucky（应用人工智能中心，肯塔基大学） 纠错

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

AI总结 本文提出Ker-VLJEPA-3B框架，通过四阶段课程学习生成胸腔CT报告，采用无语言视觉主干和区域约束压缩提升生成质量，实验显示其在CT-RATE基准上取得更高F1分数。

Comments 10 pages, 2 figures