语言大模型 / LLM

EmbBERT: Attention Under 2 MB Memory

EmbBERT：在2MB内存下使用注意力机制

Riccardo Bravin, Massimo Pavan, Hazem Hesham Yousef Shalby, Fabrizio Pittorino, Manuel Roveri

机构 * Department of Electronics, Information and Bioengineering（电子信息与生物工程系） 纠错

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

AI总结 本文提出EmbBERT，一种高效的极小语言模型，通过紧凑的嵌入层、流线型前馈块和高效的注意力机制，在严格内存预算下实现高性能，仅需2MB内存即可达到与SotA模型相当的准确率。

Comments 24 pages, 4 figures, 14 tables

Journal ref Neural Networks, Volume 200, 2026, 108800, ISSN 0893-6080, https://www.sciencedirect.com/science/article/pii/S0893608026002625

Not All Tokens Are Created Equal: Query-Efficient Jailbreak Fuzzing for LLMs

并非所有标记都同等重要：面向LLMs的查询高效 jailbreak 模糊测试

Wenyu Chen, Xiangtao Meng, Chuanchao Zang, Li Wang, Xinyu Gao, Jianing Wang, Peng Zhan, Zheng Li, Shanqing Guo

机构 * Shandong University（山东大学） 纠错

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

AI总结 本文提出TriageFuzz框架，通过分析标记贡献差异，提升jailbreak攻击效率，实验显示在减少查询次数的情况下，攻击成功率显著提高。

Describe-Then-Act: Proactive Agent Steering via Distilled Language-Action World Models

描述-然后-行动：通过蒸馏的语言-动作世界模型实现前瞻性智能体导航

Massimiliano Pappa, Luca Romani, Valentino Sacco, Alessio Palma, Stéphane Lathuilière, Fabio Galasso, Xavier Alameda-Pineda, Indro Spinelli

机构 * Sapienza University of Rome, Italy（罗马大学萨皮恩扎） ； Inria, Univ. Grenoble Alpes, CNRS, LJK（法国国家信息与自动化技术研究所） 纠错

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

AI总结 本文提出DILLO模型，通过蒸馏方法实现无需视觉模拟的前瞻性智能体导航，提升任务成功率。

PersonalQ: Select, Quantize, and Serve Personalized Diffusion Models for Efficient Inference

PersonalQ: 选择、量化并服务个性化扩散模型以实现高效推理

Qirui Wang, Qi Guo, Yiding Sun, Junkai Yang, Dongxu Zhang, Shanmin Pang, Qing Guo

机构 * School of Software Engineering, Xi'an Jiaotong University（西安交通大学软件工程学院） ； Nankai University（南开大学） 纠错

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

AI总结 PersonalQ通过触发令牌连接检查点选择与量化，提升意图对齐并优化压缩质量，实现高效个性化扩散模型服务。

Comments Accepted in ICME 2026

Efficient and High-Fidelity Omni Modality Retrieval

高效且高保真的多模态检索

Chuong Huynh, Manh Luong, Abhinav Shrivastava

机构 * University of Maryland, College Park, USA（美国马里兰大学 College Park 分校） ； Monash University（墨尔本大学） 纠错

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

AI总结 本文提出OmniRet模型，解决多模态检索中的计算效率与表示保真度问题，通过注意力机制和改进的池化方法提升三模态（文本、视觉、音频）检索性能，并引入新的音频中心多模态基准测试。

Comments CVPR 2026. Project page: https://hmchuong.github.io/omniret

Mitigating Premature Discretization with Progressive Quantization for Robust Vector Tokenization

通过渐进量化缓解早期内离散化以实现鲁棒的向量标记化

Wenhao Zhao, Qiran Zou, Zhouhan Lin, Dianbo Liu

机构 * National University of Singapore, Singapore（新加坡国立大学） ； Shanghai Jiao Tong University, Shanghai, China（上海交通大学） 纠错

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

AI总结 本文提出渐进量化方法，通过引入量化难度动态作为VQ训练的关键维度，有效引导代码本向扩展良好的流形发展，提升了多模态模型的生成性能和生物序列建模能力。

PCR: A Prefetch-Enhanced Cache Reuse System for Low-Latency RAG Serving

PCR：一种增强预取的缓存重用系统，用于低延迟RAG服务

Wenfeng Wang, Xiaofeng Hou, Peng Tang, Hengyi Zhou, Jing Wang, Xinkai Wang, Chao Li, Minyi Guo

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

AI总结 PCR通过智能预取和流水线数据传输技术，提升RAG服务中KV缓存重用效率，降低TTFT延迟。

Network Design for Wafer-Scale Systems with Wafer-on-Wafer Hybrid Bonding

为晶圆级系统设计网络：晶圆对晶圆混合键合

Patrick Iff, Tommaso Bonato, Maciej Besta, Luca Benini, Torsten Hoefler

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

AI总结 本文研究晶圆上退冰布局对网络拓扑和通信性能的影响，提出四种布局方式提升吞吐量、降低延迟和能耗。

VISion On Request: Enhanced VLLM efficiency with sparse, dynamically selected, vision-language interactions

VISion On Request: 基于稀疏、动态选择的视觉-语言交互提升大模型效率

Adrian Bulat, Alberto Baldrati, Ioannis Maniadis Metaxas, Yassine Ouali, Georgios Tzimiropoulos

机构 * Samsung AI Cambridge（三星AI剑桥实验室） ； Technical University of Iasi（伊阿斯技术大学） ； Queen Mary University of London（伦敦女王玛丽大学） 纠错

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

AI总结 VISOR通过稀疏化视觉-语言交互提升大模型效率，无需丢弃视觉信息，动态分配计算资源，实验表明在多样基准和挑战任务中性能优异。

Comments Accepted at CVPR 2026

Foundation-Model Surrogates Enable Data-Efficient Active Learning for Materials Discovery

基于基础模型的代理使材料发现的主动学习更加数据高效

Jeffrey Hu, Rongzhi Dong, Ying Feng, Ming Hu, Jianjun Hu

机构 * Department of Materials Science and Engineering, University of Illinois Urbana Champaign（伊利诺伊大学厄巴纳-香槟分校材料科学与工程系） ； Department of Computer Science & Engineering, University of South Carolina（南卡罗来纳大学计算机科学与工程系） ； Zuoyue Honors College, Hangzhou Dianzhi University（杭州电子科技大学卓越荣誉学院） ； Department of Mechanical Engineering, University of South Carolina（南卡罗来纳大学机械工程系） 纠错

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

AI总结 本文提出ICAL方法，利用预训练的TabPFN基础模型替代传统代理，提升小数据下的回归性能和不确定性校准，从而在材料发现中实现更高效的数据利用。

Comments 18 pages

Retrieval-Augmented Generation with Covariate Time Series

增强检索生成与协变量时间序列

Kenny Ye Liang, Zhongyi Pei, Huan Zhang, Yuhui Liu, Shaoxu Song, Jianmin Wang

机构 * Tsinghua University（清华大学） 纠错

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

AI总结 本文提出RAG4CTS框架，解决时间序列基础模型在数据稀缺、短暂序列和协变量耦合动态下的预测问题，通过层级时间序列知识库和双阶段加权检索机制提升预测精度。

Comments 12 pages. Preprint

Metaphor-based Jailbreak Attacks on Text-to-Image Models

基于隐喻的文本到图像模型劫持攻击

Chenyu Zhang, Lanjun Wang, Yiwen Ma, Wenhui Li, Yi Tu, An-An Liu

机构 * Huawei Technologies Co Ltd.（华为技术有限公司） 纠错

专题命中 效率与部署 ：LLM(abstract)；分类 cs.AI

AI总结 本文提出基于隐喻的劫持攻击方法，通过生成隐喻对抗提示绕过未知或多样化的防御机制，实验表明其在攻击性能和查询效率方面优于基线方法。

Comments Code is available in \url{https://github.com/datar001/metaphor-based-jailbreaking-attack}

GeoSANE: Learning Geospatial Representations from Models, Not Data

GeoSANE：从模型而非数据中学习地理空间表示

Joelle Hanna, Damian Falk, Stella X. Yu, Damian Borth

机构 * University of St.Gallen（圣加伦大学） ； University of Michigan and UC Berkeley（密歇根大学和伯克利大学） ； ESA Φ \Phi -Lab（欧洲航天局Φ实验室） 纠错

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

AI总结 GeoSANE通过整合多个模型的权重生成统一的地理空间表示，提升跨任务和模态的性能，优于从头训练或知识蒸馏的模型。

NeuroSeg Meets DINOv3: Transferring 2D Self-Supervised Visual Priors to 3D Neuron Segmentation via DINOv3 Initialization

NeuroSeg Meets DINOv3：通过DINOv3初始化将2D自监督视觉先验转移到3D神经元分割

Yik San Cheng, Runkai Zhao, Weidong Cai

机构 * The University of Sydney（悉尼大学） 纠错

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

AI总结 本文提出利用DINOv3学习的2D视觉表示适应3D生物分割模型，通过膨胀策略和拓扑感知骨架损失提升神经元重建精度，实验显示在四个神经影像数据集上均优于现有方法。

Comments 17 pages, 12 figures, and 11 tables. Accepted to CVPR 2026

Cross-Slice Knowledge Transfer via Masked Multi-Modal Heterogeneous Graph Contrastive Learning for Spatial Gene Expression Inference

跨切片知识迁移 via 遮蔽多模态异质图对比学习用于空间基因表达推断

Zhiceng Shi, Changmiao Wang, Jun Wan, Wenwen Min

机构 * Yunnan University（云南大学） ； Shenzhen Research Institute of Big Data（深圳大数据研究院） ； Zhongnan University of Economics and Law（中南财经政法大学） 纠错

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

AI总结 本文提出SpaHGC模型，通过多模态异质图对比学习，结合局部空间上下文和跨切片相似性，提升空间基因表达预测精度，优于现有九种方法。

Comments Accepted by CVPR-2026

MinerU-Diffusion: Rethinking Document OCR as Inverse Rendering via Diffusion Decoding

MinerU-Diffusion：通过扩散解码重新思考文档OCR作为逆向渲染

Hejun Dong, Junbo Niu, Bin Wang, Weijun Zeng, Wentao Zhang, Conghui He

机构 * Shanghai Artificial Intelligence Laboratory, OpenDataLab（上海人工智能实验室，OpenDataLab） ； Peking University（北京大学） 纠错

专题命中 效率与部署 ：language model(abstract)

AI总结 本文提出MinerU-Diffusion，通过扩散解码替代自回归解码，提升文档OCR的鲁棒性和效率，实验表明其在长序列推理中速度提升3.2倍，且在视觉OCR能力上表现更优。

Community detection in heterogeneous signed networks

在异质符号网络中进行社区检测

Yuwen Wang, Shiwen Ye, Jingnan Zhang, Junhui Wang

专题命中 效率与部署 ：prompting(abstract)

AI总结 本文提出符号块β模型，用于同时建模强弱平衡符号网络，通过双图性质建立可识别性，并开发高效交替更新算法优化对数似然函数，通过实验和实际应用验证了模型在概率估计和社区检测中的渐近一致性。

Multi-Method Validation of Large Language Model Medical Translation Across High- and Low-Resource Languages

多方法验证大语言模型在高资源和低资源语言上的医学翻译

Chukwuebuka Anyaegbuna, Eduardo Juan Perez Guerrero, Jerry Liu, Timothy Keyes, April Liang, Natasha Steele, Stephen Ma, Jonathan Chen, Kevin Schulman

机构 * Porter Drive, Palo Alto, CA 94304（3180 Porter Drive, Palo Alto, CA 94304） ； PhD（哲学博士） ； MD, MPH（医学博士，公共卫生硕士） ； MD, PhD（医学博士，哲学博士） ； MD, MBA（医学博士，工商管理硕士） 纠错

专题命中 领域大模型 ：large language model(title,abstract)；language model(title,abstract)；分类 cs.CL

AI总结 研究评估四种前沿大语言模型在不同资源语言中翻译医学文档的性能，发现高资源与低资源语言翻译效果无显著差异，且跨模型一致性高，表明大语言模型在医学翻译中能保持语义。

Comments 32 references, 5 tables, 2 figures

Automated Microservice Pattern Instance Detection Using Infrastructure-as-Code Artifacts and Large Language Models

利用基础设施即代码 artifacts 和大语言模型自动化微服务模式实例检测

Carlos Eduardo Duarte

机构 * FEUP, INESC TEC（FEUP，INESC TEC） ； Utah Valley University（犹他山谷大学） 纠错

专题命中 领域大模型 ：large language model(title,abstract)；language model(title,abstract)；分类 cs.AI

AI总结 本文提出利用IaC artifacts和大语言模型自动化检测微服务模式实例，通过实验验证该方法在GitHub项目中的有效性，降低检测成本并扩大可检测模式范围。

Comments ICSA 2025 - International Conference on Software Architecture. 6 pages

DALDALL: Data Augmentation for Lexical and Semantic Diverse in Legal Domain by leveraging LLM-Persona

DALDALL：通过利用LLM-Persona实现法律领域词义多样性的数据增强

Janghyeok Choi, Jaewon Lee, Sungzoon Cho

机构 * Department of Industrial Engineering, Seoul National University, Seoul, South Korea（工业工程系，首尔国立大学，首尔，韩国） 纠错

专题命中 领域大模型 ：LLM(title)；large language model(abstract)；language model(abstract)；prompting(abstract)

AI总结 本文提出DALDALL框架，通过利用法律领域专业角色生成高质量合成查询，提升词义多样性并保持语义一致性，在CLERC和COLIEE基准测试中表现优异。

DriveSafe: A Hierarchical Risk Taxonomy for Safety-Critical LLM-Based Driving Assistants

DriveSafe：面向安全关键的LLM驾驶助手风险分类

Abhishek Kumar, Riya Tapwal, Carsten Maple

机构 * The Alan Turing Institute（艾伦·图灵研究所） ； University of Warwick（沃里克大学） 纠错

专题命中 领域大模型 ：LLM(title,abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 本文提出DriveSafe，一种四层风险分类体系，用于系统表征LLM驾驶助手的安全关键失效模式，涵盖技术、法律、社会和伦理维度，通过专家评审和模型评估验证其现实性与安全性。

Comments This is the revised version of the paper

HGNet: Scalable Foundation Model for Automated Knowledge Graph Generation from Scientific Literature

HGNet：可扩展的基础模型用于从科学文献自动生成知识图谱

Devvrat Joshi, Islem Rekik

机构 * BASIRA Lab, Imperial-X (I-X) and Department of Computing（BASIRA实验室、Imperial-X（I-X）和计算系） ； Imperial College London, London, United Kingdom（伦敦帝国理工学院，伦敦，英国） 纠错

专题命中 领域大模型 ：foundation model(title)；large language model(abstract)；language model(abstract)；分类 cs.CL、cs.LG

AI总结 本文提出HGNet框架，通过两阶段方法实现零样本科学知识图谱构建，引入OSD和TCQK机制提升实体识别与关系提取，结合可微分层次损失和CAF损失确保全局一致性，提升NER和RE性能。

Prompt Amplification and Zero-Shot Late Fusion in Audio-Language Models for Speech Emotion Recognition

提示放大与零样本晚期融合在音频-语言模型中的语音情感识别应用

Saurabh Kataria, Xiao Hu

机构 * School of Nursing Emory University Atlanta, USA（埃默里大学护理学院，美国亚特兰大） 纠错

专题命中 领域大模型 ：language model(title,abstract)；foundation model(abstract)；分类 cs.LG

AI总结 本文提出ZS-Fuse方法，结合双编码器音频-语言模型与领域专家模型，通过提示放大技术提升零样本语音情感识别性能。

ReqFusion: A Multi-Provider Framework for Automated PEGS Analysis Across Software Domains

ReqFusion: 一个多提供者框架用于跨软件领域的自动化 PEGS 分析

Muhammad Khalid, Manuel Oriol, Yilmaz Uygun

机构 * Constructor University Bremen（Constructor大学不莱梅） 纠错

专题命中 领域大模型 ：LLM(abstract)；large language model(abstract)；language model(abstract)；prompting(abstract)

AI总结 本文提出 ReqFusion 框架，利用多大型语言模型提供者自动提取和分析软件需求，通过 PEGS 方法提升准确性与效率，实验显示 PEGS 引导提示在 F1 分数上优于通用提示。

Comments 17 pages, 6 figures, 7 tables. Accepted at VerifAI-2026 Workshop, co-located with ETAPS 2026

Can LLM Agents Generate Real-World Evidence? Evaluating Observational Studies in Medical Databases

大语言模型代理能否生成真实世界证据？评估医学数据库中的观察性研究

Dubai Li, Yuxiang He, Yan Hu, Yu Tian, Jingsong Li

机构 * Zhejiang University（浙江大学） 纠错

专题命中 领域大模型 ：LLM(title,abstract)；分类 cs.CL、cs.AI

AI总结 本研究评估了大语言模型代理在生成真实世界证据方面的能力，通过RWE-bench基准测试，发现代理在生成完整证据包方面存在显著局限，需进一步改进验证方法。

TimeTox: An LLM-Based Pipeline for Automated Extraction of Time Toxicity from Clinical Trial Protocols

TimeTox：基于LLM的自动化提取临床试验协议中时间毒性管道

Saketh Vinjamuri, Marielle Fis Loperena, Marie C. Spezia, Ramez Kouzy

专题命中 领域大模型 ：LLM(title,abstract)；分类 cs.CL、cs.LG

AI总结 TimeTox通过Gemini模型三阶段提取临床试验协议中的时间毒性，验证了两阶段流程在真实数据中的高稳定性和准确性，展示了LLM在医疗领域应用的潜力。

Comments 19 pages, 5 figures, 7 tables

Bringing Multi-Modal Multi-Task Federated Foundation Models to Education Domain: Prospects and Challenges

将多模态多任务联邦基础模型引入教育领域：前景与挑战

Kasra Borazjani, Naji Khosravan, Rajeev Sahay, Bita Akram, Seyyedali Hosseinalipour

机构 * University at Buffalo –SUNY, Department of Electrical Engineering（布法罗大学–纽约州立大学，电气工程系） ； Adobe Research（Adobe研究） ； University of California – San Diego, Department of Electrical and Computer Engineering（加州大学圣地亚哥分校，电气与计算机工程系） ； NC State University, Department of Computer Science（北卡罗来纳州立大学，计算机科学系） 纠错

专题命中 领域大模型 ：foundation model(title,abstract)；分类 cs.AI、cs.LG

AI总结 本文提出多模态多任务联邦基础模型（FedFMs）用于教育领域，旨在解决隐私保护、个性化和公平性问题，同时探讨未来研究方向和开放挑战。

Comments 12 pages, 2 figures

Journal ref Frontiers in Artificial Intelligence, 2025

To Agree or To Be Right? The Grounding-Sycophancy Tradeoff in Medical Vision-Language Models

同意还是正确？医学视觉-语言模型中的 grounding 与谄媚权衡

OFM Riaz Rahman Aranya, Kevin Desai

机构 * Department of Computer Science, The University of Texas at San Antonio（德克萨斯大学圣安东尼奥分校计算机科学系） 纠错

专题命中 领域大模型 ：language model(title,abstract)；分类 cs.AI

AI总结 研究评估了六种医学视觉问答模型，揭示了 grounding 与谄媚之间的权衡关系，并提出三种新指标以评估模型的可靠性与安全性。

GeoDiT: A Diffusion-based Vision-Language Model for Geospatial Understanding

GeoDiT：一种基于扩散的视觉-语言模型，用于地理空间理解

Jiaqi Liu, Ronghao Fu, Haoran Liu, Lang Sun, Bo Yang

机构 * College of Computer Science and Technology, Jilin University, Changchun 130012, China（吉林大学计算机科学与技术学院，长春 130012，中国） ； Key Laboratory of Symbolic Computation and Knowledge Engineering of Ministry of Education（教育部符号计算与知识工程重点实验室） 纠错

专题命中 领域大模型 ：language model(title,abstract)

AI总结 本文提出GeoDiT，一种基于扩散的视觉-语言模型，用于地理空间理解。该模型通过并行细化过程实现整体粗到细的合成，解决了传统自回归模型在结构化输出生成中的不足。

Errors in AI-Assisted Retrieval of Medical Literature: A Comparative Study

AI辅助医学文献检索中的错误：一项比较研究

Jenny Gao, Yongfeng Zhang, Mary L Disis, Lanjing Zhang

机构 * College of Arts and Science, New York University（纽约大学艺术与科学学院） ； Department of Computer Sciences, School of Arts & Sciences, Rutgers University（罗格斯大学计算机科学系） ； Department of Chemical Biology, Ernest Mario School of Pharmacy, Rutgers University（罗格斯大学药学学院化学生物学系） ； Department of Pathology, Princeton Medical Center（普林斯顿医疗中心病理学系） ； Rutgers Cancer Institute（罗格斯癌症研究所） 纠错

专题命中 领域大模型 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.LG

AI总结 研究评估了5种LLM在医学文献检索中的错误率，发现其准确率差异显著，且期刊和平台影响检索性能，强调需谨慎审查LLM生成的文献数据。