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。
一种用于可扩展和通用波束成形的半 amortized 提升学习到优化遮蔽（SALLO-M）变换器模型
机构 * Columbia University（哥伦比亚大学）
专题命中 评测与基准 ：foundation model(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出SALLO-M模型，通过多层Transformer和迭代优化实现可扩展波束成形，采用双令牌化与结构化遮蔽提升泛化能力，结合滑动窗口、课程学习和样本回放策略提升鲁棒性，实现在不同信道条件下优于基线方法的性能。
Comments 13 pages
生成引擎优化的结构特征工程：内容结构如何塑造引用行为
机构 * The University of Tokyo（东京大学） ； University of Tsukuba（筑波大学） ； Hiroshima University（广岛大学） ； National Institute of Informatics（国立信息学研究所）
专题命中 评测与基准 ：LLM(abstract)；分类 cs.CL
AI总结 本文提出GEO-SFE框架，通过分解内容结构为三级层次，优化生成引擎中的结构特征，提升引用率和主观质量。
Comments 12 pages, 5 figures. This paper proposes GEO-SFE, a structural feature engineering framework for generative engine optimization
结构意图作为协议式通信层：跨模型鲁棒性、框架比较及弱模型补偿效应
机构 * Huizhou Lateni AI Technology Co., Ltd.（惠州拉特尼人工智能科技有限公司） ； Huizhou University（惠州大学）
专题命中 评测与基准 ：prompting(abstract)；分类 cs.AI
AI总结 本文研究结构意图在不同AI模型、语言和提示框架下的鲁棒性，比较不同框架效果，并发现弱模型补偿效应，证明结构意图在人机交互中的实用价值。
Comments 25 pages, figures, tables, and appendix. Third paper in a cumulative research series on PPS and 5W3H structured intent representation, extending prior work to cross-model robustness, framework comparison, and user-study validation
关系迁移学习中的任务稀缺性与标签泄漏
机构 * Kunumi Institute（Kunumi研究所） ； Universidade Federal de Minas Gerais（米纳斯吉拉斯联邦大学）
专题命中 评测与基准 ：foundation model(abstract)；分类 cs.LG
AI总结 本文研究了关系迁移学习中任务稀缺性和标签泄漏问题，提出通过梯度投影方法抑制标签泄漏，提升模型在同构数据集上的迁移性能。
Comments Accepted at the 3rd DATA-FM Workshop at ICLR 2026, Rio de Janeiro, Brazil. OpenReview: https://openreview.net/forum?id=nI2nsMMHXp
放射报告生成中的校准置信度表达
机构 * Computer Aided Medical Procedures, Technical University of Munich, Germany（德国慕尼黑工业大学计算机辅助医疗程序） ； Munich Center for Machine Learning (MCML), Germany（德国慕尼黑机器学习中心） ； Department of Diagnostic and Interventional Radiology, TUM Klinikum rechts der Isar, Germany（德国慕尼黑工业大学伊萨尔河右岸医院诊断与介入放射科） ； Department of Diagnostic and Interventional Neuroradiology, TUM Klinikum rechts der Isar, Germany（德国慕尼黑工业大学伊萨尔河右岸医院诊断与介入神经放射科） ； Department of Diagnostic and Interventional Radiology and Nuclear Medicine, University Medical Center Hamburg-Eppendorf, Germany（德国汉堡-埃彭多夫大学医学中心诊断与介入放射学及核医学科） ； AI for Image-Guided Diagnosis and Therapy, Technical University of Munich, Germany（德国慕尼黑工业大学人工智能图像引导诊断与治疗）
专题命中 评测与基准 ：language model(abstract)；分类 cs.CL
AI总结 本文提出ConRad框架，通过强化学习提升医学大视觉-语言模型的置信度校准，以生成更可靠的放射报告。
CounselReflect：用于审计心理健康对话的工具包
机构 * University of Southern California（南加州大学）
专题命中 评测与基准 ：LLM(abstract)；分类 cs.CL
AI总结 本文提出CounselReflect工具包，通过多维报告和证据链接片段，提供透明的心理健康对话审计方法，结合模型评估指标和文献库指标，支持可理解、可操作和可信的审计。
BenchScope：你的基准测试提供了多少独立信号？
机构 * Stony Brook University（石溪大学） ； University of Minnesota Twin Cities（明尼苏达大学双城分校）
专题命中 评测与基准 ：LLM(abstract)；分类 cs.AI
AI总结 本文提出有效维度（ED）作为评估基准测量广度的快速诊断指标，揭示了现有基准测试中存在显著冗余问题，并提供了一种诊断流程以指导基准维护。
Comments Equal contribution; correspondence: tianming.sha@stonybrook.edu, zhao2052@umn.edu;
开放的爱洛依语机器翻译
机构 * University of Helsinki, Department of Digital Humanities（赫尔辛基大学数字人文学系） ； Kataluna Esperanto-Asocio (KEA)（加泰罗尼亚世界语协会） ； Sennacieca Asocio Tutmonda (SAT)（世界无民族协会）
专题命中 评测与基准 ：LLM(abstract)；分类 cs.CL
AI总结 本文首次评估开源系统在爱洛依语机器翻译中的表现，比较了基于规则、编码器-解码器模型和大语言模型的翻译质量，发现NLLB家族在所有语言对中表现最佳。
Comments Accepted to SIGUL 2026
AEC-Bench：一种用于建筑、工程和施工领域代理系统的多模态基准
专题命中 评测与基准 ：foundation model(abstract)；分类 cs.AI
AI总结 AEC-Bench旨在评估建筑、工程和施工领域代理系统在真实任务中的表现，涵盖图纸理解、跨表单推理和项目级协调任务，通过多模型基准测试提升基础模型性能。
第三方网络安全风险评估的语义标注：一种半监督的意图感知问题检索方法
机构 * SAMOVAR, Telecom SudParis, Institut Polytechnique de Paris（SAMOVAR, 南巴黎电信学院, 巴黎综合理工学院） ； Board of Cyber
专题命中 评测与基准 ：LLM(abstract)；分类 cs.AI
AI总结 本文提出一种半监督方法，通过语义标签空间提升第三方网络安全风险评估中意图感知的问题检索效率，减少标注成本并提高一致性。
具有意义的标记：一种针对土耳其语的混合标记方法
机构 * Yıldız Technical University（伊尔迪兹技术大学） ； Yeditepe University（耶迪特佩大学） ； University of Chicago（芝加哥大学） ； Istanbul Bilgi University（伊斯坦布尔比尔基大学）
专题命中 评测与基准 ：language model(abstract)；分类 cs.CL
AI总结 本文提出了一种结合词典驱动形态分割、音学规范化和受控子词回退的土耳其语混合标记器，通过TR-MMLU数据集评估，其在形态和词汇单元匹配度上优于现有方法。
CADReasoner: 用于CAD逆向工程的迭代程序编辑
机构 * Lomonosov Moscow State University（莫斯科国立大学） ； Université Paris Dauphine（巴黎多芬大学） ； Innopolis University（因诺波利斯大学） ； FusionBrain Lab（FusionBrain实验室）
专题命中 评测与基准 ：foundation model(abstract)
AI总结 CADReasoner通过迭代优化几何差异，提升CAD逆向工程的精度与效率，实现多视角渲染与点云的融合，并在多个基准测试中取得最佳成绩。
代理如何以及为何能够识别引入缺陷的提交
专题命中 评测与基准 ：LLM(abstract)
AI总结 本文探讨了基于LLM的代理如何通过搜索候选提交提升识别引入缺陷提交的性能，提出了一种简单的代理工作流程，并揭示了代理在搜索中的有效性及对缺陷检测的潜在影响。
看见即应言：面向灾害缓解的上下文感知移动机器人通信
机构 * New York University Tandon School of Engineering（纽约大学坦登工程学院） ； The City College of New York, Grove School of Engineering（纽约市立学院格罗夫工程学院） ； ASAS LABS, Department of Mechanical and Aerospace Engineering, Tandon School of Engineering, New York University（纽约大学坦登工程学院机械与航空航天工程系ASAS实验室）
专题命中 评测与基准 ：LLM(abstract)
AI总结 本文提出一种上下文感知的移动机器人通信框架，通过感知驱动自适应消息生成，提升灾害响应速度和有效性，在60多次实验中验证了结构化关键性评估对响应速度和缓解效果的提升。
基于硬件深度故障的室内机器人导航 bootstrap 感知系统
机构 * New York University（纽约大学） ； City College of New York（纽约市立学院）
专题命中 评测与基准 ：foundation model(abstract)
AI总结 本文提出一种在硬件深度故障情况下用于室内机器人导航的 bootstrap 感知系统，通过自参照性质校准单目深度，提升障碍物感知覆盖率。
SafeClaw-R：迈向安全且安全的多智能体个人助理
专题命中 评测与基准 ：LLM(abstract)
AI总结 本文提出SafeClaw-R框架，通过在执行图层面强制安全不变量，提升多智能体系统在安全性和隐私保护方面的性能，实验表明其在多个领域均表现出色。
JoyStreamer: 通过和谐的文本-音频条件化解锁高度表达性的化身
机构 * JD Technology（京东科技）
专题命中 评测与基准 ：foundation model(abstract)
AI总结 本文提出JoyAvatar框架，通过双教师增强训练算法和动态调节多模态条件，提升视频化身生成的自然性和时序一致性，优于现有模型并在多人群对话等复杂应用中表现突出。
GUARD-SLM：基于令牌激活的对抗 Jailbreak 攻击防御方法用于小语言模型
机构 * Knight Foundation School of Computing and Information Sciences（奈特基金会计算与信息科学学院） ； Security, Optimization, and Learning for InterDependent networks laboratory (solid lab)（安全、优化与相互依赖网络学习实验室） ； Florida International University（佛罗里达国际大学）
专题命中 效率与部署 ：language model(title,abstract)；small language model(title,abstract)；SLM(title,abstract)；large language model(abstract)
AI总结 本文研究了小语言模型在面对异构攻击时的脆弱性，提出GUARD-SLM方法通过分析隐藏层激活来过滤恶意提示，提升小语言模型的安全性。
从效率到适应性：深入探讨大语言模型中的适应性推理
机构 * University at Buffalo（布法罗大学） ； University of Central Florida（中佛罗里达大学）
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 本文探讨大语言模型中适应性推理的核心方法与贡献，提出适应性推理的控制增强策略优化问题，并构建系统分类法以比较不同策略。
开发用于长持续交互的大型语言模型（LLMs）的自适应上下文压缩技术
专题命中 效率与部署 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)；分类 cs.AI
AI总结 本文提出一种自适应上下文压缩框架，通过重要性感知内存选择、相干敏感过滤和动态预算分配，提升长对话中的稳定性与检索性能，同时减少token使用和推理延迟。
$D^2Prune$：通过双重泰勒展开和注意力分布意识对大型语言模型进行稀疏化
专题命中 效率与部署 ：large language model(title,abstract)；language model(title,abstract)；分类 cs.LG
AI总结 本文提出$D^2Prune$方法，通过双重泰勒展开和注意力分布意识，解决现有剪枝方法在激活分布偏移和注意力模块长尾分布方面的不足，提升模型压缩效果。
Journal ref Proceedings of the AAAI Conference on Artificial Intelligence, 40(32), 27171-27179, 2026
通过大语言模型实现进化多任务优化中的自动化知识转移
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SKTD框架，利用大语言模型自动生成进化多任务优化中的知识转移方法，提升异构任务和多场景下的优化效果与泛化能力。
Comments 25 pages
通过SlowFast采样加速扩散大语言模型：三大黄金原则
机构 * EPIC Lab, Shanghai Jiao Tong University（上海交通大学 EPIC 实验室） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）
专题命中 效率与部署 ：language model(title,abstract)；large language model(title)；分类 cs.CL、cs.AI、cs.LG
AI总结 本文提出SlowFast采样策略，通过三大原则动态切换探索与加速解码阶段，提升扩散语言模型的生成速度与效率。
Comments 11 pages; 5 figures;
通过专家混合和参数高效微调实现可推广的 calorimetry 基础模型
机构 * RNET Technologies Inc.（RNET技术公司） ； SLAC National Accelerator Laboratory（SLAC国家加速器实验室） ； Stanford University（斯坦福大学）
专题命中 效率与部署 ：foundation model(title,abstract)；LLM(abstract)；large language model(abstract)；language model(abstract)
AI总结 本文提出一种基于next-token transformer的可推广calorimetry基础模型，结合专家混合预训练和参数高效微调，实现模块化适应不同材料和粒子类型，提升模拟效率和扩展性。
Comments 18 pages, 11 figures, 1 table
LLMON：一种面向大语言模型的标记语言，用于在大语言模型接口中利用结构和语义
机构 * IBM Research（IBM研究院）
专题命中 效率与部署 ：LLM(title,abstract)；large language model(abstract)；language model(abstract)；prompting(abstract)
AI总结 LLMON通过引入一种面向大语言模型的标记语言，使文本的结构和语义元数据能自然地传递给大语言模型，从而提升模型的准确性、安全性和稳定性。
Comments 28 pages
基于神经UCB的奖励驱动在线大语言模型路由
机构 * Oregon State University（俄勒冈州立大学）
专题命中 效率与部署 ：LLM(title,abstract)；large language model(abstract)；language model(abstract)；分类 cs.CL、cs.LG
AI总结 本文提出基于神经UCB的LLM路由策略，在模拟环境中验证其在成本意识路由中的优势，相比随机和最小成本基线，其在效用奖励上表现更优，同时保持较低的推理成本。
万能一用：一种轻量级稳定且参数高效的预训练语言模型用于时间序列预测
机构 * ADAPT SFI Research Centre, School of Computer Science, Technological University Dublin（ADAPT SFI研究中心，计算机科学学院，都柏林科技大学） ； ADAPT SFI Research Centre, School of Computer Science, University College Dublin（ADAPT SFI研究中心，计算机科学学院，都柏林大学学院）
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One-for-All，一种轻量级稳定且参数高效的预训练语言模型，用于时间序列预测，通过引入Gaussian Rank-Stabilized Low-Rank Adapters（rsLoRA）实现高效微调，显著提升参数效率和内存占用，适用于边缘设备部署。
Comments This manuscript is currently under review at IEEE Transactions on Knowledge and Data Engineering (TKDE)
联邦推断用于异构大语言模型通信与协作
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FedRefine框架，解决多LLM协作中的性能、隐私和异构性问题，通过隐私保护的KV缓存通信提升设备端推断能力。
Comments 6 pages. Accepted by AAAI 2026 Workshop on ML4Wireless
DiffusionVL: 将任意自回归模型转化为扩散视觉语言模型
机构 * Huazhong University of Science and Technology（华中科技大学）
专题命中 效率与部署 ：language model(title,abstract)；instruction tuning(abstract)
AI总结 本文提出DiffusionVL，通过高效扩散微调将预训练自回归模型转化为扩散视觉语言模型，实现高效生成和性能提升。
Comments 12 pages, 4 figures, conference or other essential info
StepCache: 基于轻量验证和选择性修补的步骤级重用用于大语言模型服务
机构 * Department of Science, Technology & Mathematics, Lincoln University（林肯大学科学与技术数学系）
专题命中 效率与部署 ：LLM(title,abstract)；分类 cs.CL、cs.AI
AI总结 StepCache通过步骤级重用和轻量验证实现LLM服务的高效处理，减少延迟并提高准确性，支持结构化输出和容错机制。
Comments 9 pages, 1 figure
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