语言大模型 / LLM

Joint Knowledge Base Completion and Question Answering by Combining Large Language Models and Small Language Models

通过结合大语言模型和小语言模型实现知识库补全与问答的联合处理

Yinan Liu, Dongying Lin, Sigang Luo, Xiaochun Yang, Bin Wang

机构 * School of Computer Science and Engineering, Northeastern University, Shenyang, China（东北大学计算机科学与工程学院，沈阳，中国） ； National Frontiers Science Center for Industrial Intelligence and Systems optimization, Northeastern University, Shenyang, China（东北大学工业智能与系统优化国家级前沿科学中心，沈阳，中国） 纠错

专题命中 预训练与数据 ：large language model(title,abstract)；language model(title,abstract)；small language model(title,abstract)；LLM(abstract)

AI总结 本文提出JCQL框架，结合大语言模型与小语言模型，通过迭代增强知识库补全与问答任务，提升两者性能。

Comments 20 pages, 11 figures

Journal ref ACL 2026

Large-scale Codec Avatars: The Unreasonable Effectiveness of Large-scale Avatar Pretraining

大规模编码者人像：大规模人像预训练的不理性有效性

Junxuan Li, Rawal Khirodkar, Chengan He, Zhongshi Jiang, Giljoo Nam, Lingchen Yang, Jihyun Lee, Egor Zakharov, Zhaoen Su, Rinat Abdrashitov, Yuan Dong, Julieta Martinez, Kai Li, Qingyang Tan, Takaaki Shiratori, Matthew Hu, Peihong Guo, Xuhua Huang, Ariyan Zarei, Marco Pesavento, Yichen Xu, He Wen, Teng Deng, Wyatt Borsos, Anjali Thakrar, Jean-Charles Bazin, Carsten Stoll, Ginés Hidalgo, James Booth, Lucy Wang, Xiaowen Ma, Yu Rong, Sairanjith Thalanki, Chen Cao, Christian Häne, Abhishek Kar, Sofien Bouaziz, Jason Saragih, Yaser Sheikh, Shunsuke Saito

机构 * Codec Avatars Lab, Meta（Meta编解码虚拟化身实验室） 纠错

专题命中 预训练与数据 ：pretraining(title)；large language model(abstract)；language model(abstract)；foundation model(abstract)

AI总结 本文提出大规模编码者人像模型，通过预训练和后训练相结合的方法，在大规模数据上实现高保真的人像生成，支持多样化的身份和精细表情控制，同时具备泛化能力和鲁棒性。

Comments Accepted in CVPR2026. Website: https://junxuan-li.github.io/lca

The LLM Effect on IR Benchmarks: A Meta-Analysis of Effectiveness, Baselines, and Contamination

大型语言模型对信息检索基准的影响：有效性、基线和污染的元分析

Moritz Staudinger, Wojciech Kusa, Allan Hanbury

专题命中 预训练与数据 ：LLM(title,abstract)；large language model(abstract)；language model(abstract)；pretraining(abstract)

AI总结 本文通过分析143篇论文，探讨了LLM对TREC Robust04和DL20基准的有效性影响，发现LLM系统在DL20上提升nDCG@10达8.8%，但存在数据污染问题，影响效果判断。

Comments Accepted at SIGIR 2026

TransAgent: Enhancing LLM-Based Code Translation via Fine-Grained Execution Alignment

TransAgent：通过细粒度执行对齐增强基于LLM的代码翻译

Zhiqiang Yuan, Weitong Chen, Hanlin Wang, Xin Peng, Zhenpeng Chen, Yiling Lou

机构 * Fudan University（复旦大学） ； Tsinghua University（清华大学） 纠错

专题命中 预训练与数据 ：LLM(title,abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 TransAgent通过细粒度执行对齐本地化错误代码块，提升LLM代码翻译的准确性与修复性能，优于现有方法33.3%和56.7%。

Comments Accepted by FSE'26

BOSCH: Black-Box Binary Optimization for Short-Context Attention-Head Selection in LLMs

BOSCH: 用于LLMs中短上下文注意力头选择的黑盒二进制优化

Abbas Ghaddar, Ivan Kobyzev, Boxing Chen, Yufei Cui

机构 * Huawei Noah’s Ark Lab, Montreal Research Center, Canada（华为诺亚方舟实验室蒙特利尔研究中心） 纠错

专题命中 预训练与数据 ：large language model(abstract)；language model(abstract)；pretraining(abstract)；post-training(abstract)

AI总结 BOSCH通过黑盒二进制优化方法，针对LLMs中的短上下文注意力头选择问题，提出了一种无需训练的解决方案，通过大规模邻域搜索分解为三个子问题，优于现有方法。

Comments ACL 2026 (Main Conference)

PRIME: Prototype-Driven Multimodal Pretraining for Cancer Prognosis with Missing Modalities

PRIME：面向癌症预后分析的原型驱动多模态预训练方法，适用于缺失模态

Kai Yu, Shuang Zhou, Yiran Song, Zaifu Zhan, Jie Peng, Kaixiong Zhou, Tianlong Chen, Feng Xie, Meng Wang, Huazhu Fu, Mingquan Lin, Rui Zhang

机构 * University of Minnesota（明尼苏达大学） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； North Carolina State University（北卡罗来纳州立大学） ； National University of Singapore（新加坡国立大学） ； Institute of High Performance Computing, Agency for Science, Technology and Research（高性能计算研究所，新加坡科技研究局） 纠错

专题命中 预训练与数据 ：pretraining(title,abstract)；分类 cs.AI、cs.LG

AI总结 PRIME通过原型记忆银行实现缺失模态下的多模态自监督预训练，提升在碎片化临床数据中的预测性能，实现结构对齐和鲁棒性提升。

PIAST: Rapid Prompting with In-context Augmentation for Scarce Training data

PIAST：基于上下文增强的快速提示生成以应对稀少训练数据

Pawel Batorski, Paul Swoboda

机构 * Heinrich Heine Universität Düsseldorf（海因里希·海涅大学杜塞尔多夫） 纠错

专题命中 预训练与数据 ：prompting(title,abstract)；分类 cs.CL

AI总结 PIAST通过生成少量示例快速构建提示，利用蒙特卡洛沙普利估计优化示例效用，实现在有限计算资源下提升文本简化、GSM8K和分类任务的性能。

Advancing AI Research Assistants with Expert-Involved Learning

通过专家参与学习推进AI研究助手

Tianyu Liu, Simeng Han, Hanchen Wang, Xiao Luo, Pan Lu, Biqing Zhu, Yuge Wang, Keyi Li, Jiapeng Chen, Rihao Qu, Yufeng Liu, Xinyue Cui, Aviv Yaish, Yuhang Chen, Minsheng Hao, Chuhan Li, Kexing Li, Yinsheng Lu, Xinyu Wei, Qinzhe Xing, Antonia Panescu, Mengbo Wang, Vibha Annaswamy, Alicia Sanchez, Jack Cloherty, Arman Cohan, Hua Xu, Mark Gerstein, James Zou, Hongyu Zhao

机构 * Yale University（耶鲁大学） ； Broad Institute of MIT and Harvard（麻省理工学院-哈佛大学博德研究所） ； Google DeepMind（谷歌DeepMind） ； Stanford University（斯坦福大学） ； Genentech（基因泰克） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； Cornell University（康奈尔大学） ； Harvard University（哈佛大学） 纠错

专题命中 预训练与数据 ：large language model(abstract)；language model(abstract)；foundation model(abstract)；分类 cs.CL、cs.AI

AI总结 本文提出ARIEL框架，通过专家验证任务评估大语言模型和多模态模型在生物医学领域的表现，发现提示工程和轻量级微调能提升文本覆盖，计算扩展策略增强视觉问答能力，构建了集成文本和视觉线索的AI助手，提出可检验的机理假设。

Comments 43 pages, 7 figures

Data, Not Model: Explaining Bias toward LLM Texts in Neural Retrievers

数据，而非模型：解释神经检索器对LLM文本的偏见

Wei Huang, Keping Bi, Yinqiong Cai, Wei Chen, Jiafeng Guo, Xueqi Cheng

专题命中 预训练与数据 ：LLM(title,abstract)

AI总结 研究指出神经检索器对LLM文本的偏见源于训练数据中的监督偏差，而非模型本身，通过减少数据偏差和调整向量投影降低偏见。

Gesture-Aware Pretraining and Token Fusion for 3D Hand Pose Estimation

手势感知预训练与标记融合用于3D手姿态估计

Rui Hong, Jana Kosecka

机构 * George Mason University（乔治梅森大学） 纠错

专题命中 预训练与数据 ：pretraining(title,abstract)

AI总结 本文提出基于手势语义的预训练方法，通过InterHand2.6M数据集的粗细标签学习信息嵌入空间，并结合Transformer进行关节回归，提升单手姿态估计精度。

Comments 6 pages, 6 figures

Hierarchical Mesh Transformers with Topology-Guided Pretraining for Morphometric Analysis of Brain Structures

具有拓扑引导预训练的层次网格变换器用于脑结构形态学分析

Yujian Xiong, Mohammad Farazi, Yanxi Chen, Wenhui Zhu, Xuanzhao Dong, Natasha Lepore, Yi Su, Raza Mushtaq, Stephen Foldes, Andrew Yang, Yalin Wang

机构 * Arizona State University（亚利桑那州立大学） ； University of Southern California（南加州大学） ； Banner Health（班纳健康） ； Barrow Neurological Institute（巴罗神经学研究所） 纠错

专题命中 预训练与数据 ：pretraining(title,abstract)

AI总结 本文提出一种层次变压器框架，用于异构网格分析，通过自监督预训练实现跨模态和多尺度的高效注意力机制，用于脑结构形态学分析。

Cobblestone: A Divide-and-Conquer Approach for Automating Formal Verification

Cobblestone：一种用于自动化形式验证的分而治之方法

Saketh Ram Kasibatla, Arpan Agarwal, Yuriy Brun, Sorin Lerner, Talia Ringer, Emily First

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Massachusetts（马萨诸塞大学） ； Cornell University（康奈尔大学） ； Rutgers University（罗格斯大学） 纠错

专题命中 预训练与数据 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 Cobblestone通过大语言模型生成证明并分解问题，有效提升形式验证自动化水平，证明更多定理且成本低。

Comments 11 pages, 13 figures, Appearing at ICSE '26, Rio de Janeiro, Brazil

Retrieval Augmented Time Series Forecasting

检索增强的时间序列预测

Kutay Tire, Ege Onur Taga, Muhammed Emrullah Ildiz, Samet Oymak

机构 * University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of Michigan, Ann Arbor（密歇根大学安娜堡分校） 纠错

专题命中 预训练与数据 ：LLM(abstract)；foundation model(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出检索增强预测框架RAF，用于提升时间序列预测的准确性，尤其在大规模模型中效果更显著。

Generating Synthetic Doctor-Patient Conversations for Long-form Audio Summarization

生成用于长文本音频摘要的合成医生-患者对话

Yanis Labrak, David Grünert, Séverin Baroudi, Jiyun Chun, Pawel Cyrta, Sergio Burdisso, Ahmed Hassoon, David Liu, Adam Rothschild, Reed Van Deusen, Petr Motlicek, Andrew Perrault, Ricard Marxer, Thomas Schaaf

机构 * Idiap Research Institute（Idiap 研究所） ； University of Zurich（苏黎世大学） ； The Ohio State University（俄亥俄州立大学） ； Université de Toulon, Aix Marseille Univ, LIS, CNRS（土伦大学，艾克斯-马赛大学，计算机与系统实验室，法国国家科学研究中心） ； Stenograf ； Johns Hopkins University Bloomberg School of Public Health（约翰·霍普金斯大学布隆伯格公共卫生学院） ； Colorado School of Mines（科罗拉多矿业学院） ； Allegheny Health Network（阿勒格尼健康网络） ； University of Pittsburgh Medical Center（匹兹堡大学医学中心） ； ILLS, CNRS（ILLS，法国国家科学研究中心） ； Solventum ； Carnegie Mellon University（卡内基梅隆大学） 纠错

专题命中 预训练与数据 ：LLM(abstract)；分类 cs.AI

AI总结 本文提出生成合成医生-患者对话数据的方法，用于长文本音频摘要任务，通过多阶段流程生成包含音频和参考笔记的数据集，评估显示级联方法优于端到端模型。

Comments Submitted for review at Interspeech 2026

Transfer Learning for Neural Parameter Estimation applied to Building RC Models

用于建筑RC模型的神经参数估计的迁移学习

Fabian Raisch, Timo Germann, J. Nathan Kutz, Christoph Goebel, Benjamin Tischler

机构 * Technical University of Applied Sciences Rosenheim（罗森海姆应用技术大学） ； Technical University of Munich（慕尼黑工业大学） ； Autodesk Research, London UK（欧特克研究（英国伦敦）） 纠错

专题命中 预训练与数据 ：pretraining(abstract)；分类 cs.LG

AI总结 本文提出基于预训练-微调范式的迁移学习神经参数估计框架，用于建筑RC热模型，通过对比遗传算法和从零开始的神经基线，展示了在少量训练数据下显著提升的参数估计性能。

Comments This work has been submitted to the IEEE for possible publication

FRENCH-YMCA: A FRENCH Corpus meeting the language needs of Youth, froM Children to Adolescents

FRENCH-YMCA：一个满足青少年语言需求的法语语料库，从儿童到青少年

Cherifa Ben Khelil, Jean-Yves Antoine, Anaïs Halftermeyer, Frédéric Rayar, Mathieu Thebaud

专题命中 预训练与数据 ：language model(abstract)；分类 cs.CL

AI总结 本文介绍FRENCH-YMCA语料库，旨在为儿童和青少年提供专门的语言资源，通过39,200个文本文件构建，涵盖22471898词，支持开放获取，用于训练理解青少年语言的模型，提升数字交互质量。

Comments 5 pages, 1 figure

Image Captioning via Compact Bidirectional Architecture

通过紧凑双向架构实现图像描述

Zijie Song, Yuanen Zhou, Zhenzhen Hu, Daqing Liu, Huixia Ben, Richang Hong, Meng Wang

机构 * School of Big Data and Statistics, Anhui University（安徽大学大数据与统计学院） ； Institute of Artificial Intelligence, Hefei Comprehensive National Science Center（合肥综合性国家科学中心人工智能研究院） ； Intelligent Interconnected Systems Laboratory of Anhui Province (Hefei University of Technology)（安徽省智能互联系统实验室（合肥工业大学）） ； School of Computer Science and Information Engineering, Hefei University of Technology（合肥工业大学计算机与信息学院） ； JD Explore Academy, JD.com Inc（京东探索研究院） ； State Key Laboratory of Digital Intelligent Technology for Unmanned Coal Mining, Anhui University of Science and Technology（安徽理工大学深部煤矿采动响应与灾害防控国家重点实验室） 纠错

专题命中 预训练与数据 ：pretraining(abstract)；分类 cs.CL

AI总结 本文提出紧凑双向Transformer模型，通过并行解码器隐式和显式利用双向上下文，经消融研究发现其比显式交互机制更重要，结合词级融合进一步提升效果，并扩展至LSTM基座实现新SOTA结果。

Towards Robust and Realistic Human Pose Estimation via WiFi Signals

通过WiFi信号实现鲁棒且逼真的人体姿态估计

Yang Chen, Jingcai Guo

机构 * Department of Computing, The Hong Kong Polytechnic University（香港理工大学计算学系） ； Department of Land Surveying and Geo-Informatics, The Hong Kong Polytechnic University（香港理工大学土地测量及地理资讯学系） 纠错

专题命中 预训练与数据 ：pretraining(abstract)

AI总结 本文提出DT-Pose框架，通过领域一致表示学习和拓扑约束姿态解码，解决WiFi信号中姿态分布差异和骨骼拓扑失真问题，提升2D/3D人体姿态估计性能。

Comments 12 pages, 9 figures

Routing-Based Continual Learning for Multimodal Large Language Models

基于路由的多模态大语言模型持续学习

Jay Mohta, Kenan Emir Ak, Gwang Lee, Dimitrios Dimitriadis, Yan Xu, Mingwei Shen

专题命中 指令微调 ：large language model(title,abstract)；language model(title,abstract)；分类 cs.AI、cs.LG

AI总结 本文提出一种基于路由的持续学习方法，用于多模态大语言模型，有效缓解灾难性遗忘并提升跨模态迁移性能，同时保持训练效率。

ForgeryGPT: A Multimodal LLM for Interpretable Image Forgery Detection and Localization

ForgeryGPT: 一种多模态大语言模型用于可解释的图像伪造检测与定位

Fanrui Zhang, Jiawei Liu, Jiaying Zhu, Esther Sun, Dong Li, Qiang Zhang, Zheng-Jun Zha

机构 * University of Science and Technology of China（中国科学技术大学） ； Tsinghua University（清华大学） 纠错

专题命中 指令微调 ：LLM(title,abstract)；large language model(abstract)；language model(abstract)；instruction tuning(abstract)

AI总结 ForgeryGPT通过多模态大语言模型捕捉伪造图像的高阶取证知识关联，实现可解释的图像伪造检测与定位，提升检测精度和交互能力。

Comments 13 pages, 9 figures

Controlling Distributional Bias in Multi-Round LLM Generation via KL-Optimized Fine-Tuning

通过KL优化微调控制多轮LLM生成的分布偏倚

Yanbei Jiang, Amr Keleg, Ryandito Diandaru, Jey Han Lau, Lea Frermann, Biaoyan Fang, Fajri Koto

机构 * University of Melbourne（墨尔本大学） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； Oracle（甲骨文公司） 纠错

专题命中 指令微调 ：LLM(title)；large language model(abstract)；language model(abstract)；preference optimization(abstract)

AI总结 本文提出通过KL优化微调结合语义对齐的方法，解决多轮LLM生成中分布控制问题，实验显示其在属性生成任务中表现优异。

Comments Accepted at ACL Main Conference

Sim-CLIP: Unsupervised Siamese Adversarial Fine-Tuning for Robust and Semantically-Rich Vision-Language Models

Sim-CLIP: 无监督的孪生对抗微调用于鲁棒且语义丰富的视觉-语言模型

Md Zarif Hossain, Ahmed Imteaj

机构 * Florida Atlantic University（佛罗里达大西洋大学） 纠错

专题命中 指令微调 ：language model(title,abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 Sim-CLIP通过无监督对抗微调提升CLIP视觉编码器的鲁棒性，同时保持语义表示。采用孪生架构和余弦相似度目标，避免大批次对比学习和额外动量编码器，实现低计算开销的鲁棒训练。

Comments Accepted at IJCNN 2026

LLM4CodeRE: Generative AI for Code Decompilation Analysis and Reverse Engineering

LLM4CodeRE: 生成式AI用于代码反编译分析与逆向工程

Hamed Jelodar, Samita Bai, Tochukwu Emmanuel Nwankwo, Parisa Hamedi, Mohammad Meymani, Roozbeh Razavi-Far, Ali A. Ghorbani

专题命中 指令微调 ：LLM(abstract)；large language model(abstract)；language model(abstract)；pretraining(abstract)

AI总结 本文提出LLM4CodeRE框架，通过双向代码逆向工程实现反编译与源码翻译，采用多适配器和序列到序列统一方法提升任务适应性，实验显示其在反编译任务中表现优异。

Do Schwartz Higher-Order Values Help Sentence-Level Human Value Detection? A Study of Hierarchical Gating and Calibration

Schwartz 高阶值是否有助于句子层面的人类价值检测？对分层门控与校准的探讨

Víctor Yeste, Paolo Rosso

机构 * PRHLT Research Center, Universitat Politècnica de València（PRHLT研究中心，瓦伦西亚理工大学） ； School of Science, Engineering and Design, Universidad Europea de Valencia（瓦伦西亚欧洲大学科学、工程与设计学院） ； Valencian Graduate School and Research Network of Artificial Intelligence (ValgrAI)（瓦伦西亚人工智能研究生院与研究网络（ValgrAI）） 纠错

专题命中 指令微调 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 本文研究Schwartz高阶类别在ValueEval'24/ValuesML数据集上对句子层面人类价值检测的帮助，通过比较不同模型和校准方法，发现校准和集成比硬门控更有效。

Comments Code: https://github.com/VictorMYeste/human-value-detection, models: https://huggingface.co/papers/2602.00913, 27 pages, 4 figures

Lightweight Multimodal Adaptation of Vision Language Models for Species Recognition and Habitat Context Interpretation in Drone Thermal Imagery

轻量级多模态适应：为无人机热成像中的物种识别和栖息地上下文解释优化视觉语言模型

Hao Chen, Fang Qiu, Fangchao Dong, Defei Yang, Eve Bohnett, Li An

机构 * The University of Texas at Dallas（德克萨斯大学达拉斯分校） ； University of Florida（佛罗里达大学） ； Auburn University（奥本大学） 纠错

专题命中 指令微调 ：language model(title)；prompting(abstract)；分类 cs.AI

AI总结 本研究提出轻量级多模态适应框架，用于提升视觉语言模型在无人机热成像中的物种识别与栖息地上下文解释能力，通过热数据集优化模型性能，实现从RGB到热辐射的高效迁移。

NativQA Framework: Enabling LLMs and VLMs with Native, Local, and Everyday Knowledge

NativQA框架：使LLMs和VLMs具备原生、本地和日常知识

Firoj Alam, Md Arid Hasan, Sahinur Rahman Laskar, Mucahid Kutlu, Kareem Darwish, Shammur Absar Chowdhury

机构 * Qatar Computing Research Institute, Qatar（卡塔尔计算研究所） ； University of Toronto, Canada（多伦多大学） ； UPES, India（印度UPES大学） ； Qatar University, Qatar（卡塔尔大学） 纠错

专题命中 指令微调 ：large language model(abstract,comments)；language model(abstract,comments)；分类 cs.CL、cs.AI；foundation model(comments)

AI总结 本文提出NativQA框架，通过整合多模态数据，构建本地化问答数据集，提升不同语言和文化背景下的模型性能。

Comments LLMs, Native, Multilingual, Language Diversity, Contextual Understanding, Minority Languages, Culturally Informed, Foundation Models, Large Language Models

Vision-Guided Iterative Refinement for Frontend Code Generation

基于视觉引导的前端代码生成迭代精修

Hannah Sansford, Derek H. C. Law, Wei Liu, Abhishek Tripathi, Niresh Agarwal, Gerrit J. J. van den Burg

机构 * School of Mathematics, University of Bristol, UK（英国布里斯托大学数学学院） ； Amazon AGI（亚马逊AGI） 纠错

专题命中 指令微调 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 本文提出一种全自动的批评者循环框架，利用视觉语言模型提供结构化反馈以指导代码生成的迭代优化，实验证明其在前端开发中能显著提升代码质量。

Comments Accepted at ICLR 2026 Workshop on AI with Recursive Self-Improvement

Cross-Modal Coreference Alignment: Enabling Reliable Information Transfer in Omni-LLMs

跨模态指代对齐：在全模态大语言模型中实现可靠信息传输

Hongcheng Liu, Yuhao Wang, Zhe Chen, Pingjie Wang, Zhiyuan Zhu, Yixuan Hou, Yanfeng Wang, Yu Wang

机构 * Shanghai Jiao Tong University（上海交通大学） 纠错

专题命中 指令微调 ：large language model(abstract)；language model(abstract)；SFT(abstract)；分类 cs.CL

AI总结 研究提出跨模态指代对齐问题，通过CrossOmni数据集和两种方法提升全模态推理能力，揭示指代意识缺失是跨模态推理弱化的主要原因。

Beyond Syntax: Action Semantics Learning for App Agents

超越语法：面向应用代理的动作语义学习

Bohan Tang, Dezhao Luo, Jianheng Liu, Jingxuan Chen, Shaogang Gong, Jianye Hao, Jun Wang, Kun Shao

机构 * University of Oxford（牛津大学） ； Queen Mary University of London（伦敦玛丽女王大学） ； Huawei Noah’s Ark Lab（华为诺亚方舟实验室） ； University College London（伦敦大学学院） 纠错

专题命中 指令微调 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 本文提出动作语义学习框架ASL，通过捕捉地面真实动作的语义来提升应用代理的准确性和泛化能力，克服了传统语法学习在分布外鲁棒性上的不足。

Weight space Detection of Backdoors in LoRA Adapters

LoRA适配器中后门的权重空间检测

David Puertolas Merenciano, Ekaterina Vasyagina, Kevin Zhu, Javier Ferrando, Maheep Chaudhary

机构 * Algoverse AI Research ； Independent（独立研究者） 纠错

专题命中 指令微调 ：large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 本文提出一种无需运行模型即可检测LoRA适配器后门的方法，通过分析权重矩阵的谱统计特征，利用逻辑回归分类器在三种模型家族上实现100%准确率。