语言大模型 / LLM

Beyond Compromise: Pareto-Lenient Consensus for Efficient Multi-Preference LLM Alignment

超越妥协：用于高效多偏好LLM对齐的帕累托宽容共识

Renxuan Tan, Rongpeng Li, Zhifeng Zhao, Honggang Zhang

机构 * Zhejiang Lab（之江实验室） ； Macau University of Science and Technology（澳门科技大学） 纠错

专题命中 效率与部署 ：LLM(title)；分类 cs.AI

AI总结 本文提出帕累托宽容共识框架，通过动态谈判过程解决多目标偏好对齐中的局部收敛问题，提升模型对全局帕累托最优前沿的探索能力。

MemFactory: Unified Inference & Training Framework for Agent Memory

MemFactory: 用于智能体记忆的统一推理与训练框架

Ziliang Guo, Ziheng Li, Bo Tang, Feiyu Xiong, Zhiyu Li

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

AI总结 MemFactory 提供统一的训练和推理框架，通过模块化设计和 GRPO 算法提升记忆增强智能体的性能，实验显示其在多个任务中表现优于基线模型。

Comments fixed Figure 1 typos, clarified ambiguous wording in the abstract, added 1 missing citation, Code: https://github.com/MemTensor/MemFactory

ENEC: A Lossless AI Model Compression Method Enabling Fast Inference on Ascend NPUs

ENEC：一种无损AI模型压缩方法，使Ascend NPUs上的快速推理成为可能

Jinwu Yang, Jiaan Wu, Zedong Liu, Xinyang Ma, Hairui Zhao, Yida Gu, Yuanhong Huang, Xingchen Liu, Wenjing Huang, Zheng Wei, Jing Xing, Yili Ma, Qingyi Zhang, Baoyi An, Zhongzhe Hu, Shaoteng Liu, Xia Zhu, Jiaxun Lu, Guangming Tan, Dingwen Tao

机构 * Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Huawei Technologies Co., Ltd.（华为技术有限公司） 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ENEC，一种专为AI模型权重优化的无损压缩方法，通过块级固定长度编码和NPU特定优化，提升Ascend NPUs的压缩比和吞吐量，实现比现有GPU压缩器更高的性能。

Comments Accepted by ISCA 2026, 17 pages, 13 figures, 7 tables

Gradient-Controlled Decoding: A Safety Guardrail for LLMs with Dual-Anchor Steering

梯度控制解码：一种用于LLMs的安全防护机制，具有双锚点引导

Purva Chiniya, Kevin Scaria, Sagar Chaturvedi

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

AI总结 本文提出梯度控制解码（GCD），通过双锚点令牌提升安全性，降低误报率，同时在多个基准测试中有效抑制攻击，且对计算资源要求低。

Comments Accepted at LREC2026

EvolveRouter: Co-Evolving Routing and Prompt for Multi-Agent Question Answering

EvolveRouter: 多智能体问答中的共进化路由与提示

Jiatan Huang, Zheyuan Zhang, Kaiwen Shi, Yanfang Ye, Chuxu Zhang

机构 * University of Connecticut（康涅狄格大学） ； University of Notre Dame（圣母大学） 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 EvolveRouter通过闭环共进化提升智能体质量和协作结构，实现动态适应的高效多智能体推理。

RL-VLA$^3$: A Flexible and Asynchronous Reinforcement Learning Framework for VLA Training

RL-VLA$^3$：一种灵活且异步的强化学习框架用于VLA训练

Haoran Sun, Yongjian Guo, Zhong Guan, Shuai Di, Xiaodong Bai, Jing Long, Tianyun Zhao, Mingxi Luo, Hongke Zhao, Likang Wu, Xiaotie Deng, Xu Chu, Xi Xiao, Sheng Wen, Yicheng Gong, Junwu Xiong

机构 * Peking University（北京大学） ； Tsinghua University（清华大学） ； Tianjin University（天津大学） ； JDT AI Infra（京东科技AI基础设施） ； Swinburne University of Technology（斯威本科技大学） 纠错

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

AI总结 本文提出RL-VLA$^3$，一种异步强化学习框架，通过动态批调度和灵活环境分片策略，提升VLA训练效率，实验显示其在8至256GPU上均取得85.2%的吞吐量提升。

Rewriting TTS Inference Economics: Lightning V2 on Tenstorrent Achieves 4x Lower Cost Than NVIDIA L40S

重写语音合成推理经济学：Lightning V2在Tenstorrent上实现比NVIDIA L40S低4倍的成本

Ranjith M. S., Akshat Mandloi, Sudarshan Kamath

机构 * Smallest AI 纠错

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

AI总结 本文提出Lightning V2语音合成模型，通过硬件软件协同优化，在Tenstorrent硬件上实现95%的低精度计算保真度和80%的BlockFloat8部署，同时保持音频质量，相比NVIDIA L40S降低4倍的加速器成本。

DualDiffusion: A Speculative Decoding Strategy for Masked Diffusion Models

DualDiffusion: 一种用于掩码扩散模型的推测解码策略

Satyam Goyal, Kushal Patel, Tanush Mittal, Arjun Laxman

机构 * University of Michigan（密歇根大学） 纠错

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

AI总结 DualDiffusion结合高效近似模型与准确验证模型，通过多步轻量级生成后单步验证，实现生成步骤与准确性之间的更优帕累托前沿。

DeepSearch: Overcome the Bottleneck of Reinforcement Learning with Verifiable Rewards via Monte Carlo Tree Search

DeepSearch: 通过蒙特卡洛树搜索克服强化学习中的瓶颈问题

Fang Wu, Weihao Xuan, Heli Qi, Ximing Lu, Aaron Tu, Li Erran Li, Yejin Choi

机构 * Stanford University（斯坦福大学） ； University of Tokyo（东京大学） ； RIKEN AIP（日本理化学研究所革新智能研究中心） ； UC Berkeley（加州大学伯克利分校） ； University of Washington（华盛顿大学） ； Amazon AWS（亚马逊云科技） 纠错

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

AI总结 DeepSearch通过将蒙特卡洛树搜索整合到强化学习中，解决探索不足的问题，提升数学推理能力，实验显示其在推理任务中达到62.95%的准确率，且效率显著高于传统方法。

Beyond Paper-to-Paper: Structured Profiling and Rubric Scoring for Paper-Reviewer Matching

超越论文-论文：基于结构化资料和评分标准的论文-审稿人匹配

Yicheng Pan, Zhiyuan Ning, Ludi Wang, Yi Du

专题命中 效率与部署 ：LLM(abstract)；分类 cs.CL

AI总结 本文提出P2R框架，通过结构化资料和评分标准提升论文与审稿人匹配效率，实验表明其优于现有方法。

Comments Accepted by IJCNN-2026

LanG -- A Governance-Aware Agentic AI Platform for Unified Security Operations

LanG -- 一个面向统一安全运营的治理感知代理AI平台

Anes Abdennebi, Nadjia Kara, Laaziz Lahlou, Hakima Ould-Slimane

机构 * UQTR（魁北克大学三河分校） 纠错

专题命中 效率与部署 ：LLM(abstract)；分类 cs.AI

AI总结 LanG平台通过统一事件记录、代理AI调度器、LLM规则生成器和三层攻击重建器，提升安全运营效率，同时采用治理架构确保AI合规性。

Image Diffusion Preview with Consistency Solver

图像扩散预览与一致性求解器

Fu-Yun Wang, Hao Zhou, Liangzhe Yuan, Sanghyun Woo, Boqing Gong, Bohyung Han, Ming-Hsuan Yang, Han Zhang, Yukun Zhu, Ting Liu, Long Zhao

机构 * Google DeepMind（谷歌DeepMind） ； The Chinese University of Hong Kong（香港中文大学） ； Seoul National University（首尔大学） 纠错

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

AI总结 本文提出ConsistencySolver，通过强化学习优化的轻量高阶求解器，提升图像扩散预览的质量与一致性，减少推理步骤，提高交互效率。

Comments Accepted by CVPR 2026

Guided Query Refinement: Multimodal Hybrid Retrieval with Test-Time Optimization

引导查询细化：多模态混合检索与测试时优化

Omri Uzan, Asaf Yehudai, Roi pony, Eyal Shnarch, Ariel Gera

机构 * Stanford University（斯坦福大学） ； IBM Research（IBM研究院） ； The Hebrew University of Jerusalem（耶路撒冷希伯来大学） 纠错

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

AI总结 本文提出引导查询细化方法，通过测试时优化提升多模态检索性能，使视觉中心模型在效率和性能上达到更优平衡。

Comments ICLR 2026

gyaradax: Local Gyrokinetics JAX Code

gyaradax：局部回旋动力学JAX代码

Gianluca Galletti, Eric Volkmann, Johannes Brandstetter

专题命中 效率与部署 ：prompting(abstract)

AI总结 gyaradax是用于局部回旋动力学的JAX/CUDA求解器，结合GPU加速和自动微分，验证了与GKW的正式一致性和统计一致性，同时实现了显著加速，展示了编码代理在复杂Fortran代码转换中的高效性。

Comments Code: https://github.com/gerkone/gyaradax

Late Breaking Results: Hardware-Efficient Quantum Reservoir Computing via Quantized Readout

延迟突破结果：通过量化读取实现高效的量子共振计算

Param Pathak, Mansi Od, Nouhaila Innan, Muhammad Shafique

专题命中 效率与部署 ：post-training(abstract)

AI总结 本文提出一种基于固定未训练量子电路的量子共振计算框架，通过量化读取层提升硬件效率，实验证明在资源受限的能源预测中具有实用性。

Comments 2 pages, 4 figures. Accepted at DAC 2026

Constraint-Driven Warm-Freeze for Efficient Transfer Learning in Photovoltaic Systems

基于约束的暖冻方法：用于光伏系统高效迁移学习

Yasmeen Saeed, Ahmed Sharshar, Mohsen Guizani

专题命中 效率与部署 ：pretraining(abstract)

AI总结 本文提出CDWF方法，通过暖启动和约束优化实现高效迁移学习，在边缘设备上实现高精度检测。

Comments Preprint submitted and accepted to IEEE IJCNN (WCCI)

ID-Selection: Importance-Diversity Based Visual Token Selection for Efficient LVLM Inference

基于重要性与多样性的视觉令牌选择：用于高效大视觉-语言模型推理

Zhaohong Huang, Wenjing Liu, Yuxin Zhang, Fei Chao, Rongrong Ji

机构 * Xiamen University（厦门大学） 纠错

专题命中 效率与部署 ：language model(abstract)

AI总结 本文提出ID-Selection方法，结合重要性估计与多样性意识迭代选择，有效平衡令牌重要性与多样性，在极端剪枝比下实现高效推理与性能保持。

Integration of Object Detection and Small VLMs for Construction Safety Hazard Identification

对象检测与小型视觉语言模型的整合用于建筑安全危险识别

Muhammad Adil, Mehmood Ahmed, Muhammad Aqib, Vicente A. Gonzalez, Gaang Lee, Qipei Mei

机构 * Infrastructure Human Tech (IHT) Lab, Department of Civil and Environmental Engineering, University of Alberta, Edmonton, Alberta, Canada（基础设施人类技术（IHT）实验室，土木与环境工程系，阿尔伯塔大学，埃德蒙顿，阿尔伯塔，加拿大） 纠错

专题命中 效率与部署 ：language model(abstract)

AI总结 本文提出了一种结合对象检测与多模态推理的轻量级框架，以提高建筑工地安全危险识别的准确性和效率，实验表明该方法在多个小型视觉语言模型上均提升了检测性能和解释质量。

A Multi-Stage Validation Framework for Trustworthy Large-scale Clinical Information Extraction using Large Language Models

一种用于可信大规模临床信息提取的多阶段验证框架

Maria Mahbub, Gregory M. Dams, Josh Arnold, Caitlin Rizy, Sudarshan Srinivasan, Elliot M. Fielstein, Minu A. Aghevli, Kamonica L. Craig, Elizabeth M. Oliva, Joseph Erdos, Jodie Trafton, Ioana Danciu

机构 * Oak Ridge National Laboratory（橡树岭国家实验室） ； Program Evaluation and Resource Center, Office of Mental Health and Office of Suicide Prevention, Department of Veterans Affairs（退伍军人事务部心理健康办公室和自杀预防办公室项目评估与资源中心） ； Vanderbilt University Medical Center（范德比尔特大学医学中心） ； VA Maryland Health Care System（退伍军人事务部马里兰医疗保健系统） ； VA Desert Pacific Healthcare Network（退伍军人事务部沙漠太平洋医疗网络） ； VA Connecticut Health Care System（退伍军人事务部康涅狄格医疗保健系统） ； Yale School of Medicine（耶鲁医学院） 纠错

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

AI总结 本文提出多阶段验证框架，通过弱监督评估提升LLM在临床信息提取中的可信度与准确性，验证了在大规模数据中应用的可行性。

CritBench: A Framework for Evaluating Cybersecurity Capabilities of Large Language Models in IEC 61850 Digital Substation Environments

CritBench：用于评估大型语言模型在IEC 61850数字变电站环境中的网络安全能力的框架

Gustav Keppler, Moritz Gstür, Veit Hagenmeyer

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

AI总结 本文提出CritBench框架，用于评估大型语言模型在IEC 61850数字变电站环境中的网络安全能力，测试了五种先进模型在81个领域特定任务中的表现，发现模型在静态分析和单工具网络枚举中表现良好，但在动态任务中性能下降。

Comments 16 pages, 4 figures, 3 tables. Submitted to the 3rd ACM SIGEnergy Workshop on Cybersecurity and Privacy of Energy Systems (ACM EnergySP '26)

Data-Driven Function Calling Improvements in Large Language Model for Online Financial QA

大型语言模型在在线金融问答中的数据驱动函数调用改进

Xing Tang, Hao Chen, Shiwei Li, Fuyuan Lyu, Weijie Shi, Lingjie Li, Dugang Liu, Weihong Luo, Xiku Du, Xiuqiang He

机构 * Shenzhen Technology University（深圳技术大学） ； FiT, Tencent（腾讯FiT） ； Huazhong University of Science and Technology（华中科技大学） ； McGill University（麦吉尔大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； Shenzhen University（深圳大学） 纠错

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

AI总结 本文提出数据驱动管道提升LLM在金融场景中的函数调用能力，通过构建数据集、数据增强和模型训练，解决通用LLM在金融领域适应性差的问题。

Comments Accepted to Webconf 2026 industry track

CURE:Circuit-Aware Unlearning for LLM-based Recommendation

CURE:基于电路的LLM推荐系统去学习

Ziheng Chen, Jiali Cheng, Zezhong Fan, Hadi Amiri, Yunzhi Yao, Xiangguo Sun, Yang Zhang

机构 * University of Massachusetts Lowell（马萨诸塞大学洛厄尔分校） ； Zhejiang University（浙江大学） ； The Chinese University of Hong Kong（香港中文大学） ； National University of Singapore（新加坡国立大学） 纠错

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

AI总结 本文提出CURE框架，通过分离模型组件并按功能分类，解决LLM推荐系统去学习中的梯度冲突问题，提升去学习效果和模型稳定性。

Automatic Replication of LLM Mistakes in Medical Conversations

医疗对话中大语言模型错误的自动复制

Oleksii Proniakin, Diego Fajardo, Ruslan Nazarenko, Razvan Marinescu

机构 * Lumos AI 纠错

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

AI总结 本文提出MedMistake自动管道，通过提取医疗对话中LLM的错误生成单次问答对，构建基准测试集，验证了GPT、Claude和Grok在医疗问答任务中的最佳性能。

Comments 48 pages, 3 figures, 4 tables

This Treatment Works, Right? Evaluating LLM Sensitivity to Patient Question Framing in Medical QA

这种治疗有效吗？评估LLM在医疗问答中对患者问题表述的敏感性

Hye Sun Yun, Geetika Kapoor, Michael Mackert, Ramez Kouzy, Wei Xu, Junyi Jessy Li, Byron C. Wallace

机构 * Northeastern University（东北大学） ； UC Berkeley（加州大学伯克利分校） ； UT Austin（德克萨斯大学奥斯汀分校） ； UT MD Anderson Cancer Center（德克萨斯大学MD安德森癌症中心） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

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

AI总结 研究评估了LLM在医疗问答中对问题表述方式的敏感性，发现不同表述方式会导致不一致结论，尤其在多轮对话中更为明显，强调了在高风险场景中需重视表述鲁棒性。

Comments 31 pages, 4 tables, 19 figures

Semantic Communication with an LLM-enabled Knowledge Base

基于LLM的知识库的语义通信

Wuxia Hu, Caili Guo, Yang Yang, Chunyan Feng, Kuiyuan Ding, Shiwen Mao

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

AI总结 本文提出SC-LMKB系统，利用LLM生成能力增强知识库，通过提示工程和交叉注意力对齐方法生成源数据和信道数据，结合跨域融合编解码框架降低幻觉影响，实验显示性能提升显著。

Foreign Domestic Workers' Perspectives on an LLM-Based Emotional Support tool for Caregiving Burden

外国家庭佣工对基于大语言模型的情感支持工具在照护负担中的看法

Shin Shoon Nicholas Teng, Kenny Tsu Wei Choo

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

AI总结 研究探讨了新加坡外国家庭佣工使用基于大语言模型的聊天机器人作为日常非临床情感支持工具的体验，发现其在心理安全、语言无障碍和多功能资源方面的设计启示。

Comments 5 pages, Accepted at CHI 2026 Posters

Can an LLM Learn Preferences from Choice Data?

大语言模型能否从选择数据中学习偏好？

Jeongbin Kim, Matthew Kovach, Kyu-Min Lee, Euncheol Shin, Hector Tzavellas

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

AI总结 本文探讨大语言模型能否通过观察选择数据学习决策者的偏好并生成一致的推荐。提出了一种可移植的模拟-推荐-评估框架，通过比较LLM推荐与已知偏好原始数据推导出的最优选择进行测试。研究发现，随着模型观察更多选择，推荐准确性提高，但不同偏好类型和LLM的学习效果存在异质性。

Cross-Domain Few-Shot Learning for Hyperspectral Image Classification Based on Mixup Foundation Model

跨领域少样本学习用于超光谱图像分类的Mixup基础模型

Naeem Paeedeh, Mahardhika Pratama, Ary Shiddiqi, Zehong Cao, Mukesh Prasad, Wisnu Jatmiko

机构 * School of Computer Science and IT, Adelaide University（阿德莱德大学计算机科学与信息技术学院） ； Department of Informatics, Institut Teknologi Sepuluh Nopember（泗水理工学院信息学系） ； University of Technology, Sydney, Australia（悉尼科技大学） ； Faculty of Computer Science, University of Indonesia（印度尼西亚大学计算机科学学院） 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MIFOMO模型，通过共聚投影和混合域适应解决跨领域少样本学习中的数据稀缺和领域差异问题，实验表明其性能优于现有方法14%。

A Mixture of Experts Foundation Model for Scanning Electron Microscopy Image Analysis

一种用于扫描电子显微镜图像分析的专家混合基础模型

Sk Miraj Ahmed, Yuewei Lin, Chuntian Cao, Shinjae Yoo, Xinpei Wu, Won-Il Lee, Nikhil Tiwale, Dan N. Le, Thi Thu Huong Chu, Jiyoung Kim, Kevin G. Yager, Chang-Yong Nam

机构 * Brookhaven National Laboratory（布鲁克海文国家实验室） ； The University of Texas at Dallas（德克萨斯大学达拉斯分校） 纠错

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

AI总结 本文提出首个扫描电子显微镜图像基础模型，通过预训练多仪器多条件科学显微图像数据集，实现跨不同材料系统和成像条件的泛化，展示了在去模糊到聚焦图像翻译任务中的优越性能。

Human Values Matter: Investigating How Misalignment Shapes Collective Behaviors in LLM Agent Communities

人类价值观至关重要：探讨价值观不一致如何塑造LLM代理社区的集体行为

Xiangxu Zhang, Jiamin Wang, Qinlin Zhao, Hanze Guo, Linzhuo Li, Jing Yao, Xiao Zhou, Xiaoyuan Yi, Xing Xie

机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学高瓴人工智能学院） ； Microsoft Research Asia（微软亚洲研究院） ； Department of Sociology, Zhejiang University（浙江大学社会学系） 纠错

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

AI总结 研究探讨LLM代理社区中价值观不一致如何影响集体行为，通过CIVA环境发现关键价值观对集体动态的影响及系统故障和欺骗行为的产生。