语言大模型 / LLM

Utilizing Pre-trained and Large Language Models for 10-K Items Segmentation

利用预训练和大语言模型进行10-K文件分段

Hsin-Min Lu, Yu-Tai Chien, Huan-Hsun Yen, Yen-Hsiu Chen

专题命中 长上下文与记忆 ：large language model(title,abstract)；language model(title,abstract)；prompting(abstract)

AI总结 本文提出两种先进分段方法，BERT4ItemSeg与GPT4ItemSeg，通过预训练模型与Bi-LSTM结合或大语言模型，提升10-K报告分段性能，核心指标达到宏F1值0.9825。

Comments Accepted for publication in the Journal of Information Systems

Nirvana: A Specialized Generalist Model With Task-Aware Memory Mechanism

Nirvana：一种具有任务感知内存机制的专用通用模型

Yuhua Jiang, Shuang Cheng, Yihao Liu, Ermo Hua, Che Jiang, Weigao Sun, Yu Cheng, Feifei Gao, Biqing Qi, Bowen Zhou

机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Tsinghua University（清华大学） ； Xiong’an Anying Technology Co., Ltd.（雄安安影科技有限公司） ； Zhejiang University（浙江大学） 纠错

专题命中 长上下文与记忆 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI、cs.LG

AI总结 Nirvana提出一种具备任务感知内存机制的专用通用模型，通过线性时间复杂度和测试时任务信息提取，在通用和专业领域均表现优异，尤其在医学、金融和法律等专业领域实现最低困惑度。

AV-SQL: Decomposing Complex Text-to-SQL Queries with Agentic Views

AV-SQL：通过代理视图分解复杂文本到SQL查询

Minh Tam Pham, Trinh Pham, Tong Chen, Hongzhi Yin, Quoc Viet Hung Nguyen, Thanh Tam Nguyen

机构 * Griffith University（格里菲斯大学） ； The University of Queensland（昆士兰大学） 纠错

专题命中 长上下文与记忆 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 AV-SQL通过代理视图分解复杂文本到SQL查询，提升复杂查询的执行准确率，其在Spider 2.0基准测试中达到70.38%的准确率，优于现有方法。

The End of Human Judgment in the Kill Chain? Relocating Initiative and Interpretation with Agentic AI

人类判断在杀链中的终结？通过代理AI重新定位主动性和解释力

Jovana Davidovic

专题命中 长上下文与记忆 ：LLM(abstract)；large language model(abstract)；language model(abstract)

AI总结 本文探讨了基于大语言模型的代理AI在杀链中取代人类判断的问题，指出其主动性和解释力导致人类控制失效，并提出国际治理框架需应对这一挑战。

StructKV: Preserving the Structural Skeleton for Scalable Long-Context Inference

StructKV: 保持结构骨架以实现可扩展的长上下文推理

Zhirui Chen, Peiyang Liu, Ling Shao

机构 * UCAS-Terminus AI Lab, University of Chinese Academy of Sciences, China（中国科学院大学UCAS-Terminus AI实验室） ； National Engineering Research Center for Software Engineering, Peking University（北京大学国家软件工程研究中心） 纠错

专题命中 长上下文与记忆 ：large language model(abstract)；language model(abstract)；分类 cs.CL

AI总结 StructKV通过全局入度中心性、动态枢轴检测和结构传播与解耦方法，有效保留长距离依赖性和检索鲁棒性，提升长上下文推理效率。

Comments Accepted to ACL 2026 Findings, 14 pages

HingeMem: Boundary Guided Long-Term Memory with Query Adaptive Retrieval for Scalable Dialogues

HingeMem: 基于边界的长期记忆与查询自适应检索用于可扩展对话

Yijie Zhong, Yunfan Gao, Haofen Wang

机构 * College of Design and Innovation, Tongji University（同济大学设计创意学院） ； Shanghai Research Institute for Intelligent Autonomous Systems, Tongji University（同济大学上海自主智能无人系统科学中心） 纠错

专题命中 长上下文与记忆 ：LLM(abstract)；分类 cs.CL、cs.AI

AI总结 HingeMem通过边界引导的长期记忆和查询自适应检索，提升对话系统在多轮交互中的记忆效率与适应性，实验表明在不同规模的LLM上实现20%的性能提升并降低计算成本。

Comments Accepted by TheWebConf 2026

Low-Rank Key Value Attention

低秩键值注意力

James O'Neill, Robert Clancy, Mariia Matskevichus, Fergal Reid

专题命中 长上下文与记忆 ：pretraining(abstract)；分类 cs.LG

AI总结 本文提出低秩键值注意力机制，通过利用注意力头间的冗余减少KV缓存内存消耗，同时保持计算效率，在多个基准测试中表现优异。

MemoryDiorama: Generating Dynamic 3D Diorama from Everyday Photos for Memory Recall

MemoryDiorama：从日常照片生成动态3D场景以增强记忆回忆

Keiichi Ihara, Tianle Li, Yasuhisa Shiino, Ryo Suzuki

专题命中 长上下文与记忆 ：LLM(abstract)

AI总结 MemoryDiorama通过整合LLM场景分析与3D生成技术，将日常照片转化为动态3D场景，提升记忆回忆的丰富性与生动性。

Comments 11 pages, 11 figures

Guiding Symbolic Execution with Static Analysis and LLMs for Vulnerability Discovery

通过静态分析和LLMs引导符号执行以发现漏洞

Md Shafiuzzaman, Achintya Desai, Wenbo Guo, Tevfik Bultan

专题命中 长上下文与记忆 ：LLM(abstract)

AI总结 SAILOR结合静态分析与LLM合成自动构建符号执行Harness，通过三个阶段发现内存安全漏洞，实验表明其在大规模代码库中显著提升漏洞检测效率。