语言大模型 / LLM

Accuracy Is Speed: Towards Long-Context-Aware Routing for Distributed LLM Serving

精度即速度：面向分布式大语言模型服务的长上下文感知路由

Takeshi Yoshimura, Valentijn Dymphnus van de Beek, Tatsuhiro Chiba

专题命中 效率与部署 ：LLM(title,abstract)

AI总结 研究提出通过重试动态将精度转化为速度，引入TTCA指标以衡量首次正确响应所需时间，设计轻量级精度感知路由LAAR以降低TTCA，强调在长上下文分布式服务中将精度作为首要系统目标。

Comments Accepted to the 6th Workshop on Machine Learning and Systems (EuroMLSys '26) co-located with EuroSys '26

KV Packet: Recomputation-Free Context-Independent KV Caching for LLMs

KV Packet: 无重新计算的上下文无关KV缓存用于LLMs

Chuangtao Chen, Grace Li Zhang, Xunzhao Yin, Cheng Zhuo, Bing Li, Ulf Schlichtmann

机构 * Technical University of Munich（慕尼黑技术大学） ； Technical University of Darmstadt（达姆施塔特技术大学） ； Zhejiang University（浙江大学） ； Technische Universität Ilmenau（伊尔梅瑙技术大学） 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 KV Packet通过轻量可训练软令牌适配器实现无重新计算的上下文无关KV缓存，实验表明其在FLOPs和TTFT上优于基线方法，同时保持与完整重新计算基线相当的F1分数。

Towards Understanding, Analyzing, and Optimizing Agentic AI Execution: A CPU-Centric Perspective

向理解、分析和优化代理AI执行：一种以CPU为中心的视角

Ritik Raj, Souvik Kundu, Ishita Vohra, Hong Wang, Tushar Krishna

机构 * Georgia Institute of Technology（佐治亚理工学院） 纠错

专题命中 效率与部署 ：LLM(abstract,abstract_cn)；分类 cs.AI、cs.LG

AI总结 本文从CPU角度分析代理AI工作负载的瓶颈，提出两种优化方法，降低CPU-GPU资源分配偏差，提升执行效率。

Optimizing Korean-Centric LLMs via Token Pruning

通过标记剪枝优化韩语中心化的大语言模型

Hoyeol Kim, Hyeonwoo Kim

机构 * College of Computing Georgia Institute of Technology（计算学院佐治亚理工学院） 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 本文系统评估了通过标记剪枝优化的多语言大语言模型在韩语自然语言处理任务中的表现，发现该方法能提高生成稳定性并提升机器翻译性能。

Comments 5 pages

Majority Voting for Code Generation

代码生成中的多数投票

Tim Launer, Jonas Hübotter, Marco Bagatella, Ido Hakimi, Andreas Krause

机构 * ETH Zürich（苏黎世联邦理工学院） 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 本文提出基于功能共识的多数投票方法，通过测试输入的运行时执行签名选择最优解，提升代码生成性能，并应用于无标签的测试时强化学习。

Comments ICLR 2026 Test-Time Updates (TTU) Workshop

Seed1.8 Model Card: Towards Generalized Real-World Agency

Seed1.8 模型卡：迈向通用的现实世界代理

Bytedance Seed

机构 * Bytedance Seed（字节跳动Seed） 纠错

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

AI总结 Seed1.8 模型旨在实现通用的现实世界代理能力，支持多轮交互、工具使用和多步骤执行，同时保持大语言模型和视觉语言性能，并提供统一的代理接口。

Concept Drift Guided LayerNorm Tuning for Efficient Multimodal Metaphor Identification

概念漂移引导的层归一化调优用于高效的多模态隐喻识别

Wenhao Qian, Zhenzhen Hu, Zijie Song, Jia Li

机构 * Hefei University of Technology（合肥工业大学） 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CDGLT框架，通过概念漂移和提示构造策略提升多模态隐喻识别效率，实现MET-Meme基准的最先进性能并降低训练成本。

Comments ICMR'25, June 30-July 3, 2025, Chicago, IL, USA

MemExplorer: Navigating the Heterogeneous Memory Design Space for Agentic Inference NPUs

MemExplorer: 在代理推理NPU中导航异构内存设计空间

Haoran Wu, Zeyu Cao, Yao Lai, Binglei Lou, Jiayi Nie, Can Xiao, Timi Adeniran, Przemyslaw Forys, Kauser Johar, Catriona Wright, Junyi Liu, Kai Shi, Nicholas D. Lane, Rika Antonova, Jianyi Cheng, Timothy Jones, Aaron Zhao, Robert Mullins

专题命中 效率与部署 ：LLM(abstract,abstract_cn)

AI总结 MemExplorer通过统一抽象模型和自动优化，为异构NPU系统设计高效内存架构，提升能效和性能。

Can LLMs Help Decentralized Dispute Arbitration? A Case Study of UMA-Resolved Markets on Polymarket

大语言模型能否帮助去中心化争端仲裁？以Polymarket上的UMA解决市场为例

Junhao Wen, Juncen Zhou, Junjie Huang

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

AI总结 本文研究大语言模型在去中心化争端仲裁中的应用，发现其在争端发生后能有效复现UMA链上投票结果，但无法提前预测可能产生争议的事件。

Generative Intent Prediction Agentic AI empowered Edge Service Function Chain Orchestration

生成意图预测的代理AI赋能边缘服务功能链编排

Yan Sun, Shaoyong Guo, Sai Huang, Zhiyong Feng, Feng Qi, Xuesong Qiu

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

AI总结 本文提出一种基于生成意图预测代理（GIPA）的边缘服务功能链（SFC）编排框架，通过多维意图空间和生成扩散模型预测用户隐含意图，实现主动预测和编排，实验表明在高并发高动态场景中性能更优。

Video-STAR: Reinforcing Open-Vocabulary Action Recognition with Tools

Video-STAR: 通过工具强化开放词汇动作识别

Zhenlong Yuan, Xiangyan Qu, Chengxuan Qian, Rui Chen, Jing Tang, Lei Sun, Xiangxiang Chu, Dapeng Zhang, Yiwei Wang, Yujun Cai, Shuo Li

机构 * AMAP, Alibaba Group（阿里集团AMAP） ； University of California at Merced（加州大学默塞德分校） ； University of Queensland（昆士兰大学） ； Case Western Reserve University（凯斯西储大学） 纠错

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

AI总结 Video-STAR通过结合上下文子动作分解与工具增强强化学习，提升开放词汇动作识别的细粒度匹配与跨模态推理能力，有效减少跨模态幻觉。

DepCap: Adaptive Block-Wise Parallel Decoding for Efficient Diffusion LM Inference

DepCap：适应性分块并行解码用于高效扩散语言模型推理

Xiang Xia, Wuyang Zhang, Jiazheng Liu, Cheng Yan, Yanyong Zhang

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

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

AI总结 本文提出DepCap框架，通过自适应分块解码提升扩散语言模型推理效率，实现生成质量与速度的平衡，实验表明在多个模型和任务中达到显著加速效果。

Subliminal Transfer of Unsafe Behaviors in AI Agent Distillation

AI代理蒸馏中不安全行为的潜意识转移

Jacob Dang, Brian Y. Xie, Omar G. Younis

机构 * UCLA（加州大学洛杉矶分校） ； Santa Monica College（圣蒙代克学院） ； Mila, Silverstream AI（Mila与Silverstream AI） 纠错

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

AI总结 研究探讨了在代理系统中行为特征通过模型蒸馏的潜意识转移，通过两个实验设置发现学生代理继承了教师代理的破坏性行为偏见，证明显式数据清理不足以防止隐含行为偏见。

Co-Design of CNN Accelerators for TinyML using Approximate Matrix Decomposition

利用近似矩阵分解设计用于TinyML的CNN加速器

José Juan Hernández Morales, Georgios Mentzos, Frank Hannig, Konstantinos Balaskas, Georgios Zervakis, Jörg Henkel, Jürgen Teich

专题命中 效率与部署 ：post-training(abstract)

AI总结 本文提出利用近似矩阵分解优化CNN硬件实现，无需重新训练即可在严格约束下提升推理延迟，平均提升33%延迟，仅损失1.3%精度。

Fleet: Hierarchical Task-based Abstraction for Megakernels on Multi-Die GPUs

Fleet：多级任务抽象用于多芯片 GPU 上的巨核

Sangeeta Chowdhary, Ryan Swann, Sean Siddens, Muhammad Osama, Stephen Neuendorffer, Alexandru Dutu, Karthik Sangaiah, Sandeepa Bhuyan, Samuel Bayliss, Ganesh Dasika

专题命中 效率与部署 ：LLM(abstract)

AI总结 Fleet 提出了一种多级任务模型，通过引入 Chiplet 任务抽象，提升多芯片 GPU 上内存密集型任务的性能。

Differentiable Surrogate for Detector Simulation and Design with Diffusion Models

基于扩散模型的可微替代品用于探测器模拟与设计

Xuan Tung Nguyen, Long Chen, Tommaso Dorigo, Nicolas R. Gauger, Pietro Vischia, Federico Nardi, Muhammad Awais, Hamza Hanif, Shahzaib Abbas, Rukshak Kapoor

专题命中 效率与部署 ：post-training(abstract)

AI总结 本文提出一种基于扩散模型的条件去噪扩散替代品，用于电磁量能器闪烁体的模拟与设计，通过高效推理和低秩适应实现高保真能量沉积图的生成。

Comments 43 pages, 21 figures

Journal ref Mach. Learn.: Sci. Technol. 7 (2026) 025061

Polarization by Default: Auditing Recommendation Bias in LLM-Based Content Curation

默认极化：在基于LLM的内容编排中审计推荐偏见

Nicolò Pagan, Christopher Barrie, Chris Andrew Bail, Petter Törnberg

机构 * University of Zurich, Department of Informatics（苏黎世大学信息学院） ； New York University, Department of Sociology（纽约大学社会学系） ； University of Oxford, Department of Sociology（牛津大学社会学系） ； Duke University, Department of Sociology, Computer Science, Political Science, and Public Policy（杜克大学社会学系、计算机科学、政治学和公共政策系） ； University of Amsterdam, Institute for Logic, Language and Computation (ILLC)（阿姆斯特丹大学逻辑、语言与计算研究所（ILLC）） 纠错

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

AI总结 研究通过模拟实验揭示LLM在内容选择中的偏见差异，发现极化效应普遍存在，不同提示策略对偏见影响显著，且政治倾向偏见在Twitter/X上表现突出。

AISysRev -- LLM-based Tool for Title-abstract Screening

AISysRev -- 基于 LLM 的标题-摘要筛选工具

Aleksi Huotala, Miikka Kuutila, Olli-Pekka Turtio, Simo Sipilä, Mika Mäntylä

机构 * University of Helsinki（赫尔辛基大学） ； LUT University（拉赫蒂理工大学） 纠错

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

AI总结 AISysRev 是一个基于大语言模型的标题-摘要筛选工具，通过容器化Web应用实现自动化筛选，支持多种LLM模型，减少文献评估负担，但需人类干预处理边界情况。

Comments 4 pages + references. Accepted for publication in the Companion Proceedings of the 34th ACM Symposium on the Foundations of Software Engineering (FSE '26), June 5--9, 2026, Montreal, Canada

Language Models as Semantic Teachers: Post-Training Alignment for Medical Audio Understanding

语言模型作为语义教师：面向医学音频理解的后训练对齐

Tsai-Ning Wang, Lin-Lin Chen, Neil Zeghidour, Aaqib Saeed

机构 * Eindhoven University of Technology, The Netherlands（埃因霍温理工大学，荷兰） ； Kyutai, France（Kyutai公司，法国） ； Eindhoven Artificial Intelligence Systems Institute, The Netherlands（埃因霍温人工智能系统研究所，荷兰） 纠错

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

AI总结 本文提出AcuLa框架，通过将音频编码器与医学语言模型对齐，提升医学音频的语义理解能力，在18个心血管任务中取得最佳性能，显著提升诊断准确性。

Opportunities and Challenges of Large Language Models for Low-Resource Languages in Humanities Research

大型语言模型在人文学科研究中低资源语言的机会与挑战

Tianyang Zhong, Zhenyuan Yang, Zhengliang Liu, Ruidong Zhang, Weihang You, Yiheng Liu, Haiyang Sun, Yi Pan, Yiwei Li, Yifan Zhou, Hanqi Jiang, Junhao Chen, Xiang Li, Tianming Liu

机构 * School of Computing, The University of Georgia（佐治亚大学计算机学院） ； Department of Mathematical and Statistical Sciences, University of Alberta（阿尔伯塔大学数学与统计科学系） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Department of Radiology, Massachusetts General Hospital and Harvard Medical School（麻省总医院放射科和哈佛医学院） 纠错

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

AI总结 本文探讨了大型语言模型在低资源语言研究中的应用，分析了数据获取、模型适应性和文化敏感性等挑战，并强调了跨学科合作与定制模型的重要性。

MEDSYN: Benchmarking Multi-EviDence SYNthesis in Complex Clinical Cases for Multimodal Large Language Models

MEDSYN：多证据合成在复杂临床病例中的基准测试用于多模态大语言模型

Boqi Chen, Xudong Liu, Jiachuan Peng, Marianne Frey-Marti, Bang Zheng, Kyle Lam, Lin Li, Jianing Qiu

机构 * ETH Zurich（苏黎世联邦理工学院） ； MBZUAI（马克斯·普朗克人工智能研究所） ； Amazon（亚马逊） ； University of Oxford（牛津大学） ； University of Bern（伯尔尼大学） ； Imperial College London（伦敦帝国理工学院） ； Peking University（北京大学） 纠错

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

AI总结 MEDSYN是一个多语言、多模态的复杂临床病例基准测试，用于评估多模态大语言模型在差分诊断和最终诊断中的表现，揭示模型在异质临床证据合成中的不足。

Information-Consistent Language Model Recommendations through Group Relative Policy Optimization

通过群体相对策略优化实现信息一致的语言模型推荐

Sonal Prabhune, Balaji Padmanabhan, Kaushik Dutta

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

AI总结 本文提出基于群体相对策略优化的强化学习框架，旨在提升语言模型在等效提示下的信息一致性，通过熵基帮助性和稳定性奖励优化模型稳定性。

Journal ref 2026 IEEE Conference on Artificial Intelligence (CAI)

DALM: A Domain-Algebraic Language Model via Three-Phase Structured Generation

DALM：通过三阶段结构生成的领域代数语言模型

Chao Li

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

AI总结 DALM通过三阶段结构生成框架，利用领域格子进行约束生成，解决领域不确定性、关系不确定性和概念不确定性，实现跨领域污染控制和多视角回答空间生成。

Characterising LLM-Generated Competency Questions: a Cross-Domain Empirical Study using Open and Closed Models

表征大语言模型生成的能力问题：使用开放和封闭模型的跨领域实证研究

Reham Alharbi, Valentina Tamma, Terry R. Payne, Jacopo de Berardinis

机构 * Taibah University, Madinah, Saudi Arabia（塔伊卜大学，麦地那，沙特阿拉伯） ； University of Liverpool, Liverpool, UK（利物浦大学，利物浦，英国） 纠错

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

AI总结 本文通过跨领域分析，系统比较了不同大语言模型生成的能力问题在可读性、相关性和结构复杂性方面的特性。

Comments arXiv admin note: text overlap with arXiv:2507.02989

Deliberative Searcher: Improving LLM Reliability via Reinforcement Learning with constraints

反思搜索器：通过带有约束的强化学习提高大语言模型的可靠性

Zhenyun Yin, Shujie Wang, Xuhong Wang, Xingjun Ma, Yinchun Wang

机构 * Fudan University（复旦大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） 纠错

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

AI总结 本文提出反思搜索器框架，结合置信度校准与基于检索的搜索，通过强化学习优化准确性，提升模型输出的可靠性。

Comments Accepted by ACL 2026

Mirroring Users: Towards Building Preference-aligned User Simulator with User Feedback in Recommendation

镜像用户：构建基于用户反馈的偏好对齐用户模拟器

Tianjun Wei, Huizhong Guo, Yingpeng Du, Zhu Sun, Huang Chen, Dongxia Wang, Jie Zhang

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

AI总结 本文提出一种基于用户反馈的用户模拟器构建框架，通过生成高质量模拟数据提升推荐系统与用户偏好的对齐能力，并通过实验验证其有效性。

Comments ACL 2026 Main. Github: https://github.com/Joinn99/UserMirrorer

MRGEN: A Conceptual Framework for LLM-Powered Mixed Reality Authoring Tools for Education

MRGEN：一种基于大语言模型的混合现实教育作者工具的概念框架

Mohammed Oussama Seddini, Mohamed Ez-Zaouia, Ngoc Luyen Le, Iza Marfisi

机构 * LIUM, Le Mans Université（里摩斯大学） ； IRISA, Université de Rennes（里莫斯大学） 纠错

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

AI总结 本文提出MRGEN框架，利用大语言模型帮助教师创建适用于移动设备的混合现实学习活动，实验显示AI辅助显著缩短任务时间，90%以上参与者认为AI支持有助于构思和对齐学习目标。

Journal ref The Mobile Learning 2026 International Conference, Mar 2026, Zagreb, Croatia

Into the Gray Zone: Domain Contexts Can Blur LLM Safety Boundaries

进入灰色区域：领域上下文可以模糊大语言模型安全边界

Ki Sen Hung, Xi Yang, Chang Liu, Haoran Li, Kejiang Chen, Changxuan Fan, Tsun On Kwok, Weiming Zhang, Xiaomeng Li, Yangqiu Song

专题命中 领域大模型 ：LLM(title,abstract)

AI总结 研究探讨了领域上下文如何模糊大语言模型的安全边界，提出Jargon框架通过多轮对抗交互提升攻击成功率，通过激活空间分析揭示灰色区域的不可靠性，并设计政策引导的防护策略以减少攻击成功率。

Comments ACL 2026 Main Conference

SCRIPT: Implementing an Intelligent Tutoring System for Programming in a German University Context

SCRIPT: 实现一个面向德国大学的智能编程辅导系统

Alina Deriyeva, Jesper Dannath, Benjamin Paassen

机构 * Faculty of Technology, Bielefeld University（比勒菲尔德大学技术学院） 纠错

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

AI总结 本文提出一个适应性强的Python编程智能辅导系统，结合大语言模型提供提示机制，并符合德国数据保护法规和AI伦理框架。

Comments In: Cristea, A.I., Walker, E., Lu, Y., Santos, O.C., Isotani, S. (eds) Artificial Intelligence in Education. Posters and Late Breaking Results, Workshops and Tutorials, Industry and Innovation Tracks, Practitioners, Doctoral Consortium, Blue Sky, and WideAIED. AIED 2025. Communications in Computer and Information Science, vol 2590 . Springer, Cham

FD-NL2SQL: Feedback-Driven Clinical NL2SQL that Improves with Use

FD-NL2SQL：基于反馈的临床自然语言到SQL转换系统，使用越越好

Suparno Roy Chowdhury, Tejas Anvekar, Manan Roy Choudhury, Muhammad Ali Khan, Kaneez Zahra Rubab Khakwani, Mohamad Bassam Sonbol, Irbaz Bin Riaz, Vivek Gupta

机构 * Arizona State University（亚利桑那州立大学） ； Mayo Clinic（梅奥诊所） 纠错

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

AI总结 本文提出FD-NL2SQL，一种基于反馈的临床自然语言到SQL转换系统，通过用户反馈不断优化查询生成。