语言大模型 / LLM

Verified Critical Step Optimization for LLM Agents

用于大语言模型代理的验证关键步骤优化

Mukai Li, Qingcheng Zeng, Tianqing Fang, Zhenwen Liang, Linfeng Song, Qi Liu, Haitao Mi, Dong Yu

机构 * Tencent AI Lab（腾讯AI实验室） ； The University of Hong Kong（香港大学） ； Northwestern University（西北大学） 纠错

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

AI总结 本文提出CSO方法，通过验证关键步骤进行强化学习，以提升代理在复杂任务中的表现，实验显示其在GAIA-Text-103和XBench-DeepSearch上优于SFT基线。

Comments ACL 2026 Findings

Analysing Lightweight Large Language Models for Biomedical Named Entity Recognition on Diverse Ouput Formats

分析轻量级大语言模型在多种输出格式上的生物医学命名实体识别

Pierre Epron, Adrien Coulet, Mehwish Alam

机构 * Inria, Inserm, Université Paris Cité, HeKA, UMR 1346, Paris, France（法国国家科学研究中心（Inria）、法国国家医学研究院（Inserm）、巴黎城市大学（Université Paris Cité）、HeKA、法国国家科研机构（UMR 1346）、巴黎） ； Télécom Paris, Institut Polytechnique de Paris, France（巴黎电信学院（Télécom Paris）、巴黎理工学院（Institut Polytechnique de Paris）、法国） 纠错

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

AI总结 研究轻量级大语言模型在生物医学命名实体识别中的性能，评估不同输出格式对模型表现的影响，发现轻量级模型在资源受限环境下具有竞争力。

Comments LREC 2026 - Language Resources and Evaluation Conference, May 2026, Palma De Majorque, Spain

Learning to Rewrite Tool Descriptions for Reliable LLM-Agent Tool Use

学习重写工具描述以实现可靠的LLM-代理工具使用

Ruocheng Guo, Kaiwen Dong, Xiang Gao, Kamalika Das

机构 * Intuit AI Research（Intuit AI研究院） 纠错

专题命中 指令微调 ：LLM(title,title_cn)；prompting(abstract)；分类 cs.AI

AI总结 本文提出Trace-Free+框架，通过渐进式转移监督从轨迹丰富设置到轨迹自由部署，提升代理在大规模工具库中的鲁棒性与泛化能力，同时提高查询成功率。

Comments Preprint

Identifying the Achilles' Heel: An Iterative Method for Dynamically Uncovering Factual Errors in Large Language Models

找出阿基里斯之踵：一种用于动态揭示大语言模型事实错误的迭代方法

Wenxuan Wang, Yuk-Kit Chan, Zixuan Ling, Juluan Shi, Youliang Yuan, Jen-tse Huang, Yifei Zhang, Wenxiang Jiao, Zhaopeng Tu, Michael R. Lyu

机构 * Renmin University of China（中国人民大学） ； The Chinese University of Hong Kong（香港中文大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学深圳校区） ； Johns Hopkins University（约翰霍普金斯大学） ； Nanyang Technological University（南洋理工大学） ； Xiaohongshu Inc.（小红书公司） ； Tencent Inc.（腾讯公司） 纠错

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

AI总结 本文提出HalluHunter框架，通过知识图谱和规则基NLP技术，系统揭示大语言模型的事实错误，测试表明可触发55%的问题错误。

Comments Accepted by Findings of ACL 2026

PAINT: Partial-Solution Adaptive Interpolated Training for Self-Distilled Reasoners

PAINT：部分解适应插值训练用于自蒸馏推理器

Zhiquan Tan, Yinrong Hong

机构 * Tsinghua University（清华大学） ； Beihang University（北航） 纠错

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

AI总结 PAINT通过部分解适应插值训练，在自蒸馏推理器中提升大语言模型的推理能力，优于现有基线方法。

Delineating Knowledge Boundaries for Honest Large Vision-Language Models

界定诚实大视觉-语言模型的知识边界

Junru Song, Yimeng Hu, Yijing Chen, Huining Li, Qian Li, Lizhen Cui, Yuntao Du

机构 * Shandong University（山东大学） 纠错

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

AI总结 本文提出系统框架提升VLM在面对未知问题时的拒绝能力，通过构建'视觉-不知'数据集并采用监督微调与偏好优化方法，提升事实准确率至67.3%，并在医疗等领域实现泛化。

SplitFT: An Adaptive Federated Split Learning System For LLMs Fine-Tuning

SplitFT: 一种适用于大语言模型微调的自适应联邦分裂学习系统

Yimeng Shan, Zhaorui Zhang, Sheng Di, Yu Liu, Xiaoyi Lu, Benben Liu

机构 * Hong Kong Polytechnic University（香港理工大学） ； University of California, Merced（加州大学梅尔德分校） ； The University of Hong Kong（香港大学） 纠错

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

AI总结 本文提出SplitFT系统，通过自适应设置切层和降低LoRA秩来提升联邦分裂学习在大语言模型微调中的效率与性能，实验表明其在多个基准测试中表现优异。

Multimodal LLMs are not all you need for Pediatric Speech Language Pathology

多模态大语言模型并非儿科言语语言病理学的全部需求

Darren Fürst, Sebastian Steindl, Ulrich Schäfer

机构 * Ostbayerische Technische Hochschule（奥斯特拜尔技术大学） 纠错

专题命中 指令微调 ：LLM(abstract)；分类 cs.CL

AI总结 本文提出一种分层方法对儿童语音障碍进行分类，通过微调语音表示模型和数据增强技术，提高了临床任务的性能，证明语音表示模型在各项任务中均显著优于基于大语言模型的最新方法。