语言大模型 / LLM

Beyond Steering Vector: Flow-based Activation Steering for Inference-Time Intervention

超越转向向量：基于流的激活转向用于推理时间干预

Zehao Jin, Ruixuan Deng, Junran Wang, Xinjie Shen, Chao Zhang

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

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

AI总结 本文提出FLAS，一种基于流的激活转向方法，通过学习通用概念条件化的速度场来运输未转向的激活到转向的激活，从而在AxBench上超越了提示方法。

Adaptive Computation Depth via Learned Token Routing in Transformers

通过学习的标记路由实现自适应计算深度

Ahmed Abdelmuniem Abdalla Mohammed

机构 * Independent Researcher（独立研究者） 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Token-Selective Attention，通过学习的标记门控机制，在Transformer中动态调整计算深度，减少计算量并提升效率。

Comments 11 pages, 9 figures, 4 tables, https://github.com/AhmedHamadto/TSA

Adaptive Greedy Frame Selection for Long Video Understanding

自适应贪心帧选择用于长视频理解

Yuning Huang, Xiaoyu Ji, Joseph Huang, Yichi Zhang, Fengqing Zhu

机构 * Purdue University（普渡大学） 纠错

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

AI总结 本文提出一种自适应贪心帧选择方法，在固定帧预算下联合优化查询相关性和语义代表性，通过构建1FPS候选池并嵌入两种互补空间，提升长视频问答的准确率。

AceGRPO: Adaptive Curriculum Enhanced Group Relative Policy Optimization for Autonomous Machine Learning Engineering

AceGRPO：自适应课程增强的群体相对策略优化用于自主机器学习工程

Yuzhu Cai, Zexi Liu, Xinyu Zhu, Cheng Wang, Yanfeng Wang, Siheng Chen

机构 * School of Computer Science and Engineering, Beihang University（北京航空航天大学计算机科学与工程学院） ； School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院） 纠错

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

AI总结 本文提出AceGRPO，通过动态数据缓冲和可学习潜力函数提升自主机器学习工程的持续迭代优化能力，实验证明其在MLE-Bench-Lite上达到100%有效提交率。

Comments 18 pages, 5 figures

Shallow Prefill, Deep Decoding: Efficient Long-Context Inference via Layer-Asymmetric KV Visibility

浅层预填，深层解码：通过层不对称的KV可见性实现高效的长上下文推理

Jungsuk Oh, Hyeseo Jeon, Hyunjune Ji, Kyongmin Kong, Jay-Yoon Lee

机构 * Graduate School of Data Science（数据科学研究生院） 纠错

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

AI总结 本文提出SPEED方法，通过不对称的KV可见性策略，仅在低层保留非锚定提示词的KV状态，从而在保持解码阶段全深度的同时降低长上下文推理成本，提升效率。

GeoStack: A Framework for Quasi-Abelian Knowledge Composition in VLMs

GeoStack: 一种用于视觉语言模型中近阿贝尔知识组合的框架

Pranav Mantini, Shishir K. Shah

机构 * The University of Oklahoma School of Computer Science（俄克拉荷马大学计算机科学学院） 纠错

专题命中 效率与部署 ：language model(abstract)

AI总结 GeoStack通过几何约束和结构约束确保基础模型知识保留，实现常数时间推理，有效缓解灾难性遗忘。

Light-FMP: Lightweight Feature and Model Pruning for Enhanced Deep Recommender Systems

Light-FMP：轻量级特征和模型剪枝以增强深度推荐系统

Nghia Bui, Yue Ning, Lijing Wang

专题命中 效率与部署 ：pretraining(abstract)

AI总结 Light-FMP通过预训练、剪枝和继续训练三个阶段，提升深度推荐系统在计算效率与模型准确性的平衡，实现更高效的性能。

On-Orbit Real-Time Wildfire Detection Under On-Board Constraints

轨道上实时野火检测在 onboard 约束下

Matthias Rötzer, Veronika Pörtge, Martin Ickerott, Jayendra Praveen Kumar Chorapalli, Dimitri Scheftelowitsch, Max Bereczky, Dmitry Rashkovetsky, Sai Manoj Appalla, Julia Gottfriedsen

机构 * OroraTech GmbH ； Ludwig-Maximilians-Universität München（慕尼黑路德维希-马克西米利安大学） 纠错

专题命中 效率与部署 ：pretraining(abstract)

AI总结 本文提出一个在九颗卫星热红外星座上实时检测野火的系统，克服了小模型体积、低延迟推理和快速警报管道等约束，通过轻量密集表示学习在极端类别不平衡下实现高精度检测。

SwitchCodec: A High-Fidelity Nerual Audio Codec With Sparse Quantization

SwitchCodec：一种高保真神经音频编解码器与稀疏量化

Jin Wang, Wenbin Jiang, Xiangbo Wang, Yubo You, Sheng Fang

专题命中 效率与部署 ：post-training(abstract)

AI总结 本文提出SwitchCodec，通过残差专家向量量化和多级判别器提升音频压缩质量，在低比特率下保持高保真度，实现高效压缩与低训练成本。

Comments There is some technical error in this paper's method

From Cradle to Cloud: A Life Cycle Review of AI's Environmental Footprint

从源头到云：人工智能环境足迹生命周期回顾

Katherine Lambert, Sasha Luccioni

专题命中 效率与部署 ：post-training(abstract)

AI总结 本文通过系统文献综述，分析了AI环境足迹各阶段的影响及测量方法，指出生命周期语言定义模糊，报告依赖粗略CO2e估算，提出更全面的评估方法。

Journal ref 2026 ACM Conference on Fairness, Accountability, and Transparency

A Few Good Clauses: Comparing LLMs vs Domain-Trained Small Language Models on Structured Contract Extraction

几个优质的子句：比较LLM与领域训练的小语言模型在结构化合同提取中的表现

Nicole Lincoln, Nick Whitehouse, Jaron Mar, Rivindu Perera

机构 * Onit AI Labs, Onit Inc.（Onit AI实验室，Onit公司） 纠错

专题命中 领域大模型 ：LLM(title_cn,summary_cn)；language model(title,abstract)；small language model(title,abstract)；SLM(abstract,abstract_cn)

AI总结 本文比较了LLM与领域训练的小语言模型在结构化合同提取中的性能，发现领域训练的小模型在成本显著降低的情况下表现更优。

Lightweight Stylistic Consistency Profiling: Robust Detection of LLM-Generated Textual Content for Multimedia Moderation

轻量级风格一致性剖析：面向多媒体审核的LLM生成文本稳健检测

Siyuan Li, Aodu Wulianghai, Xi Lin, Xibin Yuan, Qinghua Mao, Guangyan Li, Xiang Chen, Jun Wu, Jianhua Li

机构 * School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学学院） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） 纠错

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

AI总结 本文提出LiSCP方法，通过结合离散风格特征与连续语义信号，提升对抗环境下的LLM生成文本检测鲁棒性，实现在多领域中的优越性能。

Cooperative Profiles Predict Multi-Agent LLM Team Performance in AI for Science Workflows

协同特征预测多智能体LLM团队在AI for Science工作流中的性能

Shivani Kumar, Adarsh Bharathwaj, David Jurgens

机构 * University of Michigan（密歇根大学） 纠错

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

AI总结 本文通过六种行为经济学游戏评估35个LLM的协同特征，发现其能有效预测AI for Science任务中的团队表现，特别是在数据处理、建模和报告生成中，协同策略优于贪心策略。

Whole-body CT attenuation and volume charts from routine clinical scans via evidence-grounded LLM report filtering

通过证据引导的LLM报告过滤从常规临床扫描中获得全身CT衰减和体积图表

Christian Wachinger, Bernhard Renger, Christopher Späth, Jan Kirschke, Marcus Makowski

机构 * Institute of Radiology, School of Medicine and Health, Technical University of Munich（医学与健康学院放射学研究所，慕尼黑技术大学） ； Institute of Neuroradiology, School of Medicine and Health, Technical University of Munich（医学与健康学院神经放射学研究所，慕尼黑技术大学） ； Munich Data Science Institute (MDSI), Technical University of Munich（慕尼黑数据科学研究所（MDSI），慕尼黑技术大学） ； Munich Center for Machine Learning (MCML), Munich, Germany（慕尼黑机器学习中心（MCML），德国慕尼黑） 纠错

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

AI总结 本文提出证据引导的LLM集成方法，通过过滤病理发现，构建病理减少的队列，建立106个解剖结构的全身参考图表，支持标准化定量表型分析和多中心影像研究。

Comments Supplement available at: https://github.com/ai-med/body-charts/blob/main/body_charts_supp.pdf

Multi-Modal LLM based Image Captioning in ICT: Bridging the Gap Between General and Industry Domain

基于多模态LLM的ICT图像描述：弥合通用与行业领域之间的差距

Lianying Chao, Kai Zhang, Haoran Cai, Sijie Wu, Xubin Li, Xin Chen

机构 * GTS, Huawei Technologies Co., Ltd.（华为技术有限公司GTS部门） 纠错

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

AI总结 本文提出多阶段训练策略，构建ICT领域图像描述模型DICModel，通过合成图像文本对提升模型性能，实验表明其在BLEU指标和准确率上均优于现有模型。

Journal ref 2025 CCF BigData

Decodable but Not Corrected by Fixed Residual-Stream Linear Steering: Evidence from Medical LLM Failure Regimes

可解码但无法通过固定残差-流线性引导进行纠正：来自医疗LLM失败模式的证据

Ming Liu

机构 * Amazon（亚马逊） 纠错

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

AI总结 研究探讨了LLM隐藏状态中线性可解码的失败信号能否用于纠正失败，通过Overthinking现象发现线性引导无法有效纠正，但可解码的失败结构支持生成后可靠性估计。

Comments 22 pages (14 main + 8 appendix), 5 figures, 7 tables. Under review

Hypothesis generation and updating in large language models

在大语言模型中生成和更新假设

Hua-Dong Xiong

机构 * School of Psychological and Brain Sciences（心理与脑科学学院） 纠错

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

AI总结 研究大语言模型在数独游戏中生成和更新假设的机制，发现其存在系统偏差，且在评估与生成之间存在差距，但无法有效推广至未覆盖的假设领域。

Bridging visual saliency and large language models for explainable deep learning in medical imaging

弥合视觉显著性与大语言模型以实现医学影像中可解释的深度学习

Paul Valery Nguezet, Elie Tagne Fute, Yusuf Brima, Benoit Martin Azanguezet, Marcellin Atemkeng

机构 * Department of Mathematics and Computer science（数学与计算机科学系） ； Institute of Cognitive Science（认知科学研究所） ； Rhodes University（罗德斯大学） ； National Institute for Theoretical and Computational Sciences (NITheCS)（理论与计算科学国家研究所） 纠错

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

AI总结 本文提出一种多模态可解释框架，通过结合CNN和大语言模型，生成脑肿瘤分类的可操作临床见解，提升深度学习在医学影像中的透明度和临床责任性。

EAGLE: Expert-Augmented Attention Guidance for Tuning-Free Industrial Anomaly Detection in Multimodal Large Language Models

EAGLE：专家增强的注意力引导用于多模态大语言模型中的无调优工业异常检测

Xiaomeng Peng, Xilang Huang, Seon Han Choi

机构 * Ewha Womans University（峨山女子大学） 纠错

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

AI总结 EAGLE通过整合专家异常检测器与冻结的MLLM，提出无调优框架，提升多模态大语言模型在工业异常检测中的准确率，且在MVTec-AD和VisA数据集上达到94.4%和88.1%的异常鉴别准确率。

Automated Clinical Report Generation for Remote Cognitive Remediation: Comparing Knowledge-Engineered Templates and LLMs in Low-Resource Settings

远程认知康复中自动化临床报告生成：在低资源环境下比较知识工程模板与LLM

Yongxin Zhou, Fabien Ringeval, François Portet

机构 * Univ. Grenoble Alpes, CNRS, Grenoble INP, LIG（格勒诺布尔阿尔卑斯大学、国家科学研究中心、格勒诺布尔INP、LIG实验室） 纠错

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

AI总结 本文比较了在低资源环境下使用知识工程模板和LLM生成远程认知康复的自动化临床报告，探讨了临床可靠性与语言质量的权衡。

Eliciting associations between clinical variables from LLMs via comparison questions across populations

通过跨人群比较问题从LLMs中提取临床变量之间的关联

Fabian Kabus, Kian Kordtomeikel, Thomas Brox, Heinz Wiendl, Daiana Stolz, Harald Binder

机构 * Institute of Medical Biometry and Statistics (IMBI), Medical Center, University of Freiburg（弗赖堡大学医学生物统计学研究所（IMBI）、弗赖堡大学医学中心） ； Department of Computer Science, Faculty of Engineering, University of Freiburg（弗赖堡大学工程学院计算机科学系） ； Department of Pneumology, Medical Center, University of Freiburg（弗赖堡大学呼吸科医学中心） ； Department of Neurology and Neurophysiology, Medical Center, University of Freiburg（弗赖堡大学神经学与神经生理学医学中心） 纠错

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

AI总结 本文提出通过结构化比较问题从LLMs中提取临床变量关联，结合统计模型估计相关性，验证在COPD和MS领域中获得保守的因果预测候选链接。

Wisteria: A Unified Multi-Scale Feature Learning Framework for DNA Language Model

藤萝：一种统一的多尺度特征学习框架用于DNA语言模型

Weihua Wang, Haoji Li, Feilong Bao, Lei Yang, Guanglai Gao

机构 * College of Computer Science, Inner Mongolia University（内蒙古大学计算机科学学院） ； National and Local Joint Engineering Research Center of Intelligent Information Processing Technology for Mongolian（蒙古语智能信息处理技术国家级与地方联合工程研究中心） ； Inner Mongolia Key Laboratory of Multilingual Artificial Intelligence Technology（内蒙古多语种人工智能技术重点实验室） ； School of Life Sciences, Inner Mongolia University（内蒙古大学生命科学学院） 纠错

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

AI总结 本文提出Wisteria模型，通过统一框架整合多尺度特征学习，结合门控扩张卷积和门控多层感知机，有效统一局部和全局依赖建模，提升DNA序列分析性能。

Comments 25 pages, 4 figures. Under review

Plug-and-play Class-aware Knowledge Injection for Prompt Learning with Visual-Language Model

即插即用的类感知知识注入用于具有视觉-语言模型的提示学习

Junhui Yin, Nan Pu, Xinyu Zhang, Lingfeng Yang, Lin Wu, Xiaojie Wang, Zhun Zhong

机构 * University of Science and Technology Beijing（北京科技大学） ； Hefei University of Technology（合肥工业大学） ； University of Auckland（奥克兰大学） ； Nanjing University of Science and Technology（南京理工大学） ； Swansea University（斯旺西大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） 纠错

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

AI总结 本文提出CAKI框架，通过类特定提示生成和查询-键提示匹配，补充现有方法中的类特定知识，提升基类和新类的性能。

Comments Accepted by International Journal of Computer Vision

Beyond Factual Correctness: Mitigating Preference-Inconsistent Explanations in Explainable Recommendation

超越事实正确性：缓解可解释推荐中的偏好不一致解释

Chengkai Wang, Baisong Liu

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

AI总结 本文提出PURE框架，通过选择-生成范式缓解推荐中因偏好不一致导致的解释问题，提升解释可信度与推荐准确性。

Comments The authors have identified an issue in the evaluation protocol in Section 5.1.3. Feature extraction and semantic matching used to compute P-EHR require correction and re-validation, as they may not have been applied consistently across all generated explanations and baselines. This may affect part of the reported quantitative results and analysis, so the authors withdraw this version

Purely Agent-Driven Black-Box Optimization for Biological Design

纯粹的基于代理的黑盒优化用于生物设计

Natalie Maus, Yimeng Zeng, Haydn Thomas Jones, Yining Huang, Gaurav Ng Goel, Alden Rose, Kyurae Kim, Hyun-Su Lee, Marcelo Der Torossian Torres, Fangping Wan, Cesar de la Fuente-Nunez, Mark Yatskar, Osbert Bastani, Jacob R. Gardner

机构 * University of Pennsylvania（宾夕法尼亚大学） 纠错

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

AI总结 本文提出PABLO框架，通过基于语言的代理方法在生物设计中实现高效黑盒优化，提升样本效率和目标值，展示其在抗微生物肽优化中的卓越性能。

Dynamic Expert-Guided Model Averaging for Causal Discovery

动态专家指导的模型平均用于因果发现

Adrick Tench, Thomas Demeester

机构 * Ghent University - imec（根特大学 - imec） 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 本文提出一种动态专家指导的模型平均方法，整合选择性专家查询以集成多种因果发现算法，区分边存在与方向，提升数据驱动与专家输入的互补优势。

RVPO: Risk-Sensitive Alignment via Variance Regularization

基于方差正则化的风险敏感对齐：RVPO

Ivan Montero, Tomasz Jurczyk, Bhuwan Dhingra

机构 * Apple（苹果公司） 纠错

专题命中 领域大模型 ：LLM(abstract)；RLHF(abstract)；分类 cs.CL、cs.LG

AI总结 本文提出RVPO框架，通过在优势聚合中惩罚奖励方差，将目标从最大化总和转为最大化一致性，提升多目标对齐的可靠性。

Comments 17 pages, 5 figures

Handling and Interpreting Missing Modalities in Patient Clinical Trajectories via Autoregressive Sequence Modeling

通过自回归序列建模处理和解释患者临床轨迹中的缺失模态

Andrew Wang, Ellie Pavlick, Ritambhara Singh

机构 * Brown University（布朗大学） 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 本文通过自回归序列建模方法处理医疗数据中缺失模态的问题，提出对比预训练目标并验证了其在MIMIC-IV和eICU数据集上的有效性，提升了模型可解释性。

MedHorizon: Towards Long-context Medical Video Understanding in the Wild

MedHorizon：迈向真实场景下的长上下文医学视频理解

Bodong Du, Bowen Liu, Yang Yu, Xinpeng Ding, Zhiheng Wu, Shuning Wang, Shuo Nie, Naiming Liu, Qifeng Chen, Yangqiu Song, Xiaomeng Li

机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； Baidu Inc.（百度公司） ； Xidian University（西安电子科技大学） 纠错

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

AI总结 MedHorizon提出一个真实场景下的长上下文医学视频理解基准，通过稀疏证据和多跳临床推理评估，揭示当前系统在完整流程理解上的不足。

Stateful Agent Backdoor

具备状态的代理后门

Zhengchunmin Dai, Jiaxiong Tang, Liantao Wu, Peng Sun, Honglong Chen

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

AI总结 本文提出一种具备状态的代理后门，通过持久化组件跨多个会话维持状态，实现自主递增执行。该方法基于Mealy机建模，并通过分解框架提升攻击成功率。