AI 大模型
大语言模型、预训练、指令微调、后训练和语言模型应用。
QuIDE：通过主动优化掌握量化智能的权衡
机构 * College of Information Engineering, Shanghai Maritime University（上海海洋大学信息工程学院）
专题命中 效率与部署 ：LLM(abstract_cn)；分类 cs.AI、cs.LG
AI总结 QuIDE提出一个统一的评估指标，通过主动优化解决量化神经网络的压缩-精度-延迟权衡问题，展示不同任务的帕累托膝点，为混合精度搜索提供可复现的评估协议。
Comments 16 pages, 9 figures
通过表示层次解析剪枝何时有效
机构 * University of Maryland, College Park, USA（美国马里兰大学学院公园分校） ； Northeastern University, USA（美国东北大学）
专题命中 效率与部署 ：language model(abstract)；分类 cs.CL、cs.LG
AI总结 本文通过分析语言模型内部计算的三个空间，揭示剪枝在非生成任务中有效而在生成任务中失效的原因，为剪枝应用提供指导。
Comments ICML 2026. 24 pages, 21 figures, and 3 tables. Includes an appendix with supplementary experiments and derivations
GeneZip：面向长上下文DNA建模的区域感知压缩
机构 * Mila - Québec AI Institute（魁北克人工智能研究所） ； Université de Montréal（蒙特利尔大学） ； National Research Council of Canada（加拿大国家研究理事会） ； University of Ottawa（渥太华大学） ； HEC Montréal（蒙特利尔高等商学院）
专题命中 效率与部署 ：pretraining(abstract)；分类 cs.AI、cs.LG
AI总结 GeneZip通过动态路由和区域感知比率目标实现长上下文DNA建模的高效压缩，有效提升验证PPL、减少冗余并提高训练效率。
Comments Preprint, work in progress
弹性注意力核心用于可扩展的视觉变换器
机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of Hong Kong（香港大学） ； Columbia University（哥伦比亚大学）
专题命中 效率与部署 ：foundation model(abstract)；分类 cs.LG
AI总结 本文提出VECA架构，通过弹性核心-外围注意力机制实现线性复杂度，避免二次缩放，提升高分辨率视觉任务性能。
Comments Project repository here: https://github.com/alansong1322/VECA
在浮点尺度中搜索！
机构 * NVIDIA ； vLLM ； AI & vLLM Project ； Dao et al.
专题命中 效率与部署 ：language model(abstract)；分类 cs.LG
AI总结 本文提出ScaleSearch方法，通过细粒度搜索优化量化误差，提升模型性能，并引入ScaleSearchAttention加速语言模型。
Proteus：一种自演化红队用于代理技能生态系统
机构 * Department of Computer Science and Engineering（计算机科学与工程系）
专题命中 效率与部署 ：LLM(abstract)；分类 cs.AI
AI总结 Proteus通过自演化框架评估代理技能的适应性泄露风险，通过五轴攻击空间搜索，实现高攻击成功率和路径扩展，揭示现有技能审核对适应性攻击的不足。
自监督学习中基于聚类的理论基础
机构 * Centre for Vision, Speech and Signal Processing (CVSSP)（视觉、语音和信号处理中心） ； Surrey Institute for People-Centred AI (PAI)（Surrey 以人为本的人工智能研究所）
专题命中 效率与部署 ：foundation model(abstract)；分类 cs.LG
AI总结 本文通过类比监督学习，将自监督学习建模为K-L散度优化，提出通过教师分布约束防止模式崩溃，并理论化了知识蒸馏与中心化等常用方法。
技能1：通过强化学习实现技能增强代理的统一进化
机构 * University of Science and Technology of China（中国科学技术大学） ； Meituan（美团） ； National University of Singapore（新加坡国立大学） ； Zhejiang University（浙江大学） ； Wuhan University（武汉大学）
专题命中 效率与部署 ：language model(abstract)；分类 cs.AI
AI总结 本文提出Skill1框架，通过单一策略协同进化技能选择、利用与蒸馏，以共享任务目标优化技能库维护，实验表明其优于现有基线方法。
高效利用GPU原生视频编解码器实现远程KV缓存重用
机构 * Nanjing University（南京大学） ； Institute for AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究院（AIR））
专题命中 效率与部署 ：LLM(abstract)；分类 cs.LG
AI总结 本文提出基于GPU原生视频编解码器的远程KV缓存重用方案，通过紧凑布局和高效传输减少TTFT，实验显示比现有方法提升3.51倍。
Comments Accepted by SIGCOMM 2026
高效算法用于具有带反馈的逻辑上下文滑动老虎机
机构 * Microsoft Research India（微软印度研究院）
专题命中 效率与部署 ：language model(abstract)；分类 cs.LG
AI总结 本文提出Slate-GLM-OFU和Slate-GLM-TS算法，通过局部规划和全局学习实现低计算成本和低遗憾，实验显示其在合成设置中优于现有基线，并在二分类任务中表现良好。
Comments Accepted to UAI 2025
迈向基于视觉的多模态摘要：通过跨模态Transformer和门控注意力
机构 * School of Computing, Macquarie University（麦考瑞大学计算机学院）
专题命中 效率与部署 ：language model(abstract)；分类 cs.AI
AI总结 本文提出SPeCTrA-Sum框架，通过深度视觉处理器和轻量视觉相关性预测器实现文本摘要与图像选择，提升多模态摘要的视觉连贯性与准确性。
Comments Accepted to Findings of ACL 2026
BitLM：通过位连续扩散解锁多令牌语言生成
机构 * Shanghai Jiao Tong University（上海交通大学） ； MMLab, The Chinese University of Hong Kong（中大香港机器学习实验室） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； SIAT, Chinese Academy of Sciences（中国科学院软件研究所）
专题命中 效率与部署 ：language model(abstract)；分类 cs.CL
AI总结 BitLM通过位连续扩散模型实现多令牌并行生成，结合因果注意力与联合词决策，提升预训练效率和推理速度，证明单令牌生成并非必要。
Comments 12 pages, 4figures, 1 table
LucidFlux：一种无需图像描述的高质量图像修复方法
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
专题命中 效率与部署 ：language model(abstract)
AI总结 LucidFlux通过大规模扩散变压器实现无描述图像修复，引入轻量双分支条件器和自适应调制方案，提升几何精度与纹理恢复，优于开源和商业基线。
Comments Project Page: https://w2genai-lab.github.io/LucidFlux
通过关系感知视觉增强缓解LVLM中的动作关系幻觉
机构 * Tongji University（同济大学）
专题命中 效率与部署 ：language model(abstract)
AI总结 本文提出通过关系感知视觉增强方法，缓解LVLM中动作关系幻觉问题，通过提升模型对关键视觉区域的关注度，有效减少幻觉并泛化至其他关系幻觉。
Kairos：面向物理AI的可扩展服务系统
机构 * Princeton University（普林斯顿大学） ； Microsoft（微软公司）
专题命中 效率与部署 ：foundation model(abstract)
AI总结 Kairos是首个支持生成-执行循环的多机器人服务系统，通过主动参与执行阶段，显著降低任务延迟，适用于广泛物理AI模型和机器人。
AffectCodec：用于表达性语音建模的情感保持神经语音编解码器
机构 * College of William & Mary（威廉姆斯与玛丽学院） ； Emory University（埃默里大学） ； George Mason University（乔治·梅森大学）
专题命中 效率与部署 ：language model(abstract)
AI总结 本文提出AffectCodec，通过情感引导的神经语音编解码器在保持语义忠实和语调自然的同时，保留情感信息，提升语音重建、情感识别和文本到语音生成的性能。
Comments Accepted to ACL Findings 2026
HSUGA：基于层次语义理解与群体感知对齐的LLM增强推荐
专题命中 领域大模型 ：LLM(title,title_cn)；large language model(abstract)；language model(abstract)
AI总结 HSUGA通过引入层次语义理解和群体感知对齐模块，解决LLM增强推荐中用户语义嵌入提取与利用的可靠性与适应性问题，提升推荐性能。
Comments Accepted by ACL 2026 Findings
阅读、grep和合成：诊断跨领域种子暴露对LLM研究构想的影响
机构 * Yonsei University, Seoul, Republic of Korea（延世大学，首尔，韩国）
专题命中 领域大模型 ：LLM(title,title_cn)；分类 cs.AI
AI总结 本文通过PaperGym框架研究跨领域检索对LLM构想系统的影响，发现种子暴露提升特定性，但检索效果不如随机多样种子控制，表明系统需进一步优化语义理解。
Comments 12 pages, 2 figures, 7 tables
通过多SAE层转换实现领域限制
机构 * Technion -- Israel Institute of Technology, Haifa, Israel（技术ion理工学院，海法，以色列）
专题命中 领域大模型 ：LLM(summary_cn,abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI
AI总结 本文通过分析LLM内部动态，提出利用稀疏自编码器（SAE）层转换提取领域特征的方法，验证了其在区分out-of-domain文本中的有效性。
为何用户前往那里：世界知识增强的生成性下一个兴趣点推荐
机构 * Amap, Alibaba Group（阿里巴巴集团阿地图） ； Xi’an Jiaotong University（西安交通大学）
专题命中 领域大模型 ：LLM(summary_cn,abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI
AI总结 本文提出AWARE模型，通过LLM代理生成时空感知的上下文叙述，结合用户行为增强世界知识，提升POI推荐效果，实验证明其优于基线模型。
在训练LLM监控器时，跨领域泛化有多有用？
机构 * Anthropic Fellows Program（Anthropic 后备计划）
专题命中 领域大模型 ：LLM(title,title_cn)；language model(abstract)；分类 cs.AI
AI总结 研究通过多任务训练提升跨领域分类性能，发现部分泛化效果，但存在特定场景下的失败，混合训练能保持优势并缓解泛化问题。
TabDLM：通过联合数值-语言扩散生成自由形式表格数据
机构 * Washington University in St. Louis（华盛顿大学圣路易斯分校） ； Peking University（北京大学） ； Ant Group（蚂蚁集团）
专题命中 领域大模型 ：LLM(abstract,abstract_cn)；language model(abstract)；foundation model(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 本文提出TabDLM，通过联合数值-语言扩散模型生成包含文本、分类和数值特征的自由形式表格数据，有效解决多模态数据生成难题。
Comments Preprint
CompNO：一种用于求解偏微分方程的新型基础模型方法
机构 * Mines Paris - PSL University, Centre for Material Forming (CEMEF)（巴黎 Mines - PSL 大学，材料成型中心（CEMEF）） ； Mines Paris - PSL University, Centre for Robotics (CAOR)（巴黎 Mines - PSL 大学，机器人中心（CAOR））
专题命中 领域大模型 ：foundation model(title,abstract)；pretraining(abstract)；分类 cs.LG
AI总结 CompNO通过学习基础块和适应块构建参数化PDE求解器，降低计算成本并保持物理可解释性，适用于一维对流、扩散、对流-扩散和Burgers方程。
Comments Under review at MDPI
ClinicalBench: 用于MIMIC-IV跨入院临床问答的应力测试型断言感知检索
专题命中 领域大模型 ：LLM(summary_cn,abstract)；分类 cs.CL、cs.AI
AI总结 ClinicalBench通过400个问题测试43名MIMIC-IV患者，评估断言敏感类别下的检索性能，采用EpiKG知识图谱检索方法，通过六种LLM模型测试，发现断言感知检索在临床问答中提升22个百分点。
Comments 46 pages including appendices (two-column preprint format). Under review at JAMIA. Code, frozen evaluator, and benchmark released at https://huggingface.co/datasets/alexstinard/epikg-clinicalbench. ClinicalBench v2 is a 400-question MIMIC-IV stress test for assertion-aware retrieval
用语义增强重新连接碎片化的引文网络
机构 * Digital Data and Information for Society, Science, and Culture, Zuse Institute Berlin（数字数据与信息社会、科学与文化，柏林祖布研究所） ； Institute of Mathematics, Vietnam Academy of Science and Technology（越南科学技术 academy 数学研究所） ； Software and Algorithms for Discrete Optimization, Technische Universität Berlin（离散优化软件与算法，柏林技术大学） ； Applied Optimization, Zuse Institute Berlin（应用优化，柏林祖布研究所） ； Kooperativer Bibliotheksverbund Berlin-Brandenburg (KOBV), Zuse Institute Berlin（柏林-勃兰登堡合作图书馆联合会 (KOBV)，柏林祖布研究所）
专题命中 领域大模型 ：LLM(abstract,abstract_cn)；large language model(abstract)；language model(abstract)；分类 cs.AI
AI总结 本文提出一种结合引文拓扑和大语言模型的高效框架，通过添加语义边和文本相似性加权，减少引文网络碎片化，保留学科同质性，并提升聚类分析的结构可解释性。
Comments 11 pages, 4 figures, 3 tables
通过代理AI发现可解释的替代模型：应用于引力波
机构 * Kavli Institute for Theoretical Physics, University of California Santa Barbara（加州大学圣芭芭拉分校凯文利理论物理研究所） ； Center for Gravitational Physics, University of Texas at Austin（德克萨斯大学奥斯汀分校重力物理中心） ； Department of Physics, University of California at Santa Barbara（加州大学圣芭芭拉分校物理系） ； International Centre for Theoretical Sciences, Tata Institute of Fundamental Research（塔塔基础研究机构国际理论科学研究中心） ； School of Natural Sciences, Institute for Advanced Study（高级研究院自然科学学院） ； Chennai Mathematical Institute（钦奈数学研究所） ； Kavli Institute for Cosmological Physics, The University of Chicago（芝加哥大学凯文利宇宙物理研究所） ； Department of Particle Physics & Astrophysics, Weizmann Institute of Science（魏茨曼科学研究所粒子物理与天体物理系）
专题命中 领域大模型 ：LLM(abstract,abstract_cn)；large language model(abstract)；language model(abstract)；分类 cs.AI
AI总结 本文提出GWAgent，一种基于大语言模型的流程，直接从模拟数据构建可解释的分析替代模型。通过物理指导的域假设提升模型精度，实现高精度、快速且可解释的引力波模拟替代。
Comments 25 pages, 9 figures, codes available at https://github.com/tousifislam/GWAgent
模板作为本体：用于跨领域制造人工智能验证的可配置合成数据基础设施
机构 * Siemens Digital Industries Software（西门子数字工业软件）
专题命中 领域大模型 ：LLM(abstract,abstract_cn)；large language model(abstract)；language model(abstract)；分类 cs.AI
AI总结 本文提出一种模板作为本体的方法，通过单一Python配置模块生成制造仿真和AI分析工具的统一数据结构，验证了跨领域制造AI验证的可行性。
Comments 18 pages, 1 fugure
语义训练鸿沟：面向工业AI代理系统的本体引导工具架构
机构 * Siemens Digital Industries Software（西门子数字工业软件）
专题命中 领域大模型 ：LLM(abstract,abstract_cn)；large language model(abstract)；language model(abstract)；分类 cs.AI
AI总结 本文提出基于本体的工具架构，解决工业AI代理系统中语义训练鸿沟问题，通过类型关系配置增强语义约束，减少领域标识符的幻觉率，实现跨域配置能力。
Comments 29 pages, 2 figures
超越手动整理：通过代理文献提取流程增强靶向蛋白降解数据库
机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； Chalmers University of Technology（楚姆勒斯技术大学） ； University of Gothenburg（哥德堡大学） ； Yardi School of Artificial Intelligence（Yardi人工智能学院） ； Indian Institute of Technology Delhi（德里印度理工学院）
专题命中 领域大模型 ：LLM(summary_cn,abstract)；分类 cs.LG
AI总结 本文提出一种基于代理的LLM工作流，通过三角比较提升靶向蛋白降解数据库的提取效率，实现了数据库的自动化扩展与验证，提高了数据质量和应用价值。
语言模型对谁进行对齐？在高风险竞争需求下测量主导层级
机构 * Thomson Reuters Foundational Research（汤姆森·路透基础研究） ； University of Oxford（牛津大学） ； Imperial College London（帝国理工学院伦敦分校）
专题命中 领域大模型 ：language model(title,abstract)；分类 cs.AI
AI总结 研究探讨了在高风险专业场景中语言模型如何在用户、机构权威和专业规范之间进行对齐，发现模型在任务执行中常忽视专业规范，且对齐层级在不同领域和模型间不稳定。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈