语言大模型 / LLM

ECHO: Elastic Speculative Decoding with Sparse Gating for High-Concurrency Scenarios

ECHO：基于稀疏门控的弹性推测解码用于高并发场景

Xinyi Hu, Yuhao Shen, Baolin Zhang, Hengxin Zhang, Jun Dai, Shuang Ge, Lei Chen, Yue Li, Mingcheng Wan

机构 * Qwen Applications Business Group of Alibaba（阿里巴巴文勤应用业务部） 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 ECHO通过将推测执行转化为预算调度问题，结合稀疏置信门控优化并发场景下的解码效率，在不同模型规模下均优于现有方法，实现高达5.35倍的加速效果。

Towards Resource-Efficient LLMs: End-to-End Energy Accounting of Distillation Pipelines

迈向资源高效的大型语言模型：蒸馏流水线的端到端能源核算

Katherine Lambert, Sasha Luccioni

机构 * University of Toronto（多伦多大学） 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 本文研究了蒸馏流水线的端到端能源成本，揭示了传统方法的能耗问题，并提出开放源代码工具用于标准化蒸馏研究。

Comments Accepted to the 43rd International Conference on Machine Learning (ICML 2026). 11 pages, 6 figures

APWA: A Distributed Architecture for Parallelizable Agentic Workflows

APWA: 一种用于可并行化代理工作流的分布式架构

Evan Rose, Tushin Mallick, Matthew D. Laws, Cristina Nita-Rotaru, Alina Oprea

机构 * Northeastern University（东北大学） 纠错

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

AI总结 本文提出APWA架构，通过分解任务为非干扰子问题，提升多代理系统处理高并行任务的效率和扩展性。

Comments 25 pages, 2 figures, 14 tables

EVA: Editing for Versatile Alignment against Jailbreaks

EVA：针对对抗性攻击的多功能对齐编辑

Yi Wang, Hongye Qiu, Yue Xu, Sibei Yang, Zhan Qin, Minlie Huang, Wenjie Wang

机构 * ShanghaiTech University（上海科技大学） ； Sun Yat-sen University（中山大学） ； State Key Laboratory of Blockchain and Data Security（区块链与数据安全国家重点实验室） ； Tsinghua University（清华大学） 纠错

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

AI总结 本文提出EVA框架，通过直接模型编辑提升安全对齐，有效中和有害行为，实验显示其在LLMs和VLMs中对抗攻击效果优于现有方法。

Comments IEEE TPAMI 2026

BEAM: Binary Expert Activation Masking for Dynamic Routing in MoE

BEAM：二进制专家激活遮蔽用于MoE中的动态路由

Juntong Wu, Jialiang Cheng, Qishen Yin, Yue Dai, Yuliang Yan, Fuyu Lv, Ou Dan, Li Yuan

机构 * Shenzhen Graduate School, Peking University（北京大学深圳研究生院） 纠错

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

AI总结 BEAM通过可训练二进制掩码实现token自适应专家选择，提升MoE推理效率，减少计算量并提高吞吐量。

Comments 22 pages, 12 figures

MemPrivacy: Privacy-Preserving Personalized Memory Management for Edge-Cloud Agents

MemPrivacy: 为边缘-云代理提供隐私保护的个性化内存管理

Yining Chen, Jihao Zhao, Bo Tang, Haofen Wang, Yue Zhang, Fei Huang, Feiyu Xiong, Zhiyu Li

机构 * MemTensor (Shanghai) Technology Co., Ltd.（MemTensor（上海）科技有限公司） ； HONOR Device Co., Ltd.（HONOR设备有限公司） ； Tongji University（同济大学） 纠错

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

AI总结 MemPrivacy通过在边缘设备上识别隐私敏感内容并用语义结构化的占位符替代，实现隐私保护与语义保留的平衡，提升边缘-云代理的隐私安全与个性化内存效率。

Privacy-preserving Chunk Scheduling in a BitTorrent Implementation of Federated Learning

在联邦学习中的BitTorrent实现中实现隐私保护的分块调度

Naicheng Li, Javad Dogani, Rui Wang, Kaitai Liang, Nikolaos Laoutaris

专题命中 效率与部署 ：LLM(abstract,abstract_cn)

AI总结 本文提出FLTorrent，一种基于BitTorrent的去中心化传播层，用于无服务器联邦学习，通过预热阶段实现传输属性的隐私保护，同时保持高效和低开销。

Comments This paper has been accepted to the 46th IEEE International Conference on Distributed Computing Systems (ICDCS 2026). Please cite the IEEE proceedings version once it becomes available

SR-Platform: An Agentic Pipeline for Natural Language-Driven Robot Simulation Environment Synthesis

SR-Platform：一种基于自然语言的机器人仿真环境合成代理管道

Ben Wei Lim, Minh Duc Le, Thang Truong, Thanh Nguyen Canh

机构 * Strike Robotics 纠错

专题命中 效率与部署 ：LLM(abstract,abstract_cn)

AI总结 SR-Platform通过代理系统将自然语言描述转化为可执行的MuJoCo仿真环境，显著降低手动创建多样机器人训练环境的工作量，实现从普通英文提示在一分钟内生成可执行场景。

TOPOS: High-Fidelity and Efficient Industry-Grade 3D Head Generation

TOPOS: 高保真且高效的工业级3D人脸生成

Bojun Xiong, Zoubin Bi, Xinghui Peng, Yunmu Wang, Junchen Deng, Jun Liang, Jing Li, Bowen Cai, Huan Fu

机构 * HUJING Digital Media & Entertainment Group（华景数字媒体与娱乐集团） 纠错

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

AI总结 TOPOS框架通过统一拓扑结构实现单图像条件下的3D人脸生成，生成具有固定拓扑的高保真人脸网格，提升顶点级对应一致性，优于传统方法。

Comments Technical Report

Stop Overthinking: Unlocking Efficient Listwise Reranking with Minimal Reasoning

停止过度思考：通过最小推理解锁高效的列表级重排序

Danyang Liu, Kan Li

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

AI总结 本文提出Length-Regularized Self-Distillation框架，通过合成高效推理数据集，减少推理成本，提升列表级重排序效果。

AutoMoT: A Unified Vision-Language-Action Model with Asynchronous Mixture-of-Transformers for End-to-End Autonomous Driving

AutoMoT：一种基于异步混合变换器的统一视觉-语言-动作模型用于端到端自动驾驶

Wenhui Huang, Songyan Zhang, Qihang Huang, Zhidong Wang, Zhiqi Mao, Collister Chua, Zhan Chen, Long Chen, Chen Lv

机构 * Nanyang Technological University, Singapore（南洋理工大学，新加坡） ； Harvard University, US（哈佛大学，美国） 纠错

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

AI总结 本文提出AutoMoT，一种统一视觉-语言-动作模型，通过异步混合变换器架构解决自动驾驶中推理与动作空间分布不一致、推理效率低等问题，实验证明其在多基准测试中表现优异。

Your CLIP has 164 dimensions of noise: Exploring the embeddings covariance eigenspectrum of contrastively pretrained vision-language transformers

你的CLIP有164个噪声维度：探索对比性预训练视觉-语言变换器的嵌入协方差特征谱

Jakub Grzywaczewski, Dawid Płudowski, Przemysław Biecek

机构 * Warsaw University of Technology（华沙技术大学） ； Centre for Credible Artificial Intelligence（可信人工智能中心） ； University of Warsaw（华沙大学） 纠错

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

AI总结 本文通过协方差矩阵谱分解，揭示对比预训练VLMs的潜在空间中多模态噪声结构，发现去除共享噪声维度对下游任务性能无害，提供对现代VLMs表征结构的新见解。

GraphBit: A Graph-based Agentic Framework for Non-Linear Agent Orchestration

GraphBit：一种基于图的代理框架用于非线性代理编排

Yeahia Sarker, Md Rahmat Ullah, Musa Molla, Shafiq Joty

机构 * MTSU ； InfinitiBit GmbH ； Salesforce Research 纠错

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

AI总结 GraphBit通过显式定义DAG流程提高代理编排的可重复性和可审计性，在多个基准任务中表现优于现有框架，实现高准确率、低延迟和高吞吐量。

Comments 12 pages, 5 figures, 4 tables. Submitted to arXiv, under review

MHSA: A Lightweight Framework for Mitigating Hallucinations via Steered Attention in LVLMs

MHSA：一种轻量级框架，通过引导注意力缓解LVLMs中的幻觉

Wei Ding, Yilin Li, Yudong Zhang, Ruobing Xie, Xingwu Sun, Jiansheng Chen, Yu Wang

机构 * Tsinghua University（清华大学） ； Tsinghua University, Tencent（清华大学腾讯） ； Tencent（腾讯） ； University of Science and Technology Beijing（北京科技大学） ； University of Macau（澳门大学） 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MHSA框架，通过学习修正跨模态注意力模式来缓解LVLMs中的幻觉，采用简单三层MLP生成器和DHCP判别器信号指导训练，无需修改模型参数即可在多种数据集和模型上有效减少判别和生成幻觉。

Comments 19 pages, 17 figures

D-VLA: A High-Concurrency Distributed Asynchronous Reinforcement Learning Framework for Vision-Language-Action Models

D-VLA：一种面向视觉-语言-动作模型的高并发分布式异步强化学习框架

Yucheng Guo, Yongjian Guo, Zhong Guan, Wen Huang, Haoran Sun, Haodong Yue, Xiaolong Xiang, Shuai Di, Zhen Sun, Luqiao Wang, Junwu Xiong, Yicheng Gong

机构 * Tsinghua University（清华大学） ； Peking University（北京大学） ； Tianjin University（天津大学） ； Beihang University（北航） ； JDT AI Infra（京东AI基础设施） 纠错

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

AI总结 本文提出D-VLA框架，通过平面解耦和四线异步流水线提升大规模视觉-语言-动作模型的并发性和效率，实验显示其在吞吐量和采样效率上优于主流框架。

CSI-JEPA: Towards Foundation Representations for Ubiquitous Sensing with Minimal Supervision

CSI-JEPA：面向无处不在感知的最小监督基础表示

Xuanhao Luo, Zhizhen Li, Yuchen Liu

机构 * North Carolina State University, USA（北卡罗来纳州立大学） 纠错

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

AI总结 CSI-JEPA提出一种自监督预测表示学习框架，通过学习可重用的时频表示，实现高效多任务Wi-Fi感知，提升性能并节省标注数据成本。

Evo-Depth: A Lightweight Depth-Enhanced Vision-Language-Action Model

Evo-Depth：一种轻量化的深度增强视觉-语言-动作模型

Tao Lin, Yuxin Du, Jiting Liu, Nuobei Zhu, Yunhe Li, Yuqian Fu, Yinxinyu Chen, Hongyi Cai, Zewei Ye, Bing Cheng, Kai Ye, Yiran Mao, Yilei Zhong, MingKang Dong, Junchi Yan, Gen Li, Bo Zhao

机构 * School of AI, Shanghai Jiao Tong University（上海交通大学人工智能学院） ； King Abdullah University of Science and Technology（卡塔尔国王 Abdullah 大学科学与技术大学） ； Nanyang Technological University（南洋理工大学） ； SJTU-Quic Robot Joint Lab（上海交通大学-Quick 机器人联合实验室） 纠错

专题命中 效率与部署 ：foundation model(abstract)

AI总结 本文提出Evo-Depth模型，通过轻量隐式深度编码模块和空间增强模块提升视觉-语言-动作任务中的空间感知能力，实现高效部署与高精度操作。

Adapting AlphaEvolve to Optimize Fully Homomorphic Encryption on TPUs

将AlphaEvolve适应于优化TPUs上的全同态加密

Shruthi Gorantala, Jianming Tong, Asra Ali, Baiyu Li, Jonathan Katz, Jeremy Kun, Thomas Steinke, Abhradeep Thakurta, Julian Walker, Amir Yazdanbakhsh

专题命中 效率与部署 ：LLM(abstract)

AI总结 本文提出利用AlphaEvolve自动化优化TPUs上的全同态加密内核，通过进化搜索提升TFHE和CKKS方案的执行效率，减少延迟。

Learning with Semantic Priors: Stabilizing Point-Supervised Infrared Small Target Detection via Hierarchical Knowledge Distillation

基于语义先验的学习：通过分层知识蒸馏稳定点监督的红外小目标检测

Yuanhang Yao, Ping Qian, Zhu Liu, Long Ma, Weimin Wang

机构 * School of Software Technology, Dalian University of Technology（大连理工大学软件学院） 纠错

专题命中 效率与部署 ：foundation model(abstract)

AI总结 本文提出分层知识蒸馏框架，通过冻结视觉基础模型提升点监督红外小目标检测的准确性和稳定性，引入语义条件仿射调制和动态协同学习策略以增强鲁棒性。

CoRDS: Coreset-based Representative and Diverse Selection for Streaming Video Understanding

CoRDS：基于核心集的代表性与多样性选择用于流视频理解

Ailar Mahdizadeh, Puria Azadi, Muchen Li, Xiangteng He, Leonid Sigal

机构 * University of British Columbia（不列颠哥伦比亚大学） ； Vector Institute（向量研究所） 纠错

专题命中 效率与部署 ：language model(abstract)

AI总结 本文提出CoRDS方法，通过核心集选择优化流视频理解中的缓存压缩，提升代表性与多样性，优于传统启发式方法。

A Large Language Model Based Pipeline for Review of Systems Entity Recognition from Clinical Notes

基于大型语言模型的临床笔记中系统回顾实体识别流程

Hieu Nghiem, Zhuqi Miao, Hemanth Reddy Singareddy, Jivan Lamichhane, Abdulaziz Ahmed, Johnson Thomas, Dursun Delen, William Paiva

机构 * Department of Computer Science（计算机科学系） ； Department of Management（管理系） ； Department of Medicine（医学系） ； Center for Health Systems Science and Information Systems（健康系统科学与信息系统中心） ； The State University of New York（纽约州立大学） ； Upstate Medical University（上州医学院） ； Oklahoma State University（俄克拉荷马州立大学） ； Innovation New Paltz（新帕尔茨创新中心） ； Department of Health Services（健康服务系） ； Center for Health Systems（健康系统中心） ； Science and Information Systems University of Alabama at Stillwater, OK, USA（阿拉巴马大学仍水分校） ； Innovation Birmingham, AL, USA（伯明翰创新中心） 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.CL

AI总结 本文提出了一种基于大型语言模型的流程，用于从临床笔记中自动提取系统回顾实体，通过开源模型和新算法提升识别精度与效率。

Comments Accepted by IEEE EMBC 2026. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses, in any current or future media, including reprinting/republishing this material for advertising or promotional purposes, creating new collective works, for resale or redistribution to servers or lists, or reuse of any copyrighted component of this work in other works

Rongzai agent: A Large Language Model-Based Autonomous Assistant for Rietveld Refinement of Neutron Diffraction Data

荣宰代理：一种基于大语言模型的自主助手，用于中子衍射数据的Rietveld精修

Qingmeng Li, Hao Wang, Dongbo Xiong, Jiajun Zhong, Wenhai Ji, Hao Hu, Yiyu Zhang, Bolun Zhang, Hong Wang, Yongfeng Zhu, Rong Du, Zhengde Zhang, Fazhi Qi, Junrong Zhang

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

AI总结 本文提出基于大语言模型的荣宰代理，实现中子衍射数据Rietveld精修的自动化，通过知识驱动决策，提升精修效率与准确性，已在中国散裂中子源部署。

Quantifying and Mitigating Premature Closure in Frontier LLMs

对前沿大语言模型中过早闭合进行量化与缓解

Rebecca Handler, Suhana Bedi, Nigam Shah

机构 * Department of Medicine, Stanford University（斯坦福大学医学系） ； Department of Biomedical Data Science, Stanford University（斯坦福大学生物医学数据科学系） 纠错

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

AI总结 本文研究了大语言模型在医疗任务中过早闭合的问题，通过评估五个前沿模型发现其在不确定情况下仍频繁给出答案，安全提示虽能减少错误，但仍有残留问题，需进一步验证医疗LLM是否能判断何时不应回答。

Comments 14 pages, 3 figures, 1 table

Agentifying Patient Dynamics within LLMs through Interacting with Clinical World Model

通过与临床世界模型交互实现患者动态的智能体化

Minghao Wu, Yuting Yan, Zhenyang Cai, Ke Ji, Chuangsen Fang, Ziying Sheng, Xidong Wang, Rongsheng Wang, Hejia Zhang, Shuang Li, Benyou Wang, Hongyuan Zha

机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） 纠错

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

AI总结 本文提出SepsisAgent，通过临床世界模型模拟患者对液体-血管加压药干预的响应，采用提出-模拟-细化流程进行脓毒症治疗推荐，优于传统RL和LLM基线方法。

LLM-Based Robustness Testing of Microservice Applications: An Empirical Study

基于大型语言模型的微服务应用鲁棒性测试：实证研究

Hrushitha Goud Tigulla, Marco Vieira

机构 * College of Computing（计算学院） ； Informatics University of North Carolina at Charlotte（北卡罗来纳大学夏洛特分校信息学院） ； Charlotte, USA（美国夏洛特） 纠错

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

AI总结 本文通过实证研究探讨大型语言模型在生成微服务应用鲁棒性测试用例中的有效性，发现提示策略对测试用例多样性影响更大，引入两种策略提升测试覆盖率并保持低跨模型相似性。

XDomainBench: Diagnosing Reasoning Collapse in High-Dimensional Scientific Knowledge Composition

XDomainBench：诊断高维科学知识组合中的推理崩溃

Gong Zhiren, Tiantong Wu, Jiaming Zhang, Fuyao Zhang, Che Wang, Yurong Hao, Yikun Hou, Foo Ping, Yilei Zhao, Fei Huang, Chau Yuen, Wei Yang Bryan Lim

机构 * Alibaba Group, China（阿里巴巴集团，中国） 纠错

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

AI总结 XDomainBench通过系统压力测试科学推理，揭示LLM在跨学科知识组合中的推理崩溃问题，发现领域组合导致直接难度增加和轨迹模式引发的误差累积是根本原因。

LLMs learn scientific taste from institutional traces across the social sciences

大语言模型通过社会科学研究中的机构痕迹学习科学品味

Ziqin Gong, Ning Li, Huaikang Zhou

机构 * School of Economics and Management, Tsinghua University（清华大学经济管理学院） 纠错

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

AI总结 本文探讨机构痕迹作为训练信号，帮助AI在低可验证性领域进行评估判断，通过八个社会科学学科的四层研究提案基准测试，验证了微调LLM在不同领域的准确率，最高达85.5%。

Explainable Detection of Depression Status Shifts from User Digital Traces

从用户数字痕迹中可解释地检测抑郁状态转变

Loris Belcastro, Francesco Gervino, Fabrizio Marozzo, Domenico Talia, Paolo Trunfio

机构 * DIMES, University of Calabria（DIMES，卡塔尔大学） 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.CL、cs.AI、cs.LG

AI总结 本文提出一个可解释框架，通过结合多个BERT模型提取多维信号，构建用户轨迹以识别抑郁状态转变，利用大语言模型生成可读报告，提升解释性。

Hidden State Poisoning Attacks against Mamba-based Language Models

针对基于Mamba的语言模型的隐藏状态污染攻击

Alexandre Le Mercier, Chris Develder, Thomas Demeester

机构 * IDLab–T2K, Ghent University–imec（IDLab–T2K，根特大学–imec） 纠错

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

AI总结 本文研究了特定短输入短语对Mamba模型造成部分遗忘效应的攻击现象，揭示了SSM模型对隐藏状态污染攻击的脆弱性，并展示了攻击对Jamba和Nemotron-3-Nano模型的影响。

Comments 29 pages, 4 figures

BRIDGE: Building Representations In Domain Guided Program Synthesis

BRIDGE: 在领域引导的程序合成中构建表示

Robert Joseph George, Carson Eisenach, Udaya Ghai, Dominique Perrault-Joncas, Anima Anandkumar, Dean Foster

机构 * California Institute of Technology（加州理工学院） ； Amazon（亚马逊） 纠错

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

AI总结 BRIDGE通过多艺术ifacts程序合成框架提升Lean验证正确性，结合代码、规范和定理证明领域，提高生成效率和正确率。

Comments 41 pages, 10 figures, 3 tables. Preprint