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。
通过LLM辅助符号执行寻找TEE中的缺失输入验证
专题命中 其他LLM ：LLM(title,title_cn)；large language model(abstract)；language model(abstract)；foundation model(comments)
AI总结 本文提出SymTEE，一种利用LLM辅助符号执行检测TEE应用中缺失输入验证问题的框架，通过AST分析提取可能缺乏充分输入验证的代码片段，并利用LLM生成轻量级mock环境进行符号分析，实验表明其在检测漏洞方面具有高精度和召回率。
Comments Accepted by 2026 IEEE/ACM Third International Conference on AI Foundation Models and Software Engineering (FORGE '26)
决策潜力面：大型语言模型决策边界的理论与实用近似
机构 * The Hong Kong Polytechnic University（香港理工大学） ； University of Macau（澳门大学） ； Shanghai Jiaotong University（上海交通大学） ； Huawei（华为） ； Rochester Institute of Technology（罗切斯特理工学院） ； PolyU Research Centre for Privacy and Security Technologies in Future Smart Systems（PolyU未来智能系统隐私与安全技术研究中心）
专题命中 其他LLM ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract,abstract_cn)；分类 cs.AI、cs.LG
AI总结 本文提出决策潜力面（DPS）作为一种新的分析大型语言模型决策性质的方法，通过K-DPS算法以有限样本近似决策边界，理论推导了误差上限，展示了误差与采样次数的权衡。
Comments Source code: https://github.com/liangzid/DPS
面向用户友好的化学过程模拟的大语言模型代理
机构 * Process and System Engineering Center（过程与系统工程中心） ； Department of Chemical and Biochemical Engineering（化学与生物化学工程系） ； Technical University of Denmark（丹麦技术大学）
专题命中 其他LLM ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract,abstract_cn)；分类 cs.AI
AI总结 本文提出一种基于大语言模型的代理，通过Model Context Protocol与AVEVA Process Simulation集成，实现自然语言交互进行化学过程模拟，提升非专业用户对复杂过程设计、仿真和优化的访问能力。
通过大语言模型解决吉尔伯特-波拉克猜想
机构 * School of EECS, Peking University（北京大学电子工程学院） ； School of Mathematical Sciences, Peking University（北京大学数学科学学院） ； Center for Machine Learning Research, Peking University（北京大学机器学习研究中心） ； State Key Laboratory of General Artificial Intelligence, Peking University, Beijing, China（北京大学通用人工智能国家重点实验室） ； Carnegie Mellon University, Machine Learning Department（卡内基梅隆大学机器学习系）
专题命中 其他LLM ：large language model(title)；language model(title)；LLM(abstract,abstract_cn)；prompting(abstract)
AI总结 本文提出一种新的AI系统，通过生成受规则约束的几何引理并构建专用函数，以获得更紧的Steiner比下界，展示了大语言模型在高级数学研究中的强大潜力。
Comments 44 pages, 11 figures
确定性与概率性摘要：设计模式导向Java代码中的经验性权衡研究
专题命中 其他LLM ：LLM(summary_cn,abstract)
AI总结 本文通过对比确定性（基于启发式）和概率性（基于LLM）管道在面向意图的设计模式Java代码摘要中的表现，研究了摘要方法的权衡问题，发现概率性摘要在语义对齐和上下文覆盖上更优，而确定性方法在简洁性和可重复性上更胜一筹。
Comments 20 pages, 1 figure, 8 Tables, ESEM conference
RE-VLM：事件增强的视觉-语言模型用于场景理解
机构 * School of Artificial Intelligence, Beijing University of Posts and Telecommunications（北京邮电大学人工智能学院） ； State Key Laboratory of General Artificial Intelligence, BIGAI（通用人工智能国家重点实验室，BIGAI）
专题命中 其他LLM ：language model(title,abstract)；分类 cs.AI
AI总结 本文提出RE-VLM，一种结合RGB图像和事件流的双流视觉-语言模型，旨在提升在正常和恶劣条件下对场景的理解能力。通过事件相机提供的高时间分辨率和宽动态范围的数据，RE-VLM在场景描述和视觉问答任务中优于现有模型。
Comments 10 pages, 6 figures, 6 tables
看见诗歌：基于大语言模型的AI生成现代汉语诗歌的图像-语义检测
机构 * Department of Computer and Information Science, University of Macau（澳门大学计算机与信息科学系） ； University of Rochester（罗切斯特大学） ； Sichuan University（四川大学） ； Department of Portuguese, Faculty of Arts and Humanities, University of Macau（澳门大学人文学院葡萄牙语系）
专题命中 其他LLM ：LLM(abstract,abstract_cn)；分类 cs.CL
AI总结 本文提出了一种图像-语义引导的诗歌检测方法，通过整合图像内容与诗歌文本信息，提升大语言模型在检测现代汉语诗歌中的性能，实验结果表明该方法在多个数据集上均优于传统方法。
在软件开发中平衡LLMs的绳子：从业者视角
机构 * Faculty of Information Technology, Monash University（墨尔本大学信息科技学院） ； School of Computing and Information Systems, Singapore Management University（新加坡管理大学计算机与信息系统学院）
专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.AI
AI总结 本文从软件开发者视角出发，研究LLMs对软件开发的影响及管理方法，通过22次访谈和STGT4DA分析方法，揭示了LLMs在个体、团队、组织和社会层面的利弊，并提出了缓解挑战的可行建议。
SiameseNorm: 突破预规范与后规范之间的障碍
机构 * Leap Lab, Tsinghua University（清华大学 Leap 实验室） ； Qwen Large Model Application Team, Alibaba（阿里巴巴 Qwen 大模型应用团队） ； Institute for Interdisciplinary Information Sciences, Tsinghua University（清华大学交叉信息学研究院）
专题命中 其他LLM ：language model(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 本文提出SiameseNorm，一种双流架构，通过共享残差块将预规范和后规范结合，从而在保持训练稳定性的同时提升模型性能，适用于多种架构和模态。
Comments Accepted to ICML 2026; camera-ready version; revised presentation and added additional experimental results
统一多种生成顺序及超越的掩码扩散模型
机构 * Graduate School of AI, KAIST, South Korea（韩国延世大学人工智能研究生院）
专题命中 其他LLM ：language model(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 本文提出Order-Expressive Masked Diffusion Model (OeMDM)和Learnable-Order Masked Diffusion Model (LoMDM)，统一了不同生成顺序的扩散生成过程，并通过单目标学习生成顺序和扩散骨干，提升了文本生成性能。
Comments Accepted at ICML 2026
基于凸松弛的分词
机构 * ETH Zurich（苏黎世联邦理工学院） ； Kensho Technologies（Kensho科技公司）
专题命中 其他LLM ：language model(abstract)；分类 cs.CL、cs.LG
AI总结 本文提出了一种基于凸松弛的分词方法ConvexTok，通过将分词构建问题转化为线性规划并利用凸优化工具求解，改进了分词指标和语言模型的bits-per-byte性能，并提升了下游任务表现。
TBP-mHC: 通过运输多面体实现 manifold-constrained 超连接的全表达性
专题命中 其他LLM ：language model(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出 TBP-mHC，通过运输多面体参数化实现 manifold-constrained 超连接的全表达性，解决了超连接中无约束混合导致的训练不稳定性问题，并在语言模型预训练中展示了竞争性性能和改进的稳定性与可扩展性。
重构失控：理解并缓解编码代理中交织的重构
专题命中 其他LLM ：LLM(abstract_cn)
AI总结 本文研究了编码代理在问题解决中交织重构的现象，通过实证分析发现代理重构的频率和强度低于人类开发者，提出了一种重构感知的精炼方法以提高编译性并解决未解决的问题。
无需训练的细粒度语义分割在低数据环境下：一个FungiTastic基线
机构 * Covision Lab（Covision实验室）
专题命中 其他LLM ：prompting(abstract)
AI总结 本文提出了一种无需训练的两阶段框架，用于在低数据环境下实现细粒度语义分割，通过宏分类提示生成蘑菇掩码，并利用嵌入空间中的原型匹配进行细粒度标签分配，提高了可扩展性和分割成本。
Comments Accepted at the 13th Workshop on Fine-Grained Visual Categorization, CVPR 2026
EventGait: 向事件流中实现鲁棒的步态识别
机构 * University of Science and Technology of China（中国科学技术大学） ； University of Electronic Science and Technology of China（电子科技大学）
专题命中 其他LLM ：foundation model(abstract)
AI总结 本文提出EventGait，一种端到端的双流框架，通过事件相机捕捉动态和形状信息，提升在复杂光照和运动环境下的步态识别鲁棒性，并通过合成数据集和新基准测试验证了其有效性。
视觉工具使用强化学习究竟在学习什么？解构工具诱导效应与内在效应以实现作物和缩放
机构 * Shanghai Jiao Tong University（上海交通大学） ； Fudan University（复旦大学） ； Peking University（北京大学） ； The Chinese University of Hong Kong（香港中文大学）
专题命中 其他LLM ：language model(abstract)
AI总结 本文研究了视觉工具使用强化学习在作物和缩放任务中的学习机制，通过引入MED框架解耦内在能力变化与工具诱导效应，发现改进主要由内在学习驱动，而工具使用强化学习主要减少工具诱导的负面影响，而非掌握工具。
Comments ICML 2026 camera ready. Code: https://github.com/GAIR-NLP/Med
在电路量子电动力学处理器中优化可调耦合器的频率以缓解对量子操作的旁观效应
专题命中 其他LLM ：prompting(abstract)
AI总结 本文研究了如何通过优化可调耦合器的频率来减少量子操作中对其他量子比特的旁观效应，采用了一种流行的类似transmon的可调耦合元件，实现了高保真度、低泄漏的受控-Z门，并通过单极快速绝热脉冲实现了仅在耦合器上操作。
Journal ref Phys. Rev. Lett. 136, 200801 (2026)
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