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。
大型语言模型与人类评分者在论文评分中的一致性：一项研究综合
机构 * Department of Educational Policy Studies, Georgia State University（乔治亚州立大学教育政策研究系）
专题命中 其他LLM ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract,abstract_cn)；分类 cs.CL
AI总结 通过综合65项研究，发现大型语言模型与人类评分者在论文评分中的一致性高度依赖上下文，且跨研究及研究内部差异显著。
引导LLM使用软件设计模式的策略：以单例模式为例
机构 * University of Gothenburg and Chalmers University of Technology（哥德堡大学和查尔姆斯理工大学）
专题命中 其他LLM ：LLM(title_cn,summary_cn)；large language model(abstract)；language model(abstract)；prompting(abstract)
AI总结 通过实验比较四种提示策略（指令、二元自动反馈、详细自动反馈、少样本详细反馈），评估13个LLM在164个Java编码挑战中生成遵循单例模式的代码的能力，发现迭代二元反馈在保持或提升功能性的同时最佳地实现了单例模式对齐。
Comments Accepted at PROMISE 2026
多方利益相关者LLM对齐：从聚合中分解估计
机构 * AMAP, Alibaba Group（阿里集团AMAP） ； Beihang University（北京航空航天大学）
专题命中 其他LLM ：LLM(title,title_cn)；分类 cs.AI
AI总结 针对多方利益相关者任务中用户偏好冲突的问题，提出DecompR方法，通过反事实校准权重固定查询结构，独立估计角色效用，消除候选依赖的权重漂移并降低估计噪声。
Extra-Merge：追踪语言模型预训练中模型合并的秩-1子空间
机构 * School of Advanced Interdisciplinary Sciences, University of Chinese Academy of Sciences, Beijing, China（中国科学院大学先进交叉学科学院） ； State Key Laboratory of AI Safety, Institute of Computing Technology, Chinese Academy of Sciences, China（中国科学院人工智能安全国家重点实验室） ； University of Chinese Academy of Sciences, China（中国科学院大学） ； Alibaba Group, China（阿里巴巴集团） ； School of Mathematics, Southeast University, Nanjing, China（东南大学数学学院）
专题命中 其他LLM ：language model(title,abstract)；large language model(abstract)；分类 cs.LG
AI总结 本文通过分析预训练后期轨迹发现秩-1子空间现象，提出无需额外训练的Extra-Merge方法，沿该子空间外推以最小化损失，在GPT-2和LLaMA系列上优于标准合并基线。
MuCon: 用于LLM训练的裁剪Muon更新
机构 * Albert Yi（阿尔伯特·伊）
专题命中 其他LLM ：LLM(title,title_cn)；分类 cs.LG
AI总结 本文提出MuCon优化器，通过奇异值裁剪替代Muon的极分解方向，并研究其近似计算与数值稳定性。
检索增强生成的上下文优化：梯度下降视角
机构 * University of Massachusetts, Amherst（马萨诸塞大学阿默斯特分校） ； University of Connecticut（康涅狄格大学） ； Emory University（埃默里大学）
专题命中 其他LLM ：LLM(summary_cn,abstract)；分类 cs.CL
AI总结 本文从梯度下降视角研究检索增强生成（RAG）作为上下文优化过程，提出一种轻量级前向更新方法，在冻结LLM和检索器的情况下提升生成器对检索证据的利用。
人格生成器：为任意上下文生成多样化的合成人格
机构 * Google DeepMind（谷歌DeepMind）
专题命中 其他LLM ：LLM(abstract,abstract_cn)；large language model(abstract)；language model(abstract)；分类 cs.AI
AI总结 提出Persona Generators，通过迭代进化优化生成覆盖广泛意见和偏好的多样化合成人格，在六个多样性指标上显著优于现有基线。
AlignEvoSkill: 迈向知识感知与任务对齐的智能体技能进化
机构 * Singapore Management University（新加坡国立大学）
专题命中 其他LLM ：LLM(summary_cn,abstract)；分类 cs.CL
AI总结 提出AlignEvoSkill框架，通过联合建模知识覆盖和任务对齐，从失败轨迹中识别知识标签、检索并适配候选技能，再基于知识覆盖和任务对齐分数筛选高质量技能，在3个基准和4个LLM骨干上相对提升34.7%，实现技能进化新SOTA且成本更低。
FoundObj: 自监督基础模型作为无标签3D物体分割的奖励
机构 * Shenzhen Research Institute, The Hong Kong Polytechnic University（深圳研究院，香港理工大学） ； vLAR Group, The Hong Kong Polytechnic University（vLAR小组，香港理工大学）
专题命中 其他LLM ：foundation model(title,abstract)；分类 cs.AI、cs.LG
AI总结 提出FoundObj框架，利用自监督2D/3D基础模型的语义和几何先验作为奖励，通过强化学习引导超点合并，实现无标注复杂场景3D物体分割。
Comments ICML 2026. Zihui and Zhixuan are co-first authors. Code and data are available at: https://github.com/vLAR-group/FoundObj
通过社交网络分析探索MoltBook中的智能体交互
专题命中 其他LLM ：LLM(abstract,abstract_cn)；large language model(abstract)；language model(abstract)
AI总结 本研究提出一个多维分析框架，结合社交网络分析、情感分析和主题可视化，解码MoltBook平台中基于大语言模型的智能体之间的交互语义和情感，并聚焦于智能体原生通信的内在机制。
PinPoint: 通过信息性内部点进行提示
机构 * University of Waterloo（滑铁卢大学） ； Critical ML ； Apple（苹果公司）
专题命中 其他LLM ：prompting(title)；language model(abstract)；分类 cs.CL
AI总结 针对指代图像分割中VLM与SAM结合时因提示模糊导致的性能差距，提出无需训练的确定性点选择器PinPoint，通过融合视觉线索选择稳定、信息丰富的内部点，在无训练下达到监督和强化学习方法的性能。
揭示视觉-语言模型的脆弱性：通过纹理约束扰动和跨模态优化的多模态对抗协同
机构 * School of Software Engineering, Huazhong University of Science and Technology（华中科技大学软件学院） ； Nanyang Technological University, Singapore（新加坡南洋理工大学） ； University College London（伦敦大学学院）
专题命中 其他LLM ：language model(title,abstract)；分类 cs.AI
AI总结 提出多模态对抗协同框架，通过纹理约束的通用对抗扰动和可学习的文本提示扰动，在黑盒设置下联合优化，揭示视觉-语言模型在多模态攻击下的脆弱性。
Comments Publish in AAAI 2026
对抗性注水：理论、算法与基础模型
机构 * College of Computing and Data Science (CCDS), Nanyang Technological University, Singapore（南洋理工大学计算与数据科学学院（CCDS），新加坡） ； Princeton University, United States（普林斯顿大学，美国）
专题命中 其他LLM ：foundation model(title,abstract)；分类 cs.LG
AI总结 针对频率和空间上的竞争资源分配问题，提出对抗性注水（AWF）问题及其理论和算法，并开发无线基础模型学习AWF搜索动力学，实现超过一个数量级的运行时间改进。
Comments Submitted to IEEE Journal of Selected Topics in Signal Processing
卡尔曼演化：通过可解释算法发现缩小卡尔曼滤波的差距
机构 * KTH Royal Institute of Technology（皇家理工学院）
专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.AI、cs.LG
AI总结 针对非线性传感场景下卡尔曼滤波性能下降的问题，提出Kalman Evolve框架，联合优化噪声参数与更新结构，利用大语言模型生成可解释的非仿射修改，在多个基准上实现高达12%的RMSE降低。
更具表达力的前馈层：第一部分。激活的令牌自适应混合
机构 * Peking University（北京大学）
专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.AI、cs.LG
AI总结 提出令牌自适应激活混合（MoA）和可学习激活（LA）方法，通过轻量级输入相关门混合多个激活函数，在理论和实验上证明其比固定激活FFN具有更强的表达能力和更优的缩放行为。
Comments 31 pages
线性与神经延迟反馈的对抗性赌博机
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； The Chinese University of Hong Kong（香港中文大学）
专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.AI、cs.LG
AI总结 针对随机延迟反馈下的上下文对抗性赌博机问题，提出线性（LDB-DF）和神经（NDB-DF）两种算法，通过将逆概率加权（IPW）机制直接融入损失函数实现无偏校正，并给出线性设置下O(d*sqrt(T))的遗憾界和神经设置下的次线性保证。
理解大语言模型迭代生成优化中的挑战
机构 * Google DeepMind（谷歌DeepMind） ； CNRS（国家科学研究中心） ； Stanford University（斯坦福大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Microsoft（微软） ； AWS（亚马逊AWS） ； Netflix Research（Netflix研究） ； Microsoft Research（微软研究院）
专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.AI、cs.LG
AI总结 本文通过案例研究，揭示了在基于大语言模型的迭代生成优化中，起始工件、信用分配和批处理等隐藏设计选择对优化成败的决定性影响，并指出缺乏跨领域的通用学习循环设置方法是生产化和采用的主要障碍。
Comments 39 pages, 17 figures
生成式动画：面向提示驱动运动合成的多模型流水线
机构 * Canva ； Adobe
专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.AI
AI总结 提出一种结合大语言模型和分割模型的流水线，将自然语言提示自动转换为符合场景几何、深度遮挡和3D透视变换的动画运动路径。
Comments 5 pages, 6 figures
非光滑优化的谱下降收敛性
机构 * School of Mathematical Sciences, Zhejiang University, Hangzhou, China（浙江大学数学科学学院，杭州，中国）
专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.LG
AI总结 研究Muon优化器的简化变体谱下降(SD)及其截断版本(TSD)在非光滑凸优化中的全局线性收敛性，并应用于鲁棒低秩矩阵恢复。
从静态上下文到校准的交互式强化学习：利用对齐模拟器缓解多轮对话中的分布偏移
机构 * Fudan University（复旦大学）
专题命中 其他LLM ：LLM(abstract,abstract_cn)；分类 cs.AI
AI总结 本文提出校准的交互式强化学习框架，通过将交互式强化学习与模拟器对齐相结合，缓解多轮对话中因策略和模拟器导致的分布偏移，提升对话质量。
评估结构化生成式搜索摘要的计划
机构 * Waseda University/Naver Corporation（早稻田大学/NAVER公司） ； Waseda University（早稻田大学） ； Naver Corporation（NAVER公司）
专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.AI
AI总结 提出一个评估大型语言模型生成的结构化搜索摘要的框架，该摘要包含概述、带标题的章节和引用源文档列表，并描述了实施和评估该框架的计划。
Comments 8 pages (including 2 pages for references)
SWAP：通过顺序水印实现软提示的版权审计
机构 * Sun Yat-sen University（中山大学） ； Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学） ； Nanyang Technological University（南洋理工大学）
专题命中 其他LLM ：language model(abstract)；分类 cs.AI、cs.LG
AI总结 针对软提示的版权保护问题，提出一种基于顺序水印的审计方法SWAP，通过将水印嵌入到更复杂的输出分布顺序空间中，实现无害且鲁棒的版权验证。
Comments This paper has been accepted by the International Journal of Computer Vision (IJCV), 2026. The first two authors contributed equally to this work. 28 pages
侵蚀对真实语音的信任：人类音频深度伪造感知的大规模研究
机构 * Fraunhofer AISEC（弗劳恩霍夫人工智能安全研究中心）
专题命中 其他LLM ：language model(abstract)；分类 cs.AI
AI总结 通过大规模听辨实验（1768名参与者，35532次判断），发现音频深度伪造导致人类对真实语音的信任下降（准确率从72.7%降至64.1%），而非检测伪造能力下降。
用于抓取的目标姿态与形状估计：有效吗？
机构 * Robotics Research Center, IIIT Hyderabad（IIIT海得拉巴机器人研究中心） ； National University of Singapore（新加坡国立大学）
专题命中 其他LLM ：language model(abstract)
AI总结 本文通过对比端到端抓取合成方法与模块化方法（先估计目标姿态和形状再采样抓取），评估现有姿态和形状估计方法在抓取任务中的有效性。
Comments 9 pages, 8 figures
AdaMorph: 通过具身感知自适应变换器实现统一运动重定向
机构 * JD Explore Academy（京东探索学院）
专题命中 其他LLM ：prompting(abstract)
AI总结 提出AdaMorph统一框架，利用具身感知自适应变换器将人体运动重定向到多种机器人形态，实现零样本泛化。
蓝宝石上硅超表面生成中性原子的暗阱和亮阱阵列
专题命中 其他LLM ：SLM(abstract_cn)
AI总结 本文提出利用蓝宝石上晶体硅超表面将高斯光束转换为复杂光阱阵列，包括暗阱和亮阱，并改进Gerchberg-Saxton算法实现三维瓶状光束设计，为中性原子捕获提供可扩展、低噪声的集成解决方案。
Comments Main text + supplementary (submitted a revised/improved version)
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