语言大模型 / LLM

Translation Analytics for Freelancers II: Benchmarking Local LLMs for Confidential Translation Workflows

自由译者的翻译分析 II：用于保密翻译工作流的本地大语言模型基准测试

Yuri Balashov, Rex VanHorn, Mingxi Xu, Austin Downes

机构 * University of Georgia（佐治亚大学） 纠错

专题命中 评测与基准 ：LLM(abstract)；language model(abstract)；分类 cs.CL

AI总结 针对自由译者和小型语言服务提供商，开发了实用低门槛的方法，通过基准测试本地可运行的大语言模型在保密敏感领域的离线翻译性能，发现精心选择的本地大语言模型可匹配或超越本地神经机器翻译系统和前沿大语言模型，但落后于顶级商业神经机器翻译系统。

Comments 20 pages. Accepted at EAMT-2026 (Tilburg, Netherlands, June 2026)

GraphARC: A Comprehensive Benchmark for Graph-Based Abstract Reasoning

GraphARC：基于图的抽象推理综合基准

Saku Peltonen, August Bøgh Rønberg, Andreas Plesner, Roger Wattenhofer

机构 * ETH Z\"urich Z\"urich Switzerland ； ETH Z\"urich 纠错

专题命中 评测与基准 ：language model(abstract)；foundation model(abstract)；分类 cs.AI

AI总结 提出GraphARC基准，将抽象推理扩展到图结构数据，通过少样本变换学习任务评估模型在局部、全局和层次图变换上的泛化能力，并揭示语言模型的理解-执行差距和规模扩展障碍。

Comments Accepted at KDD 2026 Datasets and Benchmarks Track

MAVEN: Improving Generalization in Agentic Tool Calling

MAVEN：提升智能体工具调用的泛化能力

Omkar Ghugarkar, Vishvesh Bhat, Muhammad Ahmed Mohsin, Asad Aali

机构 * CoreThink AI, USA（CoreThink AI, 美国） ； Stanford University, Stanford, CA, USA（斯坦福大学, 加州斯坦福, 美国） 纠错

专题命中 评测与基准 ：large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 提出MAVEN框架，通过轻量级符号推理脚手架实现结构化分解、自适应工具编排和中间验证，在多个基准测试中显著提升模型性能，且成本仅为前沿专有模型的约1/10。

Triaging Threats to Specialized Guardrails

针对专用护栏的威胁分类

Wenjie Jacky Mo, Xiaofei Wen, Rui Cai, Boyu Zhu, Sicong Jiang, Zihan Wang, Minglai Yang, Zhe Zhao, Muhao Chen

机构 * University of California, Davis（加州大学戴维斯分校） 纠错

专题命中 评测与基准 ：large language model(abstract)；language model(abstract)；分类 cs.CL

AI总结 提出GuardZoo统一基准和RouteGuard路由专家框架，通过将对话分流至专用护栏，解决单一护栏在多种威胁域上的任务干扰问题，提升细粒度检测和泛化能力。

Improving Relative Representations with Learned Anchors and Whitened Inner Products

改进相对表示：使用学习锚点和白化内积

Oscar Thorsted Svendsen, Nikolaj Holst Jakobsen, Fabian Mager, Hiba Nassar

机构 * Technical University of Denmark（丹麦技术大学） 纠错

专题命中 评测与基准 ：language model(abstract)；small language model(abstract)；分类 cs.LG

AI总结 提出通过学习锚点作为鲁棒语义原型并采用几何感知的相似度度量（白化内积），改进相对表示方法，实现跨模型的高保真信息传输和零样本通信。

Comments 14 pages, 5 figures

PhyDrawGen: Physically Grounded Diagram Generation from Natural Language

PhyDrawGen: 基于自然语言的物理约束图表生成

Nafiul Haque, Syed Nazmus Sakib, Shifat E Arman

机构 * Department of Robotics and Mechatronics Engineering, University of Dhaka（机器人与机电工程系，达卡大学） 纠错

专题命中 评测与基准 ：large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 提出PhyDrawGen神经符号管道，通过场景图提取、确定性求解器和视觉验证循环，从自然语言生成符合物理定律的图表，在力学、光学和电磁学基准上显著优于现有模型。

Comments 9 figures, 7 tables. Under review at EMNLP 2026

ValueGround: Evaluating Culture-Conditioned Visual Value Grounding in MLLMs

ValueGround: 评估多模态大语言模型中文化条件化的视觉价值基础

Zhipin Wang, Christoph Leiter, Christian Frey, Mohamed Hesham Ibrahim Abdalla, Josif Grabocka, Steffen Eger

机构 * University of Technology Nuremberg (UTN)（图恩大学） 纠错

专题命中 评测与基准 ：large language model(abstract)；language model(abstract)；分类 cs.CL

AI总结 提出ValueGround基准，通过最小对比图像对评估多模态大语言模型在文化条件化视觉价值判断中的表现，发现模型在可视化选项下准确率显著低于文本选项。

Comments Updated preprint

HypoSpace: A Diagnostic Benchmark for Set-Valued Hypothesis Generation under Underdetermination and Sublinear Coverage Bounds

HypoSpace: 欠定性与次线性覆盖边界下集合值假设生成的诊断基准

Tingting Chen, Beibei Lin, Zifeng Yuan, Qiran Zou, Hongyu He, Anirudh Goyal, Yew-Soon Ong, Dianbo Liu

机构 * National University of Singapore（国立新加坡大学） ； College of Computing（计算学院） ； Data Science（数据科学） ； Nanyang Technological University（南洋理工大学） ； Centre for Frontier AI Research (CFAR)（前沿人工智能研究中心 (CFAR)） ； Agency for Science, Technology and Research（科技研究局） ； Meta Superintelligence Labs（Meta超智能实验室） 纠错

专题命中 评测与基准 ：large language model(abstract)；language model(abstract)；分类 cs.CL

AI总结 提出HypoSpace基准，通过三个结构化领域评估大语言模型在欠定假设空间中的采样能力，发现模型在高有效性下存在覆盖失败，并展示分层解码可部分缓解该问题。

GEM-Bench: A Benchmark for Ad-Injected Response Generation within Generative Engine Marketing

GEM-Bench：生成引擎营销中广告注入响应生成的基准测试

Silan Hu, Shiqi Zhang, Yimin Shi, Xiaokui Xiao

机构 * National University of Singapore（新加坡国立大学） 纠错

专题命中 评测与基准 ：LLM(abstract,abstract_cn)；分类 cs.CL

AI总结 针对生成引擎营销中广告注入响应生成缺乏专门基准的问题，提出首个综合基准GEM-Bench，包含多场景数据集、多维度指标和基线方案，实验表明简单提示方法虽能提升点击率但降低用户满意度，而基于预生成无广告响应的插入方法可缓解此问题但增加开销。

Comments Technical Report

When AI Meets Wall Street: A Survey on Trustworthy AI in Fintech

当AI遇见华尔街：金融科技中可信AI综述

Qingwen Zeng, Zhenghao Zhao, Yitian Yang, Yiqi Zhu, Fangchen Liu, Zhaoge Bi, Moe Thandar Kyaw Wynn, Kim-Kwang Raymond Choo, Huaming Chen

专题命中 评测与基准 ：LLM(abstract,abstract_cn)

AI总结 本文提出一个以生命周期为中心、机制驱动的统一框架，将金融AI分为训练更新、部署推理、运营监控三个阶段，并构建金融AI安全与鲁棒性分类法，涵盖17种攻击子类型，分析其算法策略、可行性约束、隐蔽性与持久性及下游金融后果，最后指出开放挑战并规划研究议程。

FBHM: Functional Benchmarking and Steering of VLMs for Hateful Meme Detection

FBHM：用于仇恨模因检测的功能性基准测试与视觉语言模型引导

Paramananda Bhaskar, Naquee Rizwan, Daksh Jogchand, Saurabh Kumar Pandey, Animesh Mukherjee

机构 * Indian Institute of Technology (IIT), Kharagpur（印度理工学院（IIT）卡拉格浦尔） ； Microsoft（微软） 纠错

专题命中 评测与基准 ：language model(abstract)；分类 cs.CL、cs.AI

AI总结 针对现有基准无法因果评估视觉语言模型漏洞的问题，提出基于25种修辞功能和10个目标社区构建的FBHM基准，并采用可学习引导向量（LSV）在极低数据量下提升模型性能约30个Macro-F1点。

AMNESIA: A Large Scale Medical Unlearning Benchmark Suite with Disease-Informed Analysis

AMNESIA: 一个大规模医学遗忘基准套件与疾病知情分析

Saeedeh Davoudi, Reihaneh Iranmanesh, Ophir Frieder, Nazli Goharian

机构 * IR Lab, Computer Science Department, Georgetown University, Washington D.C.（信息检索实验室，计算机科学系，乔治·华盛顿大学，华盛顿特区） 纠错

专题命中 评测与基准 ：LLM(abstract_cn)；分类 cs.CL、cs.LG

AI总结 提出AMNESIA，首个大规模开源医学遗忘基准，包含70,560个问答对，评估四种遗忘方法，发现个体遗忘会侵蚀同病患者的其他知识。

Chem-PerturBridge: a harmonized compendium of small molecule perturbation transcriptomic effects

Chem-PerturBridge：小分子扰动转录组效应的协调汇编

Artur Szałata, Olga Novitskaia, Maiia Shulman, Matthew Mella, Altynbek Zhubanchaliyev, Fabian J. Theis

机构 * Institute of Computational Biology, Helmholtz Center Munich（计算生物学研究所，慕尼黑亥姆霍尔茨中心） ； TUM School of Life Sciences Weihenstephan, Technical University of Munich（慕尼黑技术大学生命科学学院Weihenstephan分校） ； Institut Curie, INSERM U1331, Computational Oncology（curie研究所，INSERM U1331，计算肿瘤学） ； TUM School of Computation, Information and Technology, Technical University of Munich（慕尼黑技术大学计算、信息与技术学院） 纠错

专题命中 评测与基准 ：pretraining(abstract)；分类 cs.LG

AI总结 为解决小分子扰动转录组数据碎片化问题，构建了涵盖37k化合物、136种细胞背景和125万样本的协调资源Chem-PerturBridge，并验证了其在跨数据集签名一致性评估和化合物表示学习预训练中的有效性。

Comments 33 pages, 6 figures, 16 tables

When Are Multimodal Predictions Biologically Supported? A Diagnostic Evaluation Framework

何时多模态预测具有生物学支持？一个诊断性评估框架

Dylan Steiner, Gustavo Arango-Argoty, Gerald Sun, Etai Jacob

机构 * Oncology Data Science & AI, R&D（肿瘤数据科学与人工智能，研发） 纠错

专题命中 评测与基准 ：foundation model(abstract)；分类 cs.LG

AI总结 提出DECAT框架，通过五个零参考指标和规则决策，将多模态表示分类为四种诊断场景，以检测模型是否学到共享生物学、单模态生物学或虚假相关性。

FAM-Bench: A Multimodal Benchmark for Condition-Aware Food-as-Medicine Reasoning

FAM-Bench：面向条件感知的“食物即药物”推理的多模态基准

Mingyang Mao, Bhargav Rishi Medisetti, Utkarsh Grover, Tanvir Ibrahim, Wenyan Li, Tingting Zhang, Xiaomin Lin

机构 * Department of Electrical Engineering, University of South Florida（佛罗里达州立大学电气工程系） ； Muma College of Business, University of South Florida（佛罗里达州立大学Muma商学院） ； Computer Science, University of Copenhagen（哥本哈根大学计算机科学系） 纠错

专题命中 评测与基准 ：language model(abstract)；分类 cs.AI

AI总结 提出FAM-Bench多模态基准，包含2500个营养专家验证的实例，通过菜肴适宜性评估和比较分析两个任务，测试模型在特定健康状况下对食物选择的推理能力。

SAM for Robust Mitochondria Instance Segmentation in Fluorescence Microscopy

SAM 用于荧光显微镜中鲁棒的线粒体实例分割

Suyog Jadhav, Dilip K. Prasad, Krishna Agarwal

机构 * UiT The Arctic University of Norway（UiT北极大学） 纠错

专题命中 评测与基准 ：foundation model(abstract)；分类 cs.AI

AI总结 通过仅在合成荧光显微镜数据上微调 SAM，解决了真实数据稀缺问题，提高了线粒体实例分割的精度和平均 Dice 分数。

Comments Accepted at PHAROS-AIF-MIH workshop @ CVPR 2026

A Unified and Reproducible Experimentation Framework for Speech Understanding

语音理解的统一可复现实验框架

Jing Peng, Junhao Du, Chenghao Wang, Hanqi Li, Yi Yang, Yixuan Wang, Xiaoyu Gu, Guanyu Chen, Yucheng Wang, Jiang Li, Zhangjie Zhao, Haoran Wang, Wenming Tu, Haoyu Li, Duo Ma, Lirong Qian, Yu Xi, Wen Wen, Jiaqi Guo, Hui Zhang, Shuai Fan, Wenbin Jiang, Shuai Wang, Kai Yu

机构 * X-LANCE Lab, Department of Computer Science and Engineering, Shanghai Jiao Tong University（上海交通大学计算机科学与工程系X-LANCE实验室） ； MoE Key Lab of Artificial Intelligence（人工智能MOE重点实验室） ； Jiangsu Key Lab of Language Computing（江苏省语言计算重点实验室） ； AISpeech Ltd（AISpeech有限公司） ； ETH Zürich（苏黎世联邦理工学院） ； Nanjing University（南京大学） ； Hangzhou Dianzi University（杭州电子科技大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） 纠错

专题命中 评测与基准 ：foundation model(abstract)；分类 cs.AI

AI总结 提出SURE框架，通过标准化预测格式、归一化和评分，以及代理辅助的训练转换流程，提高语音理解模型在部署场景下的可比性和可复现性。

Comments This paper is submitted to INTERSPEECH 2026

HistCAD: A Constraint-Aware Parametric History-Based CAD Representation, Dataset, and Benchmark with Industrial Complexity

HistCAD：一种约束感知的基于参数化历史CAD表示、数据集和具有工业复杂性的基准

Xintong Dong, Chuanyang Li, Peng Zheng, Chuqi Han, Jiaxin Jing, Hailong Shen, Yanzhi Song, Zhouwang Yang

机构 * University of Science and Technology of China（中国科学技术大学） 纠错

专题命中 评测与基准 ：LLM(abstract)；分类 cs.AI

AI总结 提出HistCAD表示标准、数据集和基准，通过显式约束记录草图、特征和操作，实现可编辑的参数化CAD序列生成与评估。

Adaptive Physics Transformer with Fused Global-Local Attention for Subsurface Energy Systems

自适应物理Transformer融合全局-局部注意力用于地下能源系统

Xin Ju, Nok Hei, Fung, Yuyan Zhang, Carl Jacquemyn, Matthew Jackson, Randolph Settgast, Sally M. Benson, Gege Wen

机构 * Department of Energy Science and Engineering, Stanford University（斯坦福大学能源科学与工程系） ； Department of Earth Sciences and Engineering, Imperial College London（伦敦帝国理工学院地球科学与工程系） ； Lawrence Livermore National Laboratory（劳伦斯利弗莫尔国家实验室） ； EarthFlow AI, Inc.（EarthFlow AI公司） 纠错

专题命中 评测与基准 ：foundation model(abstract)；分类 cs.LG

AI总结 提出自适应物理Transformer（APT），通过融合图编码器和全局注意力机制，高效处理地下能源系统中的异构网格和物理耦合问题，在规则与不规则网格上均优于现有架构，并首次直接从高分辨率自适应网格细化模拟中学习。

From Internal Diagnosis to External Auditing: A VLM-Driven Paradigm for Data-Free Online Backdoor Defense

从内部诊断到外部审计：一种VLM驱动的数据自由在线后门防御范式

Binyan Xu, Fan Yang, Xilin Dai, Di Tang, Kehuan Zhang

机构 * The Chinese University of Hong Kong, Hong Kong（香港中文大学） ； Sun Yat-sen University, China（中山大学） ； Zhejiang University, China（浙江大学） 纠错

专题命中 评测与基准 ：language model(abstract)；分类 cs.LG

AI总结 提出一种从内部诊断到外部语义审计的范式转变，利用通用视觉语言模型（VLM）作为外部语义门控，通过PRISM框架（原型精炼与统计监控检查）实现数据自由的在线后门防御，在17个数据集和11种攻击类型上达到最先进性能。

Comments 25 pages, 10 figures, 19 tables. To appear in the Proceedings of the 43 rd International Conference on Machine Learning (ICML '26)

Beyond Hearing: Learning Task-Agnostic ExG Representations from Earphones via Physiology-Informed Tokenization

超越听觉：通过生理学启发的标记化从耳机学习任务无关的ExG表示

Hyungjun Yoon, Seungjoo Lee, Yu Yvonne Wu, Xiaomeng Chen, Taiting Lu, Freddy Yifei Liu, Taeckyung Lee, Hyeongheon Cha, Haochen Zhao, Gaoteng Zhao, Dongyao Chen, Cecilia Mascolo, Sung-Ju Lee, Lili Qiu

机构 * KAIST（韩国科学技术院） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Cambridge（剑桥大学） ； Shanghai Jiao Tong University（上海交通大学） ； Pennsylvania State University（宾夕法尼亚州立大学） ； UCLA（加州大学洛杉矶分校） ； Northwest University（北华大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Microsoft Research（微软研究院） 纠错

专题命中 评测与基准 ：foundation model(abstract)；分类 cs.CL

AI总结 提出一种基于耳机的生理学启发的多频带标记化方法（PiMT），通过无干扰的日常ExG数据采集和重建任务学习鲁棒表示，实现跨多种任务（包括五种人类感官）的通用ExG监测。

Comments Accepted to ICLR 2026

Can Aerial VLA Models Cooperate? Evaluating Closed-Loop Air-Ground Coordination with CARLA-Air

空中VLA模型能协作吗？基于CARLA-Air的闭环空地协调评估

Tianle Zeng, Yanci Wen, Xueang Yu, Hong Zhang

机构 * Southern University of Science and Technology（南方科技大学） ； Fudan University（复旦大学） 纠错

专题命中 评测与基准 ：prompting(abstract)

AI总结 本文通过构建CARLA-Air仿真环境，评估空中视觉-语言-动作模型在空地协作任务中的表现，发现当前模型难以将单智能体能力转化为稳定协作行为，并指出零样本协作需要伙伴状态显式感知、低延迟动作协调和团队目标对齐三个关键组件。

Comments Code at https://github.com/louiszengCN/CarlaAir

LegSegNet: A Public Deep Learning System for Lower Extremity CT Tissue Segmentation and Quantification

LegSegNet：用于下肢CT组织分割与量化的公共深度学习系统

Yuwen Chen, Yaqian Chen, Roy Colglazier, Haoyu Dong, Hanxue Gu, Maciej A. Mazurowski, Kevin W. Southerland

机构 * Department of Electrical and Computer Engineering, Duke University（杜克大学电气与计算机工程系） ； Department of Biostatistics & Bioinformatics, Duke University（杜克大学生物统计与生物信息学系） ； Department of Radiology, Duke University（杜克大学放射学系） ； Department of Computer Science, Duke University（杜克大学计算机科学系） ； Department of Surgery, Duke University（杜克大学外科系） 纠错

专题命中 评测与基准 ：foundation model(abstract)

AI总结 提出LegSegNet深度学习系统，实现下肢CT中骨骼、肌肉、皮下脂肪和肌间/肌内脂肪的自动分割与量化，在测试集上平均Dice达89.31，是首个公开的端到端系统。

Comments 9 pages

SAW-Bench: Learning Situated Awareness in the Real World

SAW-Bench：在现实世界中学习情境感知

Chuhan Li, Rilyn Han, Joy Hsu, Yongyuan Liang, Rajiv Dhawan, Jiajun Wu, Ming-Hsuan Yang, Xin Eric Wang

机构 * University of California, Santa Barbara（加州大学圣芭芭拉分校） ； Yale University（耶鲁大学） ； Stanford University（斯坦福大学） ； University of Maryland, College Park（马里兰大学学院市分校） ； Amazon（亚马逊） ； University of California, Merced（加州大学默塞德分校） 纠错

专题命中 评测与基准 ：foundation model(abstract)

AI总结 提出SAW-Bench基准，通过自录视频和问答对评估多模态基础模型的以观察者为中心的情境感知能力，揭示人类与模型间的显著性能差距。

LangMap: A Human-Verified Benchmark for Hierarchical Open-Vocabulary Goal Navigation

LangMap：一个用于分层开放词汇目标导航的人工验证基准

Bo Miao, Weijia Liu, Jun Luo, Lachlan Shinnick, Jian Liu, Thomas Hamilton-Smith, Yuhe Yang, Zijie Wu, Vanja Videnovic, Feras Dayoub, Anton van den Hengel

机构 * AIML, Adelaide University（AIML，阿德莱德大学） ； East China Normal University（华东师范大学） ； NERC-RVC, Hunan University（NERC-RVC，湖南大学） ； The University of Western Australia（西澳大学） ； Breaker Industries 纠错

专题命中 评测与基准 ：language model(abstract)

AI总结 针对现有基准在分层语义目标导航中的不足，提出LangMap基准，通过人工验证的语义标注和对比注释协议，支持场景、房间、区域和实例四个层级的目标导航任务，并引入PlaNaVid基线方法。

$PC^2$: Politically Controversial Content Generation via Jailbreaking Attacks on GPT-based Text-to-Image Models

$PC^2$：通过基于GPT的文本到图像模型的越狱攻击生成政治争议内容

Wonwoo Choi, Minjae Seo, Minkyoo Song, Hwanjo Heo, Seungwon Shin, Myoungsung You

专题命中 评测与基准 ：prompting(abstract)

AI总结 提出首个黑盒政治越狱框架$PC^2$，利用身份保留描述映射和地缘政治远距离翻译绕过安全过滤器，在GPT系列模型上实现高达86%的攻击成功率。

Comments To appear in the 33rd ACM Conference on Computer and Communications Security (CCS 2026)

D$^3$: Dynamic Directional Graph-Constrained Data Scheduling for LLM Training

D$^3$: 面向LLM训练的动态有向图约束数据调度

Yuanjian Xu, Jianing Hao, Guang Zhang, Zhong Li

机构 * Microsoft Research（微软研究院） 纠错

专题命中 效率与部署 ：LLM(title,title_cn)；large language model(abstract)；language model(abstract)；post-training(abstract)

AI总结 提出D$^3$框架，通过动态有向图建模训练单元间的有向影响关系，并求解约束优化问题以确定训练顺序，从而提升LLM预训练和后训练阶段的效率。

Empirical Characterization of Inference-Time Elicited Probability Transformations in Large Language Models

大型语言模型中推理时引发的概率变换的经验表征

Mike Farmer, Abhinav Kochar, Yugyung Lee

机构 * Bloch School of Management, Regnier Institute for Entrepreneurship & Innovation, University of Missouri–Kansas City（布洛赫管理学院、雷尼创业与创新研究所、密苏里大学堪萨斯城分校） ； Department of Computer Science, School of Science and Engineering, University of Missouri–Kansas City（计算机科学系、科学与工程学院、密苏里大学堪萨斯城分校） 纠错

专题命中 效率与部署 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract,abstract_cn)；prompting(abstract)

AI总结 本研究通过经验观察发现，在多种推理时流程（如思维链、自我细化、检索增强和验证器引导修订）下，候选答案的概率变换遵循近似的对数比率关系，并分析了其系数变化和鲁棒性。

Comments 22 pages, 11 figures, 5 tables

Human-Alignment and Calibration of Inference-Time Uncertainty in Large Language Models

大型语言模型中推理时间不确定性的人类对齐与校准

Kyle Moore, Jesse Roberts, Daryl Watson

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

AI总结 本文评估了多种推理时间不确定性度量，发现它们与人类群体不确定性高度对齐，尽管与人类答案偏好不一致，但在正确性相关性和分布分析上表现出中等到强校准证据。

Comments We have discovered a critical error in the normalized entropy calculation that may have substantially inflated nearly all results herein. We have since fixed this error in a new work, but we believe that the new work is sufficiently dissimilar in focus, methods, dataset, and results as to be misleading if presented as a simple replacement. As such, we propose removal and retraction instead

Aligning Dense Retrievers with LLM Utility via Distillation

通过蒸馏将稠密检索器与LLM效用对齐

Rajinder Sandhu, Di Mu, Cheng Chang, Md Shahriar Tasjid, Himanshu Rai, Maksims Volkovs, Ga Wu

机构 * Dalhousie University（达尔豪西大学） 纠错

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

AI总结 提出Utility-Aligned Embeddings (UAE)框架，通过蒸馏LLM的困惑度降低效用分布来训练双编码器，在不增加测试时LLM推理开销的情况下提升稠密检索的精度和效率。