语言大模型 / LLM

Comprehensive AI governance requires addressing non-model gains

全面的人工智能治理需要解决非模型增益问题

Arthur Goemans, Dan Altman, Noemi Dreksler, Jonas Freund, Milan Gandhi, Zhengdong Wang, Sarah Cogan, Sebastien Krier, Demetra Brady, Lewis Ho, Allan Dafoe

机构 * Stanford University（斯坦福大学） ； UC Berkeley（加州大学伯克利分校） ； Open Philanthropy（开放哲学基金会） 纠错

专题命中 效率与部署 ：post-training(abstract)；分类 cs.AI

AI总结 本文提出非模型增益的概念，包括推理增益、系统增益和资产增益，并论证这些增益会削弱以模型为中心的治理有效性，进而提出超越模型层面的治理方法。

Comments This paper has been accepted to ICML 2026 (Position paper track): https://openreview.net/forum?id=V3O1sHpKxX

Are Full Rollouts Necessary for On-Policy Distillation?

在线策略蒸馏是否必须完整展开？

Yaocheng Zhang, Jiajun Chai, Yuqian Fu, Songjun Tu, Xiaohan Wang, Wei Lin, Guojun Yin, Qichao Zhang, Yuanheng Zhu, Dongbin Zhao

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； School of Advanced Interdisciplinary Sciences, University of Chinese Academy of Sciences（中国科学院大学先进交叉学科学院） ； Meituan（美团） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） 纠错

专题命中 效率与部署 ：post-training(abstract)；分类 cs.CL

AI总结 本文针对在线策略蒸馏（OPD）中完整展开计算成本高且早期训练时教师反馈不可靠的问题，提出渐进式OPD（POPD）和截断式OPD（TOPD）两种展开长度控制策略，在数学推理任务上实现高达3倍训练效率提升，并显著减少内存占用。

Comments 15 pages, 14 figures

EVL-ECG: Efficient ECG Interpretation With Multi-Aspect Heterogeneous Knowledge Distillation

EVL-ECG：面向多视角异构知识蒸馏的高效心电图解读

Dang Nguyen Hong, Nhi Ngoc-Yen Nguyen, Huy-Hieu Pham

机构 * University of Notre Dame（诺丁汉大学） 纠错

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

AI总结 提出EVL-ECG框架，通过多头交叉注意力对齐、最优传输视觉特征匹配和几何结构关系匹配三种创新方法，实现跨架构知识蒸馏，在资源受限环境下高效解读心电图。

Comments 7Accepted at the SD4H Workshop at ICML 2026. 7 pages, 3 figures

BEAT: Tokenizing and Generating Symbolic Music by Uniform Temporal Steps

BEAT: 通过均匀时间步对符号音乐进行分词和生成

Lekai Qian, Haoyu Gu, Jingwei Zhao, Ziyu Wang

机构 * South China University of Technology（南方科技大学） ； National University of Singapore（新加坡国立大学） ； Mohamed bin Zayed University of Artificial Intelligence（莫扎德·本·扎耶德人工智能大学） ； New York University（纽约大学） 纠错

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

AI总结 提出一种以均匀节拍为基本单元的分词方法，将同一时间步内相同音高的所有事件编码为一个令牌，并在音乐续写和伴奏生成任务中验证其相比传统事件基方法能提升音乐质量和结构连贯性。

Flowers: A Warp Drive for Neural PDE Solvers

Flowers: 神经PDE求解器的曲速引擎

Till Muser, Alexandra Spitzer, Matti Lassas, Maarten V. de Hoop, Ivan Dokmanić

机构 * ETH Zurich（苏黎世联邦理工学院） ； University of Helsinki（赫尔辛基大学） ； University of California, Berkeley（加州大学伯克利分校） 纠错

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

AI总结 提出Flowers架构，通过多头扭曲场实现线性代价的自适应全局交互，在2D/3D时变PDE基准上超越傅里叶、卷积和注意力基线。

Byte Pair Encoding for Efficient Time Series Forecasting

用于高效时间序列预测的字节对编码

Leon Götz, Marcel Kollovieh, Stephan Günnemann, Leo Schwinn

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

AI总结 提出基于频繁模式的字节对编码方法，通过自适应压缩时间序列为令牌，显著提升预测性能与效率。

Comments 32 pages in total, 22 figures

Safety Must Precede the Deployment of Open-Ended AI

安全必须优先于开放式AI的部署

Ivaxi Sheth, Jan Wehner, Sahar Abdelnabi, Ruta Binkyte, Mario Fritz

机构 * CISPA-Helmholtz Center of Information Security（CISPA-海德堡信息安全中心） ； MPI for Intelligent Systems, ELLIS Institute Tübingen, Tübingen AI Center（智能系统Max Planck研究所、图宾根ELLIS研究所、图宾根人工智能中心） 纠错

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

AI总结 本文提出开放式AI系统因自主无限生成新行为而带来预测性丧失、新兴错位和控制困难等独特安全挑战，需在部署前主动研究，并给出挑战分类和研究方向。

Comments Accepted to ICML'26

Compliance-Scored Best-of-N Guardrail Orchestration for Multimodal Document Generation in Payments Dispute Defense

基于合规评分的Best-of-N护栏编排用于支付争议防御中的多模态文档生成

Nataraj Agaram Sundar, Tejas Morabia

机构 * eBay Inc.（eBay公司） 纠错

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

AI总结 提出一种结合多候选生成与合规评分早退机制的护栏编排层，通过并行生成、加权评分和最佳输出选择，在支付争议防御场景中实现高合规率与低延迟。

Comments 8 pages, 7 figures, 4 tables. Preprint. Applied systems paper on compliance-scored guardrail orchestration for multimodal LLM document generation. Contains aggregate operational readouts; not a randomized A/B test

Turing Patterns for Multimedia: Reaction-Diffusion Multi-Modal Fusion for Language-Guided Video Moment Retrieval

图灵模式用于多媒体：反应-扩散多模态融合用于语言引导的视频时刻检索

Xiang Fang, Wanlong Fang, Wei Ji, Tat-Seng Chua

机构 * Nanyang Technological University（南洋理工大学） ； National University of Singapore（新加坡国立大学） 纠错

专题命中 效率与部署 ：language model(abstract)

AI总结 提出基于反应-扩散过程的多模态融合框架RDMF，通过模拟生物模式形成机制实现视频与文本的动态对齐，用于视频时刻检索与高亮检测。

Comments Published in ACM MM 2025. Address some typos

SWARD: Stochastic Window-Attention-Based Relational Distillation for Cross-Architectural Semantic Segmentation

SWARD：基于随机窗口注意力的关系蒸馏用于跨架构语义分割

Aditya Makineni, Qing Tian

机构 * Department of Computer Science University of Alabama at Birmingham（计算机科学系阿拉巴马大学伯明翰分校） 纠错

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

AI总结 提出SWARD框架，通过多尺度窗口注意力蒸馏和原型判别正则化，弥合Transformer教师与CNN学生之间的表征差距，实现跨架构语义分割的知识蒸馏。

Boundary-Protection W8A8 HiFloat8 Quantization for Large-Scale Text-to-Video Diffusion Transformers

面向大规模文生视频扩散Transformer的边界保护W8A8 HiFloat8量化

Yiming Zhao

机构 * Yiming Zhao（赵毅铭） 纠错

专题命中 效率与部署 ：post-training(abstract)

AI总结 针对Wan2.1-T2V-14B模型，提出一种边界保护策略的W8A8 HiF8后训练量化方法，通过保留首尾边界块为BF16而量化中间块，在VBench五个维度上匹配或略优于BF16基线。

Comments 6 pages, 5 figures. Accepted to ICME 2026 Grand Challenge

AIGaitor: Privacy-preserving and cloud-free motion analysis for everyone, using edge computing

AIGaitor: 面向所有人的隐私保护与无云端运动分析——基于边缘计算

Lauhitya Reddy, Trisha M. Kesar, Hyeokhyen Kwon

机构 * Department of Biomedical Informatics, Emory University（埃默里大学生物医学信息学系） ； Department of Rehabilitation Medicine, Emory University（埃默里大学康复医学系） ； The Wallace H. Coulter Department of Biomedical Engineering, Emory University and Georgia Institute of Technology（埃默里大学和佐治亚理工学院的Wallace H. Coulter生物医学工程系） 纠错

专题命中 效率与部署 ：language model(abstract)

AI总结 提出AIGaitor系统，在智能手机上利用边缘计算实现无标记单目运动捕捉与深度学习分析，解决成本、隐私和易用性问题。

Comments 18 pages 3 figures, 2 tables

PermuQuant: Lowering Per-Group Quantization Error by Reordering Channels for Diffusion Models

PermuQuant：通过重新排列通道降低扩散模型每组量化误差

Yongsen Cheng, Kai Liu, Kaiwen Tao, Junxian Li, Zhixin Wang, Zhikai Chen, Renjing Pei, Yulun Zhang

机构 * Shanghai Jiao Tong University（上海交通大学） ； Huawei Noah’s Ark Lab（华为诺亚实验室） 纠错

专题命中 效率与部署 ：post-training(abstract)

AI总结 提出PermuQuant框架，通过基于联合二阶矩的通道重排序和校准接受规则，降低低比特扩散模型每组量化误差，实现显著加速和内存压缩。

DerMAE: Improving skin lesion classification through conditioned latent diffusion and MAE distillation

DerMAE: 通过条件潜在扩散和MAE蒸馏改进皮肤病变分类

Francisco Filho, Kelvin Cunha, Fábio Papais, Emanoel dos Santos, Rodrigo Mota, Thales Bezerra, Erico Medeiros, Paulo Borba, Tsang Ing Ren

机构 * Universidade Federal do Pernambuco（佛罗里达州帕尔马大学） 纠错

专题命中 效率与部署 ：pretraining(abstract)

AI总结 针对皮肤病变分类中恶性样本不足导致的类别不平衡问题，提出使用类别条件扩散模型生成合成图像，结合自监督MAE预训练学习鲁棒特征，并通过知识蒸馏将大模型知识迁移至轻量级ViT学生模型，在提升分类性能的同时实现高效设备端推理。

Comments 4 pages, 2 figures, 1 table, Published in: 2026 IEEE 23rd International Symposium on Biomedical Imaging (ISBI)

Model Context Protocol (MCP) Tool Descriptions Are Smelly! Towards Improving AI Agent Efficiency with Augmented MCP Tool Descriptions

模型上下文协议（MCP）工具描述存在坏味道！通过增强MCP工具描述提升AI智能体效率

Mohammed Mehedi Hasan, Hao Li, Gopi Krishnan Rajbahadur, Bram Adams, Ahmed E. Hassan

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

AI总结 本文通过实证研究103个MCP服务器中的856个工具描述，发现97.1%的描述存在坏味道，并提出增强描述方法，在提升任务成功率（中位数+5.85%）的同时增加了执行步骤（+67.46%），进一步通过组件消融实验找到兼顾性能与效率的紧凑描述组合。

A Unified Framework for Adversary-Aware Differential Privacy Bounds

对抗感知差分隐私边界的统一框架

Marika Swanberg, Meenatchi Sundaram Muthu Selva Annamalai, Jamie Hayes, Borja Balle, Adam Smith

专题命中 效率与部署 ：language model(abstract)

AI总结 提出统一框架，通过隐私参数和对手先验成功率，首次在单一界限下评估针对多个个体的成员推断、属性推断和数据重构攻击。

Beyond Semantic Understanding: Preserving Collaborative Frequency Components in LLM-based Recommendation

超越语义理解：在基于LLM的推荐中保留协同频率分量

Minhao Wang, Yunhang He, Cong Xu, Zhangchi Zhu, Shuang Hao, Ning Liu, Wei Zhang

机构 * East China Normal University Shanghai China ； Beijing Jiaotong University Beijing China ； Shandong University Jinan, Shandong China ； East China Normal University \& Shanghai Innovation Institute Shanghai China ； East China Normal University ； Beijing Jiaotong University ； Shandong University ； East China Normal University \& Shanghai Innovation Institute 纠错

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

AI总结 针对基于LLM的推荐系统过度强调语义相关性而削弱协同信号的问题，提出FreLLM4Rec方法，通过全局图低通滤波和逐层时频调制从频谱角度平衡语义与协同信息，在四个基准数据集上NDCG@10提升高达8.00%。

Comments 12 pages, 7 figures

An NLP-Driven Framework for Curriculum-Labor Market Alignment: Schema-Constrained LLM Extraction, ESCO-Anchored Semantic Matching, and Multi-Dimensional Gap Quantification

一种基于NLP的课程-劳动力市场对齐框架：模式约束的LLM抽取、ESCO锚定的语义匹配和多维差距量化

Sherzod Turaev, Mary John, Mamoun Awad, Nazar Zaki, Khaled Shuaib

专题命中 领域大模型 ：LLM(title,title_cn)；prompting(abstract)；分类 cs.AI

AI总结 提出一个四阶段NLP框架，通过模式约束的LLM抽取、ESCO语义匹配、仲裁协议和验证机制，实现课程与劳动力市场的对齐，并量化多维供需差距。

Comments 53 pages, 9 figures, 4 tables

A Multi-Domain Red Teaming Framework for Safety, Robustness, and Fairness Evaluation of Medical Large Language Models

医疗大语言模型安全性、鲁棒性和公平性评估的多领域红队框架

Andrei Marian Feier, Veysel Kocaman, Yigit Gul, Ahmet Korkmaz, Alexander Thomas, Aleksei Zakharov, Jay Gil, Mehmet Butgul, David Talby

机构 * John Snow Labs Inc.（约翰·索克斯实验室公司） 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、cs.AI

AI总结 提出一个多领域红队框架，通过690个临床场景评估11个当代大语言模型，发现平均准确率掩盖了临床意义上的风险，性能方差和最坏情况失败比平均准确率更能反映可靠性，混合评估方法对可信安全评估至关重要。

Comments 10 pages, 4 figures. To be presented at the Text2Story 2026 Workshop (Delft, The Netherlands, 29 March 2026); CEUR Workshop Proceedings (forthcoming). Affiliation: John Snow Labs Inc

"AI Psychosis" in Context: How Conversation History Shapes LLM Responses to Delusional Beliefs

“AI精神病”的语境：对话历史如何影响LLM对妄想信念的回应

Luke Nicholls, Robert Hutto, Zephrah Soto, Hamilton Morrin, Thomas Pollak, Raj Korpan, Cheryl Carmichael

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

AI总结 研究通过积累的对话历史测试五个LLM对妄想信念的回应，发现模型分为高风险低安全与低风险高安全两类，积累上下文揭示了安全架构的压力测试效果。

ExpWeaver: LLM Agents Learn from Experience via Latent RAG

ExpWeaver: LLM智能体通过潜在RAG从经验中学习

Tao Feng, Tianyang Luo, Jingjun Xu, Zhigang Hua, Yan Xie, Shuang Yang, Ge Liu, Jiaxuan You

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

专题命中 领域大模型 ：LLM(title,title_cn)；分类 cs.CL

AI总结 提出ExpWeaver框架，利用潜在检索增强生成（无独立RAG模块）使LLM智能体从经验中学习，通过隐藏状态编码经验、潜在空间检索和交叉注意力聚合，在13个任务中12个达到最优，token效率高且跨域泛化强。

Trustworthy Recommendation in the Era of Large Language Models: Opportunities and Challenges

大语言模型时代的可信推荐：机遇与挑战

Bohao Wang, Yu Cui, Zhenxiang Xu, Jujia Zhao, Chenxiao Fan, Jizhi Zhang, Weiqin Yang, Shengjia Zhang, Sirui Chen, Yang Zhang, Xiaoyan Zhao, Wenjie Wang, Chongming Gao, Fuli Feng, Xiangnan He, Jiawei Chen

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

AI总结 本文系统综述了大语言模型增强推荐系统在可信性方面的双重影响，识别出13个机遇和18个挑战，并构建了新的分类体系。

Domain-Shift-Aware Conformal Prediction for Large Language Models

领域偏移感知的共形预测用于大型语言模型

Zhexiao Lin, Yuanyuan Li, Neeraj Sarna, Yuanyuan Gao, Michael von Gablenz

机构 * University of Waterloo（多伦多大学） 纠错

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

AI总结 提出领域偏移感知共形预测框架，通过重加权校准样本应对分布偏移，在MMLU基准上提升覆盖可靠性。

Comments Accepted to Forty-Third International Conference on Machine Learning (ICML), 2026

Exploring the Capabilities of Large Language Model Encoders for Image-Text Retrieval in Chest X-rays

探索大语言模型编码器在胸部X光片图像-文本检索中的能力

Hanbin Ko, Gihun Cho, Inhyeok Baek, Donguk Kim, Joonbeom Koo, Changi Kim, Dongheon Lee, Chang Min Park

机构 * Interdisciplinary Program in Bioengineering, Seoul National University Graduate School（生物工程跨学科项目，首尔国立大学研究生院） ； Integrated Major in Innovative Medical Science, Seoul National University Graduate School（创新医学科学整合专业，首尔国立大学研究生院） ； Department of Radiology, The First Affiliated Hospital, Zhejiang University School of Medicine（浙江大学医学院第一附属医院放射科） ； Seoul National University College of Medicine（首尔国立大学医学院） ； Department of Radiology, Seoul National University College of Medicine, Seoul National University Hospital（首尔国立大学医学院放射科，首尔国立大学医院） ； Institute of Medical and Biological Engineering, Seoul National University Medical Research Center（医学与生物工程研究所，首尔国立大学医学研究所以及） ； Institute of Radiation Medicine, Seoul National University Medical Research Center（放射医学研究所，首尔国立大学医学研究所以及） 纠错

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

AI总结 提出一种领域自适应的双向大语言模型文本编码器，通过掩码标记预测和监督对比学习训练，结合参数高效的双塔对比视觉语言框架，提升胸部X光片图像与文本的对齐和检索性能。

Comments 12 pages, 2 figures, under review

scicode-lint: Detecting Methodology Bugs in Scientific Python Code with LLM-Generated Patterns

scicode-lint: 使用LLM生成的模式检测科学Python代码中的方法论错误

Sergey V. Samsonau

机构 * Authentic Research Partners, Princeton, NJ（真实研究伙伴，新泽西州普林斯顿） 纠错

专题命中 领域大模型 ：LLM(title,title_cn)；分类 cs.AI、cs.LG

AI总结 提出scicode-lint，通过两级架构（构建时使用前沿模型生成模式，运行时使用小型本地模型执行）自动检测科学Python代码中的方法论错误，如数据泄露、交叉验证错误和缺失随机种子。

Why Thinking Hurts: Diagnosing and Rectifying Linguistic Inertia in Large Language Models for Recommendation

为什么思考有害：诊断并纠正大型语言模型在推荐中的语言惯性

Luankang Zhang, Yonghao Huang, Hang Lv, Xuyang Zhi, Mingjia Yin, Yuyang Ye, Wei Guo, Hao Wang, Enhong Chen

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

AI总结 本文发现链式思维推理在推荐模型中会导致性能下降，归因于语言惯性，并提出无需训练的语言惯性校准解码（LICD）框架，通过推理链压缩和偏差相减对比推理来缓解该问题。

IstGPT: LLM-based Anomaly Detection for Spatial-Temporal Graph in Industrial Systems

IstGPT：基于LLM的工业系统时空图异常检测

Yuchen Zhang, Ning Xi, Pengbin Feng, Shigang Liu, Jianfeng Ma, Yulong Shen, Yanan Sun, Xiaolin Zhou

机构 * School of Cyber Engineering, Xidian University（电子科技大学信息工程学院） ； School of Science, Computing and Engineering Technologies, Swinburne University of Technology（斯winburne技术大学科学与工程技术学院） ； School of Computer Science and Technology, Xidian University（电子科技大学计算机科学与技术学院） 纠错

专题命中 领域大模型 ：LLM(title,title_cn)；分类 cs.LG

AI总结 提出IstGPT，首个结合大语言模型与图学习的工业异常检测工具，通过多模态知识提取传感器-执行器依赖图并利用改进的图神经网络实现实时异常检测，在9个数据集上取得最佳F1分数和eTaF1指标。

LLMs for Cardiovascular Risk Prediction from Structured Clinical Data

基于结构化临床数据的LLMs心血管风险预测

Jeba Maliha, Md Rafiul Kabir

机构 * Central Michigan University（中央密歇根大学） 纠错

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

AI总结 提出混合框架将结构化临床数据转换为自然语言表示，利用LLMs进行冠心病预测，并验证了高保真度与隐私保护优势。

Comments International Conference on Intelligent Systems, Blockchain, and Communication Technologies

Beyond Text and Tables: Vision-Language Model Integration in ComProScanner for Extracting Materials Data from Scientific Figures with High Accuracy

超越文本与表格：ComProScanner中视觉-语言模型集成实现从科学图表中高精度提取材料数据

Aritra Roy, Enrico Grisan, Chiara Gattinoni, John Buckeridge

机构 * Energy, Materials and Environment Research Centre, London South Bank University, London SE1 0AA, UK（能源、材料与环境研究中心，伦敦南银行大学） ； School of Engineering and Design, London South Bank University, London SE1 0AA, UK（工程与设计学院，伦敦南银行大学） ； Bioscience and Bioengineering Research Centre, London South Bank University, London SE1 0AA, UK（生物科学与生物工程研究中心，伦敦南银行大学） ； Department of Physics, Kings College London, London WC2R 2LS, UK（物理系，伦敦国王学院） 纠错

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

AI总结 本文通过集成视觉-语言模型扩展ComProScanner框架，实现了从科学图表中自动提取成分-性能数据，在压电陶瓷数据集上达到0.97的组成准确率和归一化F1分数，并引入基于范围的误差阈值评估方法。

Comments 18 pages, 3 figures

The Right Inference Strategy Is All You Need: Nearly Training-Free Domain-Wise Inference for EgoCross Challenge

正确的推理策略即是一切：面向EgoCross挑战的近乎无需训练的领域感知推理

Leyi Wu, Yifan Zhao, Jinjie Zhang, Yinchuan Li, Ying-Cong Chen

机构 * HKUST(GZ)（香港科技大学（广州）） ； HKUST（香港科技大学） ； Knowin 纠错

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

AI总结 针对EgoCross挑战中源受限场景下多模态大模型在领域偏移严重的自我中心视频问答任务上表现不佳的问题，提出一种领域感知推理策略，通过为四个目标领域分别设计不同的输入、提示和答案映射流程，在不进行额外训练的情况下显著提升基线模型性能。