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。
EVA: 针对环境注入攻击的红队GUI智能体的演化语义对抗方法
机构 * School of Cyber Science and Engineering, Wuhan University（武汉大学计算机科学与工程学院） ； School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学学院） ； Independent Researcher（独立研究者）
专题命中 效率与部署 ：large language model(abstract)；language model(abstract)；分类 cs.AI
AI总结 提出EVA框架，通过演化语义对抗载荷攻击多模态大语言模型驱动的GUI智能体，揭示语义欺骗是攻击成功的关键，实现85%攻击成功率且快速收敛。
Comments Accepted by
设计AI驱动的高性能计算工作流的十二条快速技巧
机构 * Department of Computer Science（计算机科学系） ； Royal Holloway University of London（伦敦皇家霍洛威大学）
专题命中 效率与部署 ：foundation model(abstract)；分类 cs.AI、cs.LG
AI总结 本文针对AI与HPC融合带来的新挑战，提出十二条实用技巧，涵盖容器化、作业数组、反馈循环和I/O优化，帮助设计高效、可扩展、可复现的AI驱动HPC工作流。
Comments 12 pages, 1 figure. Formatted using the bioRxiv LaTeX preprint style
按需扩展：自适应神经元级混合精度量化感知训练
机构 * University of California, Berkeley（加州大学伯克利分校） ； DeepMind（深度思维） ； University of Cambridge（剑桥大学）
专题命中 效率与部署 ：foundation model(abstract)；分类 cs.AI、cs.LG
AI总结 提出神经元级混合精度量化感知训练（NMP-QAT），通过可微代理和直通估计器让每个神经元独立学习离散精度，实现按需扩展位宽，在MLP和表格基础模型上取得更优的压缩-精度权衡。
Comments Accepted at ICML - GlobalSouthML workshop, 2026
稀疏门控的微型线性专家
机构 * Princeton University（普林斯顿大学）
专题命中 效率与部署 ：language model(abstract)；分类 cs.LG
AI总结 提出稀疏门控线性神经元（sgatlin）网络，通过将每个专家缩减为单个神经元并去除非线性，在等计算量下提升语言模型困惑度，同时增强可解释性。
Comments Code available at https://github.com/smonsays/sparsely-gated-linear
NTILC: 通过学习的压缩实现神经工具调用
机构 * Department of Robotics, University of Michigan（机器人学系，密歇根大学） ； Department of ECE, University of Michigan（电子工程与计算机科学系，密歇根大学）
专题命中 效率与部署 ：language model(abstract)；分类 cs.AI
AI总结 提出NTILC框架，用学习的潜在检索替代上下文工具查找，将工具选择与参数生成解耦，通过签名感知复合损失函数提升选择精度，相比基线减少95%上下文消耗和74%延迟。
Comments 10 Pages, 4 Figures, 5 Tables, 1 Algorithm
LuMamba: 用于电极拓扑不变且高效的EEG建模的潜在统一Mamba
机构 * ETH Zürich, Institute of Information Systems（苏黎世联邦理工学院信息系统研究所）
专题命中 效率与部署 ：foundation model(abstract)；分类 cs.AI
AI总结 提出LuMamba框架，结合拓扑不变编码和线性复杂度状态空间模型，通过LUNA的查询交叉注意力机制统一通道，FEMBA的双向Mamba块高效时序建模，在5个下游任务上以4.6M参数达到SOTA性能。
Comments EUSIPCO 2026, 5 pages, 2 figures, 4 tables
MHA-RAG：通过将示例编码为软提示来提高效率、准确性和一致性
机构 * Department of Computer Science, Rice University（计算机科学系，里士大学） ； Department of Computer Science, University of Wisconsin–Madison（计算机科学系，威斯康星大学麦迪逊分校）
专题命中 效率与部署 ：foundation model(abstract)；分类 cs.AI
AI总结 提出MHA-RAG框架，将领域示例编码为软提示，通过多头注意力机制控制生成，在多个问答基准上相比标准RAG提升20点性能，同时降低10倍推理成本。
Comments 17 pages, 5 figures
pTNAS: 面向表格数据的渐进式神经架构搜索
机构 * National University of Singapore（新加坡国立大学） ； University of Science and Technology of China（中国科学技术大学）
专题命中 效率与部署 ：foundation model(abstract)；分类 cs.LG
AI总结 提出首个针对表格数据的渐进式神经架构搜索方法pTNAS，采用过滤-精炼优化策略，结合零成本代理和固定预算调度算法，实现架构快速识别与性能持续提升，相比其他NAS方法加速高达82.75倍。
ANNS-AMP：通过自适应混合精度计算加速近似最近邻搜索
专题命中 效率与部署 ：LLM(abstract)
AI总结 提出自适应混合精度框架ANNS-AMP，利用PQ索引的聚类结构预测精度，设计位串行加速器，在保持精度损失低于2.7%时实现平均163.76倍性能提升和1100倍能耗降低。
当CLIP看得更多，它反击得更猛烈：多视图引导的自适应对抗攻击用于测试时对抗鲁棒性
机构 * Dankook University（Dankook 大学） ； University of Seoul（首尔大学） ； Yongin, South Korea（韩国 Yongin） ； Seoul, South Korea（首尔, 韩国）
专题命中 效率与部署 ：language model(abstract)
AI总结 提出多视图引导的自适应对抗攻击（MAC），通过构建输入图像的增强视图、执行对抗攻击精炼嵌入、自适应调整攻击强度并聚合视图，显著提升CLIP在测试时的对抗鲁棒性。
Comments Accepted in CVPR2026
将第一性原理精度蒸馏为凝聚相化学的紧凑机器学习势
专题命中 效率与部署 ：foundation model(abstract)
AI总结 通过迁移学习和知识蒸馏，将大型教师模型的精度压缩到紧凑学生模型中，使高精度采样在凝聚相化学中实用，并在冰、液态水和TiO2/水界面三个问题上验证了其可靠性。
算法判断的地理：LLM中介、地方身份与住房搜索中的种族引导
机构 * National Fair Housing Institute（国家公平住房研究所）
专题命中 领域大模型 ：LLM(title,title_cn)；large language model(abstract)；language model(abstract)；prompting(abstract)
AI总结 通过行为审计七种LLM在四个美国城市的住房推荐，发现种族引导是模型解释性许可的涌现行为，而非静态属性，且城市并非中性测试单元。
Comments 13 pages with supplemental tables and figures, AIES '26 Submission
当大型语言模型在医疗保健中失败：评估对提示变化的敏感性
机构 * Department of Computer Science and Engineering, Doha, Qatar（计算机科学与工程系，多哈，卡塔尔）
专题命中 领域大模型 ：large language model(title,abstract)；language model(title,abstract)；LLM(summary_cn,abstract_cn)；分类 cs.CL、cs.AI、cs.LG
AI总结 本研究系统分析了通用和医学专用LLM对提示扰动的敏感性，发现即使是微小的措辞变化也可能改变临床建议，对抗性提示可能引发有害输出，表明这些模型在临床应用中不可靠。
Comments 12 pages
LLM引导的医疗决策流程进化
机构 * Sber AI Lab（Sber AI实验室） ； AIRI
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 提出LLM引导的MAP-Elites进化方法，无需微调即可优化医疗决策流程，在分诊、咨询和图像分类任务中超越手工设计基线。
DialDefer: 检测和缓解LLM对话性遵从的框架
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
专题命中 领域大模型 ：LLM(title,title_cn)；分类 cs.CL
AI总结 提出DialDefer框架，通过对话性遵从分数检测和缓解LLM在对话评估中因提问框架导致的判断偏移，发现框架效应显著但准确率稳定，且模型对人类与AI的不同归因产生最大偏移。
Comments 10 pages main content, 7 figures, 35 pages total with appendix
Journal ref ACL 2026 - Proceedings of the 64th Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers)
PandaAI: 一种用于量化金融中神经符号数据分析与集成决策的实用智能体CQ2
机构 * Panda AI
专题命中 领域大模型 ：LLM(summary_cn,abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI、cs.LG
AI总结 针对金融数据低信噪比和非平稳性，提出PandaAI，一种结合市场状态建模与约束alpha生成的闭环神经符号LLM智能体，通过领域微调和模块化架构实现风险感知决策，在沪深300数据上Rank IC提升18.2%，最大回撤降低25.7%。
基于流行病学系统评价评估AI科学知识综合
机构 * University of Oxford（牛津大学） ； Imperial College London（伦敦帝国理工学院） ； University of Nottingham（诺丁汉大学） ； Snowflake AI Research（Snowflake人工智能研究） ； Independent（独立）
专题命中 领域大模型 ：LLM(summary_cn,abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI
AI总结 提出AgentSLR评估框架，包含自动化工作流和专家标注数据集，测试LLM在流行病学系统评价各阶段能力，发现无模型全面领先，结构化提取是主要瓶颈。
MedSIGHT：迈向医学大型视觉语言模型中的基础视觉理解
机构 * University of California, Berkeley（加州大学伯克利分校）
专题命中 领域大模型 ：language model(title,abstract)；LLM(abstract,abstract_cn)
AI总结 提出MedSIGHT框架，通过区域感知器、医学区域码本和渐进训练策略，统一医学视觉语言模型的语义理解和像素级分割，在72K数据上达到多模态理解与分割的SOTA。
Comments Accepted at ICML 2026
从模型扩展视角理解基于语义ID的生成式推荐
机构 * Michigan State University（密歇根州立大学） ； Snap Inc.（Snap公司）
专题命中 领域大模型 ：LLM(abstract,abstract_cn)；large language model(abstract)；language model(abstract)；foundation model(abstract)
AI总结 揭示基于语义ID的生成式推荐在模型扩展时存在性能瓶颈，发现直接使用大语言模型作为推荐器具有更好的扩展性，性能提升可达20%。
Comments Accepted by KDD 2026
面向能源系统的领域特定基础模型的具身物理人工智能：以核反应堆控制为例
机构 * The Grainger College of Engineering, Nuclear, Plasma & Radiological Engineering, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校格雷格学院工程学院、核等工程学院） ； Department of Nuclear Engineering, Hanyang University（汉阳大学核工程系） ； University of Texas - El Paso（德克萨斯大学埃尔帕索分校） ； National Center for Supercomputing Applications（国家超级计算应用中心） ； Department of Applied Mechanics, Indian Institute of Technology Delhi（印度德里理工学院应用力学系） ； Yardi School of Artificial Intelligence, Indian Institute of Technology Delhi（印度德里理工学院亚里人工智能学院）
专题命中 领域大模型 ：foundation model(title,abstract)；language model(abstract)；分类 cs.AI、cs.LG
AI总结 本研究提出通过紧凑语言模型作为具身物理人工智能，利用基于物理模拟器验证的策略优化替代感知推理，在核反应堆控制任务中实现领域特定基础模型，并展示了规模扩展带来的可靠性提升和策略集中化行为。
Comments Accepted for publication in npj Artificial Intelligence
一种动态自演化抽取系统
机构 * Megagon Labs（Megagon实验室）
专题命中 领域大模型 ：LLM(summary_cn,abstract)；分类 cs.CL、cs.LG
AI总结 提出DySECT系统，通过LLM抽取三元组构建知识库，结合概率知识和图推理丰富知识，再反馈优化抽取器，形成闭环持续提升。
技术培训：法律分析中生成式人工智能的采纳与生产性使用
机构 * University of Hong Kong Faculty of Law（香港大学法学院）
专题命中 领域大模型 ：LLM(abstract,abstract_cn)；large language model(abstract)；language model(abstract)；分类 cs.AI
AI总结 通过随机实验发现，未经培训的法学学生使用大语言模型反而降低表现，而简短培训能显著提升采纳率和成绩，表明生成式AI的生产力需要培训支持。
确定性访问全球病毒序列数据实现稳健的自主科学发现
专题命中 领域大模型 ：LLM(abstract,abstract_cn)；large language model(abstract)；language model(abstract)
AI总结 针对基于大语言模型的科学代理在病毒数据检索中的高错误率问题，提出确定性查询框架gget virus，通过形式化NCBI Virus过滤流程、元数据约束和结构化记录检索，将检索准确率提升至90%以上，并减少98%数据传输。
为何他们链接：一种包含超链接在社交帖子中的意图分类
专题命中 领域大模型 ：LLM(abstract,abstract_cn)；large language model(abstract)；language model(abstract)
AI总结 本文提出一种意图分类，通过混合方法分析用户对超链接的感知意图，揭示广告、论证和分享是最常见的意图，并在微博客检索任务中展示其应用价值。
Comments 10 pages including references, 5 figures,
基于视觉基础模型的注意力一致纵向医学视觉问答
机构 * University of California, San Diego（加州大学圣地亚哥分校） ； Yale Biomedical Imaging Institute（耶鲁大学生物医学成像研究所）
专题命中 领域大模型 ：foundation model(title,abstract)；分类 cs.AI
AI总结 提出一种注意力引导的编码器-解码器框架，通过轻量级配准和自适应掩码生成，结合辅助损失函数，实现胸部X光片的纵向医学视觉问答，在Medical-Diff-VQA基准上取得优异性能。
Comments Accepted to CVPR 2026 Workshop PHAROS-AIF-MIH
Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) Workshops, 2026, pp. 6448-6458
用参与度换取可持续性：面向电子商务推荐中碳感知的重排序
机构 * University of California, Berkeley（加州大学伯克利分校）
专题命中 领域大模型 ：LLM(abstract,abstract_cn)；prompting(abstract)；分类 cs.AI
AI总结 本文提出一种碳感知重排序策略，通过检索增强的碳足迹估计管道推断缺失的产品碳足迹标签，并在三个推荐模型上权衡用户参与度与碳排放，实现可持续推荐。
Comments 23 pages, 30 figures. Code available at https://github.com/andersvestrum/carbon-aware-recsys
ReclAIm：用于监测和纠正医学影像AI性能下降的多智能体框架
机构 * Artificial Intelligence and Translational Imaging (ATI) Lab, Department of Radiology, School of Medicine, University of Crete（人工智能与转化成像实验室，放射科，医学院，希腊克里特大学） ； Computational Biomedicine Laboratory, Institute of Computer Science Foundation for Research and Technology Hellas (ICS - FORTH), Heraklion, Crete, Greece（计算生物医学实验室，希腊基础研究与技术院计算机科学研究所（ICS - FORTH），克里特，希腊） ； Division of Radiology, Department of Clinical Science, Intervention and Technology (CLINTEC), Karolinska Institute, Huddinge, Sweden（放射科，临床科学、干预与技术部（CLINTEC），卡罗林斯卡研究所，瑞典Huddinge）
专题命中 领域大模型 ：large language model(abstract)；language model(abstract)；prompting(abstract)；分类 cs.AI
AI总结 提出基于大语言模型的多智能体框架ReclAIm，通过自然语言交互自动监测医学图像分类模型性能下降并触发微调，采用数据增强、类别不平衡处理和参数锚定正则化策略，在多个数据集上验证了有效性。
Comments Published in Radiology: Artificial Intelligence (https://doi.org/10.1148/ryai.250923)
基于一致性验证的多智能体推理改进医学多项选择题问答中的不确定性校准
机构 * Department of Data Science and Analytics（数据科学与分析系）
专题命中 领域大模型 ：LLM(abstract,abstract_cn)；分类 cs.CL、cs.AI、cs.LG
AI总结 提出多智能体框架，结合领域专家智能体与两阶段验证及S分数加权融合，在医学MCQA中显著降低校准误差并提升判别能力。
Comments 20 pages, 6 figures. Preprint under review
超越事后解释：通过概率中介迈向玻璃箱AI
机构 * Manuele Leonelli（曼努埃尔·莱奥内利）
专题命中 领域大模型 ：large language model(abstract)；language model(abstract)；分类 cs.AI
AI总结 针对大语言模型在关键领域的不透明性，提出玻璃箱框架，利用贝叶斯网络作为事前中介层，实现可审计推理、不确定性量化和可争议输出。
挖掘低资源领域适应的有用通用数据
专题命中 领域大模型 ：large language model(abstract)；language model(abstract)；分类 cs.CL
AI总结 针对低资源领域数据稀缺问题，提出NTK-Selector方法，利用神经正切核从通用数据中筛选有用样本，显著提升领域适应效果。
Comments 39 pages
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