语言大模型 / LLM

GRID: Scaling Task-Agnostic Inference in Continual Prompt Tuning

GRID：持续提示调优中任务无关推理的规模化

Anushka Tiwari, Sayantan Pal, Rohini K. Srihari, Kaiyi Ji

机构 * State University of New York at Buffalo（纽约州立大学布法罗分校） ； Department of Computer Science and Engineering（计算机科学与工程系） ； Institute for Artificial Intelligence and Data Science（人工智能与数据科学研究院） 纠错

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

AI总结 提出GRID框架，通过输出空间感知解码和梯度引导提示选择，解决持续学习中任务无关推理的性能退化与可扩展性问题，在长序列和负迁移基准上提升后向迁移并减少提示内存。

WebChallenger: A Reliable and Efficient Generalist Web Agent

WebChallenger: 一个可靠且高效的通用型Web智能体

Jayoo Hwang, Xiaowen Zhang, Vedant Padwal

机构 * ML Collective ； longsurf.ai ； Independent（独立研究者） 纠错

专题命中 效率与部署 ：LLM(abstract,abstract_cn)；分类 cs.CL

AI总结 提出WebChallenger框架，通过PageMem结构化页面表示、分治观察、轻量探索记忆和复合动作工作流，复现人类认知优势，使开源模型在多个Web导航基准上接近前沿专有系统性能。

Self-Distillation Policy Optimization via Visual Feedback: Bridging Code and Visual Artifacts

通过视觉反馈的自蒸馏策略优化：连接代码与视觉工件

Haoyu Dong

机构 * Microsoft（微软） 纠错

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Visual-SDPO框架，利用渲染视觉反馈作为特权上下文，通过自蒸馏和视觉引导的代码信用加权优化代码生成视觉工件的质量，在图表、UI和幻灯片生成任务上显著提升性能。

Local Is Not a Sufficient Privacy Boundary: Governing OS-Integrated On-Device AI

本地并非充分的隐私边界：治理操作系统集成的设备端AI

Jonghyun Chung, Sanket Badhe

机构 * 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,abstract_cn)；分类 cs.AI

AI总结 本文提出一个以操作系统为中心的隐私框架，将隐私视为制度问责问题而非部署属性，通过威胁模型、六部分隐私风险分类、隐私架构控制和四级审计标准来治理设备端AI。

TENP: Trapezoidal Expert Neuron Pruning For Mixture-of-Experts

TENP：用于混合专家的梯形专家神经元剪枝

Jiangyang He, Shaolin Zhu, Deyi Xiong

机构 * TJUNLP Lab, School of Computer Science and Technology, Tianjin University（天津大学计算机科学与技术学院 TJUNLP实验室） 纠错

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

AI总结 提出TENP框架，通过识别重要专家并对其余专家进行神经元剪枝，保留梯形参数模式，在40%路由专家稀疏度和平均63.76%激活参数下，DeepSeek模型准确率仅下降1点，代码生成任务提升10%。

Neurosymbolic Learning for Inference-Time Argumentation

用于推理时间论证的神经符号学习

Gabriel Freedman, Adam Dejl, Adam Gould, Mansi, Lihu Chen, Junqi Jiang, Francesca Toni

机构 * Department of Computing, Imperial College London（伦敦帝国理工学院计算机系） 纠错

专题命中 效率与部署 ：LLM(abstract,abstract_cn)；分类 cs.AI

AI总结 本文提出了一种用于三元主张验证的可训练神经符号框架，通过在训练和推理过程中结合形式论证语义来指导大语言模型生成论证并分配基础分数，从而提高三元预测的准确性。

Comments Under review

Finer is Better (with the Right Scaling)

更细粒度更好（配合正确的缩放）

Clemens Schaefer, Gil Tabak

机构 * Google LLC（谷歌公司） ； Mountain View, Ca（山景城，加利福尼亚） 纠错

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

AI总结 本文研究大语言模型低精度量化中的块大小悖论，发现细粒度块在正确缩放策略下能降低量化误差，并通过4-over-6方法等解决退化问题。

Context-Based Adversarial Attacks on AI Code Generators: Vulnerability Analysis and Implications

基于上下文的AI代码生成器对抗攻击：漏洞分析与影响

Walther A. Del Orbe, John D. Hastings, Varghese Vaidyan

专题命中 效率与部署 ：large language model(abstract)；language model(abstract)

AI总结 研究通过2800次实验，发现上下文对抗攻击使代码生成漏洞增加10.7倍，并提出双层防御框架实现89.1%检测率。

Comments 6 pages, 8 tables

Bridging Semantics and Physical Execution: A Neuro-Symbolic Framework for Multi-Pair Robotic Assembly

桥接语义与物理执行：面向多对机器人装配的神经符号框架

Xinyi Li, Aiguo Song, Linhu Wei, Huijun Li

机构 * School of Instrument Science and Engineering, Southeast University（东南大学仪器科学与工程学院） 纠错

专题命中 效率与部署 ：LLM(abstract,abstract_cn)

AI总结 提出一种端到端神经符号框架，通过分层生成最优子图、解耦通用性与边缘情况、协调全局序列，解决非结构化环境中多对装配的空间干扰和接触不确定性，在100个真实场景中达到97%全局可执行性，UR3机械臂部署成功率90%。

Comments Corresponding author: Aiguo Song (a.g.song@seu.edu.cn)

Watts and Debts of Agentic Frameworks: An Empirical Study (Registered Report)

智能体框架的能耗与债务：一项实证研究（注册报告）

Aneetta Sara Shany, Chandrasekar S, Karthik Vaidhyanathan

专题命中 效率与部署 ：LLM(abstract,abstract_cn)

AI总结 通过实证研究关联智能体框架中的自我承认技术债务与运行时能耗，探讨代码质量能否指导节能设计。

Comments Accepted at the 20th International Symposium on Empirical Software Engineering and Measurement (ESEM 2026), Registered Reports Track

Audio-Visual Exchange-Aware Token Pruning for Efficient Audio-Visual Captioning

音频-视觉交换感知令牌剪枝用于高效音频-视觉字幕生成

Zihan Meng, Dexiang Hong, Weidong Chen, Ziyu Zhou, Bo Hu, Zhendong Mao

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

专题命中 效率与部署 ：LLM(abstract,abstract_cn)

AI总结 提出基于强化学习的AVEX-Prune方法，通过跨模态令牌交换策略选择高置信度令牌，在40%保留率下保持全令牌质量。

FlashTTS: Fast Streaming TTS with MTP Acceleration and X-pred Mean Flow Distillation

FlashTTS: 基于MTP加速和X-pred均值流蒸馏的快速流式TTS

Hanke Xie, Xiaming Ren, Dake Guo, Ruonan You, Wenhao Li, Jingbin Hu, Guobin Ma, Huakang Chen, Kejie Xu, Rui Huang, Weiguo Tan, Xianrong Wang, Lei Xie

机构 * Huawei Technologies Co., Ltd（华为技术有限公司） 纠错

专题命中 效率与部署 ：LLM(abstract,abstract_cn)

AI总结 提出FlashTTS框架，通过滞后多轨架构、并行多令牌预测和X-pred均值流匹配解码器，实现低延迟流式TTS，首包延迟降至325ms，保持零样本语音克隆和跨语言可懂度。

Comments Accepted to Interspeech 2026

The Role of Feedback Alignment in Self-Distillation

反馈对齐在自蒸馏中的作用

Semih Kara, Oğuzhan Ersoy

机构 * Gensyn 纠错

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

AI总结 研究通过自蒸馏提升语言模型性能时，反馈与模型推理的结构对齐是关键因素，步级对齐批评比二元奖励或参考解更有效。

Comments Accepted to the ICML 2026 Workshop on RL from World Feedback (RLxF)

Whisfusion: Parallel ASR Decoding with Masked Diffusion

Whisfusion: 基于掩码扩散的并行ASR解码

Taeyoun Kwon, Junhyuk Ahn, Taegeun Yun, Heeju Jwa, Yoonchae Choi, Siwon Park, Jongchan Kim, Hyungon Ryu, Hyuk-Jae Lee, Nam-Joon Kim

机构 * Seoul National University（首尔国立大学） ； Soongsil University（顺天大学） ； NVIDIA Corporation（英伟达公司） 纠错

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

AI总结 提出Whisfusion，在冻结的Whisper音频嵌入上训练专用掩码扩散解码器，通过并行扩散解码实现非自回归ASR，在多种语言基准上超越Whisper-large-v3，速度提升4-5倍。

Comments 16 pages, 3 figures

Flexible Kernels for Protein Property Prediction

用于蛋白质性质预测的灵活核函数

Martin Jankowiak, Yerdos Ordabayev, Rudraksh Tuwani, Henry N. Ward, Hunter Nisonoff, James M. McFarland, Gevorg Grigoryan

机构 * University of Cambridge（剑桥大学） 纠错

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

AI总结 提出利用进化替代矩阵和局部线性性的序列核函数，结合高斯过程实现数据高效的蛋白质性质预测，并融入结构信息进行多任务学习。

Comments 50 pages; to appear at ICML 2026

Speech Meets ELF: Audio Conditional Continuous-Target Diffusion for Speech Recognition and Translation

语音遇见ELF：用于语音识别和翻译的音频条件连续目标扩散

Xuanchen Li, Tianrui Wang, Yuheng Lu, Zikang Huang, Yu Jiang, Chenghan Lin, Chenrui Cui, Ziyang Ma, Xingyu Ma, Chunyu Qiang, Guochen Yu, Xie Chen, Longbiao Wang, Jianwu Dang

机构 * Tianjin University（天津大学） ； Shanghai Jiao Tong University（上海交通大学） ； Nankai University（南开大学） 纠错

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

AI总结 提出ELF-S2T，一种基于预训练ELF骨干的音频条件连续目标生成模型，通过音频强制训练和分类器自由引导，在LibriSpeech和CoVoST2上实现竞争性ASR和S2TT性能，并揭示识别与翻译错误均源于连续潜空间中的近距离混淆。

Multi-task LLMs for Bug Classification: Efficient Inference with Auxiliary Decoding Heads

多任务大语言模型用于缺陷分类：基于辅助解码头的高效推理

Nikolai Rozanov

机构 * Recurse Ltd. ； Department of Computing, Imperial College London（帝国理工学院计算机系） 纠错

专题命中 效率与部署 ：LLM(abstract)；分类 cs.LG

AI总结 提出一种轻量级多任务大语言模型（MLC），通过令牌对齐算法和优化训练策略，实现全文件上下文下的行级缺陷定位，性能与代理方法相当但推理延迟降低数个数量级。

Comments 8 pages, 6 pages appendix

AnyMod-LLVE: Low-Light Video Enhancement with Modality-Agnostic Inference

AnyMod-LLVE: 模态无关推理的低光照视频增强

Hangfeng Liang, Yutao Hu, Yanhan Hu, Xiaohan Wu, Wenqi Shao, Ying Fu

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

专题命中 效率与部署 ：pretraining(abstract)

AI总结 提出AMNet统一多模态框架，通过空间-频谱双门控转换器学习辅助模态与RGB输入的对应关系，支持推理时任意模态组合，解决低光照视频增强中辅助模态缺失问题。

Comments Accepted at ICML 2026; Project page and code: https://lhfgghc.github.io/LLVE-AMNet

JOIN: Anchor-Grasp-Conditioned Joining via Opposition, Inference, and Navigation for Bimanual Assistive Manipulation

JOIN：通过对抗、推理和导航实现基于锚点抓取条件的双臂辅助操作连接

Drake Moore, Matt Cheng, Xiang Zhi Tan, Taşkın Padır

机构 * Northeastern University（东北大学） 纠错

专题命中 效率与部署 ：language model(abstract)

AI总结 提出一种异构按需双臂系统JOIN，通过锚点臂与移动补臂的条件性连接，结合视觉语言模型和几何工具，解决代表性双臂日常生活任务，在实验中成功率更高且需更少人工修正。

Comments Xiang Zhi Tan and Taşkın Padır share equal advising

Multi-channel Optical Vision Model

多通道光学视觉模型

Ali Momeni, Guillaume Noetinger, Tim Tuuva, Romain Fleury

专题命中 效率与部署 ：language model(abstract)

AI总结 本文利用光学神经网络中的空间复用，将通道作为可训练表示坐标，通过在线物理前向/代理反向训练，在图像分类和回归任务中实现多通道功能，并构建了混合光电视觉语言模型。

Comments 24 pages, 4 figures

ALETHEIA: Autonomous Loop for Experimental Theory and HEP Inference Across-data

ALETHEIA：用于跨数据实验理论与高能物理推断的自主循环

Vincent Alexander Croft

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

AI总结 提出ALETHEIA自主循环工具，通过主动学习构建排列不变的事件表示，用于SMEFT系数估计和算子扩展，实现表示完成与物理扩展的分离。

Contrastive Spectral Rectification: Test-Time Defense towards Zero-shot Adversarial Robustness of CLIP

对比谱校正：面向CLIP零样本对抗鲁棒性的测试时防御

Sen Nie, Jie Zhang, Zhuo Wang, Shiguang Shan, Xilin Chen

机构 * University of Electronic Science and Technology of China（电子科技大学） 纠错

专题命中 效率与部署 ：language model(abstract)

AI总结 提出对比谱校正（CSR）方法，利用对抗样本在频率衰减下的特征不一致性，通过谱引导对比目标优化校正扰动，在16个分类基准上平均提升18.1%的强攻击鲁棒性，且推理开销低。

Comments Accepted by ICML 2026

Causal Ensemble Agent: Hierarchical Causal Discovery with LLM-guided Expert Reweighting

因果集成智能体：基于LLM引导的专家重加权的层次化因果发现

Xinyu Li, Yuanyuan Wang, Haoxuan Li, Chuan Zhou, Erdun Gao, Bo Han, Tongliang Liu, Kun Zhang, Howard Bondell, Mingming Gong

机构 * The University of Melbourne（墨尔本大学） ； MBZUAI（穆罕默德·本·扎耶德人工智能大学） ； Peking University（北京大学） ； Adelaide University（阿德莱德大学） ； Hong Kong Baptist University（香港浸会大学） ； The University of Sydney（悉尼大学） ； Carnegie Mellon University（卡内基梅隆大学） 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、cs.AI、cs.LG

AI总结 提出因果集成智能体（CEA）框架，通过线性意见池聚合不同层次的统计因果发现结果，并利用大语言模型（LLM）作为元裁判在决策边界附近动态重加权专家，从而构建更准确完整的因果图。

On Using Large Language Models to Enhance Clinically-Driven Missing Data Recovery Algorithms in Electronic Health Records

利用大型语言模型增强电子健康记录中临床驱动的缺失数据恢复算法

Sarah C. Lotspeich, Abbey Collins, Brian J. Wells, Ashish K. Khanna, Joseph Rigdon, Lucy D'Agostino McGowan

机构 * Department of Statistical Sciences, Wake Forest University（统计科学系，威克森林大学） ； Wake Forest University（威克森林大学） ； Wake Forest University School of Medicine（威克森林大学医学院） ； Department of Psychology, North Carolina State University（心理学系，北卡罗来纳州立大学） ； Department of Biostatistics and Data Science, Wake Forest University School of Medicine（生物统计学与数据科学系，威克森林大学医学院） ； Department of Anesthesiology, Division of Critical Care Medicine, Wake Forest University School of Medicine（麻醉学系，重症医学科，威克森林大学医学院） ； Outcomes Research Consortium（结局研究联盟） 纠错

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

AI总结 本文探讨利用大型语言模型改进电子健康记录中缺失数据恢复算法的准确性与可扩展性，通过临床专家和LLM协同优化路标，实现与专家审查相似的数据恢复效果。

Journal ref 2026

VArify: A Visual Analytics System for Verifying Knowledge Enhanced Large Language Model Responses in Food Science

VArify：一个用于验证食品科学中知识增强型大语言模型响应的可视化分析系统

Sam Yu-Te Lee, Yan To Linus Lam, Manami Nakagawa, Kwan-Liu Ma

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

AI总结 针对GraphRAG系统检索数据复杂、难以验证的问题，提出VArify可视化分析系统，通过文件目录式树状可视化支持证据的组间关系与组内层次探索，用户研究证明其有效区分LLM内部知识与外部证据，并帮助识别知识图谱错误。

Large Language Model Chatbot Conversations vs Public Health Materials and Parental HPV Vaccination Intentions: A Randomized Clinical Trial

大型语言模型聊天机器人对话与公共卫生材料及父母HPV疫苗接种意愿：一项随机临床试验

Neil K. R. Sehgal, Sunny Rai, Manuel Tonneau, Anish K. Agarwal, Joseph Cappella, Melanie Kornides, Lyle Ungar, Alison Buttenheim, Sharath Chandra Guntuku

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

AI总结 该随机临床试验比较了LLM聊天机器人对话、公共卫生材料和无干预对父母HPV疫苗接种意愿的影响，发现公共卫生材料在即时和45天后均有效，而聊天机器人效果短暂。

Journal ref JAMA Network Open 2026

Atomic Intent Reasoning: Bringing LLM Semantics to Industrial Cross-Domain Recommendations

原子意图推理：将LLM语义引入工业跨域推荐

Zhuohang Jiang, Yuxin Chen, Shijie Wang, Haohao Qu, Zhou Jindong, Wenqi Fan, Li Qing, Dongxu Liang, Jun Wang

机构 * The Hong Kong Polytechnic University（香港理工大学） ； Kuaishou Technology（快手科技） 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.AI

AI总结 提出AIR框架，通过离线LLM推理与在线高效检索组合，实现工业级跨域推荐，在快手电商中GMV提升3.446%。

Journal ref Proceedings of the 32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining V.2 (KDD '26), August 09--13, 2026, Jeju Island, Republic of Korea

An Industrial-Scale Insurance LLM Achieving Verifiable Domain Mastery and Hallucination Control without Competence Trade-offs

一个工业级保险大语言模型，实现可验证的领域掌握与幻觉控制，无能力权衡

Qian Zhu, Xinnan Guo, Jingjing Huo, Jun Li, Pan Liu, Wenyan Yang, Wanqing Xu, Xuan Lin

机构 * Ant Group（蚂蚁集团） 纠错

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

AI总结 提出INS-S1保险专用大语言模型，通过可验证数据合成系统和渐进式SFT-RL课程框架，在领域任务上达到SOTA，同时保持通用能力并实现0.6%的低幻觉率。

Comments 21 pages, 12 figures, 17 tables

Journal ref ICLR 2026 Workshop Advances in Financial AI

Towards Diverse Scientific Hypothesis Search with Large Language Models

面向多样化科学假设搜索的大语言模型

Haorui Wang, Parshin Shojaee, Kazem Meidani, Kunyang Sun, José Miguel Hernández-Lobato, Teresa Head-Gordon, Jiajun He, Chandan K. Reddy, Chao Zhang, Yuanqi Du

机构 * University of California, Berkeley（加州大学伯克利分校） 纠错

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

AI总结 针对科学假设搜索中多样性崩溃问题，提出基于并行回火的多温度进化框架，在固定验证预算下提升假设质量与多样性。

Comments ICML 2026

Large Language Models as Modal Models in Linguistics

大语言模型作为语言学中的模态模型

Haruto Suzuki, Saku Sugawara

机构 * Keio University（庆应义塾大学） ； National Institute of Informatics（国立信息学研究所） ； University of Tokyo（东京大学） 纠错

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

AI总结 本文应用科学哲学中的模态建模框架，论证大语言模型作为最小模型具有真正的认知价值，能提供“如何可能解释”，但当前尚不满足“如何实际解释”的条件，其解释力位于两者之间的连续统上。