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。
AVIS: 视觉语言模型的自适应测试时缩放
机构 * AI Center-Toronto, Samsung Electronics（三星电子多伦多AI中心） ； University of Toronto（多伦多大学） ； Vector Institute（向量研究所） ； York University（约克大学）
专题命中 效率与部署 ：language model(title,abstract)；prompting(abstract)；分类 cs.AI
AI总结 提出AVIS，通过轻量策略联合优化视觉上下文缩放和推理缩放，利用无训练的关键多样性剪枝和自适应自一致性，在多种基准上提升精度-计算权衡。
Comments Project page: https://avis-vlm.github.io/
移动NPU上的能效型设备端RAG：Snapdragon X Elite系统设计与基准测试
机构 * Qualcomm（高通） ； Snapdragon X Elite（骁龙X Elite） ； Dell XPS 13 laptop（戴尔XPS 13笔记本电脑） ； Qualcomm Hexagon NPU（高通Hexagon NPU） ； Adreno X1-85
专题命中 效率与部署 ：LLM(abstract,abstract_cn)；large language model(abstract)；language model(abstract)；分类 cs.CL、cs.LG
AI总结 本文首次在Snapdragon X Elite的Hexagon NPU上实现端到端RAG流水线，通过对比CPU和GPU，NPU在嵌入吞吐量、系统能耗和查询延迟上分别提升9.1倍、降低12.3倍和4.0倍，且答案质量相当。
Comments 9 pages, 2 figures, 6 tables
量化语言模型蒸馏中的潜意识行为迁移比率
机构 * University of Freiburg（弗赖堡大学）
专题命中 效率与部署 ：language model(title,abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 通过控制教师模型行为强度并蒸馏学生模型，量化了潜意识行为迁移比率，发现迁移具有鲁棒性且呈现不同缩放行为。
INFRAMIND: 基础设施感知的多智能体编排
机构 * University of Central Florida（中佛罗里达大学）
专题命中 效率与部署 ：LLM(summary_cn,abstract)；分类 cs.AI
AI总结 提出INFRAMIND框架，通过强化学习将基础设施状态（队列深度、KV缓存压力等）融入多智能体LLM编排的规划、路由和调度决策，在共享GPU集群上实现质量与延迟的平衡，相比基线提升最高7.6%准确率并降低7倍延迟。
Comments Preprint
预测驱动的已部署模型风险监控：检测有害分布漂移
机构 * University of California, Berkeley（加州大学伯克利分校）
专题命中 效率与部署 ：LLM(abstract,abstract_cn)；large language model(abstract)；language model(abstract)；分类 cs.LG
AI总结 提出预测驱动风险监控（PPRM），一种基于预测驱动推断的半监督方法，通过结合合成标签与少量真实标签构建运行风险的随时有效下界，实现对有害漂移的检测，并在图像分类、大语言模型和电信监控任务中验证有效性。
Comments Accepted by ICML2026
APEX：面向无线边缘运维的预测与异常检测的网络原生时间序列基础模型
机构 * Cisco Systems, USA（思科系统公司）
专题命中 效率与部署 ：foundation model(title,abstract)；分类 cs.LG
AI总结 提出网络原生解码器Transformer APEX，针对企业AP遥测数据预训练，在DHCP退化基准上MAE比最强基线降低18%，异常检测F1=0.93，边缘版本实现亚秒级隐私保护推理。
Comments 5 pages, 1 figure, 4 tables. Discusses a network-native time-series foundation model for wireless edge operations
FlowBank: 通过预计算与复用实现查询自适应智能体工作流优化
机构 * University of Maryland, College Park（马里兰大学哥伦比亚公园分校） ； Amazon（亚马逊）
专题命中 效率与部署 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 提出FlowBank框架，通过预计算多样化工作流并压缩为紧凑组合，在推理时自适应选择最优工作流，平衡性能与成本，在五个基准上平均得分最高且成本可控。
重新路由，而非移除：面向视觉语言模型的可恢复视觉令牌路由
机构 * National Yang Ming Chiao Tung University（国立阳明交通大学） ； National Taiwan University（国立台湾大学）
专题命中 效率与部署 ：language model(title,abstract)；分类 cs.AI
AI总结 针对视觉语言模型中视觉令牌重要性随解码器深度变化的问题，提出无需训练的可恢复路由方法Reroute，将不可逆移除改为可恢复路由，在激进令牌缩减下提升定位能力并保持通用VQA性能。
Comments Code: https://github.com/elmma/mllm-reroute/
基于GPU的大语言模型服务系统中的软件老化特征分析
机构 * College of Computing and Informatics, University of North Carolina at Charlotte（北卡罗来纳大学夏洛特分校计算机与信息学院）
专题命中 效率与部署 ：LLM(title,abstract)；分类 cs.AI
AI总结 提出一种实证方法研究GPU大语言模型服务系统中的软件老化，通过216小时实验发现所有部署均存在显著内存老化，泄漏率与运行时和配置强相关，并提供了可复现框架。
Comments 7 pages
Kalman线性注意力：用于高效语言建模和状态跟踪的并行贝叶斯滤波
机构 * University of Cambridge（剑桥大学）
专题命中 效率与部署 ：language model(title,abstract)；分类 cs.LG
AI总结 提出Kalman线性注意力层，将序列混合重写为信息形式的精确贝叶斯滤波，实现时间并行推理，在相同计算成本下比GLA更具表达力，并在状态跟踪任务中超越线性SSM和注意力。
Comments Accepted at ICML 2026. An earlier version of this work was presented at the 1st Workshop on Epistemic Intelligence in Machine Learning (EIML) at EurIPS 2025
基于扩散的累积对抗净化方法用于视觉语言模型
机构 * KTH Royal Institute of Technology（皇家理工学院） ； Swiss Federal Institute of Technology Lausanne（洛桑联邦理工学院） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； CISPA Helmholtz Center for Information Security（信息安全赫尔姆霍兹中心） ； RISE Research Institutes of Sweden（瑞典RISE研究机构） ； Halmstad University（哈马碧大学）
专题命中 效率与部署 ：language model(title,abstract)；分类 cs.AI
AI总结 提出DiffCAP，一种基于扩散的对抗净化策略，通过理论证明对抗效应随扩散单调衰减，并利用噪声注入与VLM嵌入相似度阈值自适应净化，显著提升防御效果并加速去噪。
Comments Accepted to Transactions on Machine Learning Research (TMLR 2026)
实时语言模型阻塞：现场音乐伴奏生成的案例研究
机构 * MBZUAI（穆罕默德·本·扎耶德人工智能大学）
专题命中 效率与部署 ：language model(title,abstract)
AI总结 提出StreamMUSE系统，在客户端-服务器架构中实现帧同步流式推理，通过现场音乐伴奏任务验证了不同延迟环境下实时同步的有效性。
Comments Accepted to RTAS 2026. 14 pages, 5 figures, 3 tables
ViP-VL：基于向量量化学习的越南语自监督语音预训练模型
机构 * VinUniversity（越南 Vin 大学）
专题命中 效率与部署 ：pretraining(title,abstract)
AI总结 提出ViP-VL模型，通过声学堆叠、感受野对齐和掩码选择策略，在BEST-RQ框架上实现高效自监督预训练，在越南语ASR、情感识别、方言分类和说话人验证四项任务上取得最优结果。
Comments Accepted to INTERSPEECH 2026
机器学习原子间势基础模型中的六个开放问题
专题命中 效率与部署 ：foundation model(title,abstract)
AI总结 本文定义机器学习原子间势基础模型，并探讨六个关键开放问题，包括数据多样性、模型泛化、可迁移性、不确定性量化、计算效率与物理一致性，以指引未来研究。
Nonslop: 人机协作写作中的游戏化实验
机构 * IEEE
专题命中 效率与部署 ：LLM(abstract_cn)；large language model(abstract)；language model(abstract)；分类 cs.AI
AI总结 通过游戏化写作实验，研究用户在AI建议下何时保持创意自主性，揭示效率与真实性之间的张力。
Comments Accepted at the 2026 IEEE Conference on Games (CoG 2026); to be published in the conference proceedings. Camera-ready version
AI智能体实验的预注册
机构 * MIT（麻省理工学院）
专题命中 效率与部署 ：LLM(abstract_cn)；large language model(abstract)；language model(abstract)；分类 cs.AI
AI总结 针对AI智能体实验中的方法论漏洞，提出将预注册实践扩展至该领域，并设计专用模板以提升研究可信度。
Comments Accepted at ICML 2026 as a Spotlight (Top 5%) Position Paper
DuDi: 跨语言动词化的双信号蒸馏
机构 * School of Information Science and Technology, VISTEC（信息科学与技术学院，VISTEC） ； AI Singapore（AI新加坡） ； MBZUAI
专题命中 效率与部署 ：language model(abstract)；small language model(abstract)；SLM(abstract_cn)；分类 cs.CL
AI总结 提出DuDi框架，通过结合序列级和词元级信号以及跨语言动词化器，提升小语言模型在多语言（尤其是东南亚语言）上的性能。
Fanar-Sadiq：一种用于基于经典伊斯兰问答的多智能体架构
机构 * Qatar Computing Research Institute（卡塔尔计算研究所） ； HBKU（哈马德本·卡尔白大学）
专题命中 效率与部署 ：LLM(abstract_cn)；large language model(abstract)；language model(abstract)；分类 cs.CL
AI总结 针对大语言模型在伊斯兰问答中易产生幻觉和错误归因的问题，提出基于多智能体工具增强架构的Fanar-Sadiq系统，通过意图感知路由、检索增强教法回答、精确经文引用和确定性计算器，在公开基准上实现高效准确的伊斯兰问答。
Comments Islamic QA; Religious NLP; Retrieval-Augmented Generation; Multi-Agent LLMs; Tool-Augmented Reasoning; Faithful Generation; Fiqh Reasoning
Pass@K 策略优化：解决更困难的强化学习问题
机构 * Google DeepMind（谷歌DeepMind）
专题命中 效率与部署 ：LLM(abstract,abstract_cn)；分类 cs.CL、cs.AI、cs.LG
AI总结 提出 Pass-at-k 策略优化 (PKPO)，通过变换奖励直接优化 pass@k 性能，利用低方差无偏估计器，在训练中退火 k 可同时提升 pass@1 和 pass@k，解决更难问题。
GLACIER：用于分子性质预测的多模态师生基础模型
机构 * Department of Computer Science, University of Southern California（南加州大学计算机科学系） ； Department of Quantitative and Computational Biology, University of Southern California（南加州大学定量与计算生物学系） ； Amazon（亚马逊） ； Department of Medical Biochemistry and Biophysics, Science for Life Laboratory, Karolinska Institutet（卡罗林斯卡学院医学生物化学与生物物理系，生命科学实验室）
专题命中 效率与部署 ：foundation model(title)；分类 cs.LG
AI总结 提出GLACIER师生框架，通过融合分子图、SMILES和物理化学描述符三种模态，并利用大模型蒸馏，实现高效准确的分子性质预测。
潜流内部：音频分离基础模型中注意力动力学的因果解读
机构 * Jilin University（吉林大学） ； Hunan University（湖南大学） ； University of Electronic Science and Technology of China（电子科学与技术大学）
专题命中 效率与部署 ：foundation model(title)；分类 cs.AI
AI总结 本文通过因果干预协议揭示流匹配Transformer在音频分离中的双路径注意力机制，并提出无训练加速方法LSAC，在保持质量的同时减少约25%自注意力计算。
VIA-SD：通过模型内路由进行推测解码的验证
机构 * ReLER, The State Key Lab of Brain Machine Intelligence, Zhejiang University（脑机智能国家重点实验室，浙江大学） ； College of Artificial Intelligence, Zhejiang University（人工智能学院，浙江大学） ； CFAR, Agency for Science, Technology and Research, Singapore（科学与技术研究局，新加坡） ； National University of Singapore（新加坡国立大学）
专题命中 效率与部署 ：LLM(abstract,abstract_cn)；分类 cs.CL、cs.AI
AI总结 提出VIA-SD多级验证框架，利用从完整验证器派生的精简验证器处理中等置信度令牌，减少大模型调用，在多个任务上实现10-20%加速。
Comments Accepted at the 43rd International Conference on Machine Learning (ICML 2026)
从显式元素到隐式意图：用于可审计行为推断的预定义库
机构 * PARRAWA AI
专题命中 效率与部署 ：LLM(abstract,abstract_cn)；分类 cs.CL、cs.AI
AI总结 提出SemantiClean框架，通过共享元素库从电商会话数据中提取结构化语义信号，驱动可插拔推断目标，优先保证可审计性和可复现性，而非单纯追求精度。
Comments 20 pages, 9 tables
TAPIOCA: 为什么任务感知剪枝能提升模型对分布外数据的能力
机构 * ANITI ； Meta ； Apple
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 本文研究了任务感知剪枝在分布外数据上的改进机制，通过实验发现剪枝能提升OOD准确性，其核心贡献是通过几何解释说明任务感知剪枝如何调整模型表示以适应任务需求。
学习注入：通过强化学习实现自动化提示注入
机构 * ETH Zürich（苏黎世联邦理工学院）
专题命中 效率与部署 ：LLM(abstract,abstract_cn)；分类 cs.AI、cs.LG
AI总结 提出AutoInject，一种基于强化学习的黑盒框架，自动学习对抗性后缀进行提示注入，在AgentDojo上优于模板攻击和多种自适应攻击，并突破专门防御模型。
FOCUS: DLLMs 知道如何驯服它们的计算瓶颈
机构 * University of California, Berkeley（加州大学伯克利分校） ； University of Toronto（多伦多大学）
专题命中 效率与部署 ：large language model(abstract)；language model(abstract)；分类 cs.CL、cs.LG
AI总结 针对扩散大语言模型解码中大部分计算浪费在不可解码令牌上的问题，提出 FOCUS 推理系统，通过动态聚焦可解码令牌并驱逐不可解码令牌，提升有效批大小，实现高达 3.52 倍的吞吐量提升。
Comments ICML 2026 camera-ready version
MPK：一种用于将张量程序转化为巨型内核的编译器和运行时系统
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Tsinghua University（清华大学） ； NVIDIA ； University of Michigan（密歇根大学） ； Independent Researcher（独立研究者） ； Peking University（北京大学）
专题命中 效率与部署 ：LLM(abstract,abstract_cn)；分类 cs.LG
AI总结 提出MPK，首个自动将多GPU模型推理转化为单个高性能巨型内核的编译器和运行时系统，通过SM级图表示实现跨算子软件流水线和细粒度计算通信重叠，显著降低推理延迟。
Comments 14 pages
从感知序列中学习模式与抽象
机构 * Mathematisch-Naturwissenschaftlichen Fakultät und der Medizinischen Fakultät der Eberhard-Karls-Universität Tübingen（图宾根大学数学自然科学学院和医学学院）
专题命中 效率与部署 ：large language model(abstract)；language model(abstract)；分类 cs.LG
AI总结 研究从感知序列中通过分块和抽象发现模式与层次结构的计算原理，提出理性分块模型和非参数层次变量模型，实现高效序列分解与无监督模式发现。
Comments Doctoral thesis
弥合法医图像检索中的模态差距
机构 * Advanced Technologies Application Center (CENATAV)（先进技术应用中心（CENATAV）） ； Centro de Sistemas Complejos, Facultad de Física, Universidad de La Habana（哈瓦那大学物理学院复杂系统中心）
专题命中 效率与部署 ：large language model(abstract)；language model(abstract)
AI总结 提出统一检索框架，利用多模态大语言模型生成文本描述并结合视觉与文本特征融合，提升纹身、人脸素描等法医任务的检索精度与鲁棒性。
Comments 23 pages, 5 figures, paper submitted to Elsevier journal
干预还是不干预：通过概率模型混合指导推理时对齐
机构 * College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算机与数据科学学院）
专题命中 效率与部署 ：LLM(abstract_cn)；分类 cs.CL、cs.AI、cs.LG
AI总结 提出BlendIn框架，通过质量感知对齐和按可靠性加权混合模型知识，解决推理时对齐中指导有效性差异大的问题，在困难模型对上实现最高50%的性能提升。
Comments Accepted by ACL 2026
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