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。
大语言模型的是非偏差反映答案顺序和措辞，而非道德判断的转变
机构 * Princeton University（普林斯顿大学）
专题命中 预训练与数据 ：large language model(title,abstract)；language model(title,abstract)；分类 cs.CL、cs.AI
AI总结 研究大语言模型在道德困境判断中的是非偏差，通过交叉对称化等心理测量方法区分逻辑判断、词汇等因素，发现前沿模型立场与形式无关，部分模型存在顺序和词汇偏差，最小模型可总结伪像，强调跨框架测量模型重视内容。
提示复杂性：大语言模型中用于文本和行为的最短提示
机构 * Dalle Molle Institute for Artificial Intelligence (IDSIA)（达勒·莫利人工智能研究所）
专题命中 预训练与数据 ：prompting(title,abstract)；language model(abstract)；分类 cs.CL
AI总结 研究提示复杂性，定义其为固定语言模型产生目标文本的最短合理提示量，类似资源受限柯尔莫哥洛夫复杂性。介绍计算方法、扩展定义到软提示复杂性，定义提示距离等，据此制定研究议程以探究短提示可实现的文本和行为。
RMISC：用于时间序列基础模型的大规模真实世界多元语料库
机构 * Nanjing University（南京大学） ； Siemens Data and AI Research（西门子数据与人工智能研究院） ； Nanjing University – Siemens Joint Research Center on Industrial AI（南京大学-西门子工业人工智能联合研究中心）
专题命中 预训练与数据 ：foundation model(title,abstract)；分类 cs.AI
AI总结 研究真实世界多元数据对时间序列基础模型泛化性能的影响，通过建立RMISC语料库，预训练四个先进TSFMs并评估，发现纳入真实世界多元数据可提升泛化性能，为理解其对模型发展的作用提供了依据。
蓝鹊语音合成系统：用于台湾口音语码转换语音的高效令牌分词器、语言模型和语音合成系统
机构 * National Taiwan University（台湾大学）
专题命中 预训练与数据 ：language model(title,abstract)；分类 cs.CL
AI总结 研究针对现成语音合成系统不适配台湾普通话的问题，提出从底层解决文本问题的方法，包括训练PangolinTokenizer分词器、Barbet语言模型，构建蓝鹊语音合成系统，显著降低了字符错误率和词错误率，获多数盲听投票青睐。
前沿语言模型智能体经济中的信息限制与吸引子动力学：一项预注册测试
机构 * Independent Researcher（独立研究者）
专题命中 预训练与数据 ：LLM(title,abstract)；分类 cs.AI
AI总结 该研究对前沿语言模型智能体小型经济体进行预注册实验，测试耦合多智能体系统的两个预测。通过实验验证了比例投注耦合经济体中一些信息论相关定律，同时发现残差缩放测试结果否定了平滑平均场模型假设，还发布了相关代码等资料。
Comments 15 pages. Preprint. Zenodo: https://doi.org/10.5281/zenodo.21185866. Companion synthesis: arXiv:2606.12502
通过检索增强生成和约束解码减轻大语言模型生成的Web API调用中的错误
机构 * Technische Universität Darmstadt（德累斯顿技术大学） ； Hessian Center for Artificial Intelligence (hessian.AI)（黑森人工智能中心） ； Pariton AI ； National Research Center for Applied Cybersecurity ATHENE（应用网络安全国家研究中心ATHENE）
专题命中 预训练与数据 ：LLM(title,abstract)；分类 cs.LG
AI总结 研究如何减轻大语言模型生成的Web API调用错误，提出检索增强生成（RAG）和约束解码（CD）两种互补方法，设计相应技术细节，在合成和真实数据集上评估，结果显示RAG、CD各有优劣，能提升Web API调用代码正确性。
Comments 54 pages, 11 figures; supersedes arXiv:2509.20172v6, which is a discarded journal extension of our work
超越拒绝：用于漏洞分析的对齐和消除拒绝的大语言模型的同谱系研究
专题命中 预训练与数据 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI
AI总结 研究大语言模型辅助软件安全中，同谱系模型的安全状态（对齐或消除拒绝）对软件安全工作流程防御效用的影响，通过比较不同模型在多方面的表现，发现评估应综合考量模型响应、响应正确性及输出在工程流程中的可操作性。
公共人工智能信息服务中的 curated 检索与开放网页搜索：覆盖度-可信度权衡研究
机构 * Faculty of Industrial Engineering, Mechanical Engineering and Computer Science, University of Iceland（工业工程、机械工程和计算机科学学院，爱沙尼亚大学） ； Faculty of Political Science, University of Iceland（政治学学院，爱沙尼亚大学） ； The Icelandic Web of Science, University of Iceland（冰岛科学网络，爱沙尼亚大学）
专题命中 预训练与数据 ：LLM(abstract_cn)；large language model(abstract)；language model(abstract)；分类 cs.CL
AI总结 针对公共AI信息服务的源可信度问题，对比 curated 本地语料RAG与开放网页搜索两种检索路径，发现前者可信度高但覆盖有限，后者覆盖广但源可信度差，揭示了覆盖度与可信度的核心权衡。
从提示到论文：用于生物信息学的智能AI系统
机构 * School of Interdisciplinary Engineering and Sciences (SINES), National University of Sciences and Technology (NUST)（跨学科工程与科学学院（SINES），国立科技大学（NUST））
专题命中 预训练与数据 ：large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI
AI总结 研究针对现有AI自动生成稿件系统的缺陷，提出Prompt-to-Paper多智能体框架。通过检索增强生成、自主编码实验及八维质量评分等创新，经质量驱动改进循环，在生物信息学案例中验证，有效提升稿件质量，成本低且获较好外部评价。
Comments NA
高斯融合：迈向多模态3D高斯预训练
机构 * Wuhu HIT Robot Technology Research Institute Co., Ltd.（芜湖哈工大机器人技术研究院有限公司）
专题命中 预训练与数据 ：pretraining(title)
AI总结 研究提出GaussFusion多模态3D高斯预训练框架，通过跨模态语义对齐集成图像和文本监督，还提出高斯显著性引导的多尺度空洞掩码，实验表明该方法提高了高斯表示可迁移性，在ModelNet40和ScanObjectNN上有性能提升。
Comments 32 pages, 6 figures, 6 tables
多通道扩频码水印
机构 * Singapore Management University（新加坡国立管理大学）
专题命中 预训练与数据 ：large language model(abstract)；language model(abstract)；分类 cs.LG
AI总结 研究针对大语言模型代码出处等需求，现有水印无法满足的问题。提出多通道扩频码水印方法，无需训练，有24位有效载荷及鲁棒性保证。在多种测试文件和攻击下，水印检测准确率高、误报率为零，能有效恢复标识符。
Comments 15 pages, 3 figures, 16 tables, 2 algorithms
从基础到应用：在实践中改进VLA模型
专题命中 预训练与数据 ：foundation model(abstract)；pretraining(abstract)
AI总结 针对VLA模型实验室与实际应用差距问题，提出LingBot-VLA 2.0。通过改进数据处理、扩展动作空间及预测动力学建模等方法，经GM-100基准测试验证，提升了模型跨实体长距离移动操作能力。
Comments Website: https://technology.robbyant.com/lingbot-vla-v2, Github: https://github.com/robbyant/lingbot-vla-v2, Checkpoints: https://huggingface.co/collections/robbyant/lingbot-vla-v2
SAMPLe：基于SAM的视觉语言模型提示学习优化器
机构 * Clemson University（克莱姆森大学） ； Siemens Energy (AI Lab)（西门子能源（人工智能实验室）） ； University of Arizona（亚利桑那大学）
专题命中 预训练与数据 ：language model(abstract)；foundation model(abstract)
AI总结 研究VLM提示学习中性能与泛化的困境，提出SAMPLe优化器，通过考虑损失曲面锐度平衡探索与利用，减少过拟合，提升泛对未见能力，在多种提示学习框架中表现出色，优于现有优化器。
Comments The manuscript has been accepted to ECCV and will be presented at the conference and published in the main proceedings
何处切割，多深切割：化学SMILES上的字节对编码（BPE）与一元语法语言模型（Unigram-LM）
机构 * Independent Researcher（独立研究者）
专题命中 预训练与数据 ：language model(abstract)；分类 cs.CL、cs.LG
AI总结 研究对比化学SMILES上的BPE和Unigram-LM，在固定化学基础、小词汇量规模及多种语料类型和预分词边界策略下，发现二者不收敛，构建几乎不相交的子词词汇表，Unigram-LM分词更多，表明子词算法是建模决策。
人工智能编码代理执行安全研究的巴尔干化：隔离、访问控制和检查时间到使用时间漏洞
机构 * Department of Computer Science（计算机科学系） ； AI and Media Analysis Lab（人工智能与媒体分析实验室） ； Berlin, Germany（德国柏林）
专题命中 预训练与数据 ：prompting(abstract)；分类 cs.AI
AI总结 研究人工智能编码代理执行安全相关文献分散问题，将39篇论文系统化分类并验证，找出五个交叉差距，如隔离架构与能力模型缺乏共享基准评估等，最后针对差距提出研究议程。
Comments 18 pages, 15 figures, 6 tables. Systematizes 39 execution-security papers (2023-2026) into 17 verified categories. Machine-readable corpus and verification script released as a supplementary artifact
aiAuthZ：人工智能代理的远程、身份绑定授权
机构 * SportsVision AI
专题命中 预训练与数据 ：language model(abstract)；分类 cs.AI
AI总结 研究人工智能代理授权问题，提出aiAuthZ授权网关，通过消息签名验证身份、评估策略，加入审计日志并生成认证收据，有效降低攻击成功率，保障代理调用安全，减少决策延迟。
Comments Technical Report
人工智能研究中的催化剂论文：2017 年至 2025 年 ICLR 的全景分析
机构 * Indiana University Bloomington（印第安纳大学布卢明顿分校）
专题命中 预训练与数据 ：LLM(abstract)；分类 cs.AI
AI总结 研究 2017 年至 2025 年 ICLR 的 36113 篇论文，通过比较四种方法识别“催化剂”论文并定义分类法，发现 EDM 表现最佳，主题发起者和桥梁能引领研究方向，且同行评审分数与未来颠覆性基本无关。
EquiFiLM：通过特征线性调制实现电荷条件下的等变力场
机构 * Stanford University（斯坦福大学） ； SLAC National Accelerator Laboratory（SLAC国家加速器实验室） ； University of Southern California（南加州大学）
专题命中 预训练与数据 ：foundation model(abstract)；分类 cs.LG
AI总结 研究针对基础机器学习力场不能处理外部诱导电子态变化的问题，提出EquiFiLM方法，通过特征线性调制为等变基础MLFF添加外部条件，以少量训练数据学习势能面变化，在带电液态水实验中大幅提升精度，且与骨干和条件无关。
视觉作为统一的多模态生成
机构 * SenseTime Research（商汤科技研究院） ； Nanyang Technological University（南洋理工大学） ； The Chinese University of Hong Kong（香港中文大学） ； Peking University（北京大学） ； Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学）
专题命中 预训练与数据 ：foundation model(abstract)
AI总结 该研究将计算机视觉表述为统一多模态生成，SenseNova-Vision用自然语言指令等指定任务并生成多种输出。通过转换注释形成语料库训练模型，其涵盖多种视觉任务，实验显示统一模型能匹配专用系统，为集成视觉能力到通用模型提供可扩展途径。
Comments 48 pages,22 figures
PhyMRI-SR：迈向基于物理感知的MRI图像超分辨率
机构 * School of Biomedical Engineering, ShanghaiTech University（上海科技大学生物医学工程学院） ； Shanghai Academy of AI for Science（上海人工智能研究院） ； Fudan University（复旦大学） ； School of Computing and Communications, Lancaster University（兰卡斯特大学计算与通信学院） ； School of Biomedical Engineering & State Key Laboratory of Advanced Medical Materials and Devices, ShanghaiTech University（上海科技大学生物医学工程学院与先进医学材料与器械国家重点实验室） ； Shanghai Clinical Research and Trial Center（上海临床研究与试验中心）
专题命中 预训练与数据 ：pretraining(abstract)
AI总结 研究旨在解决MRI图像超分辨率问题，将其视为物理感知重建问题。核心方法是采用2D高斯点渲染并引入三项创新，包括先验感知高斯表示、物理约束信号建模和元学习框架。主要贡献是在动态分辨率数据集和标准基准上实现领先性能，有临床部署潜力。
Comments Project Page: https://bio-med-i2-lab.github.io/projects/PhyMRI-SR
通过强化学习提高大语言模型生成的过程模型质量：奖励函数设计的作用
机构 * German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心（DFKI）） ； Saarland University（萨尔兰大学）
专题命中 指令微调 ：LLM(title,abstract)；large language model(abstract)；language model(abstract)；SFT(abstract)
AI总结 研究探索基于强化学习的大语言模型生成过程模型时奖励函数设计，训练两个模型家族，发现强化学习可提质量，均等奖励加权效果好，设计选择与模型架构相互作用复杂，奖励构成是优化关键，结果适用于多维度质量评估的结构化生成任务。
Comments 21 pages, 5 figures
每个令牌的抛硬币：大语言模型的伯努利稀疏控制
机构 * The Vanguard Group, Inc.（先锋集团公司） ； University of Toronto（多伦多大学）
专题命中 指令微调 ：large language model(title,abstract)；language model(title,abstract)；分类 cs.LG
AI总结 研究大语言模型控制问题，提出随机令牌控制和随机块控制方法，无需奖励模型或门控策略。实验表明，仅控制部分令牌就能恢复大部分密集控制效果且保持流畅性，揭示了SAE介导控制的速率限制特性。
非局域场论中的宏观黑洞残余：走向弦场论中的霍金辐射
专题命中 指令微调 ：SFT(title,abstract)
AI总结 通过弦场论中的非局域指数抑制效应，证明大黑洞的霍金辐射在搅乱时间后终止，粒子数趋零，形成宏观残余，为信息悖论提供新解。
Comments 17 pages, no figure, references added
PolicyShiftGuard：基准测试与改进策略自适应图像护栏
机构 * Fudan University（复旦大学） ； Tongji University（同济大学） ； Virtue AI（美德人工智能公司） ； The Chinese University of Hong Kong（香港中文大学） ； University of Chicago（芝加哥大学） ； University of Illinois, Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
专题命中 指令微调 ：SFT(summary_cn,abstract)；分类 cs.CL、cs.AI
AI总结 研究策略自适应图像护栏问题，提出PolicyShiftGuard方法，结合随机策略SFT和边界对策略适应进行两阶段训练，在PolicyShiftBench基准测试中显著提升性能，消融实验验证关键因素。
用于细粒度图像识别的视觉语言模型中的结构化压缩提示调优
机构 * School of Information Science and Technology, Northwest University（西北大学信息科学与技术学院） ； Laboratory of Intelligent Information Processing, Institute of Computing Technology（中国科学院计算技术研究所智能信息处理重点实验室）
专题命中 指令微调 ：language model(title,abstract)
AI总结 针对细粒度图像识别中视觉语言模型捕捉细微差别能力有限的问题，提出结构化压缩提示调优（SCPT），通过语义关系编码和语义压缩损失增强语义结构建模，在多基准实验中有效减轻语义模糊性，取得领先性能。
GeoXplain：天气基础模型的实时可视化解释
专题命中 指令微调 ：foundation model(title,abstract)
AI总结 研究天气和气候基础模型预测关系难察问题，提出GeoXplain交互式可视化工具包及Aurora Adapter计算后端，支持多种解释方法，可在笔记本或浏览器呈现地理空间归因图，方便探索，代码开源可安装。
Comments 9 pages, 6 figures. Submitted to VISxClimate at IEEE VIS 2026
提示优于微调：用于法定术语检索的生成期望值评分
专题命中 指令微调 ：prompting(title,abstract)
AI总结 研究法规中模糊法律概念检索任务，比较仅编码器模型微调与仅解码器模型零样本提示两类方法，发现提示仅解码器模型总体效果最佳，最佳系统超越此前所有最先进结果。
Comments Accepted to the ASAIL Workshop at ICAIL 2026
大语言模型何时应进行搜索？搜索路由的反事实监督
机构 * Minho Kim
专题命中 指令微调 ：language model(abstract)；preference optimization(abstract)；分类 cs.CL、cs.AI
AI总结 研究大语言模型搜索路由问题，通过比较无搜索和强制搜索结果构建预言机，以其为评估标准和学习信号，用监督微调及偏好优化训练策略，提升了Gemma E2B和Qwen3.5 - 4B的路由宏F1，减少特定模型路由失败并揭示相关瓶颈。
Comments 20 pages, 10 figures. Accepted at the FAGEN Workshop at ICML 2026
SCOPE：利用子目标批判进行代码生成
专题命中 指令微调 ：large language model(abstract)；language model(abstract)
AI总结 研究针对大语言模型代码生成不可靠问题，提出SCOPE方法，利用证明器初始化子目标批判，结合监督微调、强化学习等，通过两个互补奖励改进代码生成，实验显示在多个数据集上优于基线，优势集中在有语义约束任务，代码修正更局部。
InfluMatch：以4B模型成本实现前沿质量的关键意见领袖搜索
专题命中 指令微调 ：prompting(abstract)；分类 cs.CL、cs.AI
AI总结 研究如何将关键意见领袖与泰国营销标准匹配，提出低成本三阶段级联InfluMatch，由小型开放权重模型构建，能以低得多的成本达到前沿模型效果，是可部署、可解释的KOL搜索系统。
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