语言大模型 / LLM

SPINE: Bridging the Cyber-Physical Gap with Agentic AI

SPINE：用智能体人工智能弥合网络物理差距

Minkyu Ham, Dongho Kim, Chan Lee, Jiayi Wang, Min Jun Kim, Yixi Zhang, Guo Ye, Jihai Zhao, Soyeon Park, Han Liu

机构 * Northwestern University（西北大学） 纠错

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

AI总结 研究针对机器人智能部署到物理平台存在的校准瓶颈，提出SPINE框架。该框架含两个多智能体工作流程，经实验验证，能跨双臂平台转移，减少对专家校准的依赖，提高操作成功率，缩短遥操作时间，推动具身人工智能向实际部署发展。

Efficient Long-Horizon Learning for Learned Optimization

用于学习优化的高效长时学习

Xiaolong Huang, Benjamin Thérien, James Harrison, Eugene Belilovsky

机构 * Mila - Quebec AI Institute（米拉-魁北克人工智能研究所） ； Google DeepMind（谷歌DeepMind） ； Concordia University（康考迪亚大学） ； Université de Montréal（蒙特利尔大学） 纠错

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

AI总结 研究针对学习优化中当前元训练方法的局限，提出高效长时（ELO）学习算法，重新分配计算并实施监督，提升长展开性能和分布外泛化能力，在多任务中表现出色，且元训练所需GPU时长少。

Comments Meta-learning, learned optimization

WAVE-Stereo: Warp-Aligned Volume Encoding for Stereo Matching

WAVE-Stereo：用于立体匹配的扭曲对齐体素编码

Zehan Liu, Yage He, Xianwu Gong

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

AI总结 研究提出WAVE-Stereo立体匹配方法，基于相关体与特征扭曲互补线索，通过地理扭曲对应编码器并行编码多信息，用周期性全局上下文传播减轻无纹理区匹配退化，在多基准测试中实现精度与效率良好平衡。

Perfect Demo Makes Poor Teacher: Learning Robust Alignment from Critical Motion Segments

完美演示造就差劲教师：从关键运动片段学习鲁棒对齐

Mingyu Liu, Zeju Li, Jiuhe Shu, Hanqing Wang, Yuhao Chao, Hao Chen, Chunhua Shen

机构 * Zhejiang University（浙江大学） ； Shanghai Innovation Institute（上海创新研究院） ； Hong Kong University of Science and Technology (GZ)（香港科技大学（广州）） ； Nanjing University（南京大学） 纠错

专题命中 效率与部署 ：language model(abstract)

AI总结 针对精细操作中流畅演示因压缩关键对齐动作导致策略学习不足的问题，提出数据级重采样和表示级STAIR特征，利用稠密运动感知监督提升策略鲁棒性。

Motubrain: An Advanced World Action Model for Robot Control

MotuBrain: 一种先进的世界动作模型用于机器人控制

Motubrain Team, Chendong Xiang, Fan Bao, Haitian Liu, Hengkai Tan, Hongzhe Bi, James Li, Jiabao Liu, Jingrui Pang, Kiro Jing, Louis Liu, Mengchen Cai, Rongxu Cui, Ruowen Zhao, Runqing Wang, Shuhe Huang, Yao Feng, Yinze Rong, Zeyuan Wang, Jun Zhu

机构 * MotuBrain Team（MotuBrain团队） 纠错

专题命中 效率与部署 ：post-training(abstract)

AI总结 MotuBrain提出一种统一的世界动作模型，结合视频和动作，支持多项任务，实现高效部署和高精度控制。

When W4A4 Breaks Camouflaged Object Detection: Token-Group Dual-Constraint Activation Quantization

当W4A4打破伪装物体检测：令牌组双约束激活量化

Tianqi Li, Wenyu Fang, Xin He, Xue Geng, Xu Cheng, Yun Liu

机构 * VCIP, College of Computer Science, Nankai University（南开大学计算机科学学院VCIP） ； School of Computer Science and Engineering, Tianjin University of Technology（天津工业大学计算机科学与工程学院） ； Institute for Infocomm Research, A*STAR（A*STAR信息与通信研究所） ； Academy for Advanced Interdisciplinary Studies, Nankai University（南开大学先进跨学科研究院） ； Nankai International Advanced Research Institute, Shenzhen Futian（南开国际先进研究院，深圳福田） 纠错

专题命中 效率与部署 ：post-training(abstract)

AI总结 研究W4A4量化Transformer基于的伪装物体检测，发现背景令牌主导激活范围的问题，提出COD-TDQ方法通过令牌组双约束激活量化提升性能。

NanoGS: Training-Free Gaussian Splat Simplification

NanoGS: 无训练高斯点简化

Butian Xiong, Rong Liu, Tiantian Zhou, Meida Chen, Zhiwen Fan, Andrew Feng

机构 * USC Institute for Creative Technologies（USC创意科技研究所） ； Texas A\&M University（德克萨斯农工大学） 纠错

专题命中 效率与部署 ：post-training(abstract)

AI总结 本文提出NanoGS，一种无需训练的高斯点简化框架，通过局部成对合并实现紧凑表示，保留场景结构与外观，适用于现有高斯点模型，运行高效且易于集成。

VersaQ-3D: Architecture Support for Visual Geometry Grounded Transformers via Versatile Quantization

VersaQ-3D：通过通用量化对视觉几何基础变压器的架构支持

Yipu Zhang, Jintao Cheng, Xingyu Liu, Zeyu Li, Carol Jingyi Li, Jin Wu, Lin Jiang, Ceyu Xu, Yuan Xie, Jiang Xu, Wei Zhang

专题命中 效率与部署 ：LLM(abstract)

AI总结 研究针对视觉几何基础变压器（VGGT）因参数规模大及量化困难限制设备部署的问题，提出VersaQ-3D算法-架构协同设计框架，算法上有无校准量化方法，架构上设计可重构加速器，实现低比特高精度及显著加速，能在边缘设备高效进行3D重建。

Attentive multilayer fusion for vision transformers

视觉Transformer的注意力多层融合

Laure Ciernik, Marco Morik, Lukas Thede, Luca Eyring, Shinichi Nakajima, Zeynep Akata, Lukas Muttenthaler

机构 * Hector Fellow Academy（海克荣誉院士协会） ； BIFOLD ； University of Tübingen（图宾根大学） ； Tübingen AI Center（图宾根人工智能中心） ； Helmholtz Munich（亥姆霍兹慕尼黑） ； Technical University Munich（慕尼黑技术大学） ； MCML（慕尼黑机器学习中心） ； Aignostics, Berlin（柏林Aignostics） ； RIKEN AIP（理化学研究所AIP） 纠错

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

AI总结 研究如何让大规模基础模型有效适应下游任务，提出注意力多层融合方法，通过动态融合视觉Transformer各层表示，识别最相关层并结合不同层次线索，在多数据集和模型上比标准线性探测有显著提升，强调中间层价值。

Designing Safety-Constrained LLM Systems for Public Health Information Access

设计用于公共卫生信息访问的安全约束大语言模型系统

Ben Torkian, Jun Zhou

机构 * University of South Carolina（南卡罗来纳大学） 纠错

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

AI总结 针对公共卫生信息访问，尤其是母婴健康资源导航，设计实现安全约束大语言模型系统。采用多层架构，含领域受限RAG等，通过可控数据管道确保回复基于精选资源。经场景验证，系统安全约束执行一致、性能稳定，为相关领域部署LLM系统提供指导。

Automatic Ordinary Differential Equations Discovery For Biological Systems Using Large Language Model Powered Agentic System

使用由大语言模型驱动的智能体系统自动发现生物系统中的常微分方程

David Krongauz, Arad Zulti, Eran Segal, Teddy Lazebnik

机构 * Weizmann Institute of Science（魏茨曼科学研究所） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； University of Haifa（海法大学） ； Jonkoping University（延雪平大学） 纠错

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

AI总结 研究旨在用大语言模型驱动智能体系统自动发现生物系统常微分方程。提出MEDA系统，能检索知识、定义变量、生成约束等。通过多种任务评估，该系统可恢复正确变量，实现结构恢复，生成合理模型，还明确关键组成部分。

TMallGS: Scaling Unified Feature and Sequence Modeling for Generative E-commerce Search

天猫GS：为生成式电商搜索扩展统一特征和序列建模

Zhentao Song, Yufeng Gao, Xing Fang, Jing Wang, Guangxin Song, Bokang Wang, Yipin Dai, He Guo

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

AI总结 研究工业搜索和排名系统中CTR预测从DLRM转向Transformer架构的问题，提出天猫GS可扩展排名架构，含分层分布校准令牌化等五个关键组件，经实验和测试，该架构提高训练吞吐量，提升UCTCVR和GMV。

Can LLMs Learn and Apply Multi-Level Modelling Semantics? A First Empirical Study

大语言模型能否学习并应用多层次建模语义？首次实证研究

Yuhong Fu, Weixing Zhang, Bowen Jiang, Haowei Cheng, Karamjti Kaur, Markus Stumptner

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

AI总结 研究大语言模型能否学习应用多层次建模语义，通过让三种商业大语言模型在六种提示策略下为挑战生成模型并与参考对比，发现句法正确性可及，语义正确性部分实现，明确能力边界，为工业5.0建模工作流设计提供参考。

MetaPerch: Learning from metadata for bioacoustics foundation models

MetaPerch：从元数据学习生物声学基础模型

Mustafa Chasmai, Vincent Dumoulin, Jenny Hamer

专题命中 领域大模型 ：foundation model(title,abstract)；分类 cs.LG

AI总结 研究利用生物声学数据中心的元数据，将位置、时间等元数据作为辅助监督信号，引入MetaPerch基础模型，提升物种识别性能，还对9种元数据源在17个数据集上的效果做了实证研究。

Comments Accepted to ICML 26

FM$^2$: Unified Federated Foundation Models for Heterogeneous Multimodal Medical Imaging

FM$^2$：用于异构多模态医学成像的统一联邦基础模型

Shengchao Chen, Ting Shu

机构 * School of Artificial Intelligence, Shenzhen University（深圳大学人工智能学院） ； Australian AI Institute, University of Technology Sydney（悉尼科技大学澳大利亚人工智能研究所） 纠错

专题命中 领域大模型 ：foundation model(title,abstract)

AI总结 针对医学成像基础模型构建中隐私与任务统一问题，提出FM$^2$框架，通过从头训练核心主干、结合预训练编码器、配备双混合专家模块及正则化器，并引入字幕增强学习，实现跨模态泛化，优于现有联邦基线。

Comments Accepted by ACM MM 2026 (Main Track): the 34th ACM International Conference on Multimedia

Empowering Medical Equipment Sustainability in Low-Resource Settings: An AI-Powered Diagnostic and Support Platform for Biomedical Technicians

赋能低资源环境下的医疗设备可持续性：一个由AI驱动的诊断与支持平台，用于生物医学技术人员

Bernes Lorier Atabonfack, Ahmed Tahiru Issah, Mohammed Hardi Abdul Baaki, Clemence Ingabire, Tolulope Olusuyi, Maruf Adewole, Udunna C. Anazodo, Timothy X Brown

机构 * Carnegie Mellon University Africa（卡内基梅隆大学非洲分校） ； Medical Artificial Intelligence Laboratory（医学人工智能实验室） ； University of Pennsylvania（宾夕法尼亚大学） ； McGill University（麦吉尔大学） 纠错

专题命中 领域大模型 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 本研究提出一个AI驱动的平台，帮助生物医学技术人员实时诊断和修复医疗设备，通过集成大语言模型和用户友好的界面，提高低资源环境下的医疗设备可持续性。

Comments Accepted at the MIRASOL Workshop at MICCAI 2025. To appear in Lecture Notes in Computer Science (LNCS)

Journal ref In: Anazodo U. et al. (eds) Medical Image Computing in Resource Constrained Settings. MIRASOL 2025. LNCS, Springer, Cham, pp. 217-230

Analyzing Curricular Pattern Complexity Using AI to Improve On-Time Graduation Rates

使用人工智能分析课程模式复杂性以提高按时毕业率

Lynn Vonderhaar, Juan Couder, Siri Siqveland, Omar Ochoa, James Pembridge

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

AI总结 该研究针对软件工程本科课程模式，利用人工智能技术尤其是大语言模型，分析课程模式并给出修订建议，以减少课程变更时间，减少瓶颈和毕业延迟，满足学生需求，提高按时毕业率。

Comments Accepted to Frontiers in Education (FIE) 2026

STEP: Career-Path Recommendation via Temporal and Educational Trajectory Modeling

STEP：通过时间和教育轨迹建模进行职业路径推荐

Iman Johary, Guillaume Bied, Alexandru C. Mara, Tijl De Bie

机构 * AIDA-IDLab, Ghent University（AIDA-ID实验室，根特大学） 纠错

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

AI总结 研究利用大语言模型从简历获取职业轨迹数据，提出STEP职业路径推荐系统，通过集成时间衰减GRU、FiLM及注意力序列池化预测下一份工作，引入ROUTE改进职业表示，在多数据集评估中优于基准，还公开了数据集和代码。

Building Shor's Algorithm in Lean: An Agentic Formalization of Quantum Attacks on RSA-2048 and P-256

在Lean中构建肖尔算法：对RSA - 2048和P - 256的量子攻击的智能形式化

Lei Zhang, Yusheng Zhao, Hongshun Yao, Xin Wang

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

AI总结 研究在Lean中对肖尔算法及其变体进行形式化，采用智能形式化方法让软件代理分析、编写代码及修复证明，建立数学基础用于分析RSA - 2048和P - 256加密设置下的量子攻击，为量子密码分析及算法设计验证助力。

Comments 21 pages, including appendix; 2 figures

Scientific-Intention Driven Embodied Intelligent Solar Telescope: Conceptual Design

科学意图驱动的具身智能太阳望远镜：概念设计

Lin Jiaben, Tong Liyue, Wang Hui, Shao Mingfu, Yang Chen

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

AI总结 本文提出科学意图驱动的具身智能太阳望远镜（SIDEST）概念系统，通过三个核心层实现三种智能科学研究闭环，构建最小原型系统验证其核心原理及技术路径可行性，以前沿AI方法重新定义望远镜。

Comments 39 pages, 14 figures

Journal ref Laser & Optoelectronics Progress, 2026, 63(8): 0839014

WikiSTAR: A System for Shedding Light on the Hidden History of Scientific Wikipedia Articles

WikiSTAR：一个揭示科学维基百科文章隐藏历史的系统

Omer Ehrlich, Nitzan Barzilay, Rona Aviram, Tom Hope

机构 * The Hebrew University of Jerusalem（耶路撒冷希伯来大学） ； Ben-Gurion University of the Negev（内盖夫本-古里安大学） ； Allen Institute for AI (Ai2)（艾伦人工智能研究所） 纠错

专题命中 领域大模型 ：LLM(abstract)；分类 cs.CL

AI总结 WikiSTAR系统利用大语言模型分类器标记编辑类型，通过交互式视图追溯科学维基百科文章修订历史，揭示知识发展，经用户研究验证其能发现新模式、问题并实现新分析，还发布了系统、代码和基准。

Unlocking Latent Dimensions: Exploring Representations of Large-Scale X-ray Scattering Data using Variational Autoencoders

解锁潜在维度：使用变分自编码器探索大规模X射线散射数据的表示

Monika Choudhary, Xiaoya Chong, Runbo Jiang, Wiebke Koepp, Petrus H. Zwart, Damon English, Gregory M. Su, Eric Schaible, Chenhui Zhu, Mostafa Nassr, Noah P. Wamble, Kelvin Kam-Yun Li, Jonathan M. Chan, Jose Carlos Diaz, Cameron McKay, Lynn Katz, Benny Freeman, Guillaume Freychet, Yevgen Matviychuk, Eliot Gann, Daniel B. Allan, Benedikt Sochor, Frank Schluenzen, Stephan V. Roth, Ethan J. Crumlin, Dylan McReynolds, Tanny Chavez, Alexander Hexemer

机构 * Advanced Light Source, Lawrence Berkeley National Laboratory（劳伦斯伯克利国家实验室先进光源） ； Center for Advanced Mathematics for Energy Research Applications, Lawrence Berkeley National Laboratory（劳伦斯伯克利国家实验室能源研究应用高级数学中心） ； Molecular Biophysics & Integrated Bioimaging Division, Lawrence Berkeley National Laboratory（劳伦斯伯克利国家实验室分子生物物理学与综合生物成像部） ； Berkeley Synchrotron Infrared Structural Biology program, Lawrence Berkeley National Laboratory（劳伦斯伯克利国家实验室伯克利同步辐射红外结构生物学项目） ； Materials Sciences Division, Lawrence Berkeley National Laboratory（劳伦斯伯克利国家实验室材料科学部） ； McKetta Department of Chemical Engineering, University of Texas（德克萨斯大学麦凯塔化学工程系） 纠错

专题命中 领域大模型 ：foundation model(abstract)；分类 cs.LG

AI总结 针对X射线散射数据离线探索和实时分析两大挑战，训练领域特定注意力卷积变分自编码器（C-VAE），学习低维表示以捕捉结构变化，并集成到MLExchange平台的Latent Space Explorer中，支持交互式结构探索。

AI Can Learn Scientific Taste

AI 可以学习科学品味

Jingqi Tong, Mingzhe Li, Hangcheng Li, Yongzhuo Yang, Yurong Mou, Weijie Ma, Zhiheng Xi, Hongji Chen, Xiaoran Liu, Qinyuan Cheng, Ming Zhang, Qiguang Chen, Weifeng Ge, Qipeng Guo, Tianlei Ying, Tianxiang Sun, Yining Zheng, Xinchi Chen, Jun Zhao, Ning Ding, Xuanjing Huang, Yu-Gang Jiang, Xipeng Qiu

专题命中 领域大模型 ：LLM(abstract)；分类 cs.CL

AI总结 本文提出RLCF框架，通过社区反馈学习科学品味，使AI能提出高潜力研究想法，实验显示其优于现有模型并具备泛化能力。

Comments 46 pages, 5 figures

Screening Is Effective for Visual Recognition

筛选对视觉识别有效

Shunya Shimomura, Kazuhiro Hotta

机构 * Meijo University（名城大学） 纠错

专题命中 领域大模型 ：language model(abstract)

AI总结 研究针对视觉Transformer难以独立评估图像块相关性的问题，提出VisionScreen模型，将筛选机制扩展到视觉识别，通过二维空间域绝对相关性估计，让块选择性聚合相关块，实验证明该方法优于传统ViT，为视觉识别提供新方案。

Comments Exploratory research

How You Ask Shapes What You Get: Auditing Breast-Cancer Misinformation in TikTok Search

你如何通过提问来获取信息：审核TikTok搜索中的乳腺癌错误信息

Pooriya Jamie, Homa Hosseinmardi, Rezvaneh Rezapour, Aria Pessianzadeh, Patricia A. Ganz, Amir Ghasemian

专题命中 领域大模型 ：language model(abstract)

AI总结 研究TikTok搜索中用户查询框架对乳腺癌错误信息曝光的影响，通过受控实验发现查询框架与错误信息曝光紧密相关，替代医学查询错误信息返回率高，医学信息查询也有错误信息，强调审核查询驱动搜索系统的重要性。

Phantom Guardrails: When Self-Improving Agent Harnesses Fix Failures That Never Happened

幻影护栏：当自我改进的智能体利用从未发生过的修复失败时

Su Wang, Pin Qian, Yifan Lin, Jingzhou Xu, Yihang Chen, Xiaochong Jiang, Lifei Liu, Haoran Yu

专题命中 领域大模型 ：LLM(abstract)

AI总结 研究自我改进智能体在自动化工具优化中虚构从未发生的错误这一现象，通过反事实制造实验室进行研究，发现当合法输入含特定模式等条件时会出现虚构失败，提出该实验室用于测量此类虚构失败。

AgentSociety 2: An Integrated Research Environment for Executable Social Science

AgentSociety 2：用于可执行社会科学的集成研究环境

Jinghua Piao, Jun Zhang, Haoyu Huang, Keming Zhang, Jing Yi Wang, Xinran Zhao, Songwei Li, Boyuan Sun, Jiayi Chang, Fengli Xu, Chunyan Wang, Fang Zhang, Ke Rong, Jun Su, Tianguang Meng, Yi Liu, Qingguo Meng, Yu Wang, Yong Li

专题命中 领域大模型 ：LLM(abstract)

AI总结 针对社会科学研究对象的独特性及现有系统缺陷，AgentSociety 2集成研究环境结合大语言模型代理的两个角色，支持端到端工作流程，通过多领域研究展示其能力，为计算社会科学提供可控基础设施。

When Agents Disagree With Themselves: Behavioral Consistency as an Uncertainty Signal for LLM Agents

当智能体与自身意见相左：测量基于LLM的智能体的行为一致性

Aman Mehta

机构 * Aman Mehta 纠错

专题命中 知识编辑与模型理解 ：LLM(title,title_cn)；分类 cs.AI

AI总结 研究发现基于LLM的智能体在相同任务上运行结果不一致，且这种不一致与任务成功率密切相关，通过监控行为一致性可提升智能体可靠性。

Comments Accepted at the ICML 2026 Workshop on Statistical Frameworks for Uncertainty in Agentic Systems. 12 pages, 9 figures

Protective Capacity Hallucination: When Large Language Models Claim Nonexistent Capabilities

保护能力幻觉：当大语言模型声称具备不存在的能力时

Eunna Lee, Jungpyo Nam, Sunjun Hwang

机构 * Korea Cyber University（韩国网络大学） ； Yonsei University（延世大学） 纠错

专题命中 知识编辑与模型理解 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)；分类 cs.AI

AI总结 研究大语言模型的保护能力幻觉现象，通过三阶段研究发现其受情境严重程度和交互形式影响，体现了角色分配与能力边界规范的差距，提出能力边界的部署端规范是缓解该问题的目标。

Uncertainty-Aware Sequential Decision Rules for Event-Triggered LLM Invocation in Streaming Systems

流系统中事件触发大语言模型调用的不确定性感知序贯决策规则

Zhaohui Wang

机构 * Viterbi School of Engineering, University of Southern California（南加州大学维特比工程学院） 纠错

专题命中 知识编辑与模型理解 ：LLM(title,abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI、cs.LG

AI总结 研究流系统中何时调用大语言模型的问题，将其转化为基于风险的序贯停止问题，证明了相关理论结果。通过在涡轮风扇退化数据上的实验，验证假设、比较基线，得出次线性遗憾、高诊断质量等结论，表明异常分数驱动的风险函数更优。

Comments 18 pages, 5 figures. Accepted to the ECML PKDD 2026 Research Track