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。
L1增强注意力作为一种改进的向量相似性度量
专题命中 评测与基准 ：language model(abstract)；分类 cs.CL、cs.LG
AI总结 研究针对缩放点积注意力在Transformer模型中作为相似性度量的局限，提出L1增强注意力方法，通过减去特定头的L1距离改进相似性计算，经实验在WikiText 2上取得更好效果，揭示了各层几何作用及头级专业化，有效提升语言模型相似性计算。
Comments 16 pages, 2 figures, 2 tables
TabPFN中上下文级可靠性的拓扑特征
机构 * TD Bank（道明银行）
专题命中 评测与基准 ：foundation model(abstract)；分类 cs.AI、cs.LG
AI总结 研究TabPFN在复杂表格几何上的内部行为，用曲折持久同调将其层表示视为点云，构建合成表格任务基准。发现其内部表示几何拓扑与数据集级可靠性相关，复杂几何有双重拓扑特征，相关描述符与多种指标有关，能诊断可靠性及运行状态。
超越内存排行榜：将科学记忆评估为预算上下文恢复
机构 * Quantellence Research（Quantellence研究公司） ； St. Petersburg Department of the Steklov Institute of Mathematics（斯捷克洛夫数学研究所圣彼得堡分部） ； St. Petersburg State University（圣彼得堡国立大学）
专题命中 评测与基准 ：LLM(abstract)；分类 cs.AI、cs.LG
AI总结 研究提出两个全文科学记忆基准测试PAIM和PTr，评估八个内存/检索系统，发现内存排行榜受多种因素影响，如摄取粒度等。结果显示不同系统表现因条件而异，还表明大语言模型评判排名与人工一致，应将科学记忆评估为预算上下文恢复并开源相关资源。
Comments 40 pages, 6 figures, 8 tables
DECODEM：通过增强方法从公司组织文档中提取数据
机构 * Washington University in St. Louis School of Law（圣路易斯华盛顿大学法学院）
专题命中 评测与基准 ：prompting(abstract)；分类 cs.CL、cs.AI
AI总结 研究旨在通过增强方法从公司组织文档提取数据，介绍DECODEM基准数据集，评估多种大语言模型提取管道，结果显示自动提取可行且性能因变量而异，标准化基准和评估证明前沿模型能高精度提取信息，凸显自动特征提取作用。
数据平衡策略：重采样与增强方法的系统综述
机构 * Department of Mathematics and Computer Science（数学与计算机科学系） ； Amirkabir University of Technology (Tehran Polytechnic)（阿美尔卡比大学（德黑兰理工大学）） ； Iran（伊朗）
专题命中 评测与基准 ：foundation model(abstract)；分类 cs.AI、cs.LG
AI总结 本文系统回顾了数据平衡方法，涵盖重采样、增强、欠采样及混合策略，分析其适用场景与优劣，指出无一方法普适，需根据数据特征和模型选择优化。
Comments 81 pages, 4 figures, 25 tables
Journal ref Machine Learning and Knowledge Extraction, 2026, 8(7), 211; https://www.mdpi.com/2504-4990/8/7/211
因果软件工程：愿景与路线图
机构 * University of Naples Federico II（那不勒斯费德里科二世大学） ； University of Sheffield（谢菲尔德大学）
专题命中 评测与基准 ：LLM(abstract)；分类 cs.AI
AI总结 研究软件工程在不确定性下决策的关键问题，提出因果软件工程范式，通过因果模型和推理为软件生命周期活动提供信息，还给出工作流程视图、路线图及评估议程。
Comments Accepted at FSE 2026 - Ideas, Visions and Reflections (IVR) Track
ESCUCHA：用于异构声学条件的西班牙语语音基准测试
专题命中 评测与基准 ：language model(abstract)；分类 cs.CL
AI总结 针对现实声学条件下西班牙语语音理解受关注少的问题，引入ESCUCHA基准测试，含1000个人工挑选与音频配对的问题，强调推理与语言多样性，涵盖多类问题，测试发现先进模型与人类存在性能差距。
Comments Under review
何时使用额外上下文：基于证据的术语适应在同步语音翻译中的应用
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
专题命中 评测与基准 ：prompting(abstract)；分类 cs.CL
AI总结 研究同步语音翻译中额外上下文的使用，提出基于证据的术语适应框架EGTA，通过构建术语记忆、选择候选术语来调整决策空间，无需全模型微调，在多个指标上有提升，改进与特定论文证据对齐有关。
表达方式很重要：探索用于人工智能辅助信息评估的修辞模式
机构 * Department of Computer Science, University of Southern California（计算机科学系，南加州大学） ； Department of Computer Science, University of Maryland（计算机科学系，马里兰大学） ； Information Sciences Institute, University of Southern California（信息科学研究所，南加州大学） ； School of Computer Science, University of Sydney（计算机科学学院，悉尼大学）
专题命中 评测与基准 ：prompting(abstract)；分类 cs.CL
AI总结 研究人工智能辅助信息评估中修辞模式，通过主体内研究考察八种修辞模式，发现支架式解释与最高准确率提升相关，对抗条件也能适度提高准确率，还探讨了设计不同修辞风格对话代理的意义及相关权衡。
Comments 13 pages, 6 figures, 1 table
EvolvingWorld：用于交互式文学世界中角色与世界模型协同进化的开放架构框架
机构 * Hong Kong University of Science and Technology（香港科技大学） ； LIGHTSPEED（光速） ； Huazhong University of Science and Technology（华中科技大学）
专题命中 评测与基准 ：LLM(abstract)；分类 cs.CL
AI总结 研究交互式文学世界中角色与世界协同进化问题，提出EvolvingWorld框架，含角色智能体和世界模型两个耦合模块，制定7个可训练任务，构建数据集并引入评估协议，实验证明其能有效改进长期模拟。
DepthART：将基础单目深度模型扩展到小型模型
机构 * University of Trento（特伦托大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； Tsinghua University（清华大学）
专题命中 评测与基准 ：foundation model(abstract)；分类 cs.AI
AI总结 研究旨在将基础单目深度模型扩展到小型模型，核心方法是结合抗偏差数据采样与相机条件微调策略的DepthART，主要贡献是在多数据集上取得更好的零样本泛化和度量精度，还提供了可扩展模型家族。
Comments Accepted in ACM Multimedia 2026 ; Code: https://github.com/xuefeng-cvr/DepthART ; Project page: https://xuefeng-cvr.github.io/DepthART ;
EvoGUI：用于GUI状态转换理解的进化感知基准测试
机构 * Tsinghua University（清华大学）
专题命中 评测与基准 ：language model(abstract)；分类 cs.AI
AI总结 研究GUI状态转换理解，提出EvoGUI诊断框架，将GUI轨迹转化为视觉问答探针，无需额外注释。通过Mind2Web和WebLINX实例化EvoGUI-Bench并零样本评估28种模型配置，结果显示其可补充端到端评估，揭示理解提升空间。
Apeliotes：一种用于千米尺度多层大气场的基于扩散的建模框架
机构 * Old Dominion University（奥多明尼昂大学）
专题命中 评测与基准 ：foundation model(abstract)；分类 cs.LG
AI总结 针对高分辨率大气数据受限问题，Apeliotes框架基于全球再分析等数据构建，能提供千米尺度天气变量和多层大气场，经评估性能极具竞争力，预测垂直风廓线等有高精度表现。
只是一个相当非常智能的语音代理
机构 * NVIDIA（英伟达）
专题命中 评测与基准 ：LLM(abstract)；分类 cs.AI
AI总结 研究长期人工智能代理与用户交互薄弱问题，引入JarvisBench基准测试，含代理协作和用户交互两轨道，用模块化原型评估，结果显示贾维斯式调解可提升任务性能，其有效性取决于调解器语言模型大脑。
基于自主虚拟现实的危险环境态势感知风险检测
机构 * Interactive Robotics and Language Lab, University of Maryland Baltimore County（马里兰大学巴尔的摩县分校交互式机器人与语言实验室） ； DEVCOM Army Research Laboratory（陆军研究实验室）
专题命中 评测与基准 ：language model(abstract)；分类 cs.AI
AI总结 研究在高风险环境中，提出基于VR的人机交互框架，利用VLM辅助机器人识别潜在危险并标注兴趣点，通过VR界面呈现给操作员，经实验验证该方法能有效支持态势感知，提升交互体验。
Comments 7 Pages, Accepted to RO-MAN 2026
ReqGenX：对遗留SRS文档的原子分解、工件再生和重建的实证研究
机构 * Texas State University（德克萨斯州立大学） ； Case Western Reserve University（凯斯西储大学）
专题命中 评测与基准 ：LLM(abstract)；分类 cs.AI
AI总结 研究旨在将遗留SRS文档转化为可追溯工件，以细粒度评估基于大语言模型的SRS生成。方法是用ReqGenX进行实证研究，包括分解、投票、生成工件等步骤。结果表明该方法有效，能支持评估并揭示相关权衡。
Comments Accepted at the International Symposium on Empirical Software Engineering and Measurement (ESEM) technical papers (main) track 2026
看清实际存在的东西：用于在视觉语言模型中对代理视觉证据进行反事实评估的PriVE-Bench和PriVE-Tools
机构 * The University of Manchester（曼彻斯特大学） ； The University of Melbourne（墨尔本大学） ； University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Edinburgh（爱丁堡大学） ； University of Southern California（南加州大学） ； Fudan University（复旦大学） ； University of Newcastle（纽卡斯尔大学）
专题命中 评测与基准 ：language model(abstract)；分类 cs.AI
AI总结 本文针对视觉语言模型常依先验而非图像回答问题的现象，引入PriVE-Bench和PriVE-Tools。通过配对图像及工具衍生证据评估模型，对比不同输入，发现视觉证据工具在特定情况有帮助，但不能解决所有模型依先验回答的问题。
DSBench：用于评估外部和车内风险的综合基准测试
机构 * University of Science and Technology of China（中国科学技术大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Xiaomi EV（小米电动车） ； Fudan University（复旦大学） ； Xidian University（西安电子科技大学） ； South China University of Technology（华南理工大学） ； The University of Hong Kong（香港大学）
专题命中 评测与基准 ：language model(abstract)；分类 cs.AI
AI总结 针对视觉语言模型在安全关键场景适用性未充分探索的问题，引入DSBench综合基准测试，涵盖外部与车内风险，分多类别。评估发现模型在复杂情况下降，构建数据集微调可提升性能，推动自动驾驶技术发展，相关资源将公开。
多模态和图增强的检索增强生成（RAG）何时有用？文档问答的对照评估
专题命中 评测与基准 ：LLM(abstract)
AI总结 研究文档问答中多模态和图增强RAG的作用，提出用多模态图-RAG架构，通过独立检索并融合文本、图和视觉证据源来评估效果。经实验发现其价值取决于多种因素，如检索设计等，还揭示了一些相关问题，如图像检索及生成器效率对结果的影响。
Comments 8 pages, 3 figures
SAMRI-3D：通过全局体积令牌将SAM2应用于3D MRI分割
机构 * School of Electrical Engineering and Computer Science, The University of Queensland（电气工程与计算机科学学院，昆士兰大学） ； School of Engineering, College of Engineering, Science and Environment, University of Newcastle（工程学院，工程、科学与环境学院，纽卡斯尔大学） ； School of Human Movement and Nutrition Sciences, The University of Queensland（人类运动与营养科学学院，昆士兰大学）
专题命中 评测与基准 ：foundation model(abstract)
AI总结 研究针对MRI低软组织对比度导致边界难观察的问题，提出SAMRI-3D方法，通过冻结图像编码器、微调解码器和内存模块，并引入全局体积令牌，在3D MRI分割上取得高精度，提升了基于SAM的医学模型性能。
MuViSeg：基于密集几何先验的多视图段对应
机构 * Applied AI Institute（应用人工智能研究所）
专题命中 评测与基准 ：foundation model(abstract)
AI总结 研究针对经典图像对应与对象级推理的差距，基于段级匹配范式提出三个学习匹配头，包括LightGlue风格注意力头、DPT风格多尺度融合模块及多视图扩展，在多个数据集和任务中取得显著性能提升。
Comments 16 pages, 4 figures
KernelDiag：基于代理的内核崩溃根本原因诊断
专题命中 评测与基准 ：LLM(abstract)
AI总结 针对Linux内核崩溃根本原因诊断难的问题，提出KernelDiag框架，通过日志到代码映射及专门代理进行结构化因果推理，在KGYM基准测试中表现出色，优于现有方法，为自动内核根本原因诊断奠定基础。
通过零样本几何评估实现世界行动模型的测试时缩放
机构 * University of Michigan（密歇根大学） ； NVIDIA（英伟达）
专题命中 评测与基准 ：foundation model(abstract)
AI总结 研究针对世界行动模型，提出无需训练的选择性测试时缩放框架\methodgated，基于预测未来的跨视图深度重投影一致性排序，经实验验证该方法能提高任务成功率，同时减少额外采样决策点，还识别出相关失败模式。
Comments Extened version of CVPR 2026 EAI workshop
去噪模型在不同架构中开发出类似人类的感知错觉表示
机构 * Lossfunk
专题命中 评测与基准 ：language model(abstract)
AI总结 研究探讨自然图像训练的深度神经网络在亮度错觉输出与人类一致，发现去噪模型在特定内部层有错觉敏感表示，确定相关层和通道，表明去噪目标更关键，虽激活跟踪人类感知模型，但注入表示无像素偏移，此为去噪视觉模型感知表示的首次此类特征描述。
HarmoHOI：用于多视图手-物体交互合成的外观与3D运动协调
机构 * South China University of Technology（华南理工大学） ； Beijing Normal University（北京师范大学） ； Tsinghua University（清华大学） ； Shadow AI（影谱科技）
专题命中 评测与基准 ：foundation model(abstract)
AI总结 研究针对多视图手-物体交互合成难题，提出HarmoHOI统一扩散框架，用多视图扩散Transformer混合模型联合建模视频与点轨迹，结合全局运动对齐扩散确保一致性，采用混合数据学习策略，实现多视图HOI高质量合成。
视觉编码器是否表现出类人的颜色阈值？
机构 * Computer Vision Center（计算机视觉中心） ； Universitat Autònoma de Barcelona（巴塞罗那自治大学） ； Image Processing Lab, Universitat de València（瓦伦西亚大学图像处理实验室） ； Arab Academy for Science, Technology, and Maritime Transport（阿拉伯科学、技术和海运学院）
专题命中 评测与基准 ：foundation model(abstract)
AI总结 研究探索50多个预训练视觉编码器的色度敏感性，将其与人类辨别阈值比较，发现模型表示与人类感知阈值对齐弱，自监督编码器优于监督的，语言监督模型两极分化，表明当前训练目标不会自然产生类人色度敏感性。
AI原型制作器：一个用于基于分解的GUI原型制作的Figma插件
专题命中 评测与基准 ：LLM(abstract)
AI总结 研究针对GUI原型制作耗时问题，提出AI Prototyper插件，通过分解和检索增强生成管道，结合特定技术栈与大语言模型，经人工参与编辑步骤，能多语言输入，在时间和质量维度上表现良好。
Comments Accepted at the 42nd IEEE International Conference on Software Maintenance and Evolution (ICSME 2026), Tool Demonstration and Data Showcase Track
信任但要验证？揭示自主编码代理的安全债务
专题命中 评测与基准 ：LLM(abstract)
AI总结 本文利用AIDev数据集，通过大语言模型评判框架和人工分析，研究自主编码代理生成拉取请求中的安全代码异味。发现38.9%的请求含安全异味，供应链问题和硬编码凭证占比高，揭示了安全风险及开发者警惕性降低问题，强调需实施上下文感知安全护栏。
Comments Accepted at the KDD 2026 Workshop on Agentic Software Engineering (AgenticSE)
MAGIS：基于证据的多智能体推理用于可解释的斜视临床决策
机构 * School of Information and Software Engineering, University of Electronic Science and Technology of China（电子科技大学信息与软件工程学院） ； Shenzhen Institute for Advanced Study, University of Electronic Science and Technology of China（电子科技大学深圳高等研究院） ； Joint Shantou International Eye Center of Shantou University and The Chinese University of Hong Kong（汕头大学·香港中文大学联合汕头国际眼科中心） ； School of Artificial Intelligence, Guangzhou City Polytechnic（广州城市职业学院人工智能学院） ； Medical College, Shantou University（汕头大学医学院） ； College of Engineering, Shantou University（汕头大学工学院） ； Department of Ophthalmology, Xinhua Hospital Affiliated to Shanghai Jiaotong University School of Medicine（上海交通大学医学院附属新华医院眼科） ； Shenzhen Loop Area Institute（深圳河套学院）
专题命中 评测与基准 ：language model(abstract)
AI总结 提出MAGIS框架，通过多智能体协作、双重证据约束上下文和基于证据的纠正验证机制，将斜视诊断从黑箱生成转变为结构化推理，在细粒度斜视基准上将加权F1分数从72.0%提升至91.3%，并显著提高诊断报告的临床可靠性。
面向盲图像质量评估的统计与视觉-语言特征的失真感知融合
机构 * Northwestern Polytechnical University（西北工业大学）
专题命中 评测与基准 ：language model(abstract)
AI总结 提出一种失真感知融合框架，通过乘法门控机制动态加权NSS统计特征与VLM嵌入，在三个基准上取得最优或竞争性能，并揭示NSS对不同失真的贡献差异。
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