YOLO-PEFT: Parameter-Efficient Fine-Tuning on YOLO Family
YOLO-PEFT：针对YOLO系列的参数高效微调
专题命中 指令微调 ：SFT(abstract,abstract_cn)；language model(abstract)
AI总结 YOLO-PEFT是一种针对YOLO系列的结构感知参数高效微调框架，将适配器部署建模为约束规划问题，在VOC数据集上的实验显示其检测精度优于全微调，且能减少训练内存。
AI 大模型
语言大模型 / LLM
大语言模型、预训练、指令微调、后训练和语言模型应用。
1. 指令微调 917 篇
GROM: Gradient-Free Rapid One-Shot Machine Unlearning
GROM：无梯度快速一次性机器遗忘
专题命中 指令微调 ：large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 GROM是一种无梯度快速一次性机器遗忘方法，通过闭式加性更新实现高效知识移除，在多数据集上取得最优遗忘-效用权衡，且能抵御低比特量化攻击。
FaithEyes: Towards Faithful Tool Use via Multi-Agent Process-Image Verification
FaithEyes：通过多智能体过程图像验证实现可信的工具使用
机构 * Samsung Research（三星研究院） ； Peking University（北京大学）
专题命中 指令微调 ：SFT(abstract,abstract_cn)；language model(abstract)
AI总结 本研究提出多智能体框架FaithEyes，通过子智能体判断主智能体的工具调用以提升工具使用可信性，在视觉感知与推理基准上实现了更优准确率。
Gaze-to-text Generation: Beyond Categorical Decoding of Human Attention
凝视到文本生成：超越人类注意力的分类解码
机构 * Stony Brook University（纽约州立大学石溪分校） ； Australian Institute for Machine Learning（澳大利亚机器学习研究所） ； Adelaide University（阿德莱德大学）
专题命中 指令微调 ：large language model(abstract)；language model(abstract)；instruction tuning(abstract)
AI总结 该研究提出将凝视解码为自然语言描述人类目标的新问题，构建Gazette框架，基于多模态大语言模型，利用新颖策略合成出声思考转录本并指令调优，使其在多任务凝视解码中达最优性能，能推断多样场景下人类目标意图。
Comments To appear in European Conference on Computer Vision (ECCV) 2026
Summary of DCASE 2026 Task 5: Audio-Dependent Question Answering
DCASE 2026任务5总结：音频相关问答
专题命中 指令微调 ：LLM(abstract)；large language model(abstract)；language model(abstract)
AI总结 DCASE 2026任务5聚焦音频相关问答，用音频依赖过滤管道构建评估集。比赛分两轨道，众多团队参与。成均馆大学团队取得较好成绩，还分析了常见构建模块、测试方法及各系统普遍遗漏的项目。
Test-Time Scaling for Small VLMs on Multilingual Visual MCQ
多语言视觉多项选择题中小视觉语言模型的测试时缩放
机构 * ImageCLEF Lab（图像CLEF实验室） ； University of Amsterdam（阿姆斯特丹大学）
专题命中 指令微调 ：large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 研究小型视觉语言模型在多语言视觉多项选择题中的测试时缩放，比较多种方法，发现运行条件重要，可解析性是关键，增加解码预算有帮助，复杂方法贡献小，最佳配置在测试集上表现出色，位居排行榜首位。
Comments 14 pages, 2 figures, accepted at ImageCLEF 2026
Automatic Thematic Indexing of Large Literary Corpora: A Machine Learning Approach to Voltaire's Complete Works
大型文学语料库的自动主题索引：一种适用于伏尔泰全集的机器学习方法
机构 * University of Oxford（牛津大学）
专题命中 指令微调 ：large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 本文以伏尔泰全集子语料库为测试案例，将自动主题索引任务设为多标签分类问题，比较多种机器学习方法，最佳模型F1分数达0.67，还评估跨语料库泛化及分析模型行为，为大规模文学和历史语料库的结构化主题访问提供了启示。
Comments 22 pages, 3 figures, 3 tables
Localized LoRA-MoE: Block-wise Low-Rank Experts With Adaptive Routing
局部化LoRA-MoE：具有自适应路由的逐块低秩专家模型
机构 * Fortinet（Fortinet公司）
专题命中 指令微调 ：large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 研究针对大语言模型等依赖参数高效微调方法的局限，提出融合局部空间分块与动态上下文条件路由的Localized LoRA-MoE框架，介绍两种架构范式并证明其能解决静态基线优化死锁问题。
Finetuning Lightweight LLMs for Control Flow Graph Generation
用于控制流图生成的轻量级语言模型微调
专题命中 指令微调 ：LLM(abstract)；large language model(abstract)；language model(abstract)
AI总结 研究用微调轻量级大语言模型生成控制流图，设计统一输出格式和特定任务微调提示，构建数据集，在六个模型上评估，结果表明微调后的轻量级模型在生成控制流图上效果良好，有跨语言泛化能力。
Comments Accept by The 38th International Conference on Software Engineering & Knowledge Engineering Short Paper
Right in the Right Way: LM Training with Verifiable Rewards and Human Demonstrations
以正确的方式正确：结合可验证奖励和人类演示的LM训练
机构 * MIT EECS（麻省理工学院电气工程与计算机科学系）
专题命中 指令微调 ：SFT(abstract,abstract_cn)；分类 cs.CL、cs.AI、cs.LG
AI总结 提出对抗生成器-判别器框架，在可验证奖励基础上加入人类演示信号，同时优化任务准确性和非可验证属性，在代码修复、故事生成等任务中提升人类相似度并减少奖励黑客行为。
From Search to Synthesis: Training LLMs as Zero-Shot Workflow Generators
从搜索到合成：训练大语言模型为零样本工作流生成器
机构 * School of Mathematics Science, Peking University（北京大学数学科学学院）
专题命中 指令微调 ：large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 提出MetaFlow，将工作流生成视为元学习问题，通过两阶段训练（监督微调+强化学习）使模型能生成可泛化的任务级工作流，在问答、代码生成和数学推理任务上实现零样本泛化。
Comments 35 pages, 8 figures
BioMedVR: Confusion-Aware Mixture-of-Prompt Experts for Biomedical Visual Reprogramming
BioMedVR: 面向生物医学视觉重编程的混淆感知提示专家混合模型
机构 * Guangdong Institute of Intelligence Science and Technology（广东智能科技研究院） ； Zhejiang University（浙江大学） ； Southeast University（东南大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Institute of Science Tokyo（东京科学大学） ； Shanghai Jiao Tong University（上海交通大学）
专题命中 指令微调 ：LLM(abstract,abstract_cn)；language model(abstract)
AI总结 提出BioMedVR框架，通过可学习的VR模块实现预训练VLM在生物医学图像上的少样本适应，利用混淆最小化机制和提示专家混合模型解决细粒度分类中的类间混淆问题，在18个数据集上验证了优越性能。
Comments Accepted at ECCV 2026. 19 pages, 6 figures. Project page: https://jxliu-ai.github.io/biomedvr-page/
Self-Recognition Finetuning can Prevent and Reverse Emergent Misalignment
自我识别微调可以预防和逆转突现性失调
机构 * George Washington University（乔治·华盛顿大学） ； Google（谷歌） ； UC Berkeley（伯克利大学）
专题命中 指令微调 ：LLM(abstract,abstract_cn)；分类 cs.CL、cs.AI、cs.LG
AI总结 通过自我生成文本识别微调作为角色定向干预，在GPT-4.1等模型上实验发现，该方法能有效预防和逆转突现性失调，且预防效果优于其他干预。
Comments 18 pages, 11 figures
From Refusal Geometry to Safety Geometry: Harmfulness--Refusal Coupling under Dynamic Adversarial Fine-Tuning
从拒绝几何到安全几何：动态对抗微调下的有害性-拒绝耦合
专题命中 指令微调 ：SFT(abstract,abstract_cn)；language model(abstract)
AI总结 研究通过双安全几何协议测量语言模型在对抗微调中有害性与拒绝机制的耦合程度，发现R2D2训练早期高耦合带来强鲁棒性但牺牲实用性，后期低耦合恢复部分实用性但攻击成功率回升。
Order Is Not Control: Driven-Dissipative Response Laws Across Artificial and Biological Systems
秩序并非控制
机构 * Australian Broadcasting Corporation（澳大利亚广播公司）
专题命中 指令微调 ：LLM(abstract,abstract_cn)；分类 cs.CL、cs.AI、cs.LG
AI总结 本文论证秩序不等于控制，提出接收器门控响应定律，并在生物、大语言模型、适配器和随机算子面板中验证，表明控制是局部的、可测量的。
Comments 52 pages, 7 figures, updated title
CLASP: Language-Driven Robot Skill Selection and Composition using Task-Parameterized Learning
CLASP: 基于语言驱动的机器人技能选择与组合，采用任务参数化学习
机构 * German Aerospace Center (DLR), Institute of Robotics and Mechatronics (RMC)（德国航空航天中心（DLR），机器人与机电一体化研究所（RMC）） ； Technical University of Munich (TUM)（慕尼黑工业大学（TUM））
专题命中 指令微调 ：language model(abstract)；foundation model(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 提出CLASP架构，结合任务参数化核化运动基元（TP-KMP）与预训练视觉语言模型（VLM），通过自然语言命令实现技能选择、组合和主动学习，无需微调，在7自由度机械臂上达到73.3%-100%成功率。
Comments 23 pages, 11 figues, 4 tables, 1 listing
Spectral Rank Certification for Foundation Model Adapters
基础模型适配器的谱秩验证
机构 * Université Paris 1（巴黎第一大学） ； Faculty of Science and Technology of Tangier（丹吉尔科学与技术学院） ； Abdelmalek Essaadi University（阿卜杜勒-马利克·埃萨迪大学）
专题命中 指令微调 ：foundation model(title)；分类 cs.LG
AI总结 本研究针对基础模型适配器开发有限样本谱秩验证框架，提出PEFT LoRA适配器的经验空工作流程，经26个公开适配器审计发现校准有效秩远小于名义秩，且能量保留与统计惊喜对应不同问题。
Comments 11 pages, 4 figures , KDD 2026 Workshop TensorKDD
TRACE-BN: Transferring Bangla-English Tutoring Behavior to a Sub-1B Offline Language Model
TRACE-BN：将孟加拉语-英语辅导行为迁移至参数量小于10亿的离线语言模型
机构 * North South University（北南大学）
专题命中 指令微调 ：language model(title)；分类 cs.CL
AI总结 本文提出TRACE-BN数据集，将其辅导行为通过LoRA迁移至Qwen3-0.6B模型，在资源受限离线部署下，相关指标及多维度辅导效果均获显著提升。
Refusing Intent, Not Form: Wrapper-Based Intent-Group Supervision for LLM Safety
拒绝意图，而非形式：基于包装器的意图组监督用于大语言模型安全
机构 * Ant Group（蚂蚁集团）
专题命中 指令微调 ：LLM(title)；分类 cs.CL
AI总结 该研究针对大语言模型安全调优的表面形式捷径问题，提出WIFA方法，结合两种微调路径提升有害内容拒绝能力并降低良性提示过度拒绝率，在Qwen和Llama上验证了效果。
Comments 23 pages, 11 figures, 24 tables
Learning to Adapt Cross-Domain Preferences via Meta-LoRA for LLM Personalization
通过元LoRA学习适应跨领域偏好以实现大语言模型个性化
专题命中 指令微调 ：LLM(title)；分类 cs.AI
AI总结 针对跨领域个性化的过拟合与负迁移问题，提出PAC-Bayes正则化的Meta-LoRA，分解个性化先验为用户与领域组件，在多基准任务上取得胜率提升。
ScreenShot: A Foundation Model for Few-Shot Combination Drug Screening
ScreenShot：用于少样本组合药物筛选的基础模型
机构 * Computational Oncology（计算肿瘤学） ； Memorial Sloan Kettering Cancer Center（纪念斯隆-凯特琳癌症中心）
专题命中 指令微调 ：foundation model(title)；分类 cs.LG
AI总结 本研究提出用于少样本组合药物筛选的基础模型ScreenShot，其经多药物筛选数据集预训练，可通过上下文学习直接预测患者样本的组合疗法响应，在预留数据集上优于基线，还可驱动主动学习策略以降低实验预算。
ExRole: From Team Trajectories to Executable Roles in Multi-Agent Language Models
ExRole：从团队轨迹到多智能体语言模型中的可执行角色
专题命中 指令微调 ：language model(title)；分类 cs.AI
AI总结 ExRole是一种多智能体语言模型的轨迹转角色框架，可学习可执行角色，在两个问答基准上显著优于单智能体及其他角色设置，能捕捉可迁移的行为专业化能力。
Distilling Vision-Language Models for Robust Traffic Sign Perception in Autonomous Vehicles
用于自动驾驶汽车鲁棒交通标志感知的视觉-语言模型蒸馏
机构 * Clemson University（克莱姆森大学）
专题命中 指令微调 ：language model(title)；分类 cs.LG
AI总结 本研究提出LAMDA框架，通过冻结OpenCLIP文本编码器构建原型库监督视觉特征，在GTSRB和LISA数据集上，可同时提升TSR模型对三类物理攻击的鲁棒性且不降低干净准确率。
Comments Accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)
CRAFTS: Collaborative Role-Adaptive Fine-Tuning of LLM Agents for Chemical Process Simulation
CRAFTS：面向化工过程仿真的大语言模型智能体协同角色自适应微调
机构 * National University of Singapore（新加坡国立大学） ； Xiamen University（厦门大学）
专题命中 指令微调 ：LLM(title)；分类 cs.AI
AI总结 CRAFTS 模仿化工工程师分阶段工作流，将仿真任务分配给7个角色，微调3个关键角色，基于 OpenIDAES-450 数据集验证，在82个保留案例上完成91.5%的合约，取得多项F1高分，实现可靠自动化化工过程模型构建。
SciClaimSeekers at CheckThat! 2026: Retrieving Scientific Sources for Social Media Claims with LLM Reranking
SciClaimSeekers参加CheckThat! 2026：使用大语言模型重排检索社交媒体声明的科学来源
专题命中 指令微调 ：LLM(title)；分类 cs.CL
AI总结 针对社交媒体科学声明难核实且少链接原始学术来源的问题，提出SciClaimSeekers系统，结合BM25、E5检索及倒数排名融合，经Qwen2.5-14B-Instruct重排，在相关评估中表现良好，证明大型预训练模型组合在该任务中可与微调方法竞争。
Comments CLEF 2026 Working Notes / CheckThat! Lab at CLEF 2026, Jena, Germany
Universal BCI Personalization: One API for Frozen EEG Trunks and Foundation Models
通用脑机接口个性化：用于冻结脑电图主干和基础模型的单一应用程序编程接口
机构 * NimbusBCI
专题命中 指令微调 ：foundation model(title)；分类 cs.LG
AI总结 研究针对冻结脑电图编码器微调难的问题，提出Nimbus Personalizer，通过与主干无关的API，可在异构冻结主干上运行，在多数据集和基础编码器上验证，相比传统方法成本低且能恢复精度增益，结果具探索性。
Comments 20 pages, 12 figures. Companion paper on the control layer forthcoming
Schema-Constrained Document-Level Event Argument Extraction with Lightweight LLM Fine-Tuning
基于轻量级语言模型微调的模式约束文档级事件论元抽取
机构 * University of Naples Federico II（那不勒斯费德里科二世大学） ； University of Salerno（萨勒诺大学）
专题命中 指令微调 ：LLM(title)；分类 cs.CL
AI总结 研究文档级模式约束事件论元抽取，结合角色集注入、参数高效监督微调及确定性解码后处理方法，使微调后的中型开放模型在MAVEN-ARG评估中优于GPT基线，最好模型在事件共指级别达42.39% F1值。
Comments Accepted at ECML PKDD 2026
Toward Federated Multimodal Graph Foundation Models: A Topology-Aware Multimodal Alignment Framework
迈向联邦多模态图基础模型：一种拓扑感知多模态对齐框架
机构 * Beijing Institute of Technology（北京理工大学）
专题命中 指令微调 ：foundation model(title)；分类 cs.LG
AI总结 研究针对多模态属性图分散在不同隐私受限孤岛的问题，提出FedGAMMA框架，将联邦多模态图基础学习视为两阶段语义结构对齐问题，经实验验证该框架在下游任务中表现出色，超越诸多基线，在少样本学习场景下也有优势。
Comments Under Review
MLLM-DataEngine: Closing the Loop of Multimodal Instruction Tuning Data Generation
MLLM-DataEngine：闭合多模态指令微调数据生成的循环
机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）
专题命中 指令微调 ：instruction tuning(title)；分类 cs.LG
AI总结 本文提出MLLM-DataEngine闭环系统，通过自适应坏例采样模块分析模型弱点，为GPT-4提供信息以生成高质量增量数据集，能有针对性且自动地提升MLLMs能力，有望成为MLLMs数据管理通用方案。
Comments 6 pages, 4 figures, 7 tables; accepted by ICME 2026
Journal ref 2025 IEEE International Conference on Multimedia and Expo (ICME), Nantes, France, 30 June 2025 - 04 July 2025
PARA-PV: Physics-Aware Retrieval-Augmented PV Prediction Based on Frozen Foundation Model and Distribution Shift Correction
PARA-PV：基于冻结基础模型和分布偏移校正的物理感知检索增强型光伏功率预测
机构 * School of Economics and Management（经济管理学院） ； School of Electrical and Electronic Engineering（电子电气工程学院） ； School of Control and Computer Engineering（控制与计算机工程学院） ； Department of Electrical Engineering（电气工程系）
专题命中 指令微调 ：foundation model(title)；分类 cs.AI
AI总结 研究针对光伏功率预测难题，提出PARA-PV框架，通过编码观测、检索历史数据、校准基础预测及校正分布偏移，并采用物理约束损失函数，嵌入物理知识实现准确预测，为可靠电网调度和可再生能源整合助力。
