语言大模型 / LLM

LatticeBridge: Rare-Event Sequential Inference for Faithful Structured Sequence Synthesis

LatticeBridge: 用于忠实结构化序列合成的罕见事件序列推理

Faruk Alpay, Bugra Kilictas

机构 * Bahcesehir University（巴切塞希尔大学） 纠错

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

AI总结 针对结构化序列生成中约束满足的罕见事件问题，提出LatticeBridge方法，结合前缀语言模型、实例编译表面自动机和扭曲序列蒙特卡洛解码器，在多个基准上显著提升锚点满足率和覆盖率。

Comments 19 pages. Code and benchmark files available at https://github.com/farukalpay/latticebridge

The Structural Attention Tax: How Retrieval Format Hijacks In-Context Learning Independent of Content

结构注意力税：检索格式如何劫持上下文学习而与内容无关

Yuqi Zhang, Di Zhang

机构 * Xi’an Jiaotong-Liverpool University（西交利物浦大学） 纠错

专题命中 效率与部署 ：LLM(abstract)；分类 cs.CL、cs.AI

AI总结 研究发现知识图谱三元组因其格式结构比自然语言吸引2-3倍注意力，压缩演示注意力达42%，并提出了分解注意力为语义与结构成分的框架及缓解策略。

Comments 10 pages, 5 figures

The Role of Feedback Alignment in Self-Distillation

反馈对齐在自蒸馏中的作用

Semih Kara, Oğuzhan Ersoy

机构 * Gensyn 纠错

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

AI总结 研究通过自蒸馏提升语言模型性能时，反馈与模型推理的结构对齐是关键因素，步级对齐批评比二元奖励或参考解更有效。

Comments Accepted to the ICML 2026 Workshop on RL from World Feedback (RLxF)

ReCoVLA: VLM-Guided Reward Compilation for Failure Recovery in Vision-Language-Action Policies

ReCoVLA: VLM引导的奖励编译用于视觉-语言-动作策略的故障恢复

Haodi Hu, Chung-Ta Huang, Jing Liu, Ye Wang, Kei Suzuki, Matthew Brand, Toshiaki Koike-Akino

机构 * University of Southern California（南加州大学） ； Mitsubishi Electric Research Laboratories (MERL)（三菱电机研究实验室） ； Harvard University（哈佛大学） 纠错

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

AI总结 提出ReCoVLA框架，通过冻结预训练VLA策略，利用外部VLM推断故障模式并编译结构化奖励，训练残差恢复策略，实现零样本仿真到真实部署，在多种操作任务中提升成功率。

Comments 19 pages, 7 figures

Q-Delta: Beyond Key-Value Associative State Evolution

Q-Delta：超越键值关联状态演化

Sumin Park, Seojin Kim, Noseong Park

机构 * Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院） 纠错

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

AI总结 提出Q-Delta，一种查询感知的delta规则，将混合键-查询预测误差融入状态演化，实现联合校正动态，在语言建模和长上下文检索任务上优于强基线。

Comments Accepted at ICML 2026

Twelve quick tips for designing AI-driven HPC workflows

设计AI驱动的高性能计算工作流的十二条快速技巧

Jamie J. Alnasir

机构 * Department of Computer Science（计算机科学系） ； Royal Holloway University of London（伦敦皇家霍洛威大学） 纠错

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

AI总结 本文针对AI与HPC融合带来的新挑战，提出十二条实用技巧，涵盖容器化、作业数组、反馈循环和I/O优化，帮助设计高效、可扩展、可复现的AI驱动HPC工作流。

Comments 12 pages, 1 figure. Formatted using the bioRxiv LaTeX preprint style

Total Variation Distance Estimation in Autoregressive Models

自回归模型中的总变差距离估计

Eric Price, Kevin Tian, Zhiyang Xun, Yusong Zhu

机构 * University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

专题命中 效率与部署 ：LLM(abstract,comments)；分类 cs.LG

AI总结 研究自回归模型中两个分布的总变差距离估计问题。在样本、对数概率、噪声对数概率三种访问模型下，分别给出不同查询次数的估计方法，并通过实验验证算法的稳健性和实用性，即便KL散度无穷时也能估计。

Comments 39 pages, 11 figures, code is available at https://github.com/XunZhiyang/llm-tv-estimation

Progressive Crystallization: Turning Agent Exploration into Deterministic, Lower-Cost Workflows in Production

渐进式结晶：将代理探索转化为生产中确定性、低成本的工作流程

Arun Malik

专题命中 效率与部署 ：LLM(abstract,comments)；分类 cs.AI

AI总结 研究针对IT运营中AI代理成本高问题，提出渐进式结晶方法，通过三阶段执行分类法及证据提升机制，将代理探索转化为低成本工作流程，在生产云网络AIOps系统上评估效果良好，提升确定性执行、降低成本并提高安全性。

Comments Conference-style paper; 10 pages (estimated from manuscript formatting if applicable); focuses on agentic AI, AIOps, workflow automation, deterministic execution, and LLM cost optimization

TabPATE: Differentially Private Tabular In-Context Learning Without Public Data

TabPATE: 无需公开数据的差分隐私表格上下文学习

Dariush Wahdany, Matthew Jagielski, Jesse C. Cresswell, Adam Dziedzic, Franziska Boenisch

机构 * CISPA（CISPA亥姆霍兹信息安全中心） ； Anthropic ； Layer 6 AI 纠错

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

AI总结 提出TabPATE，一种无需公开数据的差分隐私PATE风格防御方法，通过教师模型分区和私有聚合生成学生上下文，在表格基准上保持可用性并将成员推断降至随机水平。

Comments Presented at the 2nd ICML Workshop on Foundation Models for Structured Data (2026)

HAF: Adapting Generalist VLAs to Humanoid Whole-Body Loco-manipulation via Hierarchical Action Flow and Spectral Latent RL

HAF：通过分层动作流与谱潜在线性RL将通用VLAs适配至人形机器人全身运动操作

Langzhe Gu, Chengkai Hou, Meng Li, Xinhua Wang, Jiaming Liu, Xinyuan Lv, Bowei Zhang, Shuanghao Bai, Guangrun Li, Jingyang He, Gaole Dai, Ziluo Ding, Zhiyuan Xu, Kuan Cheng, Jian Tang, Zhengping Che, Shanghang Zhang

机构 * Xi’an Jiaotong University（西安交通大学） ； Peking University（北京大学） ； Nankai University（南开大学） 纠错

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

AI总结 研究针对通用VLAs难以适配人形机器人全身运动操作的问题，提出HAF框架，通过分层动作流生成器与潜空间RL流水线实现高效迁移优化，在7项任务上性能优于单阶段VLA基线。

Comments Project page: https://grange007.github.io/HAF

CM-MAE: A Physics-Guided Cross-Modal Self-Supervised Learning Framework for Vision-Wireless Applications

CM-MAE：面向视觉-无线应用的物理引导跨模态自监督学习框架

Yubo Zhang, Yiyao Liu

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

AI总结 本文提出CM-MAE框架，通过软对比对齐损失等技术实现视觉-无线跨场景表征迁移，在DeepSense 6G数据集上提升了跨场景任务的准确率。

From Generalist to Specialist: A Context-Fusion Framework for Endoscopic Polyp Reporting with a Frozen VLM

从通用到专用：基于冻结视觉语言模型（VLM）的内窥镜息肉报告上下文融合框架

Ruijie Yang, Yan Zhu, Peiyao Fu, Siyuan Li, Te Luo, Zhihua Wang, Quanlin Li, Pinghong Zhou, Xian Yang, Shuo Wang

机构 * Zhejiang University（浙江大学） ； Shanghai Institute for Advanced Study, Zhejiang University（浙江大学上海高等研究院） ； Shanghai Key Laboratory of MICCAI（上海市MICCAI重点实验室） ； Digital Medical Research Center, School of Basic Medical Sciences, Fudan University（复旦大学基础医学院数字医学研究中心） ； Endoscopy Center and Endoscopy Research Institute, Zhongshan Hospital, Fudan University（复旦大学附属中山医院内镜中心及内镜研究所） ； Shanghai Collaborative Innovation Center of Endoscopy（上海市内镜协同创新中心） ； Alliance Manchester Business School, The University of Manchester（曼彻斯特大学联盟曼彻斯特商学院） 纠错

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

AI总结 本研究针对内窥镜息肉报告需求，提出一种不修改预训练权重的上下文融合框架，通过隐式指令与显式转换上下文对冻结通用VLM专用化，在2056张标注图像实验中实现最优性能且参数量仅为冻结VLM的0.006%。

FloodReasonBench: Benchmarking VLM Reasoning Segmentation for Embodied Flood Response at the Edge

FloodReasonBench：面向边缘端具身洪水响应的VLM推理分割基准

Rajat Bhattacharjya, Yoomee Jung, Minwoo Kim, Sing-Yao Wu, Eli Bozorgzadeh, Nalini Venkatasubramanian, Nikil Dutt

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

AI总结 FloodReasonBench针对边缘端具身洪水响应，构建专用数据集并刻画推理分割流水线的性能权衡，为资源受限场景提供任务与系统层面的基准支持。

Comments Paper is currently under review. The code and dataset will be made public upon acceptance

Every Expert Counts: ExactMoE for Memory-Efficient W4A16 Inference

每个专家都重要：用于内存高效W4A16推理的ExactMoE

Amjad Saab

机构 * Appendture（阿彭彻（Appendture）） 纠错

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

AI总结 ExactMoE仅量化路由专家并结合缓存与融合内核，大幅降低MoE模型推理的GPU内存占用，同时保留高吞吐量与准确率，达成内存效率与性能的良好平衡。

Comments 12 pages, 3 figures, 4 tables

A Pilot Study of Autocompleting Tokenizers

自动补全分词器的试点研究

Samuel Wexler, Mark Hopkins

机构 * Williams College（威廉姆斯学院） 纠错

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

AI总结 该研究受自动补全书写系统启发，提出用轻量级自回归字节语言模型压缩Transformer输入的方案，在多语言机器翻译任务上验证其可减少序列长度且不降低翻译质量，适用于不同书写系统。

On the Brittleness of Maximum Likelihood Estimation for Gaussian Process Hyperparameter Optimization

高斯过程超参数优化的最大似然估计的脆弱性

Tyler R. Johnson, Kian Ben-Jacob, Christopher P. Muller, Ramin Bostanabad

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

AI总结 本文针对高斯过程超参数优化场景，评估最大似然估计的脆弱性，提出实用解决方案，其在贝叶斯优化等任务中有效，构建的高斯过程可在多方面超越表格基础模型。

Comments 26 pages, 10 figures, 2 tables

Reflex: Enabling Fast and Predictive Vision-Language-Action Models for Reaction-Critical Manipulation

Reflex：面向反应关键型操作的快速且可预测的视觉-语言-动作模型

Yuxuan Chen, Wanruo Zhang, Xiao Li

机构 * Shanghai Jiao Tong University（上海交通大学） 纠错

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

AI总结 针对现有VLA模型忽略动态交互场景的问题，提出面向反应关键型操作的ReflexBench基准与无需大规模机器人数据预训练的ReflexVLA模型，其可提升动态操作性能并保持静态操作精度。

Comments 8 pages, 6 pages

QuaSAR: Quantization Compensation via Stable Activation-Aware Rank Truncation

QuaSAR: 基于稳定激活感知秩截断的量化补偿

Lin-Fa Lee, Yi-Yu Chang, Kuo-Hei Yeh

机构 * National Yang Ming Chiao Tung University（国立阳明交通大学） 纠错

专题命中 效率与部署 ：post-training(abstract)；分类 cs.AI

AI总结 本文针对低比特量化后训练方法中门控机制误删可补偿层的问题，提出无参数截断伪逆求解器，在ViT-B模型上实现了优于现有方法的精度，且在模型规模与精度间取得良好平衡。

Comments 8 pages, 6 figures

DARTree: Speculative Diffusion Decoding with Autoregressive Draft Trees

DARTree：基于自回归草稿树的推测式扩散解码

Tianyi Li, Yaxin Luo, Xinyi Shang, Zhiqiang Shen

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

AI总结 DARTree是无需训练的推测式解码方法，将AR修正头从链扩展至树，在7个数学、代码、聊天基准的4种模型-温度配置下，实现最高平均接受长度与加速比，达9.73倍无损加速。

NAS-Driven Hardware Accelerator Exploration for Edge AI and Quantization Effects on the Pareto Space

面向边缘AI的NAS驱动硬件加速器探索及量化对帕累托空间的影响

Eleftherios Mylonas, Angelos Kouprizas, Michael Birbas, Alexios Birbas

机构 * University of Patras（帕特雷大学） 纠错

专题命中 效率与部署 ：post-training(abstract)；分类 cs.AI

AI总结 本文针对边缘AI部署需求，提出结合NAS、量化与可重构加速器探索的三阶段流水线，实证分析INT4 PTQ对NAS帕累托空间的影响，发现FP32零样本代理覆盖度更优。

Comments 6 pages, 6 figures, accepted for presentation to the 39th IEEE International System-on-Chip Conference, Heidelberg, Germany, September 30 - October 2, 2026

CoverPrune: Coverage-Driven Token Pruning for 3D VLMs via Optimal Transport

CoverPrune：基于最优传输的3D视觉语言模型的覆盖驱动型令牌剪枝

Peng Ling, Yingda Yin, Lingting Zhu, Weikai Chen, Shengju Qian, Zeyu Hu, Xin Wang, Wenming Yang

机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； LIGHTSPEED 纠错

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

AI总结 针对3D VLMs因大量视觉令牌导致的计算瓶颈，提出CoverPrune框架，将剪枝转化为最优传输问题，结合FST成本与SGS算法，实现高效剪枝且性能优异。

Comments Accepted to ECCV 2026 as an Oral Presentation

Balanced Adaptive Prototype Selection for Scalable TabPFN Inference on Large-Scale Tabular Data

面向大规模表格数据的可扩展TabPFN推理的平衡自适应原型选择

Mahboobe Jadid, Melika Rezaye Garkani, Ali Mousavi

机构 * Islamic Azad University（伊斯兰阿扎德大学） 纠错

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

AI总结 本文提出BAPS框架，无需修改预训练TabPFN模型，可将百万级表格数据集的上下文压缩约1953倍，用512个原型保留预测性能，实现其在大规模表格数据上的可扩展推理。

Momentum as Residual-Driven Multiplier Correction for Deep Learning Optimization

深度学习优化中作为残差驱动乘子校正的动量

Zhixin Ren, Yau Lyu, Congrong Li, Liping Zhang, Shengbo Eben Li

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

AI总结 本研究提出AIM框架将动量解释为残差驱动乘子校正，并基于此开发RADAR优化器，经多任务实验验证其性能优于现有强自适应优化器基线。

From Visual Widgets to UI Code: Efficient Tool-Grounded Generation

从视觉控件到UI代码：高效的基于工具的生成

Houston H. Zhang, Tao Zhang, Li Gu, Linfeng Ye, Yuanhao Yu, Xinxin Zuo, Yang Wang, Zhixiang Chi

机构 * McMaster University（麦克马斯特大学） ； University of Toronto（多伦多大学） ； Concordia University（康考迪亚大学） 纠错

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

AI总结 本研究提出轻量级工具框架WidgetGen，在6个多模态模型和1000个控件上，其视觉重建指标优于直接提示和Widget2Code，且重建的图像-代码对可提升Qwen系列模型性能

Comments ECCV2026 (MUCG Workshop)

Foresight Without Seeing: Latent Futures for World Action Models

无视觉前瞻：面向世界动作模型的潜在未来

Jiakai Huang, Zhongbo Wu, Zheng Zhang, Zihan Wang, Shan You, Tao Huang

机构 * Shanghai Jiao Tong University（上海交通大学） ； ACE Robotics（ACE机器人公司） ； Nanyang Technological University（南洋理工大学） 纠错

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

AI总结 本文提出ForeWAM，一种动力学条件下的直接策略WAM，通过Future-KV和动力学寄存器在无需显式生成未来视频的情况下，使直接策略WAMs兼具高效动作预测与预测动力学暴露能力，在LIBERO和LIBERO-Plus上取得高成功率。

Comments 12 pages, 3 figures

Surgical WAM: A World-Action Model for Data-Efficient Surgical Robot Learning

Surgical WAM：面向数据高效型手术机器人学习的世界-动作模型

Wenrui Bao, Tianyun Jiang, Zhiben Chen, Ser-Nam Lim, Peter D. Peng, Yuzhang Shang

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

AI总结 本文提出Surgical WAM模型，通过无动作视频预训练结合带动作标注数据微调，在四项模拟手术操纵任务中将平均成功率从63.5%提至77.8%，为数据高效的手术机器人学习提供了可行方案。

SkillLens: Visual Skill Cards for Retrieval-Augmented GUI Action Prediction and On-Policy Distillation

SkillLens：用于检索增强型GUI动作预测与在线策略蒸馏的可视化技能卡片

Zhou Liu, Ligang Huang, Zeli Su, Zewei Pan, Zhaoyang Han, Xing Chen, Yuanfeng Song, Wentao Zhang

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

AI总结 SkillLens提出可视化技能卡片（VSCs），结合轨迹转卡片方法与检索增强机制，在两个多模态网页基准上提升了冻结GPT-5.4-mini执行器及Qwen3-VL-2B学生模型的GUI动作预测性能。

MazzikaAI: A knowledge-based performance-to-prompt compiler for real-time Arabic maqam accompaniment with a streaming text-to-music model

MazzikaAI：一种基于知识的性能到提示编译器，用于结合流式文本到音乐模型的实时阿拉伯maqam伴奏

Jiaxin Du, Boulbaba Abdeljaouad, Yong Zhuang, Haoyu Li

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

AI总结 本文提出基于知识的MazzikaAI系统，通过编译实时输入生成文本提示，引导未微调的Google Lyria RealTime实现实时阿拉伯maqam伴奏，可精准控制微分音生成，为文化包容性生成音频提供了可扩展范式。

Reading Cognition as Decisions Unfold in Words: A Factorized Inverse Decision Model

将决策过程的阅读认知解读为文字展开过程：一种因子化解码策模型

Jiawen Kang, Dongrui Han, Xixin Wu, Helen Meng

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

AI总结 该研究针对现有逆决策建模未覆盖言语化认知任务响应动态的问题，提出FIDM模型，在400名老年人的杂货购物对话任务数据上验证其可选择性估计因子、保留动作差异，且能提升认知状态分类性能。

Not All Visual Tokens Are Equally Safe to Remove:Consequence-Sensitive Visual Token Compression

并非所有视觉 token 都可安全移除：后果敏感型视觉 token 压缩

Jingbo Wen, Liang He, Mingyu Cao, Haoyu Wang, Minxuan Hu, Kangning Cui, Xilu Wang

机构 * The University of Sydney（悉尼大学） ； Tongji University（同济大学） ； University of Surrey（萨里大学） ； Nankai University（南开大学） ； Cornell University（康奈尔大学） ； City University of Hong Kong（香港城市大学） 纠错

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

AI总结 该研究针对视觉语言模型提出后果敏感型视觉 token 压缩方法，可在相同总 token 预算下降低高风险错误，还能减少代价加权错误并降低延迟，泛化性良好。