Large Language Model Empowered CSI Feedback in Massive MIMO Systems
大语言模型赋能的海量MIMO系统中的CSI反馈
专题命中 效率与部署 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)
AI总结 本文提出利用大语言模型进行CSI反馈，通过掩码标记预测和自信息策略提升压缩反馈的准确性。
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. 效率与部署 22280 篇
Speech recognition assisted by large language models to command software orally -- Application to an augmented and virtual reality web app for immersive molecular graphics
通过大型语言模型辅助的语音识别来控制软件——应用于增强和虚拟现实网页应用中的沉浸式分子图形
专题命中 效率与部署 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)
AI总结 通过结合Chrome的语音识别和大型语言模型的函数调用方法，开发了一个语音控制网页应用，用于沉浸式分子图形。
LLMTailor: A Layer-wise Tailoring Tool for Efficient Checkpointing of Large Language Models
LLMTailor: 一种用于大型语言模型高效检查点存储的分层定制工具
专题命中 效率与部署 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)
AI总结 LLMTailor通过分层定制工具实现大型语言模型高效检查点存储，减少存储开销和检查点时间，同时保持模型质量。
Comments 9 pages, 3 figures, accepted at PDSW'25
RAC: Relation-Aware Cache Replacement for Large Language Models
基于关系的大型语言模型缓存替换策略RAC
专题命中 效率与部署 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)
AI总结 RAC通过利用请求之间的语义关系，提出了一种高效的缓存替换策略，显著提升了缓存命中率。
Application of Large Language Models for Container Throughput Forecasting: Incorporating Contextual Information in Port Logistics
大型语言模型在集装箱吞吐量预测中的应用：在港口物流中融入上下文信息
专题命中 效率与部署 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)
AI总结 本研究利用大型语言模型预测集装箱吞吐量，通过设计新的提示结构融入港口运营上下文信息，实验表明其优于现有方法，并探讨了LLM在港口物流中的应用约束与未来研究方向。
Privacy-Aware Split Inference with Speculative Decoding for Large Language Models over Wide-Area Networks
面向宽域网络的隐私保护分割推断与推测解码
专题命中 效率与部署 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)
AI总结 本文提出一种隐私保护的大语言模型分割推断系统，通过非对称层分割和lookahead解码技术，在宽域网络上实现高吞吐量和隐私安全的LLM推断。
Comments 21 pages, 21 tables, no figures
HAFix: History-Augmented Large Language Models for Bug Fixing
HAFix: 历史增强型大语言模型用于缺陷修复
专题命中 效率与部署 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)
AI总结 HAFix通过整合历史启发式方法提升LLM在缺陷修复中的性能，实验表明其在缺陷修复率上显著优于基线方法。
Comments Accepted at Empirical Software Engineering (EMSE) 2026 Journal
Low-Latency Federated Fine-Tuning for Large Language Models Over Wireless Networks
面向无线网络的低延迟联邦微调框架用于大语言模型
专题命中 效率与部署 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)
AI总结 本文提出了一种联合客户端特定剪枝和带宽分配框架，以提高无线网络下大语言模型的微调效率，实验表明其在减少训练时间的同时降低了计算和通信开销。
LoPace: A Lossless Optimized Prompt Accurate Compression Engine for Large Language Model Applications
LoPace：一种无损优化提示准确压缩引擎，用于大语言模型应用
专题命中 效率与部署 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)
AI总结 LoPace通过三种压缩方法实现提示存储的高效无损压缩，平均节省72.2%空间，适用于大语言模型应用。
Comments 42 pages, 14 figures, 7 tables
Cachemir: Fully Homomorphic Encrypted Inference of Generative Large Language Model with KV Cache
Cachemir: 生成式大语言模型的全同态加密推理与KV缓存
专题命中 效率与部署 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)
AI总结 Cachemir通过整合KV缓存优化同态加密推理，实现高效生成式大语言模型推理。
Comments 16 pages, 10 figures, 6 tables. Under review
Accelerating Streaming Video Large Language Models via Hierarchical Token Compression
通过分层令牌压缩加速流式视频大型语言模型
机构 * EPIC Lab, Shanghai Jiao Tong University（上海交通大学EPIC实验室） ； Sichuan University（四川大学） ； Huazhong University of Science and Technology（华中科技大学） ； Sun Yat-sen University（中山大学） ； Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
专题命中 效率与部署 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)
AI总结 STC通过分层令牌压缩技术，显著降低流式视频大语言模型的处理延迟，同时保持高精度。
Comments Code is avaliable at \url{https://github.com/lern-to-write/STC}
A Systematic Literature Review on Large Language Models for Automated Program Repair
基于大型语言模型的自动程序修复系统文献综述
专题命中 效率与部署 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)
AI总结 本文系统综述了2020-2025年间基于大型语言模型的自动程序修复技术，分析了其应用、挑战与未来方向。
Comments Accepted to ACM Transactions on Software Engineering and Methodology (TOSEM 2026)
TiFRe: Text-guided Video Frame Reduction for Efficient Video Multi-modal Large Language Models
TiFRe: 基于文本的视频帧减少用于高效视频多模态大语言模型
机构 * Wangxuan Institute of Computer Technology, Peking University（王轩计算机技术研究所，北京大学）
专题命中 效率与部署 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)
AI总结 TiFRe通过文本引导的帧采样和帧匹配机制，有效减少视频输入帧数，同时保留关键信息，提升视频多模态大语言模型的效率和性能。
FlashVID: Efficient Video Large Language Models via Training-free Tree-based Spatiotemporal Token Merging
FlashVID: 通过无训练树状时空标记合并实现高效的视频大语言模型
机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Shenzhen Loop Area Institute（深圳河套学院）
专题命中 效率与部署 ：large language model(title,abstract)；language model(title,abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 FlashVID通过无训练的树状时空标记合并技术，在保留99.1%性能的情况下将视频帧输入提升10倍，实现高效视频大语言模型加速。
Comments Accepted by ICLR 2026 (Oral)
DistillER: Knowledge Distillation in Entity Resolution with Large Language Models
DistillER: 基于大语言模型的实体解析中的知识蒸馏
专题命中 效率与部署 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)
AI总结 DistillER通过知识蒸馏方法，利用大语言模型和小型语言模型，提升实体解析的效率和效果。
BTGenBot-2: Efficient Behavior Tree Generation with Small Language Models
BTGenBot-2: 基于小语言模型的高效行为树生成
机构 * Department of Electronics, Information, and Bioengineering（电子、信息与生物工程系）
专题命中 效率与部署 ：language model(title,abstract)；small language model(title,abstract)；LLM(abstract)
AI总结 BTGenBot-2是一种基于小语言模型的高效行为树生成方法，通过开源模型实现零样本生成和快速推理，显著提升机器人任务规划效率。
DISPO: Enhancing Training Efficiency and Stability in Reinforcement Learning for Large Language Model Mathematical Reasoning
DISPO：提升大型语言模型数学推理中的训练效率和稳定性
机构 * Cornell University（康奈尔大学） ； Amazon AGI（亚马逊人工智能实验室）
专题命中 效率与部署 ：large language model(title,abstract)；language model(title,abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 DISPO通过分离正确与错误响应的重要性采样权重裁剪，实现训练效率与稳定性的平衡，提升大型语言模型在数学推理任务中的性能。
Comments This work is accepted to the 29th International Conference on Artificial Intelligence and Statistics (AISTATS) 2026
A Universal Load Balancing Principle and Its Application to Large Language Model Serving
一种通用的负载均衡原理及其在大语言模型服务中的应用
专题命中 效率与部署 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)
AI总结 本文提出了一种适用于屏障同步系统的通用负载均衡原理，通过减少负载不均衡实现能源节约，应用于大语言模型服务中，实现了28%的能耗降低和性能提升。
LLMs as High-Dimensional Nonlinear Autoregressive Models with Attention: Training, Alignment and Inference
基于注意力机制的高维非线性自回归模型：训练、对齐与推理
机构 * Cornell University（康奈尔大学）
专题命中 效率与部署 ：LLM(abstract)；large language model(abstract)；language model(abstract)；pretraining(abstract)
AI总结 本文将LLMs表述为具有注意力依赖的高维非线性自回归模型，探讨了训练、对齐与推理的原理及方法。
Comments 27 pages, 12 figures. Mathematical survey framing LLMs as high-dimensional nonlinear autoregressive models with attention, covering training, alignment, and inference, with nanoGPT/nanochat-style code examples. Feedback welcome
Streaming Speech Recognition with Decoder-Only Large Language Models and Latency Optimization
流式语音识别与解码器-only大型语言模型及延迟优化
机构 * University of Science and Technology of China（科学技术大学） ； iFLYTEK Research, iFLYTEK Co., Ltd.（iFLYTEK研究院，iFLYTEK有限公司） ； School of Artificial Intelligence and Computer Science（人工智能与计算机科学学院）
专题命中 效率与部署 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)
AI总结 本文提出了一种结合解码器-only大型语言模型和延迟优化的流式语音识别方法，通过动态分割语音嵌入和联合训练策略，提升了识别性能并降低了延迟。
Comments accepted to ICASSP 2026
Opinion Consensus Formation Among Networked Large Language Models
网络化大语言模型中的意见共识形成
专题命中 效率与部署 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)
AI总结 研究通过DeGroot模型分析网络化大语言模型的意见共识形成，发现共识依赖于讨论主题和内在偏见，而非初始条件，且收敛速度与图的特征值相关。
Comments Accepted at ICASSP 2026
Omni-AVSR: Towards Unified Multimodal Speech Recognition with Large Language Models
Omni-AVSR：迈向基于大语言模型的统一多模态语音识别
机构 * Imperial College London, UK（伦敦帝国理工学院） ； University of Surrey, UK（萨里大学）
专题命中 效率与部署 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)
AI总结 Omni-AVSR通过统一多模态语音识别框架，结合高效多粒度训练与参数高效适应，实现跨任务协同，降低资源消耗并提升鲁棒性。
Comments Accepted to IEEE ICASSP 2026 (camera-ready version). Project website (code and model weights): https://umbertocappellazzo.github.io/Omni-AVSR/
Clustering-driven Memory Compression for On-device Large Language Models
基于聚类的记忆压缩用于设备端大语言模型
机构 * University of Oxford（牛津大学）
专题命中 效率与部署 ：large language model(title,abstract)；language model(title,abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 本文提出一种基于聚类的记忆压缩方法，通过分组和合并相似记忆以提升设备端大语言模型的上下文效率和生成质量。
Comments Accepted at ICASSP 2026
Stop Taking Tokenizers for Granted: They Are Core Design Decisions in Large Language Models
不要轻视分词器：它们是大型语言模型中的核心设计决策
机构 * Princess Nourah Bint Abdulrahman University（普里丝琴·努拉·本·阿卜杜勒拉赫曼大学） ； Saudi Data & AI Authority (SDAIA)（沙特数据与人工智能管理局） ； University of Alberta（阿尔伯塔大学） ； Dialpad（Dialpad公司） ； York University（约克大学） ； Qatar Computing Research Institute（卡塔尔计算研究所） ； Amazon AGI（亚马逊人工智能研究所）
专题命中 效率与部署 ：large language model(title,abstract)；language model(title,abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 本文提出将分词视为大型语言模型的核心设计决策，强调上下文感知框架和标准化评估的重要性，以提升语言技术的公平性、效率和适应性。
Comments Accepted to EACL 2026 (long, main). The first two authors contributed equally
Kakugo: Distillation of Low-Resource Languages into Small Language Models
Kakugo：通过低资源语言名称训练通用小型语言模型的蒸馏方法
机构 * School of Informatics, University of Edinburgh（信息学院，爱丁堡大学）
专题命中 效率与部署 ：language model(title,abstract)；small language model(title,abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 Kakugo通过仅使用语言名称作为输入，利用大型教师模型生成合成数据，有效训练小型语言模型以处理低资源语言，从而在多种NLP任务中提升性能，成本低于50美元每种语言。
PRIVMARK: Private Large Language Models Watermarking with MPC
PRIVMARK: 基于MPC的私有大语言模型水印技术
专题命中 效率与部署 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)
AI总结 PRIVMARK通过MPC技术实现大语言模型的隐私保护水印，无需暴露模型权重，有效抵御攻击并保持性能。
Comments 8 pages, 4 figures, under peer-review
Journal ref ICC 2026
Assessing Small Language Models for Code Generation: An Empirical Study with Benchmarks
评估小型语言模型用于代码生成：基于基准的实证研究
专题命中 效率与部署 ：language model(title,abstract)；small language model(title,abstract)；large language model(abstract)
AI总结 本研究评估了多种小型语言模型在代码生成中的性能，发现紧凑模型在效率与性能间取得平衡，但进一步提升需转向更大模型。
Comments 17 pages, 10 Tables, 57 figures. Includes benchmarks and multilingual evaluation. Submitted to the Journal of Systems and Software
Large Language Models Are Democracy Coders with Attitudes
大型语言模型是带有偏见的民主编码器
专题命中 效率与部署 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)
AI总结 本文利用大型语言模型对民主指标进行编码，发现其在某些情况下存在偏见，但结合两种模型可缓解问题，但仍难以完全替代人类编码者。
Journal ref APSC 59 (2026) 17-23
BALI: Branch-Aware Loop Invariant Inference with Large Language Models
BALI: 基于分支的循环不变式推断与大语言模型
专题命中 效率与部署 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)
AI总结 BALI通过结合大语言模型和分支感知分析，提升循环不变式的推断和验证精度，实现更高效和自动化的不变式发现。
Comments 4 pages, 1 figure, AAAI-26 Bridge Program B10: Making Embodied AI Reliable with Testing and Formal Verification
Can Large Language Models Still Explain Themselves? Investigating the Impact of Quantization on Self-Explanations
大语言模型还能自我解释吗？探讨量化对自我解释的影响
机构 * Quality and Usability Lab, Technische Universität Berlin（柏林技术大学质量与可用性实验室） ； University of Copenhagen（哥本哈根大学） ； Saarland Informatics Campus（萨尔州信息学校园） ； German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心） ； Centre for European Research in Trusted AI (CERTAIN)（可信AI欧洲研究中心） ； BIFOLD – Berlin Institute for the Foundations of Learning and Data（柏林学习与数据基础研究院）
专题命中 效率与部署 ：large language model(title,abstract)；language model(title,abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 研究探讨量化对大语言模型自我解释质量及可信度的影响，发现量化会导致中等程度的下降，但不影响其作为压缩技术的有效性。
Comments In submission
