Lodestar: An Online-Learning LLM Inference Router
Lodestar: 一种在线学习的大语言模型推理路由器
机构 * UIUC（伊利诺伊大学香槟分校） ； Bytedance（字节跳动） ； University of Edinburgh（爱丁堡大学）
AI总结 提出Lodestar，一种基于在线学习的请求路由系统，通过实时收集集群状态并训练奖励预测器，以最小化TTFT为目标分配推理请求，在异构GPU集群上显著降低延迟。
高校专区
University of Edinburgh（爱丁堡大学）
Ryze: Evidence-Enriched Data Synthesis from Biomedical Papers
Ryze：从生物医学论文中合成富含证据的数据
机构 * University of Edinburgh（爱丁堡大学）
AI总结 提出 Ryze 系统，自动从生物医学论文中生成包含完整证据结构的训练数据，并训练出领域专用 VLM BioVLM-8B，在 LAB-Bench 上以低于 200 美元成本达到 48.0% 加权准确率。
Comments Accepted at ACL 2026 System Demonstrations Track. 8 pages, 6 figures
MOSAIC: Modular Orchestration for Structured Agentic Intelligence and Composition
MOSAIC：结构化智能体智能与组合的模块化编排
机构 * Department of Computer Science, National University of Singapore（新加坡国立大学计算机科学系） ； University College London（伦敦大学学院） ； University of Edinburgh（爱丁堡大学） ； Data & Analytics, Digital X（Digital X 数据与分析部） ； Alan Turing Institute（艾伦·图灵研究所）
AI总结 提出MOSAIC框架，通过结构化智能体编排、记忆驱动的模型选择和蓝图构建，将自动化数据科学转化为可验证、可复用的模型选择问题，在金融时间序列任务中优于AutoML和智能体基线。
TInR: Exploring Tool-Internalized Reasoning in Large Language Models
TInR：探索大语言模型中的工具内化推理
机构 * The Hong Kong Polytechnic University（香港理工大学） ； Southeast University（东南大学） ； University of Edinburgh（爱丁堡大学） ； Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院）
AI总结 本文提出TInR-U框架，通过工具内化、监督微调和强化学习三阶段训练，使LLM无需外部文档即可进行工具集成推理，在域内和域外设置中均取得优越性能。
Comments Accepted to ACL 2026
What Cosine Similarity of Label Representations Can and Cannot Tell us
标签表示的余弦相似度能告诉我们什么，不能告诉我们什么
机构 * IT University of Copenhagen（丹麦哥本哈根技术大学） ； School of Mathematics, University of Edinburgh（爱丁堡大学数学学院）
AI总结 本文证明对于softmax分类器，标签表示（称为unembedding）之间的余弦相似度不提供模型概率的任何信息，而对于sigmoid分类器，所有成对余弦相似度定义了可能的标签组合集。
