Huawei（华为）

Abductive Reasoning with Probabilistic Commonsense

基于概率常识的归纳推理

Joseph Cotnareanu, Chiara Roverato, Han Zhou, Didier Chetelat, Yingxue Zhang, Mark Coates

机构 * International Laboratory on Learning Systems（学习系统国际实验室） ； McGill University（麦吉尔大学） ； Mila - Quebec Artificial Intelligence Institute（魁北克人工智能研究所） ； Huawei Noah's Ark Lab（华为诺亚实验室） 纠错

AI总结 本文提出PACS算法，通过LLM和形式求解器结合，建模常识认知的个体差异，提升大语言模型的归纳推理能力。

Journal ref Proceedings of the International Conference on Machine Learning, 2026

CommFuse: Hiding Tail Latency via Communication Decomposition and Fusion for Distributed LLM Training

CommFuse：通过通信分解与融合隐藏尾部延迟以分布式LLM训练

Rezaul Karim, Austin Wen, Wang Zongzuo, Weiwei Zhang, Yang Liu, Walid Ahmed

机构 * Huawei（华为） 纠错

AI总结 本文提出CommFuse方法，通过分解与融合通信操作，有效缓解分布式LLM训练中的通信瓶颈，降低延迟并提升模型利用率。

Comments Slightly modified the title, and corresponding minor wording change in the content

PerfCoder: Large Language Models for Interpretable Code Performance Optimization

PerfCoder：用于可解释代码性能优化的大型语言模型

Jiuding Yang, Shengyao Lu, Hongxuan Liu, Shayan Shirahmad Gale Bagi, Zahra Fazel, Tomasz Czajkowski, Di Niu

机构 * University of Alberta（阿尔伯塔大学） ； University of Victoria（维多利亚大学） ； Huawei Technologies Ltd.（华为技术有限公司） 纠错

AI总结 PerfCoder通过可解释的定制化优化生成高性能代码，优于现有模型，在代码性能基准上实现更高效的优化策略。

Rethinking Experience Utilization in Self-Evolving Language Model Agents

重新思考自演化语言模型代理中的经验利用

Weixiang Zhao, Yingshuo Wang, Yichen Zhang, Yanyan Zhao, Yu Zhang, Yang Wu, Dandan Tu, Bing Qin, Ting Liu

机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Huawei Technologies Co., Ltd（华为技术有限公司） 纠错

AI总结 本文研究自演化代理中经验利用的关键设计维度，提出ExpWeaver方法，通过在决策过程中交织经验使用，使代理在需要额外指导时才调用经验，提升性能。

Comments 30 pages, 20 figures, 7 tables

Relay Buffer Independent Communication over Pooled HBM for Efficient MoE Inference on Ascend

基于池化HBM的无中继缓冲通信以提高Ascend上的高效MoE推理

Tianlun Hu, Tiancheng Hu, Shengsheng Litang, Sheng Wang, Xiaoming Bao, Yuxing Li, Wei Wang, Zhongzhe Hu, Lijun Li, Hongwei Sun, Jingbin Zhou

机构 * Huawei Technologies（华为技术） 纠错

AI总结 本文提出一种无中继缓冲的MoE推理通信设计，通过直接放置和读取专家窗口，减少中间中继和重排序缓冲，提升吞吐量和降低延迟，实验表明在Ascend平台有效。

Minimizing Modality Gap from the Input Side: Your Speech LLM Can Be a Prosody-Aware Text LLM

从输入侧最小化模态差距：你的语音大语言模型可以成为具有语调意识的文本大语言模型

Wenqian Cui, Xiao-Hui Li, Daxin Tan, Qiyong Zheng, Irwin King

机构 * The Chinese University of Hong Kong（香港中文大学） ； Huawei Technologies（华为技术） 纠错

AI总结 本文提出TextPro-SLM，通过改进语音输入使其更接近具有语调意识的文本大语言模型，从而有效减少模态差距，实验表明其在3B和7B规模下表现最佳，且数据效率高。

Comments Work in progress

InterCoG: Towards Spatially Precise Image Editing with Interleaved Chain-of-Grounding Reasoning

InterCoG：迈向空间精确图像编辑的交错链式 grounding 推理

Yecong Wan, Fan Li, Chunwei Wang, Hao Wu, Mingwen Shao, Wangmeng Zuo

机构 * Faculty of Computing, Harbin Institute of Technology（哈尔滨工业大学计算机学院） ； Zhengzhou Advanced Research Institute of Harbin Institute of Technology（哈尔滨工业大学郑州先进研究院） ； Huawei Noah’s Ark Lab（华为诺亚实验室） ； Artificial Intelligence Research Institute, Shenzhen University of Advanced Technology（深圳先进技术大学人工智能研究院） 纠错

AI总结 本文提出InterCoG框架，通过文本与视觉的交错链式推理实现复杂场景中精细图像编辑，结合文本空间关系和视觉定位提升编辑精度。

Multimodal Latent Reasoning via Hierarchical Visual Cues Injection

多模态潜在推理 via 分层视觉提示注入

Yiming Zhang, Qiangyu Yan, Borui Jiang, Kai Han

机构 * Nanyang Technological University（南洋理工大学） ； Huawei Noah's Ark Lab（华为诺亚实验室） 纠错

AI总结 本文提出HIVE框架，通过分层视觉提示注入实现多模态潜在推理，提升模型在对齐潜在空间中的多步推理能力。