代码大模型 / AI 编程

Large Multimodal Models for Low-Resource Languages: A Survey

大规模多模态模型在低资源语言中的应用：综述

Marian Lupascu, Ana-Cristina Rogoz, Mihai Sorin Stupariu, Radu Tudor Ionescu

机构 * Department of Computer Science, University of Bucharest（布加勒斯特大学计算机科学系） 纠错

专题命中 仓库级理解 ：repository(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 本文综述了大规模多模态模型在低资源语言中的应用，分析了适应技术及挑战，提供了方法导向的贡献比较和开放源代码资源。

Comments Accepted in Information Fusion

Toward Universal and Transferable Jailbreak Attacks on Vision-Language Models

迈向通用且可迁移的视觉-语言模型劫持攻击

Kaiyuan Cui, Yige Li, Yutao Wu, Xingjun Ma, Sarah Erfani, Christopher Leckie, Hanxun Huang

机构 * School of Computing and Information Systems, The University of Melbourne, Australia（墨尔本大学计算机与信息系） ； School of Computing and Information Systems, Singapore Management University, Singapore（新加坡管理大学计算机与信息系） ； School of Information Technology, Deakin University, Australia（德肯大学信息科技系） ； Institute of Trustworthy Embodied AI, Fudan University, China（复旦大学可信具身人工智能研究所） 纠错

专题命中 仓库级理解 ：repository(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出UltraBreak，一种通用且可迁移的视觉-语言模型劫持攻击框架，通过视觉正则化和语义引导的文本监督，有效提升攻击的泛化能力和转移性能。

Comments ICLR 2026

When Large Language Models Do Not Work: Online Incivility Prediction through Graph Neural Networks

当大语言模型失效时：通过图神经网络进行在线不文明行为预测

Zihan Chen, Lanyu Yu

机构 * Stevens Institute of Technology（史蒂文斯理工学院） 纠错

专题命中 仓库级理解 ：repository(abstract)；分类 cs.CL、cs.AI

AI总结 本文提出基于图神经网络的框架，用于检测在线不文明行为，优于现有大语言模型并降低推理成本。

Comments 10 pages

MiniTensor: A Lightweight, High-Performance Tensor Operations Library

MiniTensor: 一个轻量且高性能的张量操作库

Soumyadip Sarkar

机构 * Independent Researcher（独立研究者） 纠错

专题命中 仓库级理解 ：repository(abstract)；分类 cs.AI、cs.LG

AI总结 MiniTensor是一个轻量且高性能的张量操作库，结合Python API和Rust引擎，提供高效的张量运算和微分功能，包大小远小于主流框架。

Co-Design of Rover Wheels and Control using Bayesian Optimization and Rover-Terrain Simulations

利用贝叶斯优化和越野地形模拟进行轮式机器人轮子与控制的协同设计

Huzaifa Mustafa Unjhawala, Khizar Shaikh, Luning Bakke, Radu Serban, Dan Negrut

专题命中 仓库级理解 ：repository(abstract)

AI总结 本文提出利用贝叶斯优化和高保真模拟，实现越野车辆轮子设计与控制的协同优化，提升全车辆在可变形地形中的性能。

Comments 19 pages, 15 figures

Examining The CoVCues Dataset: Supporting COVID Infodemic Research Through A Novel User Assessment Study

审查CoVCues数据集：通过一种新的用户评估研究支持新冠假信息研究

Shreetika Poudel, Ankur Chatterjee

专题命中 仓库级理解 ：repository(abstract)

AI总结 本文通过CoVCues数据集的用户评估研究，探讨了视觉提示在识别在线健康误导信息中的作用，填补了多模态数据集在该领域的空白。

Comments 10 pages, To Be Published In Proceedings Of The 1st IEEE Workshop on Healthcare and Medical Device Security, Privacy, Resilience, and Trust (IEEE HMD-SPiRiT), Accepted & Presented At The 7th IEEE International Conference on Trust, Privacy & Security in Intelligent Systems, and Applications (IEEE TPS 2025) on Nov. 11, 2025 in Pittsburgh, PA, USA