语言大模型 / LLM

HAWAII: Hierarchical Visual Knowledge Transfer for Efficient Vision-Language Models

HAWAII：层次化视觉知识转移用于高效的视觉-语言模型

Yimu Wang, Mozhgan Nasr Azadani, Sean Sedwards, Krzysztof Czarnecki

机构 * University of Waterloo（滑铁卢大学） 纠错

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

AI总结 HAWAII通过层次化视觉知识转移，高效整合多个视觉专家的知识，提升视觉-语言模型性能。

Comments NeurIPS 2025

BanditSpec: Adaptive Speculative Decoding via Bandit Algorithms

BanditSpec: 通过多臂老虎机算法实现自适应推测解码

Yunlong Hou, Fengzhuo Zhang, Cunxiao Du, Xuan Zhang, Jiachun Pan, Tianyu Pang, Chao Du, Vincent Y. F. Tan, Zhuoran Yang

机构 * National University of Singapore（国立新加坡大学） ； Sea AI Lab（Sea人工智能实验室） ； Singapore Management University（新加坡管理学院） ； Yale University（耶鲁大学） 纠错

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

AI总结 BanditSpec通过多臂老虎机算法实现自适应推测解码，优化超参数选择以提升LLM推理效率。

Comments 35 pages, 4 figures, accepted to ICML, typos and affiliations are corrected

CorrectHDL: Agentic HDL Design with LLMs Leveraging High-Level Synthesis as Reference

CorrectHDL: 基于LLM的代理HDL设计利用高层次综合作为参考

Kangwei Xu, Grace Li Zhang, Ulf Schlichtmann, Bing Li

机构 * Technical University of Munich (TUM)（慕尼黑技术大学） ； Technical University of Darmstadt（达姆施塔特技术大学） ； Technical University of Ilmenau（伊尔梅恩艾大学） 纠错

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

AI总结 CorrectHDL利用LLM和HLS结合，通过参考设计纠正生成错误，提升HDL设计的面积和功率效率，接近人工设计水平。

Comments 7 pages, 15 figures, 2 tables

Confidence-Guided Stepwise Model Routing for Cost-Efficient Reasoning

基于置信度的分步模型路由用于高效推理

Sangmook Lee, Dohyung Kim, Hyukhun Koh, Nakyeong Yang, Kyomin Jung

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

AI总结 STEER通过利用模型内部置信度实现高效的模型路由，减少推理成本并提升准确性。

Comments 7 pages, 5 figures

SkyRL-Agent: Efficient RL Training for Multi-turn LLM Agent

SkyRL-Agent: 多轮长周期LLM代理高效强化学习训练

Shiyi Cao, Dacheng Li, Fangzhou Zhao, Shuo Yuan, Sumanth R. Hegde, Connor Chen, Charlie Ruan, Tyler Griggs, Shu Liu, Eric Tang, Richard Liaw, Philipp Moritz, Matei Zaharia, Joseph E. Gonzalez, Ion Stoica

机构 * NovaSky AI ； UC Berkeley（加州大学伯克利分校） ； Anyscale 纠错

专题命中 效率与部署 ：LLM(title)；分类 cs.AI

AI总结 SkyRL-Agent通过高效异步调度和工具增强训练配方，实现多轮长周期LLM代理的高效强化学习训练，使SA-SWE-32B在SWE-Bench上达到39.4% Pass@1，成本降低超2倍。

A Scalable NorthPole System with End-to-End Vertical Integration for Low-Latency and Energy-Efficient LLM Inference

可扩展的北极系统：端到端垂直集成用于低延迟和节能的LLM推理

Michael V. DeBole, Rathinakumar Appuswamy, Neil McGlohon, Brian Taba, Steven K. Esser, Filipp Akopyan, John V. Arthur, Arnon Amir, Alexander Andreopoulos, Peter J. Carlson, Andrew S. Cassidy, Pallab Datta, Myron D. Flickner, Rajamohan Gandhasri, Guillaume J. Garreau, Megumi Ito, Jennifer L. Klamo, Jeffrey A. Kusnitz, Nathaniel J. McClatchey, Jeffrey L. McKinstry, Tapan K. Nayak, Carlos Ortega Otero, Hartmut Penner, William P. Risk, Jun Sawada, Jay Sivagnaname, Daniel F. Smith, Rafael Sousa, Ignacio Terrizzano, Takanori Ueda, Trent Gray-Donald, David Cox, Dharmendra S. Modha

机构 * IBM Research, IBM Software（IBM研究院，IBM软件） 纠错

专题命中 效率与部署 ：LLM(title)；分类 cs.AI

AI总结 北极系统通过端到端垂直集成实现低延迟和节能的LLM推理，支持多种模型规模和上下文长度，适用于企业AI应用部署。

Graph-Memoized Reasoning: Foundations Structured Workflow Reuse in Intelligent Systems

图记忆推理：智能系统中结构化工作流重用的基础

Yash Raj Singh

机构 * Independent Researcher（独立研究者） 纠错

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

AI总结 图记忆推理通过图结构内存实现推理工作流的重用，旨在提升智能系统中的效率与可重复性。

Comments 5 Pages, 2 tables

Nemotron Elastic: Towards Efficient Many-in-One Reasoning LLMs

Nemotron弹性：迈向高效多任务推理LLM

Ali Taghibakhshi, Sharath Turuvekere Sreenivas, Saurav Muralidharan, Ruisi Cai, Marcin Chochowski, Ameya Sunil Mahabaleshwarkar, Yoshi Suhara, Oluwatobi Olabiyi, Daniel Korzekwa, Mostofa Patwary, Mohammad Shoeybi, Jan Kautz, Bryan Catanzaro, Ashwath Aithal, Nima Tajbakhsh, Pavlo Molchanov

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

AI总结 Nemotron弹性通过嵌套子模型和多预算优化，实现高效多任务推理LLM，显著降低训练成本并提升部署效率。

"To Survive, I Must Defect": Jailbreaking LLMs via the Game-Theory Scenarios

为生存，我必须背叛：通过博弈论场景进行大语言模型的劫持攻击

Zhen Sun, Zongmin Zhang, Deqi Liang, Han Sun, Yule Liu, Yun Shen, Xiangshan Gao, Yilong Yang, Shuai Liu, Yutao Yue, Xinlei He

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； East China Normal University（华东师范大学） ； Flexera（Flexera公司） ； Zhejiang University（浙江大学） ； Xidian University（西安电子科技大学） ； Xi’an Jiaotong University（西安交通大学） ； Institute of Deep Perception Technology, JITRI（JITRI深度感知技术研究所） 纠错

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

AI总结 本文提出一种基于博弈论的可扩展黑盒劫持框架GTA，通过重塑LLM目标以提高攻击成功率，实现在多种场景下的高ASR表现。

Comments 20 pages

A time for monsters: Organizational knowing after LLMs

怪物的时代：在大语言模型之后的组织认知

Samer Faraj, Joel Perez Torrents, Saku Mantere, Anand Bhardwaj

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

AI总结 本文探讨大语言模型作为认知怪物对组织认知的影响，分析其通过类比生成连接的能力及带来的认知风险，并提出探究转变、对话验证和代理再分配三大挑战。

Comments Forthcoming at Strategic Organization

Do Not Merge My Model! Safeguarding Open-Source LLMs Against Unauthorized Model Merging

不要合并我的模型！保护开源大语言模型免受未经授权的模型合并攻击

Qinfeng Li, Miao Pan, Jintao Chen, Fu Teng, Zhiqiang Shen, Ge Su, Hao Peng, Xuhong Zhang

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

AI总结 MergeBarrier通过破坏线性模式连接来主动防止未经授权的模型合并，实现高安全性和低性能损失的开源大语言模型保护

Comments Accepted by AAAI 2026 Conference

Towards Efficient Multimodal Unified Reasoning Model via Model Merging

通过模型合并实现高效的多模态统一推理模型

Qixiang Yin, Huanjin Yao, Jianghao Chen, Jiaxing Huang, Zhicheng Zhao, Fei Su

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Nanyang Technological University（南洋理工大学） ； Beijing Key Laboratory of Network System and Network Culture（北京网络系统与网络文化重点实验室） ； Key Laboratory of Interactive Technology and Experience System, Ministry of Culture and Tourism（文化和旅游部交互技术与体验系统重点实验室） ； Zhongguancun Academy, Beijing, China（中关村学院，北京，中国） 纠错

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

AI总结 Tiny-R1V通过两阶段优化和模型合并方法，实现高效多模态推理，提升轻量模型在多种任务中的性能。

Comments Technical report, Code will be available at https://github.com/buptyqx/Tiny-R1V

Efficient Environmental Claim Detection with Hyperbolic Graph Neural Networks

基于双曲图神经网络的高效环境声明检测

Darpan Aswal, Manjira Sinha

机构 * Department of Computer Science, Université Paris-Saclay（巴黎萨克雷大学计算机科学系） ； MICS, CentraleSupélec, Université Paris-Saclay（巴黎萨克雷大学MICS） ； TCS Research, India（印度TCS研究） 纠错

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

AI总结 本文提出基于双曲图神经网络的环境声明检测方法，通过图结构建模实现更高效的参数使用和更高的检测性能。

Optimizing Federated Learning in the Era of LLMs: Message Quantization and Streaming

在大语言模型时代优化联邦学习：消息量化与流式传输

Ziyue Xu, Zhihong Zhang, Holger R. Roth, Chester Chen, Yan Cheng, Andrew Feng

专题命中 效率与部署 ：large language model(abstract)；language model(abstract)

AI总结 本文提出通过消息量化和流式传输技术优化联邦学习，以应对大语言模型带来的通信和资源挑战。

Comments FLLM 2025

An Image Is Worth Ten Thousand Words: Verbose-Text Induction Attacks on VLMs

一张图像等于一万字：针对视觉语言模型的冗余文本诱导攻击

Zhi Luo, Zenghui Yuan, Wenqi Wei, Daizong Liu, Pan Zhou

机构 * Huazhong University of Science and Technology（华中科技大学） ； Fordham University（福特汉姆大学） ； Wuhan University（武汉大学） 纠错

专题命中 效率与部署 ：LLM(abstract)；language model(abstract)

AI总结 本文提出一种针对视觉语言模型的冗余文本诱导攻击，通过两阶段框架生成恶意图像以诱导模型生成冗长文本，提升攻击效果与可控性。

SUNAC: Source-aware Unified Neural Audio Codec

SUNAC：源感知统一神经音频编解码器

Ryo Aihara, Yoshiki Masuyama, Francesco Paissan, François G. Germain, Gordon Wichern, Jonathan Le Roux

专题命中 效率与部署 ：large language model(abstract)；language model(abstract)

AI总结 SUNAC通过源感知编码实现多源分离与重合成，降低计算成本，提升特定源处理效率。

Comments Submitted to ICASSP 2026

AMS-KV: Adaptive KV Caching in Multi-Scale Visual Autoregressive Transformers

AMS-KV: 多尺度视觉自回归变换器中的自适应KV缓存

Boxun Xu, Yu Wang, Zihu Wang, Peng Li

专题命中 效率与部署 ：large language model(abstract)；language model(abstract)

AI总结 AMS-KV通过自适应KV缓存策略提升多尺度视觉自回归变换器的生成质量和效率

TRIM: Scalable 3D Gaussian Diffusion Inference with Temporal and Spatial Trimming

TRIM：基于时间和空间剪裁的可扩展3D高斯扩散推断

Zeyuan Yin, Xiaoming Liu

机构 * Department of Computer Science and Engineering, Michigan State University（计算机科学与工程系，密歇根州立大学） 纠错

专题命中 效率与部署 ：post-training(abstract)

AI总结 TRIM通过引入时间和空间剪裁策略，提升3D高斯扩散模型的推断效率与生成质量。

Comments NeurIPS 2025

Optimizing Gaussian Process Kernels Using Nested Sampling and ABC Rejection for H(z) Reconstruction

利用嵌套采样和ABC拒绝优化高斯过程核用于H(z)重建

Jia-yan Jiang, Kang Jiao, Tong-Jie Zhang

专题命中 效率与部署 ：prompting(abstract)

AI总结 本文通过嵌套采样和ABC拒绝方法优化高斯过程核，用于改进H(z)重建的精度和物理合理性。

Comments 25 pages,11 figures, 5 tables, v3 matches the published JCAP version. Comments welcome! Journal-ref: JCAP11 (2025) 065

Journal ref Jia-yan Jiang et al JCAP11(2025)065

UINO-FSS: Unifying Representation Learning and Few-shot Segmentation via Hierarchical Distillation and Mamba-HyperCorrelation

UINO-FSS: 通过层次化蒸馏和Mamba-超相关性统一表示学习与少样本分割

Wei Zhuo, Zhiyue Tang, Wufeng Xue, Hao Ding, Junkai Ji, Linlin Shen

机构 * School of Artificial Intelligence and the National Engineering Laboratory of Big Data System Computing Technology, Shenzhen University（人工智能学院和大数据系统计算技术国家工程实验室，深圳大学） ； Guangdong Provincial Key Laboratory of Intelligent Information Processing, China（广东省智能信息处理重点实验室，中国） ； School of Biomedical Engineering, Shenzhen University Medical School, Shenzhen University（生物医学工程学院，深圳大学医学院，深圳大学） ； Department of Computer Science, University of Nottingham Ningbo China（计算机科学系，宁波大学中国） 纠错

专题命中 效率与部署 ：foundation model(abstract)

AI总结 UINO-FSS通过层次化蒸馏和Mamba-超相关性整合不同基础模型知识，实现少样本分割的统一学习框架，取得新SOTA结果。

LLMInit: A Free Lunch from Large Language Models for Selective Initialization of Recommendation

LLMInit: 从大型语言模型中获得免费午餐：用于推荐系统选择性初始化

Weizhi Zhang, Liangwei Yang, Wooseong Yang, Henry Peng Zou, Yuqing Liu, Ke Xu, Sourav Medya, Philip S. Yu

机构 * University of Illinois Chicago（伊利诺伊大学芝加哥分校） ； Salesforce AI Research（Salesforce AI研究） 纠错

专题命中 领域大模型 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 LLMInit通过选择性初始化策略将预训练LLM嵌入整合到协同过滤模型中，提升推荐性能并降低计算成本。

Comments Accepted in EMNLP 2025 Industry Track

Build AI Assistants using Large Language Models and Agents to Enhance the Engineering Education of Biomechanics

利用大型语言模型和智能体构建AI助教以增强生物力学工程教育

Hanzhi Yan, Qin Lu, Xianqiao Wang, Xiaoming Zhai, Tianming Liu, He Li

专题命中 领域大模型 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)；分类 cs.AI

AI总结 本文提出利用RAG和MAS提升LLM在生物力学教育中的表现，通过双模块框架增强教学效果。

Utilizing Large Language Models for Zero-Shot Medical Ontology Extension from Clinical Notes

利用大型语言模型进行临床笔记的零样本医学本体扩展

Guanchen Wu, Yuzhang Xie, Huanwei Wu, Zhe He, Hui Shao, Xiao Hu, Carl Yang

机构 * Department of Computer Science（计算机科学系） ； Emory University（埃默里大学） ； College of Public Health（公共卫生学院） ； Temple University（temple大学） ； School of Information（信息学院） ； Florida State University（佛罗里达州立大学） ； Hubert Department of Global Health（全球健康部） ； Nell Hodgson Woodruff School of Nursing（Nell Hodgson Woodruff护理学院） 纠错

专题命中 领域大模型 ：large language model(title,abstract)；language model(title,abstract)；分类 cs.AI；LLM(comments)

AI总结 CLOZE利用大型语言模型从临床笔记中自动提取医学实体，实现零样本医学本体扩展，具有高准确性和隐私保护能力。

Comments BIBM 2025 (WS#44: Biological ontologies and knowledge bases (BiOK) in the LLM era)

vMFCoOp: Towards Equilibrium on a Unified Hyperspherical Manifold for Prompting Biomedical VLMs

vMFCoOp：在统一超球面流形上实现平衡的提示生物医学VLMs

Minye Shao, Sihan Guo, Xinrun Li, Xingyu Miao, Haoran Duan, Yang Long

专题命中 领域大模型 ：prompting(title,abstract)；LLM(abstract)；large language model(abstract)；language model(abstract)

AI总结 vMFCoOp通过统一超球面流形上的vMF分布估计，实现LLM与CLIP主干间的语义对齐，提升生物医学VLMs的提示效果和少样本分类性能。

Comments Accepted as an Oral Presentation at AAAI 2026 Main Technical Track (this version is not peer-reviewed; it is the extended version)

Adaptive Query Prompting for Multi-Domain Landmark Detection

多领域地标检测的自适应查询提示

Yuhui Li, Qiusen Wei, Guoheng Huang, Xiaochen Yuan, Xuhang Chen, Guo Zhong, Jianwen Huang, Jiajie Huang

机构 * School of Computer Science and Technology, Guangdong University of Technology（广东技术大学计算机科学与技术学院） ； School of Automation, Guangdong University of Technology（广东技术大学自动化学院） ； Faculty of Applied Sciences, Macao Polytechnic University（澳门 polytechnic university 应用科学学院） ； School of Information Science and Technology, Guangdong University of Foreign Studies（广东外语外贸大学信息科学与技术学院） ； School of Computer Science and Engineering, Huizhou University（惠州市大学计算机科学与工程学院） 纠错

专题命中 领域大模型 ：prompting(title,abstract)

AI总结 本文提出了一种通用的多领域地标检测模型，通过自适应查询提示和轻量级解码器实现高效且高精度的地标检测。

From Performance to Understanding: A Vision for Explainable Automated Algorithm Design

从性能到理解：可解释的自动算法设计愿景

Niki van Stein, Anna V. Kononova, Thomas Bäck

机构 * LIACS, Leiden University, The Netherlands（莱顿大学莱顿信息与计算科学研究所，荷兰） 纠错

专题命中 领域大模型 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 本文提出通过系统性基准测试结合自动化，实现可解释的自动算法设计，强调算法变体发现、可解释基准测试和问题类描述符的整合，以提升算法设计的可解释性和有效性。

ATLAS: A High-Difficulty, Multidisciplinary Benchmark for Frontier Scientific Reasoning

ATLAS：面向前沿科学推理的高难度、多学科基准

Hongwei Liu, Junnan Liu, Shudong Liu, Haodong Duan, Yuqiang Li, Mao Su, Xiaohong Liu, Guangtao Zhai, Xinyu Fang, Qianhong Ma, Taolin Zhang, Zihan Ma, Yufeng Zhao, Peiheng Zhou, Linchen Xiao, Wenlong Zhang, Shijie Zhou, Xingjian Ma, Siqi Sun, Jiaye Ge, Meng Li, Yuhong Liu, Jianxin Dong, Jiaying Li, Hui Wu, Hanwen Liang, Jintai Lin, Yanting Wang, Jie Dong, Tong Zhu, Tianfan Fu, Conghui He, Qi Zhang, Songyang Zhang, Lei Bai, Kai Chen

机构 * Shanghai AI Laboratory（上海人工智能实验室） 纠错

专题命中 领域大模型 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.CL

AI总结 ATLAS是一个由领域专家开发的高难度、跨学科科学推理基准，通过原创问题和严格质量控制，评估模型在多领域知识整合和复杂推理能力上的表现。

Comments 39 pages

Rep-GLS: Report-Guided Generalized Label Smoothing for Robust Disease Detection

Rep-GLS：基于报告的通用标签平滑用于稳健的疾病检测

Kunyu Zhang, Fukang Ge, Binyang Wang, Yingke Chen, Kazuma Kobayashi, Lin Gu, Jinhao Bi, Yingying Zhu

机构 * Arizona State University（亚利桑那州立大学） ； Guangzhou Institutes of Biomedicine and Health, Chinese Academy of Sciences（广州生物医学研究院，中国科学院） ； Kunming Medical University（昆明医科大学） ； Northumbria University（北umbria大学） ； NII, Tokyo Institute of Technology（东京技术大学国家研究所） ； RIKEN（理化学研究所） ； Westlake University（西湖大学） 纠错

专题命中 领域大模型 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.LG

AI总结 Rep-GLS通过利用大语言模型挖掘医学报告中的不确定性表达，提出了一种通用标签平滑方法，以提升医学疾病检测的鲁棒性。

MuISQA: Multi-Intent Retrieval-Augmented Generation for Scientific Question Answering

MuISQA: 多意图检索增强生成用于科学问答

Zhiyuan Li, Haisheng Yu, Guangchuan Guo, Nan Zhou, Jiajun Zhang

专题命中 领域大模型 ：large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 MuISQA提出一种多意图检索增强生成框架，通过意图感知检索和RRF融合提升科学问答任务的证据覆盖和检索准确性。

Comments 15 pages

Artificial Intelligence and Accounting Research: A Framework and Agenda

人工智能与会计研究：一个框架和议程

Theophanis C. Stratopoulos, Victor Xiaoqi Wang

专题命中 领域大模型 ：large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 本文提出一个框架，分析人工智能如何改变会计研究，探讨AI与会计研究的交叉领域，以及如何通过战略定位和合作提升研究竞争力。

Comments 48 pages, 7 tables

Journal ref Intl. J. Account. Inf. Syst. 56 (2025): 100760