语言大模型 / LLM

Generative Caching for Structurally Similar Prompts and Responses

生成式缓存用于结构相似的提示和响应

Sarthak Chakraborty, Suman Nath, Xuchao Zhang, Chetan Bansal, Indranil Gupta

机构 * University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Microsoft Research（微软研究院） 纠错

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

AI总结 本研究提出生成式缓存方法，通过识别结构相似提示的响应模式，提升缓存命中率和执行效率。

Concept than Document: Context Compression via AMR-based Conceptual Entropy

概念而非文档：基于AMR的概念熵进行上下文压缩

Kaize Shi, Xueyao Sun, Xiaohui Tao, Lin Li, Qika Lin, Guandong Xu

机构 * University of Southern Queensland（南方昆士兰大学） ； University of Technology Sydney（技术悉尼大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Wuhan University of Technology（武汉理工大学） ； National University of Singapore（新加坡国立大学） ； The Education University of Hong Kong（香港教育大学） 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AMR的概念熵方法，通过压缩上下文保留核心语义，提升RAG任务的准确性和效率。

Cost-Aware Contrastive Routing for LLMs

面向成本的对比路由用于大语言模型

Reza Shirkavand, Shangqian Gao, Peiran Yu, Heng Huang

机构 * Department of Computer Science University of Maryland - College Park（计算机科学系大学马里兰大学-学院公园） ； Department of Computer Science Florida State University（计算机科学系佛罗里达州立大学） ； Department of Computer Science and Engineering University of Texas at Arlington（计算机科学与工程系德克萨斯大学阿灵顿分校） 纠错

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

AI总结 本文提出CSCR，一种轻量级框架，通过对比学习在共享嵌入空间中实现大语言模型的成本感知路由，提升准确率-成本权衡，同时具备鲁棒性。

COLI: A Hierarchical Efficient Compressor for Large Images

COLI：一种用于大图像的分层高效压缩器

Haoran Wang, Hanyu Pei, Yang Lyu, Kai Zhang, Li Li, Feng-Lei Fan

机构 * Frontier of Artificial Networks (FAN) Lab, Department of Data Science, City University of Hong Kong（前沿人工智能网络实验室，数据科学系，香港城市大学） ； Molecular Imaging Business Unit, Shanghai United Imaging Healthcare Co., Ltd（分子影像业务部，上海联合影像医疗科技股份有限公司） ； MoE Key Laboratory of Brain-Inspired Intelligent Perception and Cognition, University of Science and Technology of China（脑启发智能感知与认知关键实验室，中国科学技术大学） 纠错

专题命中 效率与部署 ：pretraining(abstract)；post-training(abstract)；分类 cs.AI

AI总结 COLI通过改进的神经表示方法，实现大图像高效压缩，提升压缩比并加快训练速度。

Chat with AI: The Surprising Turn of Real-time Video Communication from Human to AI

与AI聊天：从人类到AI的实时视频通信惊人转变

Jiangkai Wu, Zhiyuan Ren, Liming Liu, Xinggong Zhang

机构 * Peking University（北京大学） 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 本文提出了一种面向AI的实时视频通信方法，通过上下文感知视频流技术降低延迟并提升AI理解视频的准确性。

Comments 9 pages, 10 figures, Proceedings of the 24th ACM Workshop on Hot Topics in Networks (HotNets 2025), College Park, Maryland, USA

Safeguarding Privacy of Retrieval Data against Membership Inference Attacks: Is This Query Too Close to Home?

在成员推断攻击中保护检索数据的隐私：这个查询太接近家了吗？

Yujin Choi, Youngjoo Park, Junyoung Byun, Jaewook Lee, Jinseong Park

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

AI总结 本文提出了一种基于相似性的成员推断攻击检测框架，用于保护RAG系统中检索数据的隐私，通过检测和隐藏策略有效防御攻击。

Comments Accepted for EMNLP findings 2025

AdaTok: Adaptive Token Compression with Object-Aware Representations for Efficient Multimodal LLMs

AdaTok: 一种基于对象感知表示的自适应令牌压缩方法，用于高效多模态大语言模型

Xinliang Zhang, Lei Zhu, Hangzhou He, Shuang Zeng, Ourui Fu, Jiakui Hu, Zhengjian Yao, Yanye Lu

机构 * Institute of Medical Technology, Peking University Health Science Center（北京大学医学部医学技术研究所） ； Department of Biomedical Engineering, Peking University（北京大学生物医学工程系） ； National Biomedical Imaging Center, Peking University（北京大学国家生物医学成像中心） 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 AdaTok通过自适应令牌压缩方法，利用对象感知表示提升多模态大语言模型的效率，实现高压缩比与高性能的平衡。

DCIS: Efficient Length Extrapolation of LLMs via Divide-and-Conquer Scaling Factor Search

DCIS: 通过分而治之的缩放因子搜索实现LLM的高效长度外推

Lei Yang, Shaoyang Xu, Jianxiang Peng, Shaolin Zhu, Deyi Xiong

机构 * TJUNLP Lab, College of Intelligence and Computing, Tianjin University（天津大学智能计算学院） ； School of New Media and Communication, Tianjin University（天津大学新媒体与传播学院） 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 DCIS通过分而治之的缩放因子搜索方法，高效扩展LLM的上下文长度，降低微调成本并提升长上下文泛化能力。

Comments EMNLP 2025 Main

Cook and Clean Together: Teaching Embodied Agents for Parallel Task Execution

烹饪与清洁同时进行：教授并行任务执行的具身智能体

Dingkang Liang, Cheng Zhang, Xiaopeng Xu, Jianzhong Ju, Zhenbo Luo, Xiang Bai

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

AI总结 GRANT通过结合语言理解、3D定位和效率优化，实现并行任务调度，提升智能体在复杂环境中的任务执行效率。

Comments Accepted to AAAI 2026 (Oral). The code is available at \url{https://github.com/H-EmbodVis/GRANT}

FineXtrol: Controllable Motion Generation via Fine-Grained Text

FineXtrol: 通过细粒度文本实现可控的运动生成

Keming Shen, Bizhu Wu, Junliang Chen, Xiaoqin Wang, Linlin Shen

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

AI总结 FineXtrol通过细粒度文本控制信号提升运动生成的可控性和精度，采用层次对比学习模块增强嵌入区分性，实现高效且灵活的运动生成。

Comments 20 pages, 14 figures, AAAI 2026

Parallel Vision Token Scheduling for Fast and Accurate Multimodal LMMs Inference

并行视觉令牌调度用于快速准确的多模态大语言模型推理

Wengyi Zhan, Mingbao Lin, Zhihang Lin, Rongrong Ji

机构 * Xiamen University（厦门大学） ； Rakuten Asia Pte. Ltd.（拉面亚洲有限公司） ； Xiamen University, China（厦门大学） ； Shanghai Innovation Institute, China（上海创新研究院） 纠错

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

AI总结 ParVTS通过并行调度视觉令牌，高效减少多模态大语言模型推理的计算复杂度，实现高剪枝率与性能损失小的平衡。

AdaVideoRAG: Omni-Contextual Adaptive Retrieval-Augmented Efficient Long Video Understanding

AdaVideoRAG：多情境自适应检索增强高效长视频理解

Zhucun Xue, Jiangning Zhang, Xurong Xie, Yuxuan Cai, Yong Liu, Xiangtai Li, Dacheng Tao

机构 * Zhejiang University（浙江大学） ； Youtu Lab, Tencent（腾讯优图实验室） ； Huazhong University of Science and Technolog（华中科技大学） ； Nanyang Technological University（南洋理工大学） 纠错

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

AI总结 AdaVideoRAG通过自适应检索增强框架提升长视频理解效率与准确性，支持多层级知识检索与深度语义分析。

Comments NeurIPS 2025

CrossJEPA: Cross-Modal Joint-Embedding Predictive Architecture for Efficient 3D Representation Learning from 2D Images

跨模态联合嵌入预测架构CrossJEPA：用于从2D图像高效学习3D表示的架构

Avishka Perera, Kumal Hewagamage, Saeedha Nazar, Kavishka Abeywardana, Hasitha Gallella, Ranga Rodrigo, Mohamed Afham

机构 * University of Moratuwa（摩图瓦大学） ； Technische Universität Darmstadt（达姆施塔特技术大学） 纠错

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

AI总结 CrossJEPA通过跨模态联合嵌入预测架构，利用图像基础模型知识，实现高效3D表示学习，达到SOTA性能，且训练高效、内存占用低。

Comments 24 pages, 10 figures

Think Fast: Real-Time IoT Intrusion Reasoning Using IDS and LLMs at the Edge Gateway

Think Fast: 在边缘网关使用IDS和LLMs实现实时物联网入侵推理

Saeid Jamshidi, Amin Nikanjam, Negar Shahabi, Kawser Wazed Nafi, Foutse Khomh, Samira Keivanpour, Rolando Herrero

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

AI总结 本文提出一种在边缘网关使用IDS和LLMs实现实时物联网入侵检测的框架，通过整合轻量级ML模型和预训练大语言模型，提升检测准确性、语义可解释性和操作效率。

Test-Time Temporal Sampling for Efficient MLLM Video Understanding

测试时时间采样用于高效多模态大语言模型视频理解

Kaibin Wang, Mingbao Lin

机构 * SenseTime, China（深睿时代，中国） ； Rakuten, Singapore（拉结恩，新加坡） 纠错

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

AI总结 T3S通过测试时时间采样提高多模态大语言模型处理长视频的效率和准确性。

Solar-GECO: Perovskite Solar Cell Property Prediction with Geometric-Aware Co-Attention

Solar-GECO: 基于几何感知的共注意机制的钙钛矿太阳能电池性质预测

Lucas Li, Jean-Baptiste Puel, Florence Carton, Dounya Barrit, Jhony H. Giraldo

机构 * TotalEnergies OneTech ； EDF, Electricité de France（EDF，法国电力公司） ； IPVF, Institut Photovoltaïque d’Ile-de-France（IPVF，法国里昂光伏研究所） ； LTCI, Télécom Paris, Institut Polytechnique de Paris（LTCI，巴黎电信学院，巴黎理工学院） 纠错

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

AI总结 Solar-GECO通过整合几何和文本信息，实现钙钛矿太阳能电池功率转换效率的高精度预测。

Comments Accepted at the AI for Accelerated Materials Design (AI4Mat) Workshop at NeurIPS 2025. 14 pages, 4 figures

Kitty: Accurate and Efficient 2-bit KV Cache Quantization with Dynamic Channel-wise Precision Boost

Kitty: 一种准确且高效的2位KV缓存量化方法，结合动态通道精度提升

Haojun Xia, Xiaoxia Wu, Jisen Li, Robert Wu, Junxiong Wang, Jue Wang, Chenxi Li, Aman Singhal, Alay Dilipbhai Shah, Alpay Ariyak, Donglin Zhuang, Zhongzhu Zhou, Ben Athiwaratkun, Zhen Zheng, Shuaiwen Leon Song

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

AI总结 Kitty通过混合精度KV缓存的算法-系统协同设计，实现2位量化在保持高精度的同时显著降低内存占用，提升推理效率。

PEANuT: Parameter-Efficient Adaptation with Weight-aware Neural Tweakers

PEANuT: 基于权重感知的神经调节器参数高效适应

Yibo Zhong, Haoxiang Jiang, Lincan Li, Ryumei Nakada, Tianci Liu, Linjun Zhang, Huaxiu Yao, Haoyu Wang

机构 * University at Albany（阿伦比大学） ； Florida State University（佛罗里达州立大学） ； Rutgers University（罗格斯大学） ； Purdue University（普渡大学） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） 纠错

专题命中 效率与部署 ：foundation model(abstract)；分类 cs.CL、cs.LG

AI总结 PEANuT通过引入基于权重感知的神经调节器，实现参数高效适应，提升了模型表达能力并在多个任务中优于现有方法。

Privacy Auditing of Multi-domain Graph Pre-trained Model under Membership Inference Attacks

多领域图预训练模型在成员推断攻击下的隐私审计

Jiayi Luo, Qingyun Sun, Yuecen Wei, Haonan Yuan, Xingcheng Fu, Jianxin Li

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

AI总结 针对多领域图预训练模型在成员推断攻击中的隐私风险，提出MGP-MIA框架，通过信号放大、影子模型构建和相似性推断机制提升攻击效果。

Comments Accepted by AAAI 2026(Oral)

Llamazip: Leveraging LLaMA for Lossless Text Compression and Training Dataset Detection

Llamazip：利用LLaMA实现无损文本压缩和训练数据集检测

Sören Dréano, Derek Molloy, Noel Murphy

机构 * ML-Labs（ML实验室） ； Dublin City University（都柏林城市大学） ； School of Electronic Engineering（电子工程学院） 纠错

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

AI总结 Llamazip利用LLaMA3实现无损文本压缩和训练数据集检测，通过预测能力优化存储效率并提升数据透明度。

Binary BPE: A Family of Cross-Platform Tokenizers for Binary Analysis

二进制BPE：用于二进制分析的跨平台分词器家族

Michael J. Bommarito

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

AI总结 二进制BPE分词器家族通过跨平台训练，提升二进制分析的上下文效率和压缩效果，适用于恶意软件检测与逆向工程。

Comments 17 pages, 3 figures, 9 tables. Paper source available at https://github.com/mjbommar/binary-tokenizer-paper ; tokenizers available at https://huggingface.co/mjbommar - mjbommar/binary-tokenizer-001-{4k,8k,16k,32k,64k}

Prompt Optimization as a State-Space Search Problem

提示优化作为状态空间搜索问题

Maanas Taneja

机构 * University of Minnesota（明尼苏达大学） 纠错

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

AI总结 将提示优化视为状态空间搜索问题，通过束搜索和随机游走算法改进提示性能，验证了优化作为搜索问题的有效性。

Learning Primitive Embodied World Models: Towards Scalable Robotic Learning

学习原始具身世界模型：迈向可扩展的机器人学习

Qiao Sun, Liujia Yang, Wei Tang, Wei Huang, Kaixin Xu, Yongchao Chen, Mingyu Liu, Jiange Yang, Haoyi Zhu, Yating Wang, Tong He, Yilun Chen, Xili Dai, Nanyang Ye, Qinying Gu

机构 * Shanghai AI Lab（上海人工智能实验室） ； Fudan（复旦大学） ； SJTU（上海交通大学） ； NJUST（南京理工大学） ； THU（清华大学） ； Harvard（哈佛大学） ； ZJU（浙江大学） ； NJU（南京大学） ； USTC（中国科学技术大学） ； Tongji（同济大学） ； HKUST (GZ)（香港科技大学（广州）） 纠错

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

AI总结 提出原始具身世界模型（PEWM）以解决具身数据稀疏和高维问题，通过短视界视频生成实现细粒度对齐、降低学习复杂度并提高数据效率。

Computer Vision for Real-Time Monkeypox Diagnosis on Embedded Systems

面向嵌入式系统的实时猴痘诊断计算机视觉

Jacob M. Delgado-López, Ricardo A. Morell-Rodriguez, Sebastián O. Espinosa-Del Rosario, Wilfredo E. Lugo-Beauchamp

机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； University of Puerto Rico Mayagüez（波多黎各五月谷大学） 纠错

专题命中 效率与部署 ：post-training(abstract)；分类 cs.LG

AI总结 本研究提出一种基于MobileNetV2和TensorRT优化的嵌入式系统猴痘诊断工具，实现高精度、低能耗的实时诊断。

Q-SAM2: Accurate Quantization for Segment Anything Model 2

Q-SAM2：用于Segment Anything Model 2的准确量化

Nicola Farronato, Florian Scheidegger, Mattia Rigotti, Cristiano Malossi, Michele Magno, Haotong Qin

机构 * IBM Research Zurich（IBM瑞士研究中心） ； ETH Zurich（苏黎世联邦理工学院） 纠错

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

AI总结 Q-SAM2通过引入VRC和LSC方法，在低比特量化中实现高精度和高效率，显著优于现有方案。

Comments 22 pages

ModernBERT is More Efficient than Conventional BERT for Chest CT Findings Classification in Japanese Radiology Reports

ModernBERT在日语放射学报告中的胸部CT发现分类中比传统BERT更高效

Yosuke Yamagishi, Tomohiro Kikuchi, Shouhei Hanaoka, Takeharu Yoshikawa, Osamu Abe

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

AI总结 ModernBERT在日语放射学报告中的胸部CT发现分类中表现出更高的效率和性能，但在领域转移情况下表现不如传统BERT。

Comments 31 pages

Experience-Efficient Model-Free Deep Reinforcement Learning Using Pre-Training

利用预训练的经验高效模型无关深度强化学习

Ruoxing Yang

机构 * Department of Computer Science（计算机科学系） ； Georgetown University（乔治城大学） 纠错

专题命中 效率与部署 ：pretraining(abstract)；分类 cs.LG

AI总结 PPOPT通过预训练神经网络提高小样本训练效率，优于经典PPO并在训练稳定性上表现优异，尽管在模型方法上稍逊，但训练时间更短。

SAM3-Adapter: Efficient Adaptation of Segment Anything 3 for Camouflage Object Segmentation, Shadow Detection, and Medical Image Segmentation

SAM3-Adapter: 高效适应Segment Anything 3用于伪装物分割、阴影检测和医学图像分割

Tianrun Chen, Runlong Cao, Xinda Yu, Lanyun Zhu, Chaotao Ding, Deyi Ji, Cheng Chen, Qi Zhu, Chunyan Xu, Papa Mao, Ying Zang

机构 * KOKONI, Moxin (Huzhou) Tech. Co., LTD（摩西（湖州）科技有限公司） ； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； School of Computer Science and Engineering, Nanjing University of Science and Technology（南京理工大学计算机科学与工程学院） ； School of Information Engineering, Huzhou University（湖州大学信息工程学院） ； School of Electrical and Electronic Engineering, Nanyang Technological University（新加坡南洋理工大学电子与电气工程学院） ； College of Computing and Data Science, Nanyang Technological University（新加坡南洋理工大学计算与数据科学学院） ； School of Information Science and Technology, University of Science and Technology of China（中国科学技术大学信息科学与技术学院） 纠错

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

AI总结 SAM3-Adapter通过高效适配框架提升SAM3在伪装物分割、阴影检测和医学影像分割等任务中的性能。

UMCL: Unimodal-generated Multimodal Contrastive Learning for Cross-compression-rate Deepfake Detection

UMCL: 单模生成多模对比学习用于跨压缩率深度伪造检测

Ching-Yi Lai, Chih-Yu Jian, Pei-Cheng Chuang, Chia-Ming Lee, Chih-Chung Hsu, Chiou-Ting Hsu, Chia-Wen Lin

专题命中 效率与部署 ：language model(abstract)

AI总结 UMCL通过单模生成多模对比学习，提升跨压缩率深度伪造检测的鲁棒性和准确性。

Comments 24-page manuscript accepted to IJCV

Learning Scalable Temporal Representations in Spiking Neural Networks Without Labels

在无标签情况下学习可扩展的脉冲神经网络时间表示

Chengwei Zhou, Gourav Datta

专题命中 效率与部署 ：pretraining(abstract)

AI总结 本文提出了一种无标签学习方法，通过双路径神经元和时间对齐目标，在脉冲神经网络中实现高效自监督预训练和跨任务迁移。

Comments Under review