语言大模型 / LLM

GigaEvo: An Open Source Optimization Framework Powered By LLMs And Evolution Algorithms

GigaEvo: 一种由大语言模型和进化算法驱动的开源优化框架

Valentin Khrulkov, Andrey Galichin, Denis Bashkirov, Dmitry Vinichenko, Oleg Travkin, Roman Alferov, Andrey Kuznetsov, Ivan Oseledets

机构 * Artificial Intelligence Research Institute (AIRI)（人工智能研究院） 纠错

专题命中 评测与基准 ：LLM(abstract)；分类 cs.AI、cs.LG

AI总结 GigaEvo是基于大语言模型和进化算法的开源优化框架，提供模块化实现和快速原型设计能力，用于研究混合LLM-进化方法。

The SA-FARI Dataset: Segment Anything in Footage of Animals for Recognition and Identification

SA-FARI数据集：用于识别和鉴定的动物视频中的片段任何事物

Dante Francisco Wasmuht, Otto Brookes, Maximillian Schall, Pablo Palencia, Chris Beirne, Tilo Burghardt, Majid Mirmehdi, Hjalmar Kühl, Mimi Arandjelovic, Sam Pottie, Peter Bermant, Brandon Asheim, Yi Jin Toh, Adam Elzinga, Jason Holmberg, Andrew Whitworth, Eleanor Flatt, Laura Gustafson, Chaitanya Ryali, Yuan-Ting Hu, Baishan Guo, Andrew Westbury, Kate Saenko, Didac Suris

机构 * Conservation X Labs (CXL)（Conservation X Labs） ； Meta ； University of Bristol（布里斯托大学） ； Hasso Plattner Institute（哈索罗滕堡研究所） ； University of Oviedo（奥维多大学） ； Osa Conservation（Osa保护） ； Senckenberg Museum of Natural History（Senckenberg自然史博物馆） ； Max Planck Institute for Evolutionary Anthropology（马克斯·普朗克进化人类学研究所） ； Climate Corridors（气候走廊） 纠错

专题命中 评测与基准 ：language model(abstract)；分类 cs.AI

AI总结 SA-FARI数据集通过高物种多样性、多地区覆盖和高质量时空标注，为野生动物多动物跟踪提供了新的研究基础。

SpellerSSL: Self-Supervised Learning with P300 Aggregation for Speller BCIs

SpellerSSL: 基于P300聚合的自监督学习用于拼写BCI

Jiazhen Hong, Geoff Mackellar, Soheila Ghane

机构 * Emotiv Research（Emotiv研究） 纠错

专题命中 评测与基准 ：foundation model(abstract)；分类 cs.LG

AI总结 SpellerSSL通过结合自监督学习与P300聚合，提升拼写BCI的信噪比、泛化能力和校准效率。

Journal ref Proceedings of the NeurIPS 2025 Workshop on Data on the Brain and Mind

BioDisco: Multi-agent hypothesis generation with dual-mode evidence, iterative feedback and temporal evaluation

BioDisco：基于双模式证据、迭代反馈和时间评估的多智能体假设生成

Yujing Ke, Kevin George, Kathan Pandya, David Blumenthal, Maximilian Sprang, Gerrit Großmann, Sebastian Vollmer, David Antony Selby

机构 * Data Science and its Applications, DFKI（数据科学及其应用，德系人工智能研究所） ； DFKI Friedrich-Alexander-Universität Erlangen-Nürnberg（德系人工智能研究所，弗赖堡-埃朗根-纽伦堡大学） ； University of Saarland（萨尔大学） ； Friedrich-Alexander-Universität Erlangen-Nürnberg（弗赖堡-埃朗根-纽伦堡大学） ； University of Kaiserslautern–Landau (RPTU)（凯撒斯劳滕-兰道大学（RPTU）） ； Department of Dermatology, University Medical Center Mainz（梅奥医学中心法兰克福大学皮肤科） 纠错

专题命中 评测与基准 ：language model(abstract)；分类 cs.AI

AI总结 BioDisco通过双模式证据系统、迭代反馈和时间评估，实现多智能体生成新颖且证据支持的科学假设。

Comments 12 pages main content, 31 including appendices. 8 figures

Gradient Masters at BLP-2025 Task 1: Advancing Low-Resource NLP for Bengali using Ensemble-Based Adversarial Training for Hate Speech Detection

梯度大师在BLP-2025任务1中的应用：利用基于集成的对抗训练推进孟加拉语低资源NLP研究，用于仇恨言论检测

Syed Mohaiminul Hoque, Naimur Rahman, Md Sakhawat Hossain

机构 * SUST（斯瓦希里大学） 纠错

专题命中 评测与基准 ：language model(abstract)；分类 cs.CL

AI总结 本文提出基于集成的对抗训练方法，用于孟加拉语低资源NLP中的仇恨言论检测，提升了子任务的分类性能。

Comments 6 pages, 2 figures, 4 tables. Accepted at the Second International Workshop on Bangla Language Processing (BLP-2025) co-located with AACL-IJCNLP 2025. Ranked 6th (Subtask 1A, 73.23% micro F1) and 3rd (Subtask 1B, 73.28% micro F1) on the official leaderboard

Decoupled Audio-Visual Dataset Distillation

解耦音频-视觉数据集蒸馏

Wenyuan Li, Guang Li, Keisuke Maeda, Takahiro Ogawa, Miki Haseyama

机构 * Hokkaido University（北海道大学） 纠错

专题命中 评测与基准 ：pretraining(abstract)；分类 cs.AI

AI总结 DAVDD通过解耦音频-视觉表示提升数据集蒸馏效果，利用预训练库和轻量解耦器实现稳定特征提取与模态隔离。

Computational frame analysis revisited: On LLMs for studying news coverage

计算框架分析再审视：关于用于研究新闻报道的LLM

Sharaj Kunjar, Alyssa Hasegawa Smith, Tyler R Mckenzie, Rushali Mohbe, Samuel V Scarpino, Brooke Foucault Welles

专题命中 评测与基准 ：language model(abstract)；分类 cs.CL

AI总结 本文研究了生成式LLM在新闻报道框架分析中的有效性，发现其在某些情况下仍不如手动编码，强调了人类验证和方法论多元化的必要性。

MeteorPred: A Meteorological Multimodal Large Model and Dataset for Severe Weather Event Prediction

MeteorPred：一种用于恶劣天气事件预测的气象多模态大模型和数据集

Shuo Tang, Jian Xu, Jiadong Zhang, Yi Chen, Qizhao Jin, Lingdong Shen, Chenglin Liu, Shiming Xiang

机构 * MAIS, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所MAIS） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； Zhongguancun Academy, Beijing（中关村学院） ； China Meteorological Administration（中国气象局） 纠错

专题命中 评测与基准 ：language model(abstract)；分类 cs.AI

AI总结 MeteorPred提出一种多模态大模型和数据集，用于提升恶劣天气事件预测的准确性和自动化水平。

Exploring the Use of Contrastive Language-Image Pre-Training for Human Posture Classification: Insights from Yoga Pose Analysis

探索对比语言-图像预训练在人体姿态分类中的应用：从瑜伽姿势分析获得的见解

Andrzej D. Dobrzycki, Ana M. Bernardos, Luca Bergesio, Andrzej Pomirski, Daniel Sáez-Trigueros

专题命中 评测与基准 ：pretraining(abstract)；分类 cs.AI

AI总结 本研究利用CLIP模型在瑜伽姿势分类中取得高准确率，展示其在人体姿态识别中的潜力，并验证其在自动化系统中的应用可行性。

Journal ref Mathematics 2024, 12(1), 76

Zero-Reference Joint Low-Light Enhancement and Deblurring via Visual Autoregressive Modeling with VLM-Derived Modulation

无需参考的联合低光照增强与去模糊化：基于视觉自回归建模与VLM衍生调制

Wei Dong, Han Zhou, Junwei Lin, Jun Chen

专题命中 评测与基准 ：language model(abstract)

AI总结 本文提出了一种无需参考的联合低光照增强与去模糊化方法，基于视觉自回归建模和VLM衍生调制，通过自适应曲线估计和动态旋转位置编码提升模型对模糊和光照变化的处理能力。

Comments Accepted by AAAI 2026; First Var-based method for joint LLIE and deblurring

Upsample Anything: A Simple and Hard to Beat Baseline for Feature Upsampling

Upsample Anything: 一种简单且难以被超越的特征上采样基线

Minseok Seo, Mark Hamilton, Changick Kim

机构 * KAIST（韩国科学技术院） ； MIT（麻省理工学院） ； Microsoft（微软公司） 纠错

专题命中 评测与基准 ：foundation model(abstract)

AI总结 Upsample Anything通过简单每张图像优化方法实现高效特征上采样，适用于多种像素级任务，性能优于现有方法。

Comments 15 pages, 12 figures

ViMix-14M: A Curated Multi-Source Video-Text Dataset with Long-Form, High-Quality Captions and Crawl-Free Access

ViMix-14M：一个经过精心整理的多源视频-文本数据集，具有长形式、高质量的描述和无爬虫访问

Timing Yang, Sucheng Ren, Alan Yuille, Feng Wang

机构 * Johns Hopkins University（约翰霍普金斯大学） 纠错

专题命中 评测与基准 ：foundation model(abstract)

AI总结 ViMix-14M是一个经过精心整理的多源视频-文本数据集，提供无爬虫访问、高质量描述和长形式文本，用于提升视频生成和多模态任务的性能。

RNN as Linear Transformer: A Closer Investigation into Representational Potentials of Visual Mamba Models

RNN作为线性Transformer：对视觉Mamba模型表示潜力的深入探讨

Timing Yang, Guoyizhe Wei, Alan Yuille, Feng Wang

机构 * Johns Hopkins University（约翰霍普金斯大学） 纠错

专题命中 评测与基准 ：pretraining(abstract)

AI总结 本文深入研究了视觉Mamba模型的表示潜力，揭示其与Softmax和线性注意力的关系，并通过定量评估证明其在长距离依赖建模中的能力，同时展示了其在ImageNet上的高性能表现。

Vision Token Masking Alone Cannot Prevent PHI Leakage in Medical Document OCR: A Systematic Evaluation

仅依靠视觉标记无法防止医疗文档OCR中的PHI泄露：系统评估

Richard J. Young

机构 * University of Nevada, Las Vegas（内华达大学拉斯维加斯分校） ； Department of Neuroscience（神经科学系） 纠错

专题命中 评测与基准 ：language model(abstract)

AI总结 本研究发现，仅靠视觉标记无法有效防止医疗文档OCR中的PHI泄露，需结合NLP后处理以提高隐私保护效果。

Comments 24 pages, 11 figures, 2 tables

Establishing Traceability Links between Release Notes & Software Artifacts: Practitioners' Perspectives

建立软件发布说明与软件工件之间的可追溯性链接：实践者的视角

Sristy Sumana Nath, Banani Roy, Munima Jahan

专题命中 评测与基准 ：LLM(abstract)

AI总结 本文提出基于大语言模型的自动方法，用于建立软件发布说明与开发工件之间的可追溯性链接，通过实证研究和用户调查验证了其有效性与实用性。

Journal ref In 2025 IEEE 35th International Conference on Collaborative Advances in Software and COmputiNg (CASCON '25)

Whispering Agents: An Event-driven Covert Communication Protocol For the Internet of Agents

低语代理：一种基于事件的隐秘通信协议用于代理互联网

Kaibo Huang, Yukun Wei, Wansheng Wu, Tianhua Zhang, Zhongliang Yang, Linna Zhou

专题命中 评测与基准 ：LLM(abstract)

AI总结 本文提出了一种基于事件的隐秘通信协议ΠCCAP，利用代理对话的特性实现安全隐秘通信，为代理互联网的安全监控和防御提供基础支持。

Comments Accepted to AAAI-26 (Main, Oral)

RGBSQGrasp: Inferring Local Superquadric Primitives from Single RGB Image for Graspability-Aware Bin Picking

RGBSQGrasp: 从单张RGB图像推断局部超二次曲面原语以实现抓取感知的托盘拾取

Yifeng Xu, Fan Zhu, Ye Li, Sebastian Ren, Xiaonan Huang, Yuhao Chen

机构 * University of Michigan（密歇根大学） ； University of Waterloo（滑铁卢大学） ； Xi’an Jiaotong-Liverpool University（西安交通大学利物浦大学） ； University College London（伦敦大学学院） 纠错

专题命中 评测与基准 ：foundation model(abstract)

AI总结 RGBSQGrasp通过单目RGB图像推断抓取姿态，利用超二次曲面原语提升托盘拾取任务的抓取稳定性和适应性。

Comments 8 pages, 6 figures, IROS2025 RGMCW Best Workshop Paper

Leveraging genomic deep learning models for the prediction of non-coding variant effects

利用基因组深度学习模型预测非编码变异效应

Pooja Kathail, Ayesha Bajwa, Nilah M. Ioannidis

专题命中 评测与基准 ：language model(abstract)

AI总结 本文探讨了利用基因组深度学习模型预测非编码变异效应的方法，分析了模型的应用场景及改进方向。

Adaptive Layer-Wise Transformations for Post-Training Quantization of Large Language Models

自适应层级变换用于大语言模型的后训练量化

Cuong Pham, Hoang Anh Dung, Cuong C. Nguyen, Trung Le, Gustavo Carneiro, Jianfei Cai, Thanh-Toan Do

机构 * Department of Data Science and AI, Monash University, Australia（墨尔本大学数据科学与人工智能系） ； Centre for Vision, Speech and Signal Processing, University of Surrey, UK（萨里大学视觉、语音和信号处理中心） 纠错

专题命中 效率与部署 ：large language model(title,abstract)；language model(title,abstract)；post-training(title)；LLM(abstract)

AI总结 本文提出自适应层级变换方法，通过优化每层变换类型，提升大语言模型在低比特量化下的性能。

Layer-Wise High-Impact Parameter Ratio Optimization in Post-Training Quantization for Large Language Models

分层高影响参数比率优化在大语言模型后训练量化中的应用

Cuong Pham, Hoang Anh Dung, Cuong C. Nguyen, Trung Le, Gustavo Carneiro, Thanh-Toan Do

机构 * Department of Data Science and AI, Monash University, Australia（墨尔本大学数据科学与人工智能系） ； Centre for Vision, Speech and Signal Processing, University of Surrey, UK（萨里大学视觉、语音与信号处理中心） 纠错

专题命中 效率与部署 ：large language model(title,abstract)；language model(title,abstract)；post-training(title,abstract)；分类 cs.LG

AI总结 本文提出了一种分层高影响参数比率优化方法，通过二次优化框架确定各层的高影响参数比例，以提升大语言模型后训练量化的效率与精度。

LLM4AMC: Adapting Large Language Models for Adaptive Modulation and Coding

LLM4AMC: 为自适应调制与编码适应大型语言模型

Xinyu Pan, Boxun Liu, Xiang Cheng, Chen Chen

专题命中 效率与部署 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)；pretraining(abstract)

AI总结 LLM4AMC利用预训练大型语言模型优化自适应调制与编码，通过改进的网络架构提升信道质量预测精度，从而提升链路性能。

Nemotron-Flash: Towards Latency-Optimal Hybrid Small Language Models

Nemotron-Flash：迈向延迟优化的混合小型语言模型

Yonggan Fu, Xin Dong, Shizhe Diao, Matthijs Van keirsbilck, Hanrong Ye, Wonmin Byeon, Yashaswi Karnati, Lucas Liebenwein, Hannah Zhang, Nikolaus Binder, Maksim Khadkevich, Alexander Keller, Jan Kautz, Yingyan Celine Lin, Pavlo Molchanov

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

AI总结 Nemotron-Flash通过优化深度-宽度比和操作符选择，提升小型语言模型的准确率、降低延迟并提高吞吐量。

Comments Accepted by NeurIPS 2025

Comparative Analysis of Large Language Model Inference Serving Systems: A Performance Study of vLLM and HuggingFace TGI

大语言模型推理服务系统的比较分析：vLLM和HuggingFace TGI的性能研究

Saicharan Kolluru

机构 * Baltimore, MD, USA（美国马里兰州巴尔的摩） 纠错

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

AI总结 本文比较了vLLM和HuggingFace TGI在大语言模型推理服务中的性能，发现vLLM在高并发场景下吞吐量更高，而TGI在交互式应用中延迟更低。

Comments 10 pages, benchmarking study of LLM inference systems

Strategic Innovation Management in the Age of Large Language Models Market Intelligence, Adaptive R&D, and Ethical Governance

大语言模型时代的战略创新管理：市场洞察、自适应研发与伦理治理

Raha Aghaei, Ali A. Kiaei, Mahnaz Boush, Mahan Rofoosheh, Mohammad Zavvar

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

AI总结 本研究探讨大语言模型如何通过自动化知识发现和跨学科整合，提升研发效率并加速创新进程，同时强调伦理治理的重要性。

EventSTU: Event-Guided Efficient Spatio-Temporal Understanding for Video Large Language Models

EventSTU: 基于事件的高效空间-时间理解用于视频大语言模型

Wenhao Xu, Xin Dong, Yue Li, Haoyuan Shi, Zhiwei Xiong

机构 * University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 EventSTU通过事件引导的方法，高效处理视频大语言模型的空间-时间理解，实现显著的计算效率提升和性能优化。

Comments 8 pages, 7 figures

FHE-Agent: Automating CKKS Configuration for Practical Encrypted Inference via an LLM-Guided Agentic Framework

FHE-Agent：通过LLM引导的代理框架自动化CKKS配置以实现实用的加密推断

Nuo Xu, Zhaoting Gong, Ran Ran, Jinwei Tang, Wujie Wen, Caiwen Ding

机构 * University of Minnesota -- Twin Cities（明尼苏达大学-双城分校） ； North Carolina State University（北卡罗来纳州立大学） 纠错

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

AI总结 FHE-Agent通过LLM引导的代理框架自动化CKKS配置，提升加密推断的精度与效率

Shadows in the Code: Exploring the Risks and Defenses of LLM-based Multi-Agent Software Development Systems

代码中的阴影：探索基于LLM的多智能体软件开发系统的风险与防御

Xiaoqing Wang, Keman Huang, Bin Liang, Hongyu Li, Xiaoyong Du

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

AI总结 本文研究了基于LLM的多智能体软件开发系统中的安全风险，提出IMBIA攻击及Adv-IMBIA防御机制，揭示了恶意智能体对软件开发过程的威胁及防御策略。

Comments Accepted by AAAI 2026 Alignment Track

Towards Efficient LLM-aware Heterogeneous Graph Learning

面向高效LLM-aware异构图学习

Wenda Li, Tongya Zheng, Shunyu Liu, Yu Wang, Kaixuan Chen, Hanyang Yuan, Bingde Hu, Zujie Ren, Mingli Song, Gang Chen

机构 * State Key Laboratory of Blockchain and Data Security, Zhejiang University（区块链与数据安全国家重点实验室，浙江大学） ； Zhejiang Lab（浙江实验室） ； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； Zhejiang Provincial Engineering Research Center for Real-Time SmartTech in Urban Security Governance, School of Computer and Computing Science, Hangzhou City University（浙江省实时智能城市安全治理工程技术研究中心，杭州城市大学计算机与计算科学学院） ； Hangzhou High-Tech Zone (Binjiang) Institute of Blockchain and Data Security, Hangzhou, Zhejiang, China（杭州高新技术区（滨江）区块链与数据安全研究院，杭州，浙江，中国） ； Nanyang Technological University（南洋理工大学） ； Bangsun Technology（邦sun科技） 纠错

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

AI总结 本文提出ELLA框架，通过LLM-aware关系分词器和层次关系图变压器，高效解决异构图中复杂关系语义建模和任务间语义间隙问题，实现性能与效率的提升。

From Projection to Prediction: Beyond Logits for Scalable Language Models

从投影到预测：超越logits的可扩展语言模型

Jianbing Dong, Jianbin Chang

机构 * NVIDIA 纠错

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

AI总结 本文提出了一种将输出投影与损失预测整合的方法，通过直接计算损失减少内存和带宽消耗，提升大型语言模型的训练效率和可扩展性。

Comments 17 pages, 2 figures, 4 algorithms

LLM-Driven Stationarity-Aware Expert Demonstrations for Multi-Agent Reinforcement Learning in Mobile Systems

基于大语言模型的站稳意识专家示范的多智能体强化学习在移动系统中的应用

Tianyang Duan, Zongyuan Zhang, Zheng Lin, Songxiao Guo, Xiuxian Guan, Guangyu Wu, Zihan Fang, Haotian Meng, Xia Du, Ji-Zhe Zhou, Heming Cui, Jun Luo, Yue Gao

机构 * Division of Computer Science, The University of Hong Kong（计算机科学系，香港大学） ； Department of Electrical and Electronic Engineering, The University of Hong Kong（电气电子工程系，香港大学） ； Department of Computer Science and Technology, Peking University（计算机科学与技术系，北京大学） ； Department of Computer Science, City University of Hong Kong（计算机科学系，城市大学） ； China Unicom Digital Technology, China Unicom co.,Ltd（中国联合数字技术，中国联合有限公司） ； School of Computer and Information Engineering, Xiamen University of Technology（计算机与信息工程学院，厦门理工学院） ； School of Computer Science, Engineering Research Center of Machine Learning and Industry Intelligence, Sichuan University（计算机科学学院，机器学习与工业智能工程研究中心，四川大学） ； College of Computing and Data Science, Nanyang Technological University（计算与数据科学学院，南洋理工大学） ； Institute of Space Internet, Fudan University（空间互联网研究院，复旦大学） ； School of Computer Science, Fudan University（计算机科学学院，复旦大学） 纠错

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

AI总结 本文提出RELED框架，通过大语言模型驱动的专家示范与自主探索相结合，提升多智能体强化学习在移动系统中的性能和稳定性。

Comments 15 pages, 9 figures