语言大模型 / LLM

Scaling LLM Speculative Decoding: Non-Autoregressive Forecasting in Large-Batch Scenarios

扩展大语言模型推测解码：在大批次场景中的非自回归预测

Luohe Shi, Zuchao Li, Lefei Zhang, Baoyuan Qi, Guoming Liu, Hai Zhao

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

AI总结 SpecFormer通过整合单向和双向注意力机制，实现大批次场景下的高效LLM推理，降低训练和计算成本。

Comments accepted by AAAI-2026

AttackPilot: Autonomous Inference Attacks Against ML Services With LLM-Based Agents

AttackPilot: 基于大语言模型的自主推断攻击对抗ML服务

Yixin Wu, Rui Wen, Chi Cui, Michael Backes, Yang Zhang

机构 * CISPA Helmholtz Center for Information Security（CISPA 欧洲信息安全中心） ； Institute of Science Tokyo（东京科学研究所） 纠错

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

AI总结 AttackPilot利用大语言模型开发自主代理，实现无需人工干预的推断攻击，展现高任务完成率和低成本，有效提升非专家对ML服务风险评估的能力。

Reducing Latency of LLM Search Agent via Speculation-based Algorithm-System Co-Design

通过基于猜测的算法-系统联合设计降低LLM搜索代理的延迟

Zixiao Huang, Wen Zeng, Tianyu Fu, Tengxuan Liu, Yizhou Sun, Ke Hong, Xinhao Yang, Chengchun Liu, Yan Li, Quanlu Zhang, Guohao Dai, Zhenhua Zhu, Yu Wang

机构 * Tsinghua University（清华大学） ； Infinigence ； Lenovo（联想） ； Shanghai Jiao Tong University（上海交通大学） 纠错

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

AI总结 SPAgent通过基于猜测的算法-系统联合设计框架，减少LLM搜索代理的延迟，实现端到端加速并保持高准确性。

Harnessing Vision-Language Models for Time Series Anomaly Detection

利用视觉语言模型进行时间序列异常检测

Zelin He, Sarah Alnegheimish, Matthew Reimherr

机构 * Amazon（亚马逊公司） 纠错

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

AI总结 本文提出基于视觉语言模型的两阶段方法，无需时间序列训练即可提升时间序列异常检测的准确性和效率。

Comments Accepted at AAAI 2026 (Oral)

KyrgyzBERT: A Compact, Efficient Language Model for Kyrgyz NLP

KyrgyzBERT: 一种用于吉尔吉斯语NLP的紧凑高效语言模型

Adilet Metinov, Gulida M. Kudakeeva, Gulnara D. Kabaeva

机构 * Institute of Information Technology, Kyrgyz State Technical University named after I. Razzakov, Bishkek, Kyrgyzstan（信息技术学院，伊·拉扎科夫命名的吉尔吉斯国立技术大学） 纠错

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

AI总结 KyrgyzBERT是一种专为吉尔吉斯语设计的高效语言模型，通过情感分析基准测试实现了与更大模型相当的性能，推动了吉尔吉斯语NLP的发展。

Comments 3 pages, 1 figure, 2 tables. Preprint

Mosaic Pruning: A Hierarchical Framework for Generalizable Pruning of Mixture-of-Experts Models

拼图剪枝：一种用于混合专家模型通用剪枝的分层框架

Wentao Hu, Mingkuan Zhao, Shuangyong Song, Xiaoyan Zhu, Xin Lai, Jiayin Wang

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

AI总结 拼图剪枝通过分层框架实现混合专家模型的通用剪枝，提升模型在多样化下游任务中的性能。

PaddleOCR-VL: Boosting Multilingual Document Parsing via a 0.9B Ultra-Compact Vision-Language Model

PaddleOCR-VL: 通过0.9B超紧凑视觉-语言模型提升多语言文档解析

Cheng Cui, Ting Sun, Suyin Liang, Tingquan Gao, Zelun Zhang, Jiaxuan Liu, Xueqing Wang, Changda Zhou, Hongen Liu, Manhui Lin, Yue Zhang, Yubo Zhang, Handong Zheng, Jing Zhang, Jun Zhang, Yi Liu, Dianhai Yu, Yanjun Ma

机构 * PaddlePaddle Team, Baidu Inc.（百度公司） 纠错

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

AI总结 PaddleOCR-VL通过0.9B超紧凑视觉-语言模型实现多语言文档解析的高效准确识别

Comments Github Repo: https://github.com/PaddlePaddle/PaddleOCR

CafeQ: Calibration-free Quantization via Learned Transformations and Adaptive Rounding

CafeQ: 无需校准的量化方法通过学习变换和自适应四舍五入

Ziteng Sun, Adrian Benton, Samuel Kushnir, Asher Trockman, Vikas Singh, Suhas Diggavi, Ananda Theertha Suresh

机构 * Google（谷歌） ； University of Wisconsin Madison（威斯康星大学麦迪逊分校） ； University of California Los Angeles（加州大学洛杉矶分校） 纠错

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

AI总结 CafeQ通过学习变换和自适应四舍五入方法，在无需校准数据的情况下提升大语言模型的量化效果，实现更高效的推理性能。

ROOT: Robust Orthogonalized Optimizer for Neural Network Training

ROOT：神经网络训练的鲁棒正交优化器

Wei He, Kai Han, Hang Zhou, Hanting Chen, Zhicheng Liu, Xinghao Chen, Yunhe Wang

机构 * Huawei Noah's Ark Lab（华为诺亚实验室） 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 ROOT通过双重鲁棒性机制提升神经网络训练稳定性，解决优化器在噪声和非凸场景中的鲁棒性问题。

STAlloc: Enhancing Memory Efficiency in Large-Scale Model Training with Spatio-Temporal Planning

STAlloc：通过时空规划提升大规模模型训练的内存效率

Zixiao Huang, Junhao Hu, Hao Lin, Chunyang Zhu, Yueran Tang, Quanlu Zhang, Zhen Guo, Zhenhua Li, Shengen Yan, Zhenhua Zhu, Guohao Dai, Yu Wang

机构 * Tsinghua University（清华大学） ； Infinigence AI ； Shanghai Jiao Tong University（上海交通大学） 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 STAlloc通过结合离线规划与在线分配，有效减少大规模模型训练中的内存碎片化，提升训练效率和吞吐量。

Exploiting the Experts: Unauthorized Compression in MoE-LLMs

利用专家：MoE-LLMs中的未经授权压缩

Pinaki Prasad Guha Neogi, Ahmad Mohammadshirazi, Dheeraj Kulshrestha, Rajiv Ramnath

机构 * Ohio State University（俄亥俄州立大学） ； Flairsoft 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 本文研究了MoE-LLMs在特定任务中的可剪枝性，提出专家归因框架和防御策略以防止未经授权的压缩和微调。

INTERLACE: Interleaved Layer Pruning and Efficient Adaptation in Large Vision-Language Models

INTERLACE：大规模视觉-语言模型中的交错层剪枝与高效适应

Parsa Madinei, Ryan Solgi, Ziqi Wen, Jonathan Skaza, Miguel Eckstein, Ramtin Pedarsani

机构 * UC Santa Barbara（加州大学圣巴巴拉分校） 纠错

专题命中 效率与部署 ：language model(title)

AI总结 INTERLACE通过交错微调冻结设计，在剪枝25%网络后实现88.9%的性能保留，达到SOTA水平。

Scalable Data Attribution via Forward-Only Test-Time Inference

可扩展的数据归因 via 单向测试时推断

Sibo Ma, Julian Nyarko

机构 * Stanford University（斯坦福大学） 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 本文提出一种通过单向测试时推断实现可扩展数据归因的方法，结合影响函数保真度与首阶可扩展性，降低推理成本并提升大规模应用效果。

Comments 8 pages. Work in progress

FISCAL: Financial Synthetic Claim-document Augmented Learning for Efficient Fact-Checking

FISCAL: 金融合成声明-文档增强学习用于高效事实核查

Rishab Sharma, Iman Saberi, Elham Alipour, Jie JW Wu, Fatemeh Fard

机构 * Charli Capital（Charli资本） ； University of British Columbia（不列颠哥伦比亚大学） ； Michigan Technological University（密歇根技术大学） 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 FISCAL通过生成领域特定合成数据和高效微调，使小型模型在金融事实核查任务中达到最先进的准确性、鲁棒性和可扩展性。

Comments 3 tables, 11 pages, 39th Conference on Neural Information Processing Systems (NeurIPS 2025) Workshop: Generative AI in Finance

Viper-F1: Fast and Fine-Grained Multimodal Understanding with Cross-Modal State-Space Modulation

Viper-F1：基于交叉模态状态空间调制的高效细粒度多模态理解

Quoc-Huy Trinh

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

AI总结 Viper-F1通过引入高效液态状态空间动力学和令牌-网格相关模块，实现了高效细粒度多模态理解。

Comments arXiv admin comment: This version has been removed by arXiv administrators as the submitter did not have the rights to agree to the license at the time of submission

A 262 TOPS Hyperdimensional Photonic AI Accelerator powered by a Si3N4 microcomb laser

一种262 TOPS超维度光子AI加速器，由Si3N4微梳激光器驱动

Christos Pappas, Antonios Prapas, Theodoros Moschos, Manos Kirtas, Odysseas Asimopoulos, Apostolos Tsakyridis, Miltiadis Moralis-Pegios, Chris Vagionas, Nikolaos Passalis, Cagri Ozdilek, Timofey Shpakovsky, Alain Yuji Takabayashi, John D. Jost, Maxim Karpov, Anastasios Tefas, Nikos Pleros

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

AI总结 本文提出了一种基于Si3N4微梳激光器的262 TOPS超维度光子AI加速器，通过多维复用技术实现高计算能力，应用于DDoS检测和MNIST分类任务。

DiFR: Inference Verification Despite Nondeterminism

DiFR: 在非确定性中进行推理验证

Adam Karvonen, Daniel Reuter, Roy Rinberg, Luke Marks, Adrià Garriga-Alonso, Keri Warr

机构 * harvard（哈佛大学） 纠错

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

AI总结 DiFR通过比较生成token与可信参考实现预测，验证推理过程的正确性，能有效检测采样错误、模拟bug和模型量化，提升推理验证的效率与准确性。

More with Less: An Empirical Study of Turn-Control Strategies for Efficient Coding Agents

更多但更少：一种关于高效编码代理的实证研究：回合控制策略

Pengfei Gao, Chao Peng

机构 * ByteDance（字节跳动） 纠错

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

AI总结 本文通过实证研究分析了编码代理的回合控制策略，发现动态资源分配在成本和效率之间取得平衡，优于固定回合限制方法。

Towards Efficient VLMs: Information-Theoretic Driven Compression via Adaptive Structural Pruning

迈向高效的VLMs：通过自适应结构压缩的信息论驱动压缩

Zhaoqi Xu, Yingying Zhang, Jian Li, Jianwei Guo, Qiannan Zhu, Hua Huang

机构 * School of Artificial Intelligence, Beijing Normal University（北京师范大学人工智能学院） ； Zhongtai Securities Institute for Financial Studies, Shandong University（山东大学中泰证券金融研究学院） 纠错

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

AI总结 本文提出InfoPrune框架，通过信息论驱动的自适应结构压缩方法，在保持性能的同时显著提升视觉语言模型的效率。

Agint: Agentic Graph Compilation for Software Engineering Agents

Agint：软件工程代理的代理图编译

Abhi Chivukula, Jay Somasundaram, Vijay Somasundaram

专题命中 效率与部署 ：LLM(abstract)；分类 cs.LG

AI总结 Agint通过代理图编译器和运行时实现高效、可靠的软件工程代理，支持自然语言到代码的自动化转换与协作开发。

Comments 18 pages, 5 figures, NeurIPS 2025: Deep Learning for Code in the Agentic Era

Improving Constrained Language Generation via Self-Distilled Twisted Sequential Monte Carlo

通过自蒸馏扭曲序列蒙特卡洛改进约束语言生成

Sooyeon Kim, Giung Nam, Byoungwoo Park, Juho Lee

机构 * Seoul National University（首尔国立大学） ； Korea Advanced Institute of Science and Technology（韩国科学技术院） 纠错

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

AI总结 本文通过自蒸馏扭曲序列蒙特卡洛方法改进约束语言生成，提升生成质量。

Translating Large-Scale C Repositories to Idiomatic Rust

将大规模C仓库翻译为idiomatic Rust

Saman Dehghan, Tianran Sun, Tianxiang Wu, Zihan Li, Reyhaneh Jabbarvand

专题命中 效率与部署 ：LLM(abstract)

AI总结 Rustine是一种高效自动化的C到idiomatic Rust翻译工具，实现了高质量的功能等价性，比现有方法更安全、更idiomatic且更易读。

Comments 21 pages, 14 figures

HunyuanVideo 1.5 Technical Report

HunyuanVideo 1.5 技术报告

Bing Wu, Chang Zou, Changlin Li, Duojun Huang, Fang Yang, Hao Tan, Jack Peng, Jianbing Wu, Jiangfeng Xiong, Jie Jiang, Linus, Patrol, Peizhen Zhang, Peng Chen, Penghao Zhao, Qi Tian, Songtao Liu, Weijie Kong, Weiyan Wang, Xiao He, Xin Li, Xinchi Deng, Xuefei Zhe, Yang Li, Yanxin Long, Yuanbo Peng, Yue Wu, Yuhong Liu, Zhenyu Wang, Zuozhuo Dai, Bo Peng, Coopers Li, Gu Gong, Guojian Xiao, Jiahe Tian, Jiaxin Lin, Jie Liu, Jihong Zhang, Jiesong Lian, Kaihang Pan, Lei Wang, Lin Niu, Mingtao Chen, Mingyang Chen, Mingzhe Zheng, Miles Yang, Qiangqiang Hu, Qi Yang, Qiuyong Xiao, Runzhou Wu, Ryan Xu, Rui Yuan, Shanshan Sang, Shisheng Huang, Siruis Gong, Shuo Huang, Weiting Guo, Xiang Yuan, Xiaojia Chen, Xiawei Hu, Wenzhi Sun, Xiele Wu, Xianshun Ren, Xiaoyan Yuan, Xiaoyue Mi, Yepeng Zhang, Yifu Sun, Yiting Lu, Yitong Li, You Huang, Yu Tang, Yixuan Li, Yuhang Deng, Yuan Zhou, Zhichao Hu, Zhiguang Liu, Zhihe Yang, Zilin Yang, Zhenzhi Lu, Zixiang Zhou, Zhao Zhong

机构 * Tencent Hunyuan Foundation Model Team（腾讯文心一言基础模型团队） 纠错

专题命中 效率与部署 ：post-training(abstract)

AI总结 HunyuanVideo 1.5通过轻量级模型和先进架构实现高质量视频生成，提供开源框架和资源，推动视频生成技术的普及与研究。

AutoFocus-IL: VLM-based Saliency Maps for Data-Efficient Visual Imitation Learning without Extra Human Annotations

AutoFocus-IL：基于视觉语言模型的数据高效视觉模仿学习中的显著性图

Litian Gong, Fatemeh Bahrani, Yutai Zhou, Amin Banayeeanzade, Jiachen Li, Erdem Bıyık

机构 * Department of Electrical and Computer Engineering, University of California, Riverside, USA（电气与计算机工程系，加州大学河滨分校） ； Thomas Lord Department of Computer Science, University of Southern California, USA（汤姆斯·劳德计算机科学系，南加州大学） 纠错

专题命中 效率与部署 ：language model(abstract)

AI总结 AutoFocus-IL通过视觉语言模型自动生成显著性图，提升视觉模仿学习的数据效率和泛化能力，无需额外人类标注。

Comments 8 pages, 6 figures. Code and datasets available at http://autofocus-il.github.io/

Lessons Learned from Developing a Privacy-Preserving Multimodal Wearable for Local Voice-and-Vision Inference

从开发一个隐私保护的多模态可穿戴设备以实现本地语音和视觉推断中获得的启示

Yonatan Tussa, Andy Heredia, Nirupam Roy

专题命中 效率与部署 ：language model(abstract)

AI总结 本文介绍了开发隐私保护多模态可穿戴设备的经验，展示了如何在本地进行语音和视觉推断，并探讨了在日常环境中平衡隐私、响应性和可用性的设计挑战。

Adversarial Robustness for Unified Multi-Modal Encoders via Efficient Calibration

通过高效校准实现统一多模态编码器的对抗鲁棒性

Chih-Ting Liao, Zhangquan Chen, Chunlei Meng, Tzu-Yu Huang, Xin Cao, Xu Zheng

机构 * UNSW Sydney（新南威尔士大学悉尼分校） ； Tsinghua University（清华大学） ； Fudan University（复旦大学） ； UTS（澳大利亚UTS大学） ； HKUST(GZ)（香港理工大学（广州）） 纠错

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

AI总结 本研究提出高效对抗校准框架，提升统一多模态编码器的对抗鲁棒性，同时保持清洁性能，提升47.3%的鲁棒性。

Interpretable Robot Control via Structured Behavior Trees and Large Language Models

通过结构化行为树和大语言模型实现可解释的机器人控制

Ingrid Maéva Chekam, Ines Pastor-Martinez, Ali Tourani, Jose Andres Millan-Romera, Laura Ribeiro, Pedro Miguel Bastos Soares, Holger Voos, Jose Luis Sanchez-Lopez

机构 * Automation and Robotics Research Group (ARG), Interdisciplinary Centre for Security, Reliability, and Trust (SnT), University of Luxembourg（自动化与机器人研究组（ARG）、安全、可靠性与信任跨学科中心（SnT）、卢森堡大学） 纠错

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

AI总结 本文提出结合大语言模型与结构化行为树的方法，实现机器人对自然语言指令的可解释执行，提升人机交互的实用性与适应性。

Comments 15 pages, 5 figures, 3 tables

Enhancing Sequential Recommendation with World Knowledge from Large Language Models

利用大语言模型的世界知识增强序列推荐

Tianjie Dai, Xu Chen, Yunmeng Shu, Jinsong Lan, Xiaoyong Zhu, Jiangchao Yao, Bo Zheng

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

AI总结 GRASP通过整合生成增强检索和整体注意力机制，利用大语言模型的世界知识提升序列推荐性能，有效缓解幻觉噪声影响。

Editing with AI: How Doctors Refine LLM-Generated Answers to Patient Queries

利用AI编辑：医生如何精炼LLM生成的患者问题回答

Rahul Sharma, Pragnya Ramjee, Kaushik Murali, Mohit Jain

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

AI总结 本文研究医生如何利用AI编辑LLM生成的回答，发现情境化是主要编辑方式，间接编辑虽省力但易出错，直接编辑虽精确但工作量大。

Comments 9 pages, 2 figures, 1 table

QiMeng-Kernel: Macro-Thinking Micro-Coding Paradigm for LLM-Based High-Performance GPU Kernel Generation

QiMeng-Kernel：基于宏思维微编码的LLM高性能GPU内核生成范式

Xinguo Zhu, Shaohui Peng, Jiaming Guo, Yunji Chen, Qi Guo, Yuanbo Wen, Hang Qin, Ruizhi Chen, Qirui Zhou, Ke Gao, Yanjun Wu, Chen Zhao, Ling Li

专题命中 领域大模型 ：LLM(title,abstract)；分类 cs.CL

AI总结 QiMeng-Kernel通过宏思维微编码范式，结合强化学习和通用LLM，实现高性能GPU内核生成，准确率和效率均优于现有方法。

Comments 9 pages, 2 figures, accepted by AAAI 2026