语言大模型 / LLM

In-Context and Few-Shots Learning for Forecasting Time Series Data based on Large Language Models

基于大语言模型的时序数据预测中的上下文学习与少样本学习

Saroj Gopali, Bipin Chhetri, Deepika Giri, Sima Siami-Namini, Akbar Siami Namin

机构 * Department of Computer Science（计算机科学系） ； Texas Tech University（德克萨斯理工大学） ； Advanced Academic Programs Science（高级学术计划科学） ； Johns Hopkins University（约翰霍普金斯大学） ； Cumberland University（坎布里奇大学） 纠错

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

AI总结 本文研究了基于大语言模型的时序数据预测，探讨了上下文学习、零样本和少样本学习方法，发现TimesFM在预测性能上表现最佳。

Large Causal Models from Large Language Models

从大语言模型构建大规模因果模型

Sridhar Mahadevan

机构 * Adobe Research and University of Massachusetts, Amherst（Adobe研究院和马萨诸塞大学） 纠错

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

AI总结 利用大语言模型构建大规模因果模型，通过DEMOCRITUS系统整合跨领域因果关系，实现因果陈述的组织与可视化。

Comments 29 pages

CryptoTensors: A Light-Weight Large Language Model File Format for Highly-Secure Model Distribution

CryptoTensors: 一种轻量级的大语言模型文件格式，用于高安全性的模型分发

Huifeng Zhu, Shijie Li, Qinfeng Li, Yier Jin

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

AI总结 CryptoTensors是一种轻量级的大语言模型文件格式，通过张量级加密和嵌入式访问控制策略，实现高安全性的模型分发与保护。

Less Is More, but Where? Dynamic Token Compression via LLM-Guided Keyframe Prior

少即是多，但在哪里？通过LLM引导的关键帧先验实现动态令牌压缩

Yulin Li, Haokun Gui, Ziyang Fan, Junjie Wang, Bin Kang, Bin Chen, Zhuotao Tian

机构 * Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） ； Shenzhen Loop Area Institute（深圳河套学院） ； University of Chinese Academy of Sciences（中国科学院大学） ； The Hong Kong University of Science and Technology（香港科技大学） 纠错

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

AI总结 本文提出DyToK方法，通过LLM引导的关键帧先验实现动态令牌压缩，提升视频处理效率和准确性。

Comments Accepted by NeurIPS 2025

Parameter-Efficient Fine-Tuning with Differential Privacy for Robust Instruction Adaptation in Large Language Models

在大型语言模型中实现鲁棒性指令适应的差分隐私参数高效微调

Yulin Huang, Yaxuan Luan, Jinxu Guo, Xiangchen Song, Yuchen Liu

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

AI总结 本研究提出一种结合差分隐私与参数高效微调的方法，以提升大型语言模型在多任务指令场景中的鲁棒性和隐私保护能力。

ThinkTrap: Denial-of-Service Attacks against Black-box LLM Services via Infinite Thinking

ThinkTrap: 通过无限思考对黑盒LLM服务发起拒绝服务攻击

Yunzhe Li, Jianan Wang, Hongzi Zhu, James Lin, Shan Chang, Minyi Guo

机构 * Shanghai Jiao Tong University（上海交通大学） ； Donghua University（东华大学） 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 ThinkTrap是一种针对黑盒LLM服务的新型拒绝服务攻击方法，通过优化输入空间诱导无限生成，以最小token开销降低服务吞吐量甚至导致服务失败。

Comments This version includes the final camera-ready manuscript accepted by NDSS 2026

DP-LLM: Runtime Model Adaptation with Dynamic Layer-wise Precision Assignment

DP-LLM：基于动态层间精度分配的运行时模型适应

Sangwoo Kwon, Seong Hoon Seo, Jae W. Lee, Yeonhong Park

机构 * Seoul National University（首尔国立大学） 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 DP-LLM通过动态分配各层精度，优化设备端大语言模型的运行时性能与延迟权衡。

Comments NeurIPS 2025

PrivLLMSwarm: Privacy-Preserving LLM-Driven UAV Swarms for Secure IoT Surveillance

PrivLLMSwarm: 用于安全物联网监控的隐私保护大语言模型驱动的无人机群

Jifar Wakuma Ayana, Huang Qiming

机构 * Department of Information and Communication Engineering, School of Computer and Communication Engineering, University of Science and Technology Beijing（信息与通信工程系，计算机与通信工程学院，北京科技大学） 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

AI总结 PrivLLMSwarm通过安全多方计算实现隐私保护的大语言模型驱动无人机群，实现高准确性和低延迟的加密推理，适用于隐私敏感的物联网应用。

Towards Efficient Hypergraph and Multi-LLM Agent Recommender Systems

迈向高效超图和多LLM代理推荐系统

Tendai Mukande, Esraa Ali, Annalina Caputo, Ruihai Dong, Noel OConnor

机构 * Research Ireland ML-LABS ； Dublin City University（都柏林城市大学） ； ADAPT Centre（ADAPT中心） ； School of Computing（计算学院） ； Insight Research Ireland Centre for Data Analytics（Insight Research Ireland 数据分析中心） ； University College Dublin（都柏林大学） 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

AI总结 HGLMRec通过超图编码器和多LLM代理机制，提升推荐系统在计算效率和推荐质量上的表现。

Comments 8 Pages

Persian-Phi: Efficient Cross-Lingual Adaptation of Compact LLMs via Curriculum Learning

Persian-Phi: 通过课程学习高效适应紧凑大语言模型

Amir Mohammad Akhlaghi, Amirhossein Shabani, Mostafa Abdolmaleki, Saeed Reza Kheradpisheh

机构 * Shahid Beheshti University（沙希德·贝赫谢普大学） 纠错

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

AI总结 Persian-Phi通过课程学习高效适应紧凑大语言模型，实现波斯语多语言能力的扩展。

H2EAL: Hybrid-Bonding Architecture with Hybrid Sparse Attention for Efficient Long-Context LLM Inference

H2EAL：混合键值缓存架构与混合稀疏注意力机制用于高效长上下文LLM推理

Zizhuo Fu, Xiaotian Guo, Wenxuan Zeng, Shuzhang Zhong, Yadong Zhang, Peiyu Chen, Runsheng Wang, Le Ye, Meng Li

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

AI总结 H2EAL通过混合稀疏注意力算法与硬件联合设计，实现高效边缘LLM推理，提升速度和能效，精度损失极小。

Comments International Conference on Computer-Aided Design (ICCAD) 2025

Demystifying Language Model Forgetting with Low-rank Example Associations

解开语言模型遗忘之谜：低秩示例关联

Xisen Jin, Xiang Ren

机构 * University of Southern California（南加州大学） 纠错

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

AI总结 本文通过低秩矩阵分析揭示语言模型微调时遗忘的机制，并提出基于矩阵补全的方法有效缓解遗忘问题。

Comments NeurIPS 2025. Updated code and data URL

LIME: Making LLM Data More Efficient with Linguistic Metadata Embeddings

LIME：通过语言元数据嵌入使LLM数据更高效

Sebastian Sztwiertnia, Felix Friedrich, Kristian Kersting, Patrick Schramowski, Björn Deiseroth

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

AI总结 LIME通过语言元数据嵌入提升LLM预训练效率，显著增强语言建模和生成任务表现

The Oracle and The Prism: A Decoupled and Efficient Framework for Generative Recommendation Explanation

oracle 与 prism：一种解耦且高效的生成推荐解释框架

Jiaheng Zhang, Daqiang Zhang

机构 * Sun Yat-sen University（中山大学） ； School of Software Engineer Tong ji University（同济大学软件工程学院） 纠错

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

AI总结 prism 通过解耦推荐过程和蒸馏技术，提升可解释推荐系统的效率与可信度。

Comments 12pages,3 figures

PlantBiMoE: A Bidirectional Foundation Model with SparseMoE for Plant Genomes

PlantBiMoE：一种结合稀疏MoE的双向基础模型用于植物基因组

Kepeng Lin, Qizhe Zhang, Rui Wang, Xuehai Hu, Wei Xu

机构 * School of Electronic Information and Communications, Huazhong University of Science and Technology（电子信息学院，华中科技大学） ； Hubei Hongshan Laboratory（湖北洪山实验室） 纠错

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

AI总结 PlantBiMoE通过结合双向Mamba和稀疏MoE框架，实现了轻量且高效的植物基因组建模，提升了对基因组序列的表示能力，为基因组学研究提供有力工具。

Comments 6 pages, 5 figures, accept to BIBM

GeoShield: Safeguarding Geolocation Privacy from Vision-Language Models via Adversarial Perturbations

GeoShield: 通过对抗扰动保护视觉语言模型中的地理隐私

Xinwei Liu, Xiaojun Jia, Yuan Xun, Simeng Qin, Xiaochun Cao

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

AI总结 GeoShield通过对抗扰动有效保护视觉语言模型中的地理隐私，提出三个核心模块实现稳健的隐私防护。

Comments AAAI2026 Poster

Are Time-Series Foundation Models Deployment-Ready? A Systematic Study of Adversarial Robustness Across Domains

时间序列基础模型是否已准备好部署？跨领域的对抗鲁棒性系统研究

Jiawen Zhang, Zhenwei Zhang, Shun Zheng, Xumeng Wen, Jia Li, Jiang Bian

机构 * HKUST (GZ)（香港科技大学） ； Tsinghua University（清华大学） ； Microsoft Research Asia（微软亚洲研究院） 纠错

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

AI总结 本研究系统分析了时间序列基础模型在跨领域对抗攻击下的鲁棒性，揭示了模型脆弱性及改进方法。

Comments Preprint

ProSocialAlign: Preference Conditioned Test Time Alignment in Language Models

ProSocialAlign：语言模型中的偏好条件测试时间对齐

Somnath Banerjee, Sayan Layek, Sayantan Adak, Mykola Pechenizkiy, Animesh Mukherjee, Rima Hazra

机构 * Cisco Research（思科研究） ； Indian Institute of Technology Kharagpur（印度理工学院卡里格普尔分校） ； Eindhoven University of Technology, Netherlands (TU/e)（埃因霍温理工大学（荷兰）） 纠错

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

AI总结 ProSocialAlign通过测试时间参数高效方法，在不重新训练模型的情况下，引导生成安全、富有同理心且价值观一致的响应，提升语言模型的安全性和对齐性。

Leveraging KV Similarity for Online Structured Pruning in LLMs

利用键值相似性实现LLMs中的在线结构剪枝

Jungmin Lee, Gwangeun Byeon, Yulhwa Kim, Seokin Hong

机构 * Sungkyunkwan University（成均馆大学） 纠错

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

AI总结 本文提出Token Filtering方法，利用键值相似性实现在线结构剪枝，提升LLMs推理效率与稳定性。

FinWorld: An All-in-One Open-Source Platform for End-to-End Financial AI Research and Deployment

FinWorld: 一个全方位的开源平台，用于端到端的金融AI研究与部署

Wentao Zhang, Yilei Zhao, Chuqiao Zong, Xinrun Wang, Bo An

机构 * Nanyang Technological University Skywork AI（南洋理工大学Skywork AI） ； Nanyang Technological University（南洋理工大学） ； Singapore Management University（新加坡管理学院） 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 FinWorld是一个全方位的开源平台，提供端到端的金融AI研究与部署支持，通过整合异构金融数据和强化学习技术，提升可重复性和部署效率。

Chopping Trees: Semantic Similarity Based Dynamic Pruning for Tree-of-Thought Reasoning

砍树：基于语义相似性的动态剪枝用于树状思维推理

Joongho Kim, Xirui Huang, Zarreen Reza, Gabriel Grand

机构 * Massachusetts Institute of Technology (MIT)（麻省理工学院） 纠错

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

AI总结 SSDP通过动态剪枝技术提升树状思维推理效率，实现2.3倍速度提升且保持高准确性。

Comments 39th Conference on Neural Information Processing Systems (NeurIPS 2025) Workshop on Efficient Reasoning

uCLIP: Parameter-Efficient Multilingual Extension of Vision-Language Models with Unpaired Data

uCLIP: 无配对数据下多语言视觉语言模型的参数高效扩展

Dahyun Chung, Donghyun Shin, Yujin Sung, Seunggi Moon, Jinwoo Jeon, Byung-Jun Lee

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

AI总结 uCLIP通过无需配对数据的轻量级框架，在低资源语言中实现高效多语言视觉语言对齐。

Comments Our project page can be found at https://dinyudin203.github.io/uCLIP-project/

Ghost in the Transformer: Detecting Model Reuse with Invariant Spectral Signatures

Transformer中的幽灵：通过不变频谱特征检测模型重用

Suqing Wang, Ziyang Ma, Li Xinyi, Zuchao Li

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 本文提出GhostSpec，一种通过不变频谱特征验证LLM血统的方法，无需训练数据或行为修改，具有鲁棒性和高效性。

Comments Accepted at AAAI 2026 (Oral)

Optimizing LLMs Using Quantization for Mobile Execution

用量化优化LLMs在移动执行中的应用

Agatsya Yadav, Renta Chintala Bhargavi

机构 * School of Computer Science（计算机科学学院） ； Engineering（工程学院） ； Vellore Institute of Technology（韦洛雷理工学院） ； Chennai, India（印度钦奈） 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 本文通过4位后训练量化和GGUF格式优化，实现Llama 3.2 3B模型在移动设备上的高效部署。

Comments 11 pages, 1 equation, 2 tables. Author Accepted Manuscript (AAM) of a paper published in Springer LNNS, ICT4SD 2025. DOI: 10.1007/978-3-032-06697-8_33

Journal ref Fong, S., Dey, N., Joshi, A. (eds) ICT Analysis and Applications. ICT4SD 2025. Lecture Notes in Networks and Systems, vol 1654. Springer, Cham

EasySpec: Layer-Parallel Speculative Decoding for Efficient Multi-GPU Utilization

EasySpec: 用于高效多GPU利用的分层并行推测解码

Yize Wu, Ke Gao, Ling Li, Yanjun Wu

机构 * Intelligent Software Research Center, Institute of Software, CAS, Beijing, China（软件研究所智能软件研究中心，中国科学院，北京） ； University of Chinese Academy of Sciences, Beijing, China（中国科学院大学，北京） 纠错

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

AI总结 EasySpec通过分层并行推测策略提升多GPU推理效率，实现4.17倍速度提升，同时保持模型准确性。

Reliable agent engineering should integrate machine-compatible organizational principles

可靠代理工程应整合机器兼容的组织原则

R. Patrick Xian, Garry A. Gabison, Ahmed Alaa, Christoph Riedl, Grigorios G. Chrysos

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

AI总结 本文提出三种组织原则，通过平衡代理能力与资源约束，提升AI代理的可靠性和有效性。

Comments 20 pages incl. references, comments are welcome

LongCat-Image Technical Report

LongCat-Image 技术报告

Meituan LongCat Team, Hanghang Ma, Haoxian Tan, Jiale Huang, Junqiang Wu, Jun-Yan He, Lishuai Gao, Songlin Xiao, Xiaoming Wei, Xiaoqi Ma, Xunliang Cai, Yayong Guan, Jie Hu

机构 * Meituan LongCat Team（美团LongCat团队） 纠错

专题命中 效率与部署 ：foundation model(abstract)；post-training(abstract)；SFT(abstract)

AI总结 LongCat-Image通过双语开源模型提升多语言图像生成与编辑能力，实现高效部署与高质量输出。

MUST-RAG: MUSical Text Question Answering with Retrieval Augmented Generation

MUST-RAG: 基于检索增强生成的音乐文本问答

Daeyong Kwon, SeungHeon Doh, Juhan Nam

机构 * Graduate School of Culture Technology, KAIST, South Korea（文化科技研究生院，韩国釜山科学技术院） 纠错

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

AI总结 MUST-RAG通过引入音乐专用数据库和检索增强生成技术，提升通用语言模型在音乐问答任务中的表现。

Comments This is an earlier version of the paper - ArtistMus: A Globally Diverse, Artist-Centric Benchmark for Retrieval-Augmented Music Question Answering. The latest version is available at: (arXiv:2512.05430)

HybridNorm: Towards Stable and Efficient Transformer Training via Hybrid Normalization

HybridNorm: 一种通过混合归一化实现稳定和高效Transformer训练的方法

Zhijian Zhuo, Yutao Zeng, Ya Wang, Sijun Zhang, Jian Yang, Xiaoqing Li, Xun Zhou, Jinwen Ma

机构 * School of Mathematical Sciences, Peking University（北京大学数学科学学院） ； Beihang University（北航） ； Capital University of Economics and Business（首都经济贸易大学） 纠错

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

AI总结 HybridNorm通过结合Pre-Norm和Post-Norm的优势，提升Transformer训练的稳定性与效率。

Comments Accepted by NeurIPS 2025

Enhanced Multimodal Video Retrieval System: Integrating Query Expansion and Cross-modal Temporal Event Retrieval

增强多模态视频检索系统：整合查询扩展与跨模态时间事件检索

Van-Thinh Vo, Minh-Khoi Nguyen, Minh-Huy Tran, Anh-Quan Nguyen-Tran, Duy-Tan Nguyen, Khanh-Loi Nguyen, Anh-Minh Phan

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

AI总结 本文提出了一种增强多模态视频检索系统，通过整合查询扩展和跨模态时间事件检索，提升检索精度和效率。

Comments 11 pages, 6 figures, SOICT 2025