语言大模型 / LLM

EEG-Bench: A Benchmark for EEG Foundation Models in Clinical Applications

EEG-Bench: 一个用于临床应用中EEG基础模型的基准测试

Ard Kastrati, Josua Bürki, Jonas Lauer, Cheng Xuan, Raffaele Iaquinto, Roger Wattenhofer

机构 * ETH Zurich（苏黎世联邦理工学院） 纠错

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

AI总结 EEG-Bench为临床应用中的EEG基础模型提供了一个统一的基准测试框架，评估了11个诊断任务，并展示了简单模型在临床分布偏移下的竞争力。

Comments Foundation Models for the Brain and Body (BrainBodyFM@NeurIPS)

Smaller Models, Smarter Rewards: A Two-Sided Approach to Process and Outcome Rewards

更小的模型，更聪明的奖励：一种双面方法来处理和结果奖励

Jan Niklas Groeneveld, Xi Qin, Alexander Schaefer, Yaad Oren

机构 * University of California, Irvine（加州大学尔湾分校） ； SAP Lab（SAP实验室） ； Stanford Human-Centered AI Institution（斯坦福人本AI机构） 纠错

专题命中 评测与基准 ：language model(abstract,comments)；large language model(abstract)；small language model(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出了一种双面方法，利用小型语言模型生成高质量代码，通过融合过程和结果奖励，提升了代码生成的搜索能力。

Comments Accepted and presented at NeurIPS 2025 Workshop: Foundations of Reasoning in Language Models

DermETAS-SNA LLM: A Dermatology Focused Evolutionary Transformer Architecture Search with StackNet Augmented LLM Assistant

DermETAS-SNA LLM：一种专注于皮肤科的进化Transformer架构搜索与StackNet增强LLM助手

Nitya Phani Santosh Oruganty, Keerthi Vemula Murali, Chun-Kit Ngan, Paulo Bandeira Pinho

机构 * Data Science Program, Worcester Polytechnic Institute, Massachusetts, USA（沃斯特理工学院数据科学项目，马萨诸塞州，美国） ； Computer Science Department, Worcester Polytechnic Institute, Massachusetts, USA（沃斯特理工学院计算机科学系，马萨诸塞州，美国） ； PASE Advisory Group, New Jersey, USA（PASE顾问小组，新泽西州，美国） 纠错

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

AI总结 DermETAS-SNA LLM结合进化Transformer架构搜索与StackNet增强LLM，旨在提升皮肤病诊断的准确性和实用性。

Beyond Algorithm Evolution: An LLM-Driven Framework for the Co-Evolution of Swarm Intelligence Optimization Algorithms and Prompts

超越算法进化：一种基于LLM的群体智能优化算法与提示的协同进化框架

Shipeng Cen, Ying Tan

专题命中 评测与基准 ：LLM(title,abstract)

AI总结 本文提出基于LLM的协同进化框架，用于优化群体智能算法与提示，提升复杂环境下的自动设计性能。

RoadBench: A Vision-Language Foundation Model and Benchmark for Road Damage Understanding

RoadBench: 一种用于道路损伤理解的视觉-语言基础模型和基准

Xi Xiao, Yunbei Zhang, Janet Wang, Lin Zhao, Yuxiang Wei, Hengjia Li, Yanshu Li, Xinyuan Song, Xiao Wang, Swalpa Kumar Roy, Hao Xu, Tianyang Wang

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

AI总结 RoadBench通过整合视觉与文本信息，提出RoadCLIP模型，显著提升道路损伤识别性能，为基础设施监测提供新基准。

Comments Accepted by WACV 2026

DSEBench: A Test Collection for Explainable Dataset Search with Examples

DSEBench：一个用于可解释数据集搜索的测试集

Qing Shi, Jing He, Qiaosheng Chen, Gong Cheng

专题命中 评测与基准 ：LLM(abstract)；large language model(abstract)；language model(abstract)

AI总结 DSEBench是一个用于评估可解释数据集搜索任务的测试集，通过提供高质量的数据集和字段级别注释，支持评估DSE和ExDSE方法。

Comments 21 pages, 4 figures

Understanding World or Predicting Future? A Comprehensive Survey of World Models

理解世界还是预测未来？世界模型的全面综述

Jingtao Ding, Yunke Zhang, Yu Shang, Jie Feng, Yuheng Zhang, Zefang Zong, Yuan Yuan, Hongyuan Su, Nian Li, Jinghua Piao, Yucheng Deng, Nicholas Sukiennik, Chen Gao, Fengli Xu, Yong Li

机构 * Department of Electronic Engineering, Beijing National Research Center for Information Science and Technology (BNRist), Tsinghua University（电子工程系，信息科学与技术国家研究中心（BNRist），清华大学） 纠错

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

AI总结 本文综述了世界模型在理解与预测方面的功能，探讨了其在多个领域的应用及未来研究方向。

Comments Extended version of the original ACM CSUR paper, 49 pages, 6 figures, 8 tables

Automatic Fact-checking in English and Telugu

英语和泰卢固语中的自动事实核查

Ravi Kiran Chikkala, Tatiana Anikina, Natalia Skachkova, Ivan Vykopal, Rodrigo Agerri, Josef van Genabith

机构 * Saarland University（萨尔兰大学） ； University of the Basque Country（巴斯克大学） ； German Research Center for Artificial Intelligence, Saarland Informatics Campus（德国人工智能研究中心，萨尔兰信息学校区） ； Faculty of Information Technology, Brno University of Technology（信息技术学院，布拉格技术大学） ； Kempelen Institute of Intelligent Technologies（Kempelen智能技术研究所） 纠错

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

AI总结 本文提出了一种双语事实核查方法，利用大型语言模型在英语和泰卢固语中对事实性声明进行真实性分类并生成证明。

Comments Proceedings of the First Workshop on Advancing NLP for Low Resource Languages associated with RANLP 2025 Varna Bulgaria September 13 2025 pages 140-151

Investigate the Low-level Visual Perception in Vision-Language based Image Quality Assessment

研究基于视觉-语言的图像质量评估中的低级视觉感知

Yuan Li, Zitang Sun, Yen-Ju Chen, Shin'ya Nishida

机构 * Graduate School of Informatics, Kyoto University（京都大学信息科学研究生院） 纠错

专题命中 评测与基准 ：large language model(abstract)；language model(abstract)

AI总结 本文研究了基于视觉-语言模型的图像质量评估中低级视觉感知的问题，发现现有模型在检测基本失真时存在偏差，并通过改进视觉编码器对齐度提升失真识别准确率。

LongT2IBench: A Benchmark for Evaluating Long Text-to-Image Generation with Graph-structured Annotations

LongT2IBench: 一个用于评估长文本到图像生成的基准，具有图结构注释

Zhichao Yang, Tianjiao Gu, Jianjie Wang, Feiyu Lin, Xiangfei Sheng, Pengfei Chen, Leida Li

专题命中 评测与基准 ：large language model(abstract)；language model(abstract)

AI总结 LongT2IBench通过图结构注释和LongT2IExpert提出，用于评估长文本到图像生成的对齐和解释能力。

Comments The paper has been accepted by AAAI 2026

Do You See Me : A Multidimensional Benchmark for Evaluating Visual Perception in Multimodal LLMs

你看见我：一个多维基准用于评估多模态大语言模型的视觉感知

Aditya Kanade, Tanuja Ganu

机构 * Microsoft Research India（微软印度研究院） 纠错

专题命中 评测与基准 ：large language model(abstract)；language model(abstract)

AI总结 该研究提出‘你看见我’基准，评估多模态大语言模型的视觉感知能力，发现其在复杂任务中表现远低于人类。

Financial Instruction Following Evaluation (FIFE)

金融指令遵循评估（FIFE）

Glenn Matlin, Siddharth, Anirudh JM, Aditya Shukla, Yahya Hassan, Sudheer Chava

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

AI总结 FIFE是一个用于评估语言模型在金融分析任务中指令遵循能力的高难度基准，通过88个人撰写的提示和可验证约束系统，评估53个模型的性能，揭示了不同模型在复杂金融指令任务中的表现差异。

Comments Accepted at NeurIPS 2025 Generative AI in Finance Workshop (GenAI Finance), San Diego. Camera-ready version. Code and data: https://github.com/gtfintechlab/FIFE/

CourtPressGER: A German Court Decision to Press Release Summarization Dataset

CourtPressGER：德国最高法院判决到新闻简报的摘要数据集

Sebastian Nagl, Mohamed Elganayni, Melanie Pospisil, Matthias Grabmair

机构 * Technical University of Munich (TUM)（慕尼黑技术大学） 纠错

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

AI总结 CourtPressGER数据集通过训练LLM生成准确的司法文本摘要，评估不同模型在处理长文本和保持可读性方面的性能差异。

Comments Preprint - This contribution was accepted at JURIX AI4A2J Workshop 2025

Low-Dimensional Structure in the Space of Language Representations is Reflected in Brain Responses

语言表示空间中的低维结构反映在脑响应中

Richard Antonello, Javier Turek, Vy Vo, Alexander Huth

机构 * UT Austin（德克萨斯大学） ； Intel Labs（英特尔实验室） 纠错

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

AI总结 研究揭示语言表示空间的低维结构，并通过fMRI验证其与大脑自然语言处理层次的关系。

Comments Accepted to the Advances in Neural Information Processing Systems 34 (2021) Revised to include voxel selection details

An Electrocardiogram Multi-task Benchmark with Comprehensive Evaluations and Insightful Findings

带有全面评估和深入发现的心电图多任务基准

Yuhao Xu, Jiaying Lu, Sirui Ding, Defu Cao, Xiao Hu, Carl Yang

机构 * Department of Computer Science, Emory University（埃默里大学计算机科学系） ； Bakar Computational Health Sciences Institute, University of California, San Francisco（加州大学旧金山分校巴卡计算健康科学研究所） ； Center for Data Science, School of Nursing, Emory University（埃默里大学护理学院数据科学中心） ； Department of Computer Science, University of Southern California（南加州大学计算机科学系） 纠错

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

AI总结 本研究评估了基础模型在心电图分析中的有效性，发现其在ECG分析中达到80%的高性能，揭示了基础模型在生理波形分析中的潜力和局限性。

Transparent and Coherent Procedural Mistake Detection

透明且一致的程序性错误检测

Shane Storks, Itamar Bar-Yossef, Yayuan Li, Zheyuan Zhang, Jason J. Corso, Joyce Chai

机构 * University of Michigan（密歇根大学） 纠错

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

AI总结 本文提出了一种透明且一致的程序性错误检测方法，通过生成视觉自我对话的合理性来提高检测性能，并利用NLI模型制定自动化指标以评估生成的合理性一致性。

Comments EMNLP 2025

Auto-BenchmarkCard: Automated Synthesis of Benchmark Documentation

Auto-BenchmarkCard：自动化生成基准测试文档

Aris Hofmann, Inge Vejsbjerg, Dhaval Salwala, Elizabeth M. Daly

专题命中 评测与基准 ：LLM(abstract)；分类 cs.AI

AI总结 Auto-BenchmarkCard通过多智能体数据提取与大语言模型合成，自动化生成准确的AI基准测试文档，提升基准测试的透明性和可比性。

Tawa: Automatic Warp Specialization for Modern GPUs with Asynchronous References

Tawa: 为现代GPU自动实现扭曲专精与异步引用

Hongzheng Chen, Bin Fan, Alexander Collins, Bastian Hagedorn, Evghenii Gaburov, Masahiro Masuda, Matthew Brookhart, Chris Sullivan, Jason Knight, Zhiru Zhang, Vinod Grover

机构 * Cornell University（康奈尔大学） ； NVIDIA（英伟达） 纠错

专题命中 评测与基准 ：LLM(abstract)；分类 cs.LG

AI总结 Tawa通过自动编译器实现GPU扭曲专精，利用异步引用抽象，提升LLM内核性能1.1-1.2倍，减少编程努力。

Comments Accepted to CGO'26

Agentar-Scale-SQL: Advancing Text-to-SQL through Orchestrated Test-Time Scaling

Agentar-Scale-SQL: 通过协调的测试时扩展推进文本到SQL

Pengfei Wang, Baolin Sun, Xuemei Dong, Yaxun Dai, Hongwei Yuan, Mengdie Chu, Yingqi Gao, Xiang Qi, Peng Zhang, Ying Yan

机构 * Ant Digital Technologies, Ant Group（蚂蚁集团数字技术部） ； Soochow University（苏州大学） ； Zhejiang University（浙江大学） 纠错

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

AI总结 Agentar-Scale-SQL通过协调的测试时扩展策略，结合内部扩展、顺序扩展和并行扩展，提升文本到SQL的性能，在BIRD基准上达到81.67%的准确率。

Seeing Soil from Space: Towards Robust and Scalable Remote Soil Nutrient Analysis

从太空观察土壤：迈向稳健且可扩展的远程土壤养分分析

David Seu, Nicolas Longepe, Gabriel Cioltea, Erik Maidik, Calin Andrei

机构 * CO2 Angels ； European Space Agency（欧洲航天局） ； Φ \Phi -Lab（Φ实验室） ； Cluj-Napoca, Romania（克鲁日-纳波卡，罗马尼亚） ； Frascati, Italy（弗拉斯卡蒂，意大利） 纠错

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

AI总结 本研究提出了一种稳健且可扩展的远程土壤养分分析系统，通过结合物理信息协变量和复杂嵌入模型，实现了对土壤有机碳、氮等关键指标的高精度估计。

Comments 23 pages, 13 figures, 13 tables

OpenSubject: Leveraging Video-Derived Identity and Diversity Priors for Subject-driven Image Generation and Manipulation

OpenSubject: 利用视频衍生的身份和多样性先验进行主体驱动的图像生成与操纵

Yexin Liu, Manyuan Zhang, Yueze Wang, Hongyu Li, Dian Zheng, Weiming Zhang, Changsheng Lu, Xunliang Cai, Yan Feng, Peng Pei, Harry Yang

机构 * HKUST（香港科技大学） ； Meituan（美团） ； HKUST(GZ)（香港科技大学（广州）） 纠错

专题命中 评测与基准 ：language model(abstract)

AI总结 OpenSubject通过视频衍生的大规模数据集提升主体驱动图像生成与操纵的性能，尤其在复杂场景中表现更优。

LLM-Barber: Block-Aware Rebuilder for Sparsity Mask in One-Shot for Large Language Models

LLM-Barber：用于大语言模型单次剪枝的块感知重排器

Yupeng Su, Ziyi Guan, Xiaoqun Liu, Tianlai Jin, Dongkuan Wu, Zhengfei Chen, Graziano Chesi, Ngai Wong, Hao Yu

机构 * School of Microelectronics, Southern University of Science and Technology（微电子学院，南方科技大学） ； Department of Electrical and Electronic Engineering, University of Hong Kong（电气与电子工程系，香港大学） 纠错

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

AI总结 LLM-Barber 是一种新型单次剪枝框架，通过块感知误差优化提升大语言模型剪枝效率，实现高性能与低计算复杂性。

Comments Accepted by ICCAD 2025

An Efficient Interaction Human-AI Synergy System Bridging Visual Awareness and Large Language Model for Intensive Care Units

一种高效的交互人机协同系统：连接视觉意识与大语言模型用于重症监护室

Yibowen Zhao, Yiming Cao, Zhiqi Shen, Juan Du, Yonghui Xu, Lizhen Cui, Cyril Leung

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

AI总结 本文提出一种基于云-边-端架构的人机协同系统，通过视觉感知数据提取和大语言模型驱动的语义交互，提升ICU中患者数据处理的效率和安全性。

Comments This paper has been accepted by the Late Breaking Papers of the 2025 International Conference on Human Computer Interaction (HCII 2025)

SEAL: Speech Embedding Alignment Learning for Speech Large Language Model with Retrieval-Augmented Generation

SEAL：用于带有检索增强生成的语音大语言模型的语音嵌入对齐学习

Chunyu Sun, Bingyu Liu, Zhichao Cui, Junhan Shi, Anbin Qi, Tian-hao Zhang, Dinghao Zhou, Lewei Lu

机构 * SenseTime Research（商汤科技研究院） 纠错

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 SEAL通过统一的语音和文本嵌入框架，提升语音大语言模型的检索效率与准确性，减少延迟并增强多模态检索能力。

Provably Learning from Modern Language Models via Low Logit Rank

通过低logit秩从现代语言模型中获得可证明的学习

Noah Golowich, Allen Liu, Abhishek Shetty

机构 * Microsoft Research（微软研究院） ； UC Berkeley（加州大学伯克利分校） ； MIT（麻省理工学院） 纠错

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

AI总结 本文提出了一种基于低logit秩结构的高效算法，用于从查询中获得现代语言模型的可证明学习保证。

Noise-Robust Abstractive Compression in Retrieval-Augmented Language Models

在检索增强语言模型中实现抗噪的抽象压缩

Singon Kim

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

AI总结 本文提出ACoRN方法，通过细粒度文档分类和离线数据增强提升检索增强语言模型中抗噪的抽象压缩性能，实验表明其在保持答案准确性的同时提升了评估指标。

Comments Master's thesis, Korea University, 2025

MAESTRO: Multi-Agent Environment Shaping through Task and Reward Optimization

MAESTRO：通过任务和奖励优化进行多智能体环境塑造

Boyuan Wu

机构 * Department of Mechanical and Industrial Engineering（机械与工业工程系） ； University of Toronto（多伦多大学） 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 MAESTRO通过任务和奖励优化提升多智能体强化学习的环境塑造能力，结合LLM生成课程和奖励函数，提高性能和稳定性。

Comments Preprint. 16 pages, 6 figures. Preliminary version; extended experiments and analysis forthcoming

DMP-TTS: Disentangled multi-modal Prompting for Controllable Text-to-Speech with Chained Guidance

DMP-TTS: 解耦多模态提示的可控文本到语音系统 with 链式引导

Kang Yin, Chunyu Qiang, Sirui Zhao, Xiaopeng Wang, Yuzhe Liang, Pengfei Cai, Tong Xu, Chen Zhang, Enhong Chen

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

专题命中 效率与部署 ：prompting(title,abstract)

AI总结 DMP-TTS通过解耦多模态提示和链式引导技术，实现了更强的文本到语音风格可控性，同时保持良好的可懂度和自然度。

From SAM to DINOv2: Towards Distilling Foundation Models to Lightweight Baselines for Generalized Polyp Segmentation

从SAM到DINOv2：迈向将基础模型蒸馏到轻量级基线以实现通用息肉分割

Shivanshu Agnihotri, Snehashis Majhi, Deepak Ranjan Nayak, Debesh Jha

机构 * Malaviya National Institute of Technology, Jaipur, India（马利瓦国家理工学院，印度斋普尔） ； Côte d’Azur University, France（蔚蓝海岸大学，法国） ； University of South Dakota, USA（南达科他大学，美国） 纠错

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

AI总结 本文提出Polyp-DiFoM框架，通过将基础模型的表示蒸馏到轻量级基线中，提升息肉分割的准确性和效率，同时减少计算开销近9倍。

VFM-ISRefiner: Towards Better Adapting Vision Foundation Models for Interactive Segmentation of Remote Sensing Images

VFM-ISRefiner: 向更适应交互分割遥感图像的视觉基础模型迈进

Deliang Wang, Peng Liu, Yan Ma, Rongkai Zhuang, Lajiao Chen, Bing Li, Yi Zeng

机构 * Aerospace Information Research Institute, Chinese Academy of Sciences（中国科学院航天信息研究所） ； School of Electronic, Electrical and Communication Engineering, University of Chinese Academy of Sciences（中国科学院大学电子电气与通信工程学院） ； School of Information Science and Technology, Beijing Forestry University（北京林业大学信息科学与技术学院） 纠错

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

AI总结 VFM-ISRefiner提出了一种基于点击的交互分割框架，通过适配器调优和混合注意力机制提升遥感图像分割的精度和效率。