语言大模型 / LLM

ConStruct: Structural Distillation of Foundation Models for Prototype-Based Weakly Supervised Histopathology Segmentation

ConStruct：用于基于原型的弱监督病理分割的基模态结构蒸馏

Khang Le, Ha Thach, Anh M. Vu, Trang T. K. Vo, Han H. Huynh, David Yang, Minh H. N. Le, Thanh-Huy Nguyen, Akash Awasthi, Chandra Mohan, Zhu Han, Hien Van Nguyen

机构 * Ho Chi Minh City University of Technology（胡志明市技术大学） ； University of Technology Sydney（悉尼技术大学） ； University of Houston（休斯顿大学） ； University of Information Technology（信息科技大学） ； College of Medical Science and Technology, Taipei Medical University（台北医学院医学科技学院） ； Department of Computer Science, Emory University（埃默里大学计算机科学系） ； Montefiore Medical Center, Albert Einstein College of Medicine（蒙特福伊医疗中心，阿尔伯特·爱因斯坦医学院） ； School of Computer Science, Carnegie Mellon University（卡内基梅隆大学计算机科学学院） 纠错

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

AI总结 ConStruct通过结合CONCH的形态感知表示、SegFormer的多尺度结构线索和文本引导的语义对齐，提出一种高效的弱监督病理分割方法，提升分割精度和计算效率。

Watermarks for Language Models via Probabilistic Automata

通过概率自动机实现语言模型的水印

Yangkun Wang, Jingbo Shang

机构 * University of California, San Diego（加州大学圣地亚哥分校） 纠错

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

AI总结 本文提出基于概率自动机的新型语言模型水印方案，兼顾生成多样性和不可检测性，实验验证其在鲁棒性和效率上的优势。

LLM-Driven Composite Neural Architecture Search for Multi-Source RL State Encoding

基于大语言模型的多源强化学习状态编码复合神经架构搜索

Yu Yu, Qian Xie, Nairen Cao, Li Jin

机构 * Shanghai Jiao Tong University（上海交通大学） ； Cornell University（康奈尔大学） ； New York University（纽约大学） 纠错

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

AI总结 本文提出基于大语言模型的复合神经架构搜索方法，用于多源强化学习状态编码，通过高效搜索发现更高性能的编码器架构。

Comments NeurIPS 2025 Workshop on Bridging Language, Agent, and World Models for Reasoning and Planning

Grow Up and Merge: Scaling Strategies for Efficient Language Adaptation

成长与融合：为高效语言适应的扩展策略

Kevin Glocker, Kätriin Kukk, Romina Oji, Marcel Bollmann, Marco Kuhlmann, Jenny Kunz

机构 * Department of Computer and Information Science（计算机与信息科学系） ； Linköping University（利乌波尔特大学） 纠错

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

AI总结 本文提出通过扩展预训练模型以提高语言适应效率，发现扩展模型在数据效率和减少灾难性遗忘方面表现更优，并探索了融合方法在构建多语言系统中的潜力。

TRIDENT: A Redundant Architecture for Caribbean-Accented Emergency Speech Triage

TRIDENT：一种用于加勒比口音紧急语音分诊的冗余架构

Elroy Galbraith, Chadwick Sutherland, Donahue Morgan

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

AI总结 TRIDENT通过结合加勒比口音优化的ASR、实体提取和生物声学检测，为调度员提供三种信号以提高紧急分诊效率，解决非标准英语变体识别问题。

HunyuanOCR Technical Report

HunyuanOCR 技术报告

Hunyuan Vision Team, Pengyuan Lyu, Xingyu Wan, Gengluo Li, Shangpin Peng, Weinong Wang, Liang Wu, Huawen Shen, Yu Zhou, Canhui Tang, Qi Yang, Qiming Peng, Bin Luo, Hower Yang, Xinsong Zhang, Jinnian Zhang, Houwen Peng, Hongming Yang, Senhao Xie, Longsha Zhou, Ge Pei, Binghong Wu, Rui Yan, Kan Wu, Jieneng Yang, Bochao Wang, Kai Liu, Jianchen Zhu, Jie Jiang, Linus, Han Hu, Chengquan Zhang

机构 * Tencent（腾讯） 纠错

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

AI总结 HunyuanOCR是一款轻量级视觉-语言模型，通过统一通用性与效率、简化端到端架构、采用数据驱动和强化学习策略，在OCR任务中实现卓越性能。

Achieving Trustworthy Real-Time Decision Support Systems with Low-Latency Interpretable AI Models

实现低延迟可解释AI模型的可信实时决策支持系统

Zechun Deng, Ziwei Liu, Ziqian Bi, Junhao Song, Chia Xin Liang, Joe Yeong, Xinyuan Song, Junfeng Hao

机构 * School of Physics and Astronomy（物理与天文学系） ； University of Edinburgh（爱丁堡大学） ； Siebel School of Computing and Data Science（计算与数据科学学院） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； AI Agent Lab（AI代理实验室） ； Vokram Group（Vokram集团） ； Department of Anatomical Pathology（解剖病理学部） ； Singapore General Hospital（新加坡中央医院） ； Department of Computer Science（计算机科学系） ； Emory University（埃默里大学） 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 本文提出通过低延迟可解释AI模型实现可信实时决策支持系统，探讨资源受限环境下的人机协作方法及边缘计算优化策略。

ELANA: A Simple Energy and Latency Analyzer for LLMs

ELANA: 一种用于大语言模型的简单能耗和延迟分析工具

Hung-Yueh Chiang, Bokun Wang, Diana Marculescu

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

AI总结 ELANA是一种用于分析大语言模型能耗和延迟的开源工具，支持多种硬件平台和模型，适用于高效LLMs的研究和实验。

From the Laboratory to Real-World Application: Evaluating Zero-Shot Scene Interpretation on Edge Devices for Mobile Robotics

从实验室到现实应用：评估边缘设备上用于移动机器人的零样本场景解读

Nicolas Schuler, Lea Dewald, Nick Baldig, Jürgen Graf

机构 * Laboratories for Cognitive Systems and Robotics（认知系统与机器人实验室） ； University of Luxembourg（卢森堡大学） 纠错

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

AI总结 本文评估了适用于移动机器人边缘设备的小型视觉语言模型在零样本场景解读任务中的性能与应用潜力。

Comments 15 pages, 6 figures, 1 table; accepted for AI-2025 Forty-fifth SGAI International Conference on Artificial Intelligence CAMBRIDGE, ENGLAND 16-18 DECEMBER 2025

Journal ref Artificial Intelligence XLII. SGAI-AI 2025. Lecture Notes in Computer Science, vol 16302. Springer, Cham (2026), pp 301-315

Luxical: High-Speed Lexical-Dense Text Embeddings

Luxical: 高速词典密集文本嵌入

DatologyAI, :, Luke Merrick, Alex Fang, Aldo Carranza, Alvin Deng, Amro Abbas, Brett Larsen, Cody Blakeney, Darren Teh, David Schwab, Fan Pan, Haakon Mongstad, Haoli Yin, Jack Urbanek, Jason Lee, Jason Telanoff, Josh Wills, Kaleigh Mentzer, Paul Burstein, Parth Doshi, Paul Burnstein, Pratyush Maini, Ricardo Monti, Rishabh Adiga, Scott Loftin, Siddharth Joshi, Spandan Das, Tony Jiang, Vineeth Dorna, Zhengping Wang, Bogdan Gaza, Ari Morcos, Matthew Leavitt

机构 * DatologyAI 纠错

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

AI总结 Luxical通过结合稀疏TF-IDF特征和知识蒸馏训练，实现高速词典密集文本嵌入，适用于大规模文本组织任务。

Comments 9 pages, 6 figures (v2 fixes typos only)

Norm-Governed Multi-Agent Decision-Making in Simulator-Coupled Environments:The Reinsurance Constrained Multi-Agent Simulation Process (R-CMASP)

规范引导的多智能体决策在耦合环境中的应用：再保险约束的多智能体仿真过程（R-CMASP）

Stella C. Dong

机构 * Reinsurance Analytics（再保险分析） 纠错

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

AI总结 本文提出R-CMASP模型，通过规范引导和模拟器耦合机制，提升多智能体在再保险决策中的稳定性与合规性。

State-Space Models for Tabular Prior-Data Fitted Networks

表格先验数据拟合网络的状态空间模型

Felix Koch, Marcel Wever, Fabian Raisch, Benjamin Tischler

机构 * L3S Research Center, Leibniz University Hannover, Hannover, Germany（L3S研究所以及汉诺威莱布尼茨大学） ； University of Applied Sciences Rosenheim, Rosenheim, Germany（罗斯海姆应用科学大学） ； Technical University of Munich, Munich, Germany（慕尼黑技术大学） 纠错

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

AI总结 本文提出使用双向线性时间结构状态空间模型Hydra替代Transformer，以减少顺序依赖性并提升表格数据预训练模型的预测性能。

Journal ref International Conference on Machine Learning (ICML), 1st ICML Workshop on Foundation Models for Structured Data, 2025

T-pro 2.0: An Efficient Russian Hybrid-Reasoning Model and Playground

T-pro 2.0：一种高效的俄语混合推理模型与游乐场

Dmitrii Stoianov, Danil Taranets, Olga Tsymboi, Ramil Latypov, Almaz Dautov, Vladislav Kruglikov, Nikita Surkov, German Abramov, Pavel Gein, Dmitry Abulkhanov, Mikhail Gashkov, Viktor Zelenkovskiy, Artem Batalov, Aleksandr Medvedev, Anatolii Potapov

机构 * Gen-T Team T-Tech（Gen-T团队T-Tech） 纠错

专题命中 效率与部署 ：LLM(abstract)；分类 cs.CL

AI总结 T-pro 2.0是一种高效的俄语混合推理模型，通过开放权重和适应后的EAGLE推测解码流水线实现快速推理和可扩展性。

Understanding Outer Optimizers in Local SGD: Learning Rates, Momentum, and Acceleration

理解局部SGD中的外优化器：学习率、动量与加速

Ahmed Khaled, Satyen Kale, Arthur Douillard, Chi Jin, Rob Fergus, Manzil Zaheer

机构 * Google DeepMind（谷歌DeepMind） ； Apple（苹果公司） ； Chi Jin 纠错

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

AI总结 本文研究了局部SGD中外优化器的作用，证明了调整外学习率可平衡优化误差与噪声方差，并改进收敛率。

If generative AI is the answer, what is the question?

如果生成式AI是答案，那么问题又是什么？

Ambuj Tewari

机构 * University of Michigan（密歇根大学） 纠错

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

AI总结 本文探讨生成式AI的基础，分析其与预测、压缩和决策的关系，并介绍生成模型家族及社会负责任生成的关键问题。

Comments To appear as a book chapter in a Springer book titled "Statistical Foundations and Applications of Artificial Intelligence, Machine Learning and Deep Learning" and edited by S. Ejaz Ahmed, Pierre Alquier, Yi Li, Shuangge Ma

DuetSVG: Unified Multimodal SVG Generation with Internal Visual Guidance

DuetSVG：基于内部视觉引导的统一多模态SVG生成

Peiying Zhang, Nanxuan Zhao, Matthew Fisher, Yiran Xu, Jing Liao, Difan Liu

机构 * City University of Hong Kong（香港城市大学） ； Adobe Research（Adobe研究院） 纠错

专题命中 效率与部署 ：language model(abstract)

AI总结 DuetSVG通过端到端生成图像和SVG标记，结合内部视觉引导提升SVG生成质量，实现视觉忠实与语义一致的统一多模态生成。

Comments Project page: https://intchous.github.io/DuetSVG-site

Geo6DPose: Fast Zero-Shot 6D Object Pose Estimation via Geometry-Filtered Feature Matching

Geo6DPose：通过几何过滤特征匹配实现快速零样本6D物体姿态估计

Javier Villena Toro, Mehdi Tarkian

机构 * Linköping University（利乌普斯大学） 纠错

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

AI总结 Geo6DPose通过几何过滤特征匹配实现快速零样本6D姿态估计，无需训练或网络访问，具备高效推理与高鲁棒性。

ESS: An Offload-Centric Latent-Cache Management Architecture for DeepSeek-V3.2-Exp

ESS: 一种面向DeepSeek-V3.2-Exp的卸载导向型潜在缓存管理架构

Xinhang Chen, Chao Zhang, Jiahuan He, Wei Liu, Jianming Zhang, Wenlong Zhou, Xiao Li, Pai Zeng, Shiyong Li, Yuanpan Qian, Dong Li, Zhaogeng Li

专题命中 效率与部署 ：LLM(abstract)

AI总结 ESS通过卸载潜在缓存到CPU内存，缓解了DeepSeek-V3.2-Exp中解离阶段的性能瓶颈，提升了大上下文推理任务的吞吐量。

Detailed balance in large language model-driven agents

大语言模型驱动代理中的详尽平衡

Zhuo-Yang Song, Qing-Hong Cao, Ming-xing Luo, Hua Xing Zhu

机构 * School of Physics, Peking University, Beijing 100871, China（物理系，北京大学，北京） ； Center for High Energy Physics, Peking University, Beijing 100871, China（高能物理中心，北京大学，北京） ； Beijing Computational Science Research Center, Beijing 100193, China（北京计算科学研究院，北京） 纠错

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

AI总结 本文提出基于最小作用原理的方法，发现LLM生成中存在详尽平衡，揭示LLM生成可能通过隐式学习潜在函数而非显式规则集。

Comments 20 pages, 12 figures, 5 tables

Large Language Models for Superconductor Discovery

大型语言模型用于超导体发现

Suman Itani, Yibo Zhang, Ranjit Itani, Jiadong Zang

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

AI总结 本文利用大型语言模型构建超导体数据库并实现反向设计，通过微调模型在超导体分类和预测中取得优于传统方法的性能。

Comments 15 pages, 6 figures

Enhancing Large Language Models with Domain-Specific Knowledge: The Case in Topological Materials

通过领域特定知识增强大型语言模型：拓扑材料案例

HuangChao Xu, Baohua Zhang, Zhong Jin, Tiannian Zhu, Quansheng Wu, Hongming Weng

机构 * Computer Network Information Center, Chinese Academy of Sciences（中国科学院计算机网络信息中心） ； University of Chinese Academy of Sciences（中国科学院大学） ； Institute of Physics, Chinese Academy of Sciences（中国科学院物理研究所） 纠错

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

AI总结 本文提出通过构建材料知识图谱与提示学习，开发专用对话系统TopoChat，以提升拓扑材料领域的信息检索与知识交互能力。

LLM-Empowered Representation Learning for Emerging Item Recommendation

基于大语言模型的表示学习用于新兴物品推荐

Ziying Zhang, Quanming Yao, Yaqing Wang

机构 * Department of Electronic Engineering, Tsinghua University（清华大学电子工程系） ； Beijing Institute of Mathematical Sciences and Applications（北京数学科学研究院） 纠错

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

AI总结 本文提出EmerFlow框架，利用大语言模型生成独特嵌入，通过丰富特征、对齐空间和元学习优化，提升新兴物品推荐性能。

AutoMedic: An Automated Evaluation Framework for Clinical Conversational Agents with Medical Dataset Grounding

AutoMedic: 一种用于具有医学数据集支撑的临床对话代理的自动化评估框架

Gyutaek Oh, Sangjoon Park, Byung-Hoon Kim

机构 * Yonsei University College of Medicine（延世大学医学院） ； Yonsei Institute for Digital Health（延世大学数字健康研究所） ； Yonsei University（延世大学） ； Institute of Behavioral Sciences in Medicine（医学行为科学研究所） 纠错

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

AI总结 AutoMedic是一种基于医学数据集的自动化评估框架，用于评估临床对话代理的多方面性能，包括准确性、效率、同理心和鲁棒性。

CIEGAD: Cluster-Conditioned Interpolative and Extrapolative Framework for Geometry-Aware and Domain-Aligned Data Augmentation

CIEGAD：基于几何感知和领域对齐的数据增强的聚类条件插值与外推框架

Keito Inoshita, Xiaokang Zhou, Akira Kawai, Katsutoshi Yada

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

AI总结 CIEGAD通过聚类条件插值与外推，结合几何感知和领域对齐，有效增强数据分布外围，提升分类任务的F1和召回率。

Explain First, Trust Later: LLM-Augmented Explanations for Graph-Based Crypto Anomaly Detection

先解释，后信任：基于图的加密异常检测中的LLM增强解释

Adriana Watson, Grant Richards, Daniel Schiff

机构 * School of Engineering Technology Purdue University（工程科技学院 Purdue 大学） ； College of Liberal Arts Purdue University（文理学院 Purdue 大学） 纠错

专题命中 领域大模型 ：LLM(title)；分类 cs.AI

AI总结 本文提出利用LLM增强的图基解释方法，用于加密货币异常检测，以提高自动化检测工具的有效性和准确性。

Comments 11 pages, 5 figures. Code available at: https://github.com/awatson246/crypto-anomaly-detection-policy

LLMs in Interpreting Legal Documents

大型语言模型在解释法律文件中的应用

Simone Corbo

机构 * Simone Corbo 纠错

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

AI总结 本文研究了大型语言模型在法律文件解释中的应用，探讨了其在优化法律任务中的潜力及面临的挑战。

Natural Language Processing for the Legal Domain: A Survey of Tasks, Datasets, Models, and Challenges

法律领域自然语言处理：任务、数据集、模型与挑战的综述

Farid Ariai, Joel Mackenzie, Gianluca Demartini

机构 * The University of Queensland（昆士兰大学） 纠错

专题命中 领域大模型 ：language model(abstract)；分类 cs.CL、cs.AI

AI总结 本文综述了法律领域NLP的任务、数据集、模型及挑战，探讨了法律文本处理的独特性与现存问题，并提出了十六项开放研究挑战。

Comments 35 pages

Journal ref ACM Computing Surveys, Volume 58, Issue 6 Article No.: 163, Year: 2025, Pages 1 - 37

Semantic Reconstruction of Adversarial Plagiarism: A Context-Aware Framework for Detecting and Restoring "Tortured Phrases" in Scientific Literature

对抗性剽窃的语义重建：一种基于上下文的框架，用于检测和恢复科学文献中的‘扭曲短语’

Agniva Maiti, Prajwal Panth, Suresh Chandra Satapathy

专题命中 领域大模型 ：language model(abstract)；分类 cs.CL

AI总结 本文提出SRAP框架，通过双阶段架构检测并恢复科学文献中的对抗性剽窃，显著提升恢复准确率。

Comments 10 pages, 5 figures; unpublished manuscript; submitted to arXiv for dissemination

RAD: Towards Trustworthy Retrieval-Augmented Multi-modal Clinical Diagnosis

RAD：迈向可信的检索增强多模态临床诊断

Haolin Li, Tianjie Dai, Zhe Chen, Siyuan Du, Jiangchao Yao, Ya Zhang, Yanfeng Wang

机构 * College of Computer Science and Artificial Intelligence, Fudan University（复旦大学计算机科学与人工智能学院） ； Shanghai AI Laboratory（上海人工智能实验室） ； CMIC, Shanghai Jiao Tong University（上海交通大学计算机学院） ； School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院） ； Institute of Artificial Intelligence for Medicine, Shanghai Jiao Tong University（上海交通大学医学人工智能研究所） 纠错

专题命中 领域大模型 ：pretraining(abstract)；分类 cs.LG

AI总结 RAD通过检索增强多模态模型，提升临床诊断的可信度与准确性，实现任务特定知识的显式注入。

Comments Accepted to NeurIPS 2025

Toward Quantitative Modeling of Cybersecurity Risks Due to AI Misuse

迈向AI滥用导致网络安全风险的定量建模

Steve Barrett, Malcolm Murray, Otter Quarks, Matthew Smith, Jakub Kryś, Siméon Campos, Alejandro Tlaie Boria, Chloé Touzet, Sevan Hayrapet, Fred Heiding, Omer Nevo, Adam Swanda, Jair Aguirre, Asher Brass Gershovich, Eric Clay, Ryan Fetterman, Mario Fritz, Marc Juarez, Vasilios Mavroudis, Henry Papadatos

专题命中 领域大模型 ：LLM(abstract)

AI总结 本文提出了一种定量风险建模方法，用于分析AI滥用对网络安全的影响，通过九个详细模型评估AI对攻击效能、速度和目标覆盖的提升，并为网络安全管理提供量化决策支持。