语言大模型 / LLM

Software Engineering and Foundation Models: Insights from Industry Blogs Using a Jury of Foundation Models

软件工程与基础模型：基于行业博客的见解，利用基础模型的 jury

Hao Li, Cor-Paul Bezemer, Ahmed E. Hassan

机构 * Queen’s University（女王大学） ； University of Alberta（阿尔伯塔大学） 纠错

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

AI总结 本文通过分析行业博客，探讨了基础模型在软件工程中的应用与影响，提出了未来研究方向。

Comments ICSE-SEIP 2025

PD-Swap: Prefill-Decode Logic Swapping for End-to-End LLM Inference on Edge FPGAs via Dynamic Partial Reconfiguration

PD-Swap：通过动态部分重新配置实现端到端LLM推理的边缘FPGA预填解码逻辑交换

Yifan Zhang, Zhiheng Chen, Ye Qiao, Sitao Huang

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

AI总结 PD-Swap通过动态部分重新配置实现边缘FPGA上LLM推理的预填解码逻辑分离，提升吞吐量并优化资源利用。

Adaptive Soft Rolling KV Freeze with Entropy-Guided Recovery: Sublinear Memory Growth for Efficient LLM Inference

自适应软滚动KV冻结与熵引导恢复：用于高效大语言模型推理的亚线性内存增长

Adilet Metinov, Gulida M. Kudakeeva, Bolotbek uulu Nursultan, Gulnara D. Kabaeva

机构 * Institute of Information Technology（信息技术研究所） ； Kyrgyz State Technical University named after I. Razzakov（伊·拉扎科夫命名的吉尔吉斯斯坦技术大学） 纠错

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

AI总结 ASR-KF-EGR通过自适应软冻结与熵引导恢复，实现高效大语言模型推理的亚线性内存增长，减少KV缓存占用同时保持生成质量。

Comments 6 pages, 3 tables , 1 figure

From Bits to Boardrooms: A Cutting-Edge Multi-Agent LLM Framework for Business Excellence

从比特到董事会：一种面向企业卓越的多智能体大语言模型框架

Zihao Wang, Junming Zhang

机构 * College of Artificial Intelligence and Automation（人工智能与自动化学院） ； Hohai University（河海大学） 纠错

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

AI总结 BusiAgent是一种基于多智能体框架的LLM，通过整合CTMDP、熵度量和Stackelberg博弈等创新技术，提升企业决策的效率与质量。

Comments Accepted by ECAI 2025

Towards Privacy-Preserving Code Generation: Differentially Private Code Language Models

面向隐私保护的代码生成：差分隐私代码语言模型

Melih Catal, Pooja Rani, Harald C. Gall

机构 * University of Zurich（苏黎世大学） 纠错

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

AI总结 本文提出在代码语言模型中应用差分隐私以缓解记忆风险，同时保持代码生成能力，验证了DP在隐私保护中的有效性。

VFMF: World Modeling by Forecasting Vision Foundation Model Features

VFMF：通过预测视觉基础模型特征进行世界建模

Gabrijel Boduljak, Yushi Lan, Christian Rupprecht, Andrea Vedaldi

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

AI总结 本文提出了一种基于VFM特征的生成预测器，通过自回归流匹配在潜在空间中实现更准确的预测，提升世界建模的效率和效果。

Mirror Speculative Decoding: Breaking the Serial Barrier in LLM Inference

镜像推测解码：突破LLM推理中的串行壁垒

Nikhil Bhendawade, Kumari Nishu, Arnav Kundu, Chris Bartels, Minsik Cho, Irina Belousova

机构 * Apple（苹果公司） 纠错

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

AI总结 镜像推测解码通过并行异构执行和多令牌推测流式传输，突破LLM推理中的延迟-接受度权衡，实现高接受度低开销的高效推理。

HBLLM: Wavelet-Enhanced High-Fidelity 1-Bit Quantization for LLMs

HBLLM: 小波增强的高保真1位量化方法用于大语言模型

Ningning Chen, Weicai Ye, Ying Jiang

机构 * Sun Yat-sen University（中山大学） 纠错

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 HBLLM通过小波增强和结构感知分组策略，实现高保真1位量化，显著提升LLM的存储效率和量化保真度。

AgentBalance: Backbone-then-Topology Design for Cost-Effective Multi-Agent Systems under Budget Constraints

AgentBalance：在预算约束下为多智能体系统设计成本有效的Backbone-then-Topology架构

Shuowei Cai, Yansong Ning, Hao Liu

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） 纠错

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 AgentBalance通过Backbone-then-Topology设计，在预算约束下提升多智能体系统的成本效益

Leveraging LLMs for Title and Abstract Screening for Systematic Review: A Cost-Effective Dynamic Few-Shot Learning Approach

利用LLMs进行系统综述的标题和摘要筛选：一种成本效益高的动态少样本学习方法

Yun-Chung Liu, Rui Yang, Jonathan Chong Kai Liew, Ziran Yin, Henry Foote, Christopher J. Lindsell, Chuan Hong

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

AI总结 本文提出一种动态少样本学习方法，利用低成本和高性能LLM进行系统综述的标题和摘要筛选，以提高效率并降低成本。

Comments 22 pages, 3 figures

Text2Graph: Combining Lightweight LLMs and GNNs for Efficient Text Classification in Label-Scarce Scenarios

Text2Graph：结合轻量级LLM和GNN用于标签稀缺场景中的高效文本分类

João Lucas Luz Lima Sarcinelli, Ricardo Marcondes Marcacini

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 Text2Graph通过结合轻量级LLM和GNN，为标签稀缺场景提供高效的文本分类方法，兼顾性能与可持续性。

Network and Compiler Optimizations for Efficient Linear Algebra Kernels in Private Transformer Inference

用于私有Transformer推理的网络和编译器优化以提高线性代数内核效率

Karthik Garimella, Negar Neda, Austin Ebel, Nandan Kumar Jha, Brandon Reagen

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

AI总结 本研究通过网络和编译器优化提升FHE环境下Transformer推理的效率，发现BSGS方法比打包行方法快13.7倍，并通过剪枝策略减少FHE运行时间11.46倍。

Comments 10 pages, 6 figures

Super Suffixes: Bypassing Text Generation Alignment and Guard Models Simultaneously

超后缀：同时绕过文本生成对齐和防护模型

Andrew Adiletta, Kathryn Adiletta, Kemal Derya, Berk Sunar

机构 * MITRE（MITRE公司） ； Worcester Polytechnic Institute（沃斯顿理工学院） 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 本文提出超后缀技术，通过联合优化绕过Llama Prompt Guard 2，同时提出DeltaGuard检测方法提升对抗性提示防御效果。

Comments 13 pages, 5 Figures

Speculative Decoding Speed-of-Light: Optimal Lower Bounds via Branching Random Walks

投机解码速度光速：通过分支随机游走建立最优下界

Sergey Pankratov, Dan Alistarh

机构 * ISTA ； Red Hat AI（红帽AI） 纠错

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

AI总结 通过分支随机游走分析，研究确定了投机解码算法的最优运行时间下界，并通过实验验证了理论结果的实用性。

Say it or AI it: Evaluating Hands-Free Text Correction in Virtual Reality

说它或AI它：评估虚拟现实中的无手文本校正

Ziming Li, Joffrey Guilmet, Suzanne Sorli, Hai-Ning Liang, Diego Monteiro

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

AI总结 本文探讨了在虚拟现实中无手文本校正中AI相较于语音输入的可用性和效率。

Agentic Operator Generation for ML ASICs

面向ML ASICs的代理操作生成

Alec M. Hammond, Aram Markosyan, Aman Dontula, Simon Mahns, Zacharias Fisches, Dmitrii Pedchenko, Keyur Muzumdar, Natacha Supper, Mark Saroufim, Joe Isaacson, Laura Wang, Warren Hunt, Kaustubh Gondkar, Roman Levenstein, Gabriel Synnaeve, Richard Li, Jacob Kahn, Ajit Mathews

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

AI总结 TritorX通过代理AI系统生成适用于新兴加速器平台的PyTorch ATen内核，强调覆盖范围和正确性，成功生成481个内核并通过测试。

Towards Practical Multi-label Causal Discovery in High-Dimensional Event Sequences via One-Shot Graph Aggregation

通过一次图聚合实现高维事件序列中实用的多标签因果发现

Hugo Math, Rainer Lienhart

机构 * BMW Group（宝马集团） ； Chair for Machine Learning and Computer Vision, Augsburg University（机器学习与计算机视觉主任，艾尔堡大学） 纠错

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

AI总结 CARGO通过一次图聚合方法，在高维事件序列中实现高效的多标签因果发现，适用于医疗和车辆诊断等复杂场景。

Comments Accepted at NeurIPS2025 Workshop on Structured Probabilistic Inference and Generative Modeling

Idea-Gated Transformers: Enforcing Semantic Coherence via Differentiable Vocabulary Pruning

Idea-Gated Transformers: 通过可微分词汇修剪强制语义一致性

Darshan Fofadiya

机构 * Darshan Fofadiya（独立研究者） 纠错

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

AI总结 Idea-Gated Transformers通过可微分词汇修剪机制，实现语义一致性，提升语言模型的领域保留能力与生成可控性。

Comments Code available at https://github.com/DarshanFofadiya/idea-gated-transformers/tree/main

PUMA: Discovery of Protein Units via Mutation-Aware Merging

PUMA：通过突变感知合并发现蛋白质单元

Burak Suyunu, Özdeniz Dolu, Ibukunoluwa Abigail Olaosebikan, Hacer Karatas Bristow, Arzucan Özgür

机构 * Department of Computer Engineering, Boğaziçi University（计算机工程系，博雅大学） ； C. Eugene Bennett Department of Chemistry, West Virginia University（C. Eugene Bennett化学系，西弗吉尼亚大学） ； Department of Pharmaceutical Chemistry, Istanbul Medipol University, Faculty of Pharmacy（药学系，伊斯坦布尔Medipol大学） ； Istanbul Medipol University, Research Institute for Health Sciences and Technologies (SABITA)（伊斯坦布尔Medipol大学，健康科学与技术研究所） 纠错

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

AI总结 PUMA通过突变感知合并算法发现具有进化意义的蛋白质单元，构建了基于进化关系的谱系结构，为理解生命语言提供结构化方法。

Comments 18 pages, 12 figures, 1 table, 1 algorithm

Aragog: Just-in-Time Model Routing for Scalable Serving of Agentic Workflows

Aragog: 为可扩展的代理工作流服务的即时模型路由

Yinwei Dai, Zhuofu Chen, Anand Iyer, Ravi Netravali

专题命中 效率与部署 ：LLM(abstract)

AI总结 Aragog通过动态配置调整提升工作流服务吞吐量和降低延迟，保持准确性。

Osprey: Production-Ready Agentic AI for Safety-Critical Control Systems

Osprey：面向安全关键控制系统的生产级代理AI

Thorsten Hellert, João Montenegro, Antonin Sulc

专题命中 效率与部署 ：language model(abstract)

AI总结 Osprey通过四种机制解决安全关键控制系统的协调与安全问题，展示在先进光源中的生产应用。

Few-Shot Learning from Gigapixel Images via Hierarchical Vision-Language Alignment and Modeling

通过层次化视觉-语言对齐和建模实现高像素图像的少样本学习

Bryan Wong, Jong Woo Kim, Huazhu Fu, Mun Yong Yi

机构 * KAIST（韩国科学技术院） ； IHPC, A*STAR（A*STAR研究院） 纠错

专题命中 效率与部署 ：language model(abstract)

AI总结 HiVE-MIL通过层次化视觉-语言对齐和建模，提升高像素图像的少样本学习性能，实现4.1%的宏F1提升。

Comments Accepted at NeurIPS 2025

MedBioRAG: Semantic Search and Retrieval-Augmented Generation with Large Language Models for Medical and Biological QA

MedBioRAG: 基于大语言模型的语义搜索与检索增强生成用于医学和生物学问答

Seonok Kim

机构 * Seonok Kim（独立研究者） 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.CL、cs.AI

AI总结 MedBioRAG通过结合语义搜索、文档检索和监督微调，提升医学和生物学问答任务的性能。

Comments Submitted to ACL 2025. 9 pages, 4 figures, 5 tables (including 2 appendix tables)

AI-MASLD Metabolic Dysfunction and Information Steatosis of Large Language Models in Unstructured Clinical Narratives

AI-MASLD 大语言模型在无结构临床叙述中的代谢功能障碍与信息脂肪变

Yuan Shen, Xiaojun Wu, Linghua Yu

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

AI总结 本研究首次实证表明大语言模型在处理临床信息时表现出类似代谢功能障碍的特征，提出AI-MASLD概念，强调需在人类监督下使用LLMs作为辅助工具。

Comments 47 pages, 2 figures

CP-Env: Evaluating Large Language Models on Clinical Pathways in a Controllable Hospital Environment

CP-Env：在可控医院环境中评估大型语言模型在临床路径中的表现

Yakun Zhu, Zhongzhen Huang, Qianhan Feng, Linjie Mu, Yannian Gu, Shaoting Zhang, Qi Dou, Xiaofan Zhang

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） ； The Chinese University of Hong Kong（香港中文大学） ； SenseTime Research（商汤科技研究院） 纠错

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

AI总结 CP-Env通过可控医院环境评估大型语言模型在复杂临床路径中的表现，揭示其在决策和伦理方面的挑战，并推动医疗AI的发展。

ProEx: A Unified Framework Leveraging Large Language Model with Profile Extrapolation for Recommendation

ProEx：一种利用大语言模型与特征外推的统一框架用于推荐

Yi Zhang, Yiwen Zhang, Yu Wang, Tong Chen, Hongzhi Yin

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

AI总结 ProEx通过多维度资料外推提升推荐系统性能，利用链式推理构建多样化的用户和物品资料，以增强推荐效果。

Comments Accepted by KDD 2026 (First Cycle)

Visualizing token importance for black-box language models

对黑盒语言模型的令牌重要性可视化

Paulius Rauba, Qiyao Wei, Mihaela van der Schaar

机构 * University of Cambridge（剑桥大学） 纠错

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

AI总结 本文提出DBSA方法，用于可视化黑盒语言模型中各输入令牌的重要性，以评估模型输出对输入的依赖性。

Journal ref Proceedings of the 28th International Conference on Artifi- cial Intelligence and Statistics (AISTATS) 2025, Mai Khao, Thailand. PMLR: Volume 258

From Verification Burden to Trusted Collaboration: Design Goals for LLM-Assisted Literature Reviews

从验证负担到可信协作：LLM辅助文献综述的设计目标

Brenda Nogueira, Werner Geyer, Andrew Anderson, Toby Jia-Jun Li, Dongwhi Kim, Nuno Moniz, Nitesh V. Chawla

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

AI总结 本文针对LLM辅助文献综述中的信任和协作问题，提出六个设计目标和框架，通过可视化、验证和反馈对齐提升可信度与协作效率。

Building Patient Journeys in Hebrew: A Language Model for Clinical Timeline Extraction

用希伯来语构建患者旅程：一种用于临床时间线提取的语言模型

Kai Golan Hashiloni, Brenda Kasabe Nokai, Michal Shevach, Esthy Shemesh, Ronit Bartin, Anna Bergrin, Liran Harel, Nachum Dershowitz, Liat Nadai Arad, Kfir Bar

机构 * Efi Arazi School of Computer Science, Reichman University, Herzilya, Israel（Reichman大学埃菲·阿拉兹计算机科学学院） ； Tel Aviv Sourasky Medical Center, Israel（特拉维夫 Sourasky 医院） ； School of Computer Science and AI, Tel Aviv University, Israel（特拉维夫大学计算机科学与人工智能学院） 纠错

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

AI总结 本文提出一种希伯来语医学语言模型，用于从电子健康记录中提取结构化临床时间线，以构建患者旅程，并通过两个新数据集验证了其有效性。

Comments In Proceedings of the Workshop on Large Language Models and Generative AI for Health Informatics 2025, IJCAI 2025, Montreal, Canada

amc: The Automated Mission Classifier for Telescope Bibliographies

amc：望远镜文献的自动任务分类器

John F. Wu, Joshua E. G. Peek, Sophie J. Miller, Jenny Novacescu, Achu J. Usha, Christopher A. Wilkinson

机构 * Space Telescope Science Institute（空间望远镜科学研究所） 纠错

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

AI总结 amc利用大型语言模型自动分类望远镜文献，有效提升天文文献处理效率，适用于历史数据检查与标签错误识别。

Comments Accepted to IJCNLP-AACL WASP 2025 workshop. Code available at: https://github.com/jwuphysics/automated-mission-classifier