语言大模型 / LLM

Estimating problem difficulty without ground truth using Large Language Model comparisons

无需真实数据即可利用大语言模型比较估计问题难度

Marthe Ballon, Andres Algaba, Brecht Verbeken, Vincent Ginis

专题命中 预训练与数据 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出LLM compare方法，通过大语言模型的成对比较估计问题难度，克服传统方法在分布外问题上的局限性，具有高一致性与鲁棒性。

Comments 19 pages, 10 figures

Verification-Guided Context Optimization for Tool Calling via Hierarchical LLMs-as-Editors

通过分层大语言模型作为编辑器进行工具调用的验证引导上下文优化

Henger Li, Shuangjie You, Flavio Di Palo, Yiyue Qian, Ayush Jain

专题命中 预训练与数据 ：LLM(abstract)；large language model(abstract)；language model(abstract)；pretraining(abstract)

AI总结 通过分层LLM作为编辑器，验证引导上下文优化提升工具调用的准确性和泛化能力。

Comments Accepted by AAAI 2026 Workshop on Agentic AI Benchmarks and Applications for Enterprise Tasks

ExpShield: Safeguarding Web Text from Unauthorized Crawling and LLM Exploitation

ExpShield: 保护网络文本免受未经授权的爬虫和大语言模型利用

Ruixuan Liu, Toan Tran, Tianhao Wang, Hongsheng Hu, Shuo Wang, Li Xiong

专题命中 预训练与数据 ：LLM(title)；large language model(abstract)；language model(abstract)

AI总结 ExpShield通过不可见扰动减轻大语言模型对网络文本的记忆化，同时保持可读性，并通过实例利用指标和优化方法有效防御数据泄露风险。

Comments 18 pages

C-ing Clearly: Enhanced Binary Code Explanations using C code

C-ing Clearly: 通过C代码增强二进制代码解释

Teodor Poncu, Ioana Pintilie, Marius Dragoi, Dragos Tantaru, Florin Brad

专题命中 预训练与数据 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.CL、cs.LG

AI总结 通过生成C代码数据提升LLM对汇编语言的理解，改进二进制代码摘要和漏洞检测性能。

Comments 18 pages, 5 figures

Two CFG Nahuatl for automatic corpora expansion

两种CFG用于自动语料库扩展

Juan-José Guzmán-Landa, Juan-Manuel Torres-Moreno, Miguel Figueroa-Saavedra, Ligia Quintana-Torres, Graham Ranger Martha-Lorena Avendaño-Garrido

机构 * Laboratoire Informatique d’Avignon（阿维尼翁信息实验室） ； Laboratoire Identités Culturelles, Textes et Théâtralité Avignon Université（阿维尼翁文化身份、文本与戏剧性实验室） ； Instituto de Investigaciones en Educación（教育研究 institute） ； Facultad de Matemáticas Universidad Veracruzana（韦拉克鲁斯大学数学学院） 纠错

专题命中 预训练与数据 ：large language model(abstract)；language model(abstract)；分类 cs.CL

AI总结 本文提出两种CFG用于扩展纳瓦特语语料库，以生成合成句子并提升嵌入学习效果。

Comments 15 pages, 5 figures, 8 tables

Exo2Ego: Exocentric Knowledge Guided MLLM for Egocentric Video Understanding

Exo2Ego：基于外部知识引导的多模态大语言模型用于第一人称视频理解

Haoyu Zhang, Qiaohui Chu, Meng Liu, Haoxiang Shi, Yaowei Wang, Liqiang Nie

专题命中 预训练与数据 ：large language model(abstract)；language model(abstract)

AI总结 Exo2Ego通过迁移学习提升内向视频理解能力，利用外向知识增强模型性能。

Comments This paper is accepted by AAAI 2026

MFGDiffusion: Mask-Guided Smoke Synthesis for Enhanced Forest Fire Detection

MFGDiffusion：基于掩码的烟雾合成以提升森林火灾检测

Guanghao Wu, Yunqing Shang, Chen Xu, Hai Song, Chong Wang, Qixing Zhang

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

专题命中 预训练与数据 ：large language model(abstract)；language model(abstract)

AI总结 MFGDiffusion通过掩码引导的烟雾合成提升森林火灾检测性能

Comments 14 pages, 11 figures

Towards Nepali-language LLMs: Efficient GPT training with a Nepali BPE tokenizer

面向尼泊尔语的大规模语言模型：基于GPT-3的高效训练方法

Adarsha Shrestha, Basanta Pokharel, Binit Shrestha, Smriti Adhikari, Dinesh Gothe

机构 * Khwopa College of Engineering（科瓦普学院工程学院） 纠错

专题命中 预训练与数据 ：language model(abstract)；分类 cs.CL、cs.AI

AI总结 本研究提出基于GPT-2的尼泊尔语模型，通过优化学习率调度、批量扩展和架构改进，结合定制BPE分词器和FlashAttention，实现高效训练并生成连贯的尼泊尔新闻文本。

Comments Work in progress

IdealTSF: Can Non-Ideal Data Contribute to Enhancing the Performance of Time Series Forecasting Models?

IdealTSF: 非理想数据能否提升时间序列预测模型的性能？

Hua Wang, Jinghao Lu, Fan Zhang

专题命中 预训练与数据 ：pretraining(abstract)；分类 cs.AI、cs.LG

AI总结 IdealTSF通过整合理想正负样本提升时间序列预测性能，利用非理想数据增强模型表现。

Comments Accepted at AAAI 2026

SuperCLIP: CLIP with Simple Classification Supervision

SuperCLIP：带有简单分类监督的CLIP

Weiheng Zhao, Zilong Huang, Jiashi Feng, Xinggang Wang

机构 * School of EIC, Huazhong University of Science and Technology（华中科技大学电子与信息学院） ； ByteDance（字节跳动） 纠错

专题命中 预训练与数据 ：pretraining(abstract)

AI总结 SuperCLIP通过添加轻量级分类监督提升CLIP的细粒度视觉-文本对齐能力，有效提升零样本分类和检索性能。

Comments Accepted by NeurIPS 2025. Code: https://github.com/hustvl/SuperCLIP

FutrTrack: A Camera-LiDAR Fusion Transformer for 3D Multiple Object Tracking

FutrTrack: 一种基于相机与激光雷达融合的变压器用于三维多目标跟踪

Martha Teiko Teye, Ori Maoz, Matthias Rottmann

机构 * University of Wuppertal（乌珀塔尔大学） ； Institute of Computer Science, Osnabrück University（计算机科学研究所，奥斯纳布鲁克大学） 纠错

专题命中 预训练与数据 ：pretraining(abstract)

AI总结 FutrTrack通过融合相机与激光雷达数据，利用基于变压器的跟踪框架，在多目标跟踪中实现了高效且鲁棒的跟踪性能。

Comments Accepted to VISAPP 2026