语言大模型 / LLM

Reinforcement Learning for Large Model: A Survey

为大模型设计强化学习：综述

Weijia Wu, Chen Gao, Joya Chen, Kevin Qinghong Lin, Qingwei Meng, Yiming Zhang, Yuke Qiu, Hong Zhou, Mike Zheng Shou

机构 * National University of Singapore（新加坡国立大学） ； Zhejiang University（浙江大学） ； The Chinese University of Hong Kong（香港中文大学） 纠错

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

AI总结 本文综述了视觉强化学习领域，探讨了多模态大语言模型、视觉生成等四个主题，分析了算法设计、奖励工程及评估协议，并指出了样本效率、泛化能力等开放挑战。

Comments 22 pages

Cube Bench: A Benchmark for Spatial Visual Reasoning in MLLMs

Cube Bench: 一个用于多模态大语言模型空间视觉推理的基准测试

Dhruv Anand, Ehsan Shareghi

机构 * Department of Data Science and AI, Monash University（数据科学与人工智能系，墨尔本大学） 纠错

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

AI总结 Cube Bench通过评估多模态大语言模型在空间视觉推理中的能力，揭示了模型在复杂任务中的表现差异及自我纠正的局限性。

Comments 27 pages, 5 figures, 9 tables. Cube available at https://github.com/dana-23/cube-bench

Conditional Adversarial Fragility in Financial Machine Learning under Macroeconomic Stress

金融机器学习中宏观经济压力下的条件对抗脆弱性

Samruddhi Baviskar

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

AI总结 本研究探讨了金融机器学习中宏观经济压力对对抗鲁棒性的影响，发现压力环境下模型对抗脆弱性显著增加，提出基于制度意识的评估框架及解释性治理层。

Adaptive Information Routing for Multimodal Time Series Forecasting

自适应信息路由用于多模态时间序列预测

Jun Seo, Hyeokjun Choe, Seohui Bae, Soyeon Park, Wonbin Ahn, Taeyoon Lim, Junhyeok Kang, Sangjun Han, Jaehoon Lee, Dongwan Kang, Minjae Kim, Sungdong Yoo, Soonyoung Lee

机构 * LG AI Research（LG人工智能研究） 纠错

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

AI总结 本文提出自适应信息路由框架，通过动态利用文本信息优化时间序列模型，提升多模态预测的准确性。

TongSIM: A General Platform for Simulating Intelligent Machines

TongSIM: 一个用于模拟智能机器的通用平台

Zhe Sun, Kunlun Wu, Chuanjian Fu, Zeming Song, Langyong Shi, Zihe Xue, Bohan Jing, Ying Yang, Xiaomeng Gao, Aijia Li, Tianyu Guo, Huiying Li, Xueyuan Yang, Rongkai Liu, Xinyi He, Yuxi Wang, Yue Li, Mingyuan Liu, Yujie Lu, Hongzhao Xie, Shiyun Zhao, Bo Dai, Wei Wang, Tao Yuan, Song-Chun Zhu, Yujia Peng, Zhenliang Zhang

机构 * State Key Laboratory of General Artificial Intelligence（通用人工智能国家重点实验室） ； BIGAI ； Beijing, China（中国北京） 纠错

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

AI总结 TongSIM是一个通用平台，用于训练和评估具身智能代理，提供多样化的场景和交互丰富的环境，支持从低级导航到高级复合活动的广泛研究需求。

Towards Natural Language-Based Document Image Retrieval: New Dataset and Benchmark

迈向基于自然语言的文档图像检索：新数据集和基准

Hao Guo, Xugong Qin, Jun Jie Ou Yang, Peng Zhang, Gangyan Zeng, Yubo Li, Hailun Lin

机构 * Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； School of Cyber Science and Engineering, Nanjing University of Science and Technology（南京理工大学 cyber 科学与工程学院） ； State Key Laboratory of Cyberspace Security Defense（网络空间安全防御国家重点实验室） ； School of Cyber Security, University of Chinese Academy of Sciences（中国科学院大学网络安全学院） ； University of Southern California（美国南加州大学） ； Laboratory for Advanced Computing and Intelligence Engineering（先进计算与智能工程实验室） 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 本文提出基于自然语言的文档图像检索基准，通过生成细粒度语义查询提升检索性能，推动视觉文档理解领域研究。

Comments CVPR 2025

QMBench: A Research Level Benchmark for Quantum Materials Research

QMBench: 量子材料研究的科研级基准

Yanzhen Wang, Yiyang Jiang, Diana Golovanova, Kamal Das, Hyeonhu Bae, Yufei Zhao, Huu-Thong Le, Abhinava Chatterjee, Yunzhe Liu, Chao-Xing Liu, Felipe H. da Jornada, Binghai Yan, Xiao-Liang Qi

机构 * Department of Materials Science and Engineering, Stanford University（斯坦福大学材料科学与工程系） ； Department of Physics, Pennsylvania State University（宾夕法尼亚州立大学物理系） ； Department of Condensed Matter Physics, Weizmann Institute of Science（魏茨曼科学研究院凝聚态物理系） ； Path Integral Technology, Inc.（路径积分技术公司） 纠错

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

AI总结 QMBench是一个用于评估大型语言模型在量子材料研究中能力的科研级基准，旨在推动人工智能科学家在该领域的发展。

Comments 20 pages, 1 figure

DramaBench: A Six-Dimensional Evaluation Framework for Drama Script Continuation

DramaBench: 一个六维评估框架用于戏剧剧本续写

Shijian Ma, Yunqi Huang, Yan Lin

机构 * University of Macau（澳门大学） ； University College London（伦敦大学学院） 纠错

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

AI总结 DramaBench是一个六维评估框架，用于评估戏剧剧本续写的能力，通过结合规则分析和大语言模型标签生成，提供客观评估并建立创意写作的标准。

Comments Project page: https://dramabench.pages.dev/

Deep Research Comparator: A Platform For Fine-grained Human Annotations of Deep Research Agents

深度研究比较器：一种用于深度研究代理细粒度人工标注的平台

Prahaladh Chandrahasan, Jiahe Jin, Zhihan Zhang, Tevin Wang, Andy Tang, Lucy Mo, Morteza Ziyadi, Leonardo F. R. Ribeiro, Zimeng Qiu, Markus Dreyer, Akari Asai, Chenyan Xiong

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Amazon（亚马逊） 纠错

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

AI总结 深度研究比较器平台通过细粒度人工标注和端到端代理框架，提升深度研究代理的评估与开发效率。

SAM Audio: Segment Anything in Audio

SAM Audio：音频中的分段任何事物

Bowen Shi, Andros Tjandra, John Hoffman, Helin Wang, Yi-Chiao Wu, Luya Gao, Julius Richter, Matt Le, Apoorv Vyas, Sanyuan Chen, Christoph Feichtenhofer, Piotr Dollár, Wei-Ning Hsu, Ann Lee

机构 * Meta Superintelligence Labs（Meta超智能实验室） 纠错

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

AI总结 SAM Audio提出了一种统一文本、视觉和时间跨度提示的通用音频分离基础模型，实现了在多种音频任务中优于现有系统的性能。

PCART: Automated Repair of Python API Parameter Compatibility Issues

PCART: 自动修复 Python API 参数兼容性问题

Shuai Zhang, Guanping Xiao, Jun Wang, Huashan Lei, Gangqiang He, Yepang Liu, Zheng Zheng

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

AI总结 PCART 是首个自动修复 Python API 参数兼容性问题的工具，通过自动化提取、仪器化、映射、评估、修复和验证，有效检测并修复多种参数变化问题。

Comments Accepted by IEEE Transactions on Software Engineering

Spatio-Temporal Graphs Beyond Grids: Benchmark for Maritime Anomaly Detection

超越网格的时空图：海上异常检测基准

Jeehong Kim, Youngseok Hwang, Minchan Kim, Sungho Bae, Hyunwoo Park

机构 * Graduate School of Data Science（数据科学研究生院） ； Seoul National University（首尔国立大学） 纠错

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

AI总结 本文提出一个用于海上异常检测的基准数据集，通过引入轨迹合成器和异常注入器，系统评估不同粒度的异常检测方法。

Comments Accepted at NeurIPS 2025 Workshop in AI for Science: The Reach and Limits of AI for Scientific Discovery

Environment Scaling for Interactive Agentic Experience Collection: A Survey

交互式代理经验收集的环境缩放：综述

Yuchen Huang, Sijia Li, Minghao Liu, Wei Liu, Shijue Huang, Zhiyuan Fan, Hou Pong Chan, Yi R. Fung

机构 * Hong Kong University of Science and Technology（香港科技大学） ； King’s College London（伦敦国王学院） ； DAMO Academy, Alibaba Group（阿里云达摩院） 纠错

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

AI总结 本文综述了交互式代理经验收集中环境缩放的方法，从环境中心视角系统回顾了任务生成、执行和反馈阶段的代表性方法，并探讨了实现框架、挑战及未来研究方向。

Comments 22 pages, 5 figures, SEA Workshop @ NeurIPS 2025

LADLE-MM: Limited Annotation based Detector with Learned Ensembles for Multimodal Misinformation

LADLE-MM：基于有限标注的多模态虚假信息检测器

Daniele Cardullo, Simone Teglia, Irene Amerini

机构 * Sapienza University of Rome（罗马萨皮恩扎大学） 纠错

专题命中 评测与基准 ：prompting(abstract)

AI总结 LADLE-MM是一种基于有限标注的多模态虚假信息检测器，通过学习的集成方法在有限资源下实现高效检测，优于现有方法。

IndicDLP: A Foundational Dataset for Multi-Lingual and Multi-Domain Document Layout Parsing

IndicDLP: 一个多语言多领域文档布局解析基础数据集

Oikantik Nath, Sahithi Kukkala, Mitesh Khapra, Ravi Kiran Sarvadevabhatla

机构 * Indian Institute of Technology, Madras, India（印度理工学院马德拉斯分校） ； International Institute of Information Technology Hyderabad, India（国际信息科技研究所海得拉巴分校） 纠错

专题命中 评测与基准 ：pretraining(abstract)

AI总结 IndicDLP是一个多语言多领域文档布局解析数据集，旨在解决现有数据集在规模、多样性和标注细粒度方面的不足，提升文档理解的效率和包容性。

Comments Accepted in ICDAR 2025 (Oral Presentation) - Best Student Paper Runner-Up Award

SE360: Semantic Edit in 360$^\circ$ Panoramas via Hierarchical Data Construction

SE360：通过分层数据构建实现360度全景图的语义编辑

Haoyi Zhong, Fang-Lue Zhang, Andrew Chalmers, Taehyun Rhee

专题命中 评测与基准 ：language model(abstract)

AI总结 SE360通过分层数据构建实现360度全景图的语义编辑，提出自主数据生成管道和两阶段数据精修策略，提升编辑质量和语义准确性。

Drifting Away from Truth: GenAI-Driven News Diversity Challenges LVLM-Based Misinformation Detection

远离真相：生成式AI驱动的新闻多样性对基于LVLM的虚假信息检测的挑战

Fanxiao Li, Jiaying Wu, Tingchao Fu, Yunyun Dong, Bingbing Song, Wei Zhou

专题命中 评测与基准 ：language model(abstract)

AI总结 本文探讨生成式AI驱动的新闻多样性对基于LVLM的虚假信息检测系统造成的挑战，通过DriftBench基准揭示了现有系统在多级漂移下的鲁棒性问题，并指出需要更稳健的解决方案。

Mixture of Experts in Large Language Models

大语言模型中的专家混合架构

Danyang Zhang, Junhao Song, Ziqian Bi, Xinyuan Song, Yingfang Yuan, Tianyang Wang, Joe Yeong, Junfeng Hao

机构 * Department of Research（研究部） ； ByteDance Inc（字节跳动公司） ； Department of CS（计算机科学系） ； Imperial College London（伦敦帝国理工学院） ； Purdue University（普渡大学） ； Emory University（埃默里大学） ； Department of Computer Science（计算机科学系） ； Heriot-Watt University（赫罗特-瓦特大学） ； AI Agent Lab（AI代理实验室） ； Vokram Group（Vokram集团） ； Department of Anatomical Pathology（解剖病理学系） ； Singapore General Hospital（新加坡中央医院） 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、cs.LG

AI总结 本文研究了大语言模型中专家混合架构的性能提升与应用挑战，分析了其核心机制与优化方法，探讨了MoE在任务特定性能和模型扩展方面的优势。

Making Large Language Models Efficient Dense Retrievers

使大语言模型成为高效密集检索器

Yibin Lei, Shwai He, Ang Li, Andrew Yates

机构 * University of Amsterdam（阿姆斯特丹大学） ； University of Maryland, College Park（马里兰大学 College Park 分校） ； Johns Hopkins University, HLTCOE（约翰霍普金斯大学 HLTCOE） 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.CL

AI总结 EffiR通过粗到细的MLP压缩策略和检索特定微调，使大语言模型在保持性能的同时显著减少模型大小和推理成本。

Computational Basis of LLM's Decision Making in Social Simulation

大语言模型在社会模拟中的决策机制计算基础

Ji Ma

机构 * LBJ School of Public Affairs, University of Texas at Austin（德克萨斯大学奥斯汀分校公共事务学院LBJ学院） ； Gradel Institute of Charity, New College, University of Oxford（牛津大学格拉德尔慈善研究所） 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 本研究通过独裁者游戏探索LLM内部表示的变量变化，揭示社会概念在Transformer模型中的编码机制，为社会模拟和AI对齐提供新方法。

Comments Forthcoming: Sociological Methodology; USPTO patent pending

Journal ref Sociological Methodology, 2025

GenEnv: Difficulty-Aligned Co-Evolution Between LLM Agents and Environment Simulators

GenEnv：LLM代理与环境模拟器之间的难度对齐共进化

Jiacheng Guo, Ling Yang, Peter Chen, Qixin Xiao, Yinjie Wang, Xinzhe Juan, Jiahao Qiu, Ke Shen, Mengdi Wang

机构 * Princeton University（普林斯顿大学） ； Columbia University（哥伦比亚大学） ； University of Michigan（密歇根大学） ； University of Chicago（芝加哥大学） 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

AI总结 GenEnv通过动态生成任务与代理能力对齐的共进化机制，在减少数据使用量的同时显著提升代理性能。

Comments Our codes are available at https://github.com/Gen-Verse/GenEnv

Efficient Low Rank Attention for Long-Context Inference in Large Language Models

高效低秩注意力用于大语言模型长上下文推断

Tenghui Li, Guoxu Zhou, Xuyang Zhao, Yuning Qiu, Qibin Zhao

机构 * Guangdong University of Technology（广东工业大学） ； RIKEN AIP（理化学研究所AIP） ； Key Laboratory of Intelligent Detection and the Internet of Things in Manufacturing, Ministry of Education, Guangzhou, CHINA（教育部智能制造智能化检测与物联网重点实验室） ； RIKEN iTHEMS（理化学研究所iTHEMS） ； RIKEN IMS（理化学研究所IMS） ； Chiba University（千叶大学） 纠错

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

AI总结 LRQK通过低秩分解和混合缓存机制，实现大语言模型长上下文推断中的高效低秩注意力，减少内存使用并保持高精度。

Comments https://neurips.cc/virtual/2025/loc/san-diego/poster/118451

Journal ref 39th Conference on Neural Information Processing Systems (NeurIPS 2025)

LLM-Based Authoring of Agent-Based Narratives through Scene Descriptions

基于大语言模型的通过场景描述生成基于代理的叙事

Vinayak Regmi, Christos Mousas

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

AI总结 本文提出了一种基于大语言模型生成基于代理的叙事的系统，通过场景描述自动生成代理行为并支持动态交互。

SoK: Are Watermarks in LLMs Ready for Deployment?

SoK: LLMs中的水印是否已准备好部署？

Kieu Dang, Phung Lai, NhatHai Phan, Yelong Shen, Ruoming Jin, Abdallah Khreishah, My T. Thai

机构 * SUNY-Albany（SUNY-阿尔巴尼） ； New Jersey Institute of Technology（新泽西理工学院） ； Microsoft（微软） ； Kent State University（肯特州立大学） ； University of Florida（佛罗里达大学） 纠错

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

AI总结 本文系统分析了LLMs中水印技术的现状，揭示了其在安全性和实用性上的挑战，并提出改进方向。

Predictive-LoRA: A Proactive and Fragmentation-Aware Serverless Inference System for LLMs

Predictive-LoRA: 一种面向大语言模型的前瞻性且内存感知的无服务器推理系统

Yinan Ni, Xiao Yang, Yuqi Tang, Zhimin Qiu, Chen Wang, Tingzhou Yuan

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

AI总结 Predictive-LoRA通过前瞻性适配器预取和内存管理机制，显著降低LLM推理的冷启动延迟和内存碎片化问题，提升吞吐量和效率。

ActionFlow: A Pipelined Action Acceleration for Vision Language Models on Edge

ActionFlow：面向边缘设备的视觉语言模型流水线动作加速

Yuntao Dai, Hang Gu, Teng Wang, Qianyu Cheng, Yifei Zheng, Zhiyong Qiu, Lei Gong, Wenqi Lou, Xuehai Zhou

机构 * School of Computer Science and Technology, University of Science and Technology of China（计算机科学与技术学院，中国科学技术大学） ； Suzhou Institute for Advanced Research, University of Science and Technology of China（苏州市先进研究院，中国科学技术大学） ； IEIT SYSTEMS Co., Ltd.（IEIT SYSTEMS公司） 纠错

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

AI总结 ActionFlow通过跨请求流水线策略提升边缘设备上VLA模型的推理速度，实现2.55倍的FPS提升，无需重新训练。

Fine-Tuned In-Context Learners for Efficient Adaptation

针对特定下游任务的微调上下文学习者

Jorg Bornschein, Clare Lyle, Yazhe Li, Amal Rannen-Triki, Xu Owen He, Razvan Pascanu

机构 * Google DeepMind（谷歌DeepMind） ； Microsoft AI（微软AI） 纠错

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

AI总结 本文提出了一种结合上下文学习与微调的方法，通过在任务数据中加入上下文示例，提升模型在低数据环境下的适应性能。

Insights into DeepSeek-V3: Scaling Challenges and Reflections on Hardware for AI Architectures

深入探讨DeepSeek-V3：扩展挑战与人工智能架构的硬件反思

Chenggang Zhao, Chengqi Deng, Chong Ruan, Damai Dai, Huazuo Gao, Jiashi Li, Liyue Zhang, Panpan Huang, Shangyan Zhou, Shirong Ma, Wenfeng Liang, Ying He, Yuqing Wang, Yuxuan Liu, Y. X. Wei

机构 * DeepSeek-AI（深Seek人工智能） 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 DeepSeek-V3通过硬件感知的模型协同设计，解决了大规模LLM扩展中的硬件限制，展示了内存效率、计算优化和网络拓扑改进的创新方法。

Comments This is the author's version of the work. It is posted here for your personal use. Not for redistribution. The definitive version appeared as part of the Industry Track in Proceedings of the 52nd Annual International Symposium on Computer Architecture (ISCA '25)

Journal ref Proceedings of the 52nd Annual International Symposium on Computer Architecture (ISCA '25), June 2025

Optimistic TEE-Rollups: A Hybrid Architecture for Scalable and Verifiable Generative AI Inference on Blockchain

乐观TEE-rollups：一种混合架构，用于在区块链上可扩展且可验证的生成AI推理

Aaron Chan, Alex Ding, Frank Chen, Alan Wu, Bruce Zhang, Arther Tian

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

AI总结 本文提出OTR，一种混合验证协议，通过结合可信执行环境和乐观欺诈证明，实现区块链上高吞吐量、低延迟且可验证的生成AI推理。

HeadHunt-VAD: Hunting Robust Anomaly-Sensitive Heads in MLLM for Tuning-Free Video Anomaly Detection

HeadHunt-VAD: 在MLLM中寻找鲁棒的异常敏感头部以实现无调优视频异常检测

Zhaolin Cai, Fan Li, Ziwei Zheng, Haixia Bi, Lijun He

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

AI总结 HeadHunt-VAD通过直接在冻结的MLLM中寻找鲁棒的异常敏感头部，实现高效的无调优视频异常检测。

Comments AAAI 2026 Oral