语言大模型 / LLM

GroupDebate: Enhancing the Efficiency of Multi-Agent Debate Using Group Discussion

GroupDebate: 通过群体讨论提升多智能体辩论效率

Tongxuan Liu, Xingyu Wang, Weizhe Huang, Wenjiang Xu, Yuting Zeng, Lei Jiang, Hailong Yang, Jing Li

机构 * University of Science and Technology of China（中国科学技术大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Beihang University（北航） 纠错

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

AI总结 本文提出GroupDebate方法，通过将智能体划分为小组并共享中间结果，减少多智能体辩论的token成本，提升效率和准确性。

Comments Accepted by AAMAS 2026

Analyzing Code Injection Attacks on LLM-based Multi-Agent Systems in Software Development

分析基于大语言模型的多智能体系统在软件开发中的代码注入攻击

Brian Bowers, Smita Khapre, Jugal Kalita

专题命中 效率与部署 ：LLM(title)

AI总结 本文研究了基于大语言模型的多智能体系统在软件开发中的代码注入攻击问题，提出了一种更健壮的架构，并通过添加安全分析代理提升了系统的安全性和效率。

MASFIN: A Multi-Agent System for Decomposed Financial Reasoning and Forecasting

MASFIN：一种用于分解金融推理和预测的多智能体系统

Marc S. Montalvo, Hamed Yaghoobian

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

AI总结 MASFIN通过整合LLMs与结构化财务指标和非结构化新闻，提出了一种模块化的多智能体系统，以提高金融预测的透明性和可重复性，实现优于基准的短期投资回报。

Comments Accepted to the NeurIPS 2025 Workshop on Generative AI in Finance

MoRAgent: Parameter Efficient Agent Tuning with Mixture-of-Roles

MoRAgent: 基于角色混合的参数高效代理调优

Jing Han, Binwei Yan, Tianyu Guo, Zheyuan Bai, Mengyu Zheng, Hanting Chen, Ying Nie

机构 * School of Artificial Intelligence, Beijing University of Posts and Telecommunications（北京邮电大学人工智能学院） ； Huawei Noah’s Ark Lab（华为诺亚实验室） 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 MoRAgent通过角色混合框架实现参数高效代理调优，分解任务为推理、执行和总结三个角色，结合低秩适应技术提升代理性能。

Comments Accepted by ICML 2025

iSHIFT: Lightweight Slow-Fast GUI Agent with Adaptive Perception

iSHIFT: 轻量级慢-快 GUI 代理与自适应感知

Sarthak Mehrotra, Sairam V C Rebbapragada, Mani Hemanth Reddy Bonthu, Vineeth N Balasubramanian

机构 * Indian Institute of Technology, Bombay（印度理工学院，孟买） ； Indian Institute of Technology, Hyderabad（印度理工学院，海得拉巴） 纠错

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

AI总结 iSHIFT是一种轻量级GUI代理，通过慢-快混合推理和灵活标记实现高效与精确的视觉交互。

An Information Theoretic Perspective on Agentic System Design

从信息论角度看待代理系统设计

Shizhe He, Avanika Narayan, Ishan S. Khare, Scott W. Linderman, Christopher Ré, Dan Biderman

机构 * Department of Computer Science, Stanford University（斯坦福大学计算机科学系） ； Department of Statistics, Stanford University（斯坦福大学统计学系） ； Wu Tsai Neurosciences Institute, Stanford University（斯坦福大学吴泰教授神经科学研究所） 纠错

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

AI总结 从信息论角度研究代理系统设计，通过互信息估计器评估压缩质量，发现更大压缩器更准确且更高效，可显著降低资源消耗。

D2Pruner: Debiased Importance and Structural Diversity for MLLM Token Pruning

D2Pruner: 用于MLLM标记剪枝的去偏重要与结构多样性

Evelyn Zhang, Fufu Yu, Aoqi Wu, Zichen Wen, Ke Yan, Shouhong Ding, Biqing Qi, Linfeng Zhang

机构 * Tencent YouTu Lab（腾讯YouTu实验室） 纠错

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

AI总结 D2Pruner通过结合去偏重要与结构剪枝机制，有效提升MLLM标记剪枝的效率和保真度，尤其在细粒度定位任务中表现突出。

DuaDeep-SeqAffinity: Dual-Stream Deep Learning Framework for Sequence-Only Antigen-Antibody Affinity Prediction

DuaDeep-SeqAffinity：双流深度学习框架用于仅序列抗原-抗体亲和力预测

Aicha Boutorh, Soumia Bouyahiaoui, Sara Belhadj, Nour El Yakine Guendouz, Manel Kara Laouar

机构 * National School of Artificial Intelligence (ENSIA)（人工智能国家学校） 纠错

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

AI总结 DuaDeep-SeqAffinity通过双流深度学习框架，仅利用氨基酸序列预测抗原-抗体亲和力，优于现有方法并提高预测精度。

LVLM-Aided Alignment of Task-Specific Vision Models

通过大视觉语言模型辅助对齐任务特定视觉模型

Alexander Koebler, Lukas Kuhn, Ingo Thon, Florian Buettner

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

AI总结 通过大视觉语言模型辅助对齐任务特定视觉模型，提升模型与人类规范的一致性。

Accelerate Speculative Decoding with Sparse Computation in Verification

通过验证中的稀疏计算加速推测解码

Jikai Wang, Jianchao Tan, Yuxuan Hu, Jiayu Qin, Yerui Sun, Yuchen Xie, Xunliang Cai, Juntao Li, Min Zhang

机构 * Key Laboratory of Data Intelligence and Advanced Computing, Soochow University（数据智能与先进计算 key laboratory，苏州大学） 纠错

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

AI总结 本文提出了一种稀疏验证框架，通过联合稀疏化注意力、FFN和MoE组件，减少验证阶段的计算成本，并结合检索重用策略提升效率-准确性平衡。

Comments Pre-print

Multiple-play Stochastic Bandits with Prioritized Arm Capacity Sharing

多玩家随机博弈中的优先级臂容量共享

Hong Xie, Haoran Gu, Yanying Huang, Tao Tan, Defu Lian

专题命中 效率与部署 ：LLM(abstract)；分类 cs.AI

AI总结 本文提出了一种多玩家随机博弈变种，用于资源分配问题，设计了MSB-PRS-OffOpt算法以优化优先级资源共享机制下的最优播放分配策略。

Comments 17 pages

RLLaVA: An RL-central Framework for Language and Vision Assistants

RLLaVA: 一种面向语言和视觉助手的强化学习中心框架

Lei Zhao, Zihao Ma, Boyu Lin, Yuhe Liu, Wenjun Wu, Lei Huang

机构 * SKLCCSE, Institute of Artificial Intelligence, Beihang University, Beijing, China（信息与电子技术学院，人工智能研究院，北京航空航天大学，北京，中国） ； Beijing Advanced Innovation Center for Future Blockchain and Privacy Computing, Beihang University（未来区块链与隐私计算先进创新中心，北京航空航天大学） ； Hangzhou International Innovation Institute, Beihang University, Hangzhou, China（杭州国际创新研究院，北京航空航天大学，杭州，中国） 纠错

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

AI总结 RLLaVA 提出了一种强化学习中心框架，通过解耦算法逻辑与模型架构，实现高效训练和多任务扩展，提升视觉-语言模型性能。

Comments The code is available at https://github.com/TinyLoopX/RLLaVA

Hyperion: Low-Latency Ultra-HD Video Analytics via Collaborative Vision Transformer Inference

Hyperion: 通过协作视觉Transformer推理实现低延迟超高清视频分析

Linyi Jiang, Yifei Zhu, Hao Yin, Bo Li

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

AI总结 Hyperion通过协作视觉Transformer推理实现低延迟超高清视频分析，提升处理效率和准确性。

Comments Accepted for publication in IEEE INFOCOM 2026

DreaMontage: Arbitrary Frame-Guided One-Shot Video Generation

DreaMontage：任意帧引导的一次生成视频

Jiawei Liu, Junqiao Li, Jiangfan Deng, Gen Li, Siyu Zhou, Zetao Fang, Shanshan Lao, Zengde Deng, Jianing Zhu, Tingting Ma, Jiayi Li, Yunqiu Wang, Qian He, Xinglong Wu

机构 * Intelligence Creation Team, ByteDance（字节跳动智能创作团队） 纠错

专题命中 效率与部署 ：SFT(abstract)

AI总结 DreaMontage通过任意帧引导生成技术，实现高效且高质量的一次生成视频，提升电影制作的视觉表现力和内容连贯性。

Comments Project Page: https://dreamontage.github.io/DreaMontage/

Fixed-Budget Parameter-Efficient Training with Frozen Encoders Improves Multimodal Chest X-Ray Classification

固定预算参数高效训练结合冻结编码器提升多模态胸片分类

Md Ashik Khan, Md Nahid Siddique

机构 * Department of Computer Science and Engineering, Indian Institute of Technology Kharagpur, India（计算机科学与工程系，印度理工学院Kharagpur分校） ； Knight Foundation School of Computing and Information Sciences, Florida International University, Florida, USA（骑士基金会计算与信息科学学院，佛罗里达国际大学） 纠错

专题命中 效率与部署 ：language model(abstract)

AI总结 本研究通过冻结编码器的参数高效训练策略，在降低计算成本的同时提升了多模态胸片分类的性能。

Comments Accepted at the 2025 28th International Conference on Computer and Information Technology (ICCIT). 6 pages, 6 figures

LLM-I2I: Boost Your Small Item2Item Recommendation Model with Large Language Model

LLM-I2I: 通过大语言模型提升小物品到物品推荐模型

Yinfu Feng, Yanjing Wu, Rong Xiao, Xiaoyi Zen

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

AI总结 LLM-I2I通过大语言模型提升小物品到物品推荐模型的性能，缓解数据稀疏性和噪声问题，提高推荐准确性和商业价值。

Perceive and Calibrate: Analyzing and Enhancing Robustness of Medical Multi-Modal Large Language Models

感知与校准：分析和增强医疗多模态大语言模型的鲁棒性

Dunyuan XU, Xikai Yang, Yaoqian Li, Juzheng Miao, Jinpeng Li, Pheng-Ann Heng

机构 * Department of Computer Science and Engineering, CUHK, Hong Kong, China（计算机科学与工程系，CUHK，香港，中国） ； Institute of Medical Intelligence and XR, CUHK, Hong Kong, China（医学智能与XR研究所，CUHK，香港，中国） 纠错

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

AI总结 本文提出IMC框架，通过感知和校准原则提升医疗多模态大语言模型的鲁棒性，针对视觉和文本模态分别设计PDC和SMS进行噪声校正。

Selective LLM-Guided Regularization for Enhancing Recommendation Models

选择性LLM引导的正则化以增强推荐模型

Shanglin Yang, Zhan Shi

机构 * SCU（四川大学） 纠错

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 本文提出选择性LLM引导正则化方法，通过离线方式利用LLM的排序能力，提升推荐模型在冷启动和长尾场景中的表现。

Journal ref WSDM 2026 Workshop on Generative AI for Recommender Systems and Personalization

A Medical Multimodal Diagnostic Framework Integrating Vision-Language Models and Logic Tree Reasoning

一种整合视觉-语言模型和逻辑树推理的医学多模态诊断框架

Zelin Zang, Wenyi Gu, Siqi Ma, Dan Yang, Yue Shen, Zhu Zhang, Guohui Fan, Wing-Kuen Ling, Fuji Yang

机构 * Tsientang Institute of Advanced Study (TIAS)（钱塘先进研究所） ； Westlake University（西湖大学） ； Ant Group（蚂蚁集团） ； China-Japan Friendship Hospital（中日友好医院） 纠错

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

AI总结 本文提出一种整合视觉-语言模型与逻辑树推理的医学诊断框架，旨在提升多模态医学AI的可信度和可解释性。

AI Urban Scientist: Multi-Agent Collaborative Automation for Urban Research

AI城市科学家：面向城市研究的多智能体协作自动化

Tong Xia, Jiankun Zhang, Ruiwen You, Ao Xu, Linghao Zhang, Tengyao Tu, Jingzhi Wang, Jinghua Piao, Yunke Zhang, Fengli Xu, Yong Li

机构 * Vanke School of Public Health, Tsinghua University, Beijing, China（范克学校公共卫生学院，清华大学，北京，中国） ； Zhongguancun Academy, Beijing, China（中关村学院，北京，中国） ； Department of Electronic Engineering, Tsinghua University, Beijing, China（电子工程系，清华大学，北京，中国） 纠错

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

AI总结 本文提出AI城市科学家，通过多智能体协作自动化，整合异构数据生成城市研究的结构化知识，提升自主研究效率与准确性。

AInsteinBench: Benchmarking Coding Agents on Scientific Repositories

AInsteinBench：在科学仓库中评估编码代理的基准测试

Titouan Duston, Shuo Xin, Yang Sun, Daoguang Zan, Aoyan Li, Shulin Xin, Kai Shen, Yixiao Chen, Qiming Sun, Ge Zhang, Jiashuo Liu, Huan Zhou, Jingkai Liu, Zhichen Pu, Yuanheng Wang, Bo-Xuan Ge, Xin Tong, Fei Ye, Zhi-Chao Zhao, Wen-Biao Han, Zhoujian Cao, Yueran Zhao, Weiluo Ren, Qingshen Long, Yuxiao Liu, Anni Huang, Yidi Du, Yuanyuan Rong, Jiahao Peng

机构 * Princeton University（普林斯顿大学） 纠错

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

AI总结 AInsteinBench通过评估大型语言模型在科学计算开发中的能力，提供了一个基于真实科研软件生态系统的基准测试。

Query Carefully: Detecting the Unanswerables in Text-to-SQL Tasks

仔细查询：在文本到SQL任务中检测不可回答的问题

Jasmin Saxer, Isabella Maria Aigner, Luise Linzmeier, Andreas Weiler, Kurt Stockinger

机构 * Institute of Computer Science, Zurich University of Applied Sciences（计算机科学研究所，应用科学大学苏黎世） ； Institute of Medical Virology, University of Zurich（医学病毒学研究所，苏黎世大学） ； Department of Gastroenterology and Hepatology, University Hospital Zurich, University of Zurich（消化内科与肝病科，苏黎世大学医院，苏黎世大学） 纠错

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

AI总结 Query Carefully通过集成LLM生成和显式检测不可回答问题，提升生物医学领域文本到SQL的准确性和可靠性。

Comments Accepted to the HC@AIxIA + HYDRA 2025

CEMG: Collaborative-Enhanced Multimodal Generative Recommendation

CEMG: 基于协作增强的多模态生成推荐

Yuzhen Lin, Hongyi Chen, Xuanjing Chen, Shaowen Wang, Ivonne Xu, Dongming Jiang

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

AI总结 CEMG通过多模态融合层和残差量化变分自编码器，提升多模态生成推荐的性能。

SENTINEL: A Multi-Modal Early Detection Framework for Emerging Cyber Threats using Telegram

SENTINEL: 一种利用Telegram的多模态早期检测框架用于新兴网络威胁

Mohammad Hammas Saeed, Howie Huang

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

AI总结 SENTINEL通过多模态信号分析Telegram中的网络安全讨论，实现对新兴网络威胁的早期检测，F1值达0.89。

Frozen LVLMs for Micro-Video Recommendation: A Systematic Study of Feature Extraction and Fusion

冻结的大型视频语言模型用于微视频推荐：特征提取与融合的系统研究

Huatuan Sun, Yunshan Ma, Changguang Wu, Yanxin Zhang, Pengfei Wang, Xiaoyu Du

专题命中 领域大模型 ：language model(abstract)

AI总结 本文通过系统研究冻结LVLMs的特征提取与融合策略，提出DFF框架，证明中间隐藏状态优于标题表示，ID嵌入融合优于替换，并在微视频推荐中取得最佳性能。

Comments 10 pages, 4 figures

Sparsity and Superposition in Mixture of Experts

稀疏性与叠加在专家混合模型中的作用

Marmik Chaudhari, Jeremi Nuer, Rome Thorstenson

机构 * Arcadia Research Team（Arcadia研究团队） 纠错

专题命中 知识编辑与模型理解 ：large language model(abstract)；language model(abstract)；分类 cs.AI、cs.LG

AI总结 该研究探讨了混合专家模型中稀疏性和叠加的关系，发现网络稀疏性更能表征MoE，并提出了基于单语义特征表示的专家专业化定义，表明适当初始化下专家会围绕一致特征组合组织，从而提升模型可解释性而不牺牲性能。

Look Closer! An Adversarial Parametric Editing Framework for Hallucination Mitigation in VLMs

更仔细地看！一种对抗性参数编辑框架用于减轻视觉语言模型中的幻觉

Jiayu Hu, Beibei Li, Jiangwei Xia, Yanjun Qin, Bing Ji, Zhongshi He

专题命中 知识编辑与模型理解 ：LLM(abstract)；language model(abstract)；分类 cs.LG

AI总结 本文提出了一种对抗性参数编辑框架，通过激活-定位-编辑-对抗范式减轻视觉语言模型中的幻觉问题。

The Deepfake Detective: Interpreting Neural Forensics Through Sparse Features and Manifolds

深度伪造侦探：通过稀疏特征和流形进行神经取证解释

Subramanyam Sahoo, Jared Junkin

机构 * Berkeley AI Safety Initiative (BASIS) University of California, Berkeley（伯克利人工智能安全倡议（BASIS）大学伯克利） ； Department of Electrical and Computer Engineering Johns Hopkins University（电气与计算机工程系约翰霍普金斯大学） 纠错

专题命中 知识编辑与模型理解 ：language model(abstract)；分类 cs.LG

AI总结 本文提出了一种通过稀疏特征和流形分析来解释深度伪造检测模型的框架，揭示了模型内部特征的使用规律和几何属性变化，以提升模型的可解释性和鲁棒性。

Comments 10 pages, 5 figures, Initial Work

TICON: A Slide-Level Tile Contextualizer for Histopathology Representation Learning

TICON：用于病理学表示学习的滑片级上下文化器

Varun Belagali, Saarthak Kapse, Pierre Marza, Srijan Das, Zilinghan Li, Sofiène Boutaj, Pushpak Pati, Srikar Yellapragada, Tarak Nath Nandi, Ravi K Madduri, Joel Saltz, Prateek Prasanna, Stergios Christodoulidis, Maria Vakalopoulou, Dimitris Samaras

机构 * Stony Brook University（石溪大学） ； MICS, CentraleSupélec, Université Paris-Saclay（MICS、CentraleSupélec、巴黎-萨克雷大学） ； UNC Charlotte（北卡罗来纳大学夏洛特分校） ； Argonne National Laboratory（阿贡国家实验室） ； University of Chicago（芝加哥大学） ； Archimedes/Athena RC ； Independent Researcher（独立研究者） 纠错

专题命中 知识编辑与模型理解 ：foundation model(abstract)

AI总结 TICON通过统一的Transformer模型提升病理学滑片和全滑片表示学习的性能，实现多个基准的新状态-of-the-art结果。

Ensembling Multiple Hallucination Detectors Trained on VLLM Internal Representations

集成多个基于VLLM内部表示的幻觉检测器

Yuto Nakamizo, Ryuhei Miyazato, Hikaru Tanabe, Ryuta Yamakura, Kiori Hatanaka

专题命中 知识编辑与模型理解 ：LLM(abstract)

AI总结 本文提出通过集成多个基于VLLM内部表示的幻觉检测模型，以减少幻觉并提高VQA任务的准确性。

Comments 5th place solution at Meta KDD Cup 2025