Learning Spatial Decay for Vision Transformers
学习空间衰减以用于视觉变换器
专题命中 其他LLM ：large language model(abstract)；language model(abstract)
AI总结 本文提出空间衰减变换器（SDT），通过引入上下文感知门控机制，学习动态数据依赖的空间衰减，提升视觉变换器在空间结构化任务中的性能。
Comments AAAI 2026
AI 大模型
语言大模型 / LLM
大语言模型、预训练、指令微调、后训练和语言模型应用。
1. 其他LLM 20 篇
Forecasting in Offline Reinforcement Learning for Non-stationary Environments
非平稳环境下的离线强化学习预测
机构 * Bogazici University（博科西大学） ； University of Tübingen（图宾根大学） ； Ozyegin University（奥祖根大学） ； Osaka University（大阪大学）
专题命中 其他LLM ：foundation model(abstract)；分类 cs.AI、cs.LG
AI总结 非平稳环境下的离线强化学习预测框架FORL，通过结合条件扩散和零样本时间序列模型，提升智能体在非平稳环境中的鲁棒性与性能。
Comments The Thirty-Ninth Annual Conference on Neural Information Processing Systems, NeurIPS 2025
On the Role of Discreteness in Diffusion LLMs
扩散语言模型中离散性的作用
机构 * MiroMind AI ； Nanyang Technological University（南洋理工大学）
专题命中 其他LLM ：language model(abstract)；分类 cs.CL
AI总结 本文探讨了扩散语言模型中离散性的重要性，指出现有方法在结构权衡上的不足，并提出了更符合文本结构的扩散过程改进方向。
Iterative Multilingual Spectral Attribute Erasure
迭代多语言光谱属性擦除
机构 * University of Cambridge（剑桥大学） ； University of Edinburgh（爱丁堡大学） ； NVIDIA Research（NVIDIA研究）
专题命中 其他LLM ：language model(abstract)；分类 cs.CL
AI总结 IMSAE通过迭代SVD截断在多语言中减轻联合偏见子空间，优于传统单语言和跨语言去偏方法。
Comments Accepted to the main conference of EMNLP 2025
