语言大模型 / LLM

ConMax: Confidence-Maximizing Compression for Efficient Chain-of-Thought Reasoning

ConMax：用于高效思维链推理的置信度最大化压缩

Minda Hu, Zexuan Qiu, Zenan Xu, Kun Li, Bo Zhou, Irwin King

机构 * The Chinese University of Hong Kong（香港中文大学） ； LLM Department, Tencent（腾讯机器学习部门） 纠错

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

AI总结 ConMax通过强化学习框架在保持推理模式的同时，高效压缩推理轨迹，提升大规模推理模型的效率与性能

Defense Against Indirect Prompt Injection via Tool Result Parsing

通过工具结果解析防御间接提示注入

Qiang Yu, Xinran Cheng, Chuanyi Liu

机构 * Harbin Institute of Technology（哈尔滨工业大学） 纠错

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

AI总结 本文提出通过工具结果解析来防御间接提示注入，有效过滤恶意代码并降低攻击成功率。

Comments 20 pages, 3 figures, 5 tables

MiMo-V2-Flash Technical Report

MiMo-V2-Flash 技术报告

Core Team, Bangjun Xiao, Bingquan Xia, Bo Yang, Bofei Gao, Bowen Shen, Chen Zhang, Chenhong He, Chiheng Lou, Fuli Luo, Gang Wang, Gang Xie, Hailin Zhang, Hanglong Lv, Hanyu Li, Heyu Chen, Hongshen Xu, Houbin Zhang, Huaqiu Liu, Jiangshan Duo, Jianyu Wei, Jiebao Xiao, Jinhao Dong, Jun Shi, Junhao Hu, Kainan Bao, Kang Zhou, Lei Li, Liang Zhao, Linghao Zhang, Peidian Li, Qianli Chen, Shaohui Liu, Shihua Yu, Shijie Cao, Shimao Chen, Shouqiu Yu, Shuo Liu, Tianling Zhou, Weijiang Su, Weikun Wang, Wenhan Ma, Xiangwei Deng, Bohan Mao, Bowen Ye, Can Cai, Chenghua Wang, Chengxuan Zhu, Chong Ma, Chun Chen, Chunan Li, Dawei Zhu, Deshan Xiao, Dong Zhang, Duo Zhang, Fangyue Liu, Feiyu Yang, Fengyuan Shi, Guoan Wang, Hao Tian, Hao Wu, Heng Qu, Hongfei Yi, Hongxu An, Hongyi Guan, Xing Zhang, Yifan Song, Yihan Yan, Yihao Zhao, Yingchun Lai, Yizhao Gao, Yu Cheng, Yuanyuan Tian, Yudong Wang, Zhen Tang, Zhengju Tang, Zhengtao Wen, Zhichao Song, Zhixian Zheng, Zihan Jiang, Jian Wen, Jiarui Sun, Jiawei Li, Jinlong Xue, Jun Xia, Kai Fang, Menghang Zhu, Nuo Chen, Qian Tu, Qihao Zhang, Qiying Wang, Rang Li, Rui Ma, Shaolei Zhang, Shengfan Wang, Shicheng Li, Shuhao Gu, Shuhuai Ren, Sirui Deng, Tao Guo, Tianyang Lu, Weiji Zhuang, Weikang Zhang, Weimin Xiong, Wenshan Huang, Wenyu Yang, Xin Zhang, Xing Yong, Xu Wang, Xueyang Xie, Yilin Jiang, Yixin Yang, Yongzhe He, Yu Tu, Yuanliang Dong, Yuchen Liu, Yue Ma, Yue Yu, Yuxing Xiang, Zhaojun Huang, Zhenru Lin, Zhipeng Xu, Zhiyang Chen, Zhonghua Deng, Zihan Zhang, Zihao Yue

机构 * LLM-Core Xiaomi（LLM-Core小米） 纠错

专题命中 效率与部署 ：post-training(abstract)；分类 cs.CL、cs.AI

AI总结 MiMo-V2-Flash通过混合注意力架构和多教师在线蒸馏技术，实现高效推理和代理能力，开源模型权重促进开放研究。

Comments 31 pages, technical report

OptiSet: Unified Optimizing Set Selection and Ranking for Retrieval-Augmented Generation

OptiSet: 一体化的优化集选择与排序用于检索增强生成

Yi Jiang, Sendong Zhao, Jianbo Li, Bairui Hu, Yanrui Du, Haochun Wang, Bing Qin

机构 * Harbin Institute of Technology（哈尔滨工业大学） 纠错

专题命中 效率与部署 ：LLM(abstract)；分类 cs.AI

AI总结 OptiSet通过集中心框架统一集选择和集级排序，提升RAG在复杂组合问题上的性能和生成效率。

Comments Code is available at https://github.com/liunian-Jay/OptiSet.git

A Closed-Loop Multi-Agent System Driven by LLMs for Meal-Level Personalized Nutrition Management

基于LLM的闭环多智能体系统用于餐级个性化营养管理

Muqing Xu

机构 * Muqing Xu（穆庆旭） 纠错

专题命中 效率与部署 ：LLM(abstract)；分类 cs.AI

AI总结 本文提出基于LLM的多智能体系统，实现餐级闭环个性化营养管理，通过图像识别与对话交互优化营养摄入计划。

Comments 6 pages, 6 figures, 6 tables, Conference: Robotics, Automation, and Artificial Intelligence 2025

3D-Agent:Tri-Modal Multi-Agent Collaboration for Scalable 3D Object Annotation

3D-Agent：三模态多智能体协作用于可扩展的3D物体标注

Jusheng Zhang, Yijia Fan, Zimo Wen, Jian Wang, Keze Wang

机构 * Sun Yat-sen University（中山大学） ； Shanghai Jiao Tong University（上海交通大学） ； Snap Inc.（Snap公司） 纠错

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

AI总结 Tri MARF通过三模态多智能体协作提升大规模3D物体标注效率与精度

Comments Accepted at NeurIPS 2025

Nalar: An agent serving framework

Nalar：一个代理服务框架

Marco Laju, Donghyun Son, Saurabh Agarwal, Nitin Kedia, Myungjin Lee, Jayanth Srinivasa, Aditya Akella

专题命中 效率与部署 ：LLM(abstract)

AI总结 Nalar是一个高效代理服务框架，通过分离工作流规范与执行，实现异构代理应用的可扩展、高效和基于策略的服务，显著提升性能和稳定性。

Patch-based Representation and Learning for Efficient Deformation Modeling

基于补丁的表示与学习用于高效变形建模

Ruochen Chen, Thuy Tran, Shaifali Parashar

机构 * CNRS（法国国家科学研究中心） ； École Centrale de Lyon（里昂中央理工大学） ； INSA Lyon（里昂工业大学） ； Université Claude Bernard Lyon 1（里昂第一大学） ； LIRIS（图像研究所） 纠错

专题命中 效率与部署 ：SFT(abstract)

AI总结 本文提出PolyFit方法，通过局部喷射函数高效学习表面变形，应用于形状重建和服装褶皱，提升效率并优于现有方法。

Forging Spatial Intelligence: A Roadmap of Multi-Modal Data Pre-Training for Autonomous Systems

锻造空间智能：面向自主系统多模态数据预训练的路线图

Song Wang, Lingdong Kong, Xiaolu Liu, Hao Shi, Wentong Li, Jianke Zhu, Steven C. H. Hoi

机构 * Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学） ； Nanjing University of Aeronautics and Astronautics（南京航空航天大学） ； Alibaba Group（阿里巴巴集团） ； Singapore Management University（新加坡管理学院） 纠错

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

AI总结 本文提出多模态数据预训练框架，旨在通过整合多传感器数据提升自主系统空间智能，解决单模态模型整合难题，并提出统一的预训练范式分类及未来发展方向。

Comments Survey; 40 pages, 7 figures, 9 tables; GitHub Repo at https://github.com/worldbench/awesome-spatial-intelligence

SimuAgent: An LLM-Based Simulink Modeling Assistant Enhanced with Reinforcement Learning

SimuAgent: 一种基于LLM的Simulink建模助手，结合强化学习增强

Yanchang Liang, Xiaowei Zhao

机构 * School of Engineering, University of Warwick（战争学院） ； Intelligent Control and Smart Energy (ICSE) Research Group（智能控制与智能能源研究组） 纠错

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

AI总结 SimuAgent结合强化学习和LLM，提升Simulink建模效率与准确性，实现快速收敛和高鲁棒性。

MPM-LLM4DSE: Reaching the Pareto Frontier in HLS with Multimodal Learning and LLM-Driven Exploration

MPM-LLM4DSE: 在HLS中通过多模态学习和LLM驱动探索达到帕累托前沿

Lei Xu, Shanshan Wang, Chenglong Xiao

机构 * Department of Computer Science, Shantou University, China（计算机科学系，汕头大学，中国） 纠错

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

AI总结 本文提出 MPM-LLM4DSE 框架，结合多模态学习与大语言模型驱动探索，提升 HLS 设计空间探索的性能和效率。

Automated Invoice Data Extraction: Using LLM and OCR

自动化发票数据提取：利用大语言模型和OCR

Khushi Khanchandani, Advait Thakur, Akshita Shetty, Chaitravi Reddy, Ritisa Behera

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 本文提出一个结合OCR、深度学习、LLMs和图分析的AI平台，以提高发票数据提取的质量和一致性。

Comments 10 pages, 3 figures

Leveraging Language Models and RAG for Efficient Knowledge Discovery in Clinical Environments

利用语言模型和RAG实现临床环境中的高效知识发现

Seokhwan Ko, Donghyeon Lee, Jaewoo Chun, Hyungsoo Han, Junghwan Cho

机构 * Clinical Omics Institute, Kyungpook National University（临床组学研究所，庆北国立大学） ； Department of Biomedical Science, School of Medicine Kyungpook National University（生物医学科学系，庆北国立大学医学院） ； Department of Physiology, School of Medicine Kyungpook National University（生理学系，庆北国立大学医学院） 纠错

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

AI总结 本研究提出一种基于RAG的系统，利用本地部署的LLaMA3和PubMedBERT，在临床环境中实现高效生物医学知识发现。

Comments 11pages, 3 figures

MedPI: Evaluating AI Systems in Medical Patient-facing Interactions

MedPI：评估医疗患者交互中的人工智能系统

Diego Fajardo V., Oleksii Proniakin, Victoria-Elisabeth Gruber, Razvan Marinescu

机构 * Lumos 纠错

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

AI总结 MedPI是一个评估医疗患者交互中AI系统表现的高维基准，通过105个维度评估医疗对话质量，发现主流LLM在鉴别诊断上表现不佳。

Comments 24 pages, 6 figures

Filter-and-Attend: Wireless Channel Foundation Model with Noise-Plus-Interference Suppression Structure

滤波与关注：具有噪声加干扰抑制结构的无线信道基础模型

Yuwei Wang, Li Sun, Tingting Yang, Yuxuan Shi, Maged Elkashlan, Xiao Tang

专题命中 领域大模型 ：foundation model(title,abstract)

AI总结 本文提出Filter-and-Attend范式，通过滤波抑制噪声加干扰和关注机制补全CSI，提升无线信道基础模型在多种下游任务中的性能。

CurricuLLM: Designing Personalized and Workforce-Aligned Cybersecurity Curricula Using Fine-Tuned LLMs

CurricuLLM: 利用微调大语言模型设计个性化且与劳动力市场对齐的网络安全课程

Arthur Nijdam, Harri Kähkönen, Valtteri Niemi, Paul Stankovski Wagner, Sara Ramezanian

机构 * Lund University, Department of Electrical ； University of Helsinki, Department of Computer Science, Helsinki, Finland ； Helsinki Institute for Information Technology, Helsinki, Finland ； Karlstad University, Department of Mathematics \& Computer Science, Karlstad, Sweden 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 CurricuLLM通过微调大语言模型设计个性化且与劳动力市场对齐的网络安全课程，解决课程与行业需求不匹配的问题。

Do LLMs Benefit from User and Item Embeddings in Recommendation Tasks?

在推荐任务中，大语言模型是否受益于用户和物品嵌入？

Mir Rayat Imtiaz Hossain, Leo Feng, Leonid Sigal, Mohamed Osama Ahmed

机构 * University of British Columbia（不列颠哥伦比亚大学） ； RBC Borealis 纠错

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

AI总结 本文提出通过投影用户和物品嵌入到LLM token空间，提升推荐性能，实现传统推荐系统与LLM的结合。

Comments Presented in Multimodal Algorithmic Reasoning Workshop at NeurIPS 2025

Self-MedRAG: a Self-Reflective Hybrid Retrieval-Augmented Generation Framework for Reliable Medical Question Answering

Self-MedRAG：一种用于可靠医学问答的自反思混合检索增强生成框架

Jessica Ryan, Alexander I. Gumilang, Robert Wiliam, Derwin Suhartono

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 Self-MedRAG通过混合检索与自反思机制提升医学问答的准确性和可靠性。

Attachment Styles and AI Chatbot Interactions Among College Students

依附风格与大学生与AI聊天机器人互动

Ziqi Lin, Taiyu Hou

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 本研究探讨了大学生依附风格如何影响其与AI聊天机器人的互动模式，发现依附风格决定了学生对AI作为情感空间、支持工具及亲密关系的认知与使用方式。

Comments 15 pages, 1 table, 2 appendices

Higher-Order Knowledge Representations for Agentic Scientific Reasoning

高阶知识表示用于代理科学推理

Isabella A. Stewart, Markus J. Buehler

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

AI总结 本文提出基于超图的知识表示方法，用于代理科学推理，通过高阶路径生成机理假设，提升科学发现效率。

Leveraging Clinical Text and Class Conditioning for 3D Prostate MRI Generation

利用临床文本和类别条件化生成3D前列腺MRI

Emerson P. Grabke, Babak Taati, Masoom A. Haider

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

AI总结 本文提出CCELLA方法，通过结合临床文本和类别条件化，提升3D前列腺MRI生成质量及下游分类器性能。

Comments Accepted for publication in IEEE Transactions on Biomedical Engineering, 2025. This is the accepted author version. The final published version is available at https://doi.org/10.1109/TBME.2025.3648426

The Forgotten Shield: Safety Grafting in Parameter-Space for Medical MLLMs

被遗忘的盾牌：参数空间中的医疗大语言模型安全性移植

Jiale Zhao, Xing Mou, Jinlin Wu, Hongyuan Yu, Mingrui Sun, Yang Shi, Xuanwu Yin, Zhen Chen, Zhen Lei, Yaohua Wang

机构 * National University of Defense Technology（国防科技大学） ； Multimodal Artificial Intelligence Systems (MAIS), Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所多模态人工智能系统（MAIS）） ； Multimedia Department, Xiaomi Inc（小米公司多媒体部门） ； Centre for Artificial Intelligence and Robotics, Hong Kong Institute of Science and Innovation, Chinese Academy of Sciences, Hong Kong（香港科学院人工智能与机器人中心） ； School of Artificial Intelligence, University of Chinese Academy of Sciences, UCAS（中国科学院大学人工智能学院） 纠错

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

AI总结 本文提出参数空间干预方法，通过提取原始模型的安全知识并注入目标模型，提升医疗大语言模型的安全性，同时保持医疗性能。

Publishing FAIR and Machine-actionable Reviews in Materials Science: The Case for Symbolic Knowledge in Neuro-symbolic Artificial Intelligence

发布符合FAIR标准且可被机器执行的材料科学评论：神经符号人工智能中符号知识的案例

Jennifer D'Souza, Soren Auer, Eleni Poupaki, Alex Watkins, Anjana Devi, Riikka L. Puurunen, Bora Karasulu, Adrie Mackus, Erwin Kessels

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

AI总结 本文提出通过FAIR标准和ORKG发布可机器执行的材料科学评论，强调符号层在神经符号AI中的核心作用。

Comments 35 pages, 11 figures

SciClaims: An End-to-End Generative System for Biomedical Claim Analysis

SciClaims: 一种用于生物医学声明分析的端到端生成系统

Raúl Ortega, José Manuel Gómez-Pérez

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

AI总结 SciClaims是一种基于大语言模型的端到端生物医学声明分析系统，可自动提取声明、检索证据并验证真实性，无需额外微调。

Comments In Proceedings of the 2025 Conference on Empirical Methods in Natural Language Processing: System Demonstrations

PILOT-Bench: A Benchmark for Legal Reasoning in the Patent Domain with IRAC-Aligned Classification Tasks

PILOT-Bench：一个以专利领域法律推理为核心的基准，包含与IRAC对齐的分类任务

Yehoon Jang, Chaewon Lee, Hyun-seok Min, Sungchul Choi

机构 * Pukyong National University（浦项国立大学） ； Tomocube Inc.（Tomocube公司） 纠错

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

AI总结 PILOT-Bench通过IRAC对齐的分类任务评估专利领域法律推理能力，揭示闭源与开源模型在推理性能上的显著差异。

Comments Accepted at the NLLP Workshop at EMNLP 2025

THaLLE-ThaiLLM: Domain-Specialized Small LLMs for Finance and Thai -- Technical Report

THaLLE-ThaiLLM：面向金融和泰语的领域专用小型LLM——技术报告

KBTG Labs, :, Anuruth Lertpiya, Danupat Khamnuansin, Kantapong Sucharitpongpan, Pornchanan Balee, Tawunrat Chalothorn, Thadpong Pongthawornkamol, Monchai Lertsutthiwong

机构 * NLP-Voice Research Lab（自然语言处理-语音研究实验室） ； KBTG Labs（KBTG实验室） ； KASIKORN Business—Technology Group（Kasikorn 业务-技术集团） 纠错

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

AI总结 THaLLE-ThaiLLM通过模型合并技术，开发了面向金融和泰语的专用小型LLM，提升了泰语通用能力和金融领域性能。

AgentTutor: Empowering Personalized Learning with Multi-Turn Interactive Teaching in Intelligent Education Systems

AgentTutor: 通过多轮互动教学赋能个性化学习在智能教育系统中

Yuxin Liu, Zeqing Song, Jiong Lou, Chentao Wu, Jie Li

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

AI总结 AgentTutor通过多轮互动教学系统提升个性化学习效果，结合多代理系统和学习者档案实现动态优化的教学策略。

Comments AAAI2026 Workshop AI4EDU

Enhancing Admission Inquiry Responses with Fine-Tuned Models and Retrieval-Augmented Generation

通过微调模型和检索增强生成提升录取咨询回复

Aram Virabyan

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

AI总结 本文提出通过微调模型和检索增强生成技术，提升大学招生咨询回复的准确性和效率，以满足招生沟通的特殊需求。

Comments 9 pages, 1 figure, 1 table. Proceedings of the 19th International Scientific Conference "Parallel Computing Technologies" (PCT'2025), Moscow, Russia

Journal ref Proc. 19th International Scientific Conference "Parallel Computing Technologies" (PCT'2025), South Ural State University, 2025, pp. 99-106

From Dataset to Real-world: General 3D Object Detection via Generalized Cross-domain Few-shot Learning

从数据集到现实世界：通过通用跨领域少样本学习实现通用3D目标检测

Shuangzhi Li, Junlong Shen, Lei Ma, Xingyu Li

专题命中 领域大模型 ：language model(abstract)

AI总结 本文提出通用跨领域少样本学习方法，通过融合2D语义与3D空间推理，实现对现实世界中常见和新类目标的高效检测。

Comments The latest version refines the few-shot setting on common classes, enforcing a stricter object-level definition

DSC2025 -- ViHallu Challenge: Detecting Hallucination in Vietnamese LLMs

DSC2025 -- ViHallu挑战：检测越南语大语言模型中的幻觉

Anh Thi-Hoang Nguyen, Khanh Quoc Tran, Tin Van Huynh, Phuoc Tan-Hoang Nguyen, Cam Tan Nguyen, Kiet Van Nguyen

机构 * Faculty of Information Science and Engineering, University of Information Technology（信息科学与工程学院，信息技术大学） ； University of Information Technology, Ho Chi Minh City, Vietnam（信息技术大学，胡志明市，越南） ； Vietnam National University, Ho Chi Minh City, Vietnam（越南国家大学，胡志明市，越南） 纠错

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

AI总结 DSC2025 ViHallu挑战通过建立首个越南语LLM幻觉检测基准，探索多种检测方法，验证了结构化提示和集成策略在提升检测性能方面的有效性。