语言大模型 / LLM

Agentic LLMs as Powerful Deanonymizers: Re-identification of Participants in the Anthropic Interviewer Dataset

代理大语言模型作为强大的去名化工具：在Anthropic面试者数据集中重新识别参与者

Tianshi Li

机构 * Khoury College of Computer Sciences, Northeastern University, Boston, MA, USA（东北大学凯里计算机科学学院） 纠错

专题命中 评测与基准 ：LLM(abstract)；分类 cs.AI

AI总结 本文研究了代理大语言模型如何通过网络搜索和交叉验证实现对Anthropic面试者数据集中的参与者重新识别，展示了低技术门槛的攻击方法及潜在影响。

Comments 4 pages

Tracing Stereotypes in Pre-trained Transformers: From Biased Neurons to Fairer Models

追踪预训练转换器中的刻板印象：从偏见神经元到更公平的模型

Gianmario Voria, Moses Openja, Foutse Khomh, Gemma Catolino, Fabio Palomba

机构 * University of Salerno（萨勒诺大学） 纠错

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

AI总结 本文通过追踪预训练转换器中的偏见神经元，提出了一种在BERT模型中抑制偏见的方法，从而减少模型中的偏见并提升公平性。

HogVul: Black-box Adversarial Code Generation Framework Against LM-based Vulnerability Detectors

HogVul: 针对基于语言模型的漏洞检测器的黑盒对抗代码生成框架

Jingxiao Yang, Ping He, Tianyu Du, Sun Bing, Xuhong Zhang

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

AI总结 HogVul通过整合词汇和语法扰动，利用粒子群优化策略提升对抗攻击效果，实验显示其在漏洞检测器攻击成功率上提升26.05%。

Comments AAAI26

Language as Prior, Vision as Calibration: Metric Scale Recovery for Monocular Depth Estimation

语言作为先验，视觉作为校准：用于单目深度估计的度量尺度恢复

Mingxia Zhan, Li Zhang, Beibei Wang, Yingjie Wang, Zenglin Shi

机构 * Hefei University of Technology, Hefei, Anhui, China（合肥工业大学） ； Institute of Artificial Intelligence, Hefei Comprehensive National Science Center, Hefei, Anhui, China（人工智能研究所） ； University of Science and Technology of China, Hefei, Anhui, China（中国科学技术大学） 纠错

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

AI总结 本文提出通过语言和视觉特征结合，利用反向深度中的闭式最小二乘Oracle，实现单目深度估计的度量尺度恢复，提升域内和跨域的鲁棒性。

Multimodal Interpretation of Remote Sensing Images: Dynamic Resolution Input Strategy and Multi-scale Vision-Language Alignment Mechanism

遥感图像的多模态解释：动态分辨率输入策略与多尺度视觉-语言对齐机制

Siyu Zhang, Lianlei Shan, Runhe Qiu

机构 * Tsinghua University（清华大学） 纠错

专题命中 评测与基准 ：language model(abstract)

AI总结 本文提出动态分辨率输入策略与多尺度视觉-语言对齐机制，提升遥感图像多模态解释的准确性和效率。

Zero-Day Audio DeepFake Detection via Retrieval Augmentation and Profile Matching

通过检索增强和声纹匹配实现零日音频深度伪造检测

Xuechen Liu, Xin Wang, Junichi Yamagishi

机构 * National Institute of Informatics（日本信息研究院） 纠错

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

AI总结 本文提出无需训练的检索增强框架，通过语音声纹匹配实现零日音频深度伪造检测，效果与监督基线相当。

Enhancing Foundation Models in Transaction Understanding with LLM-based Sentence Embeddings

利用基于大语言模型的句子嵌入增强交易理解的基础模型

Xiran Fan, Zhimeng Jiang, Chin-Chia Michael Yeh, Yuzhong Chen, Yingtong Dou, Menghai Pan, Yan Zheng

机构 * Visa Research（Visa研究） 纠错

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

AI总结 本文提出一种结合大语言模型生成的句子嵌入与轻量级交易模型的混合框架，以提升交易理解任务的性能和效率。

Journal ref Proceedings of the 2025 Conference on Empirical Methods in Natural Language Processing: Industry Track (EMNLP 2025), pages 903-911

Detect, Explain, Escalate: Sustainable Dialogue Breakdown Management for LLM Agents

检测、解释、升级：面向LLM代理的可持续对话破裂管理

Abdellah Ghassel, Xianzhi Li, Xiaodan Zhu

机构 * Department of Electrical and Computer Engineering and Ingenuity Labs Research Institute, Queen’s University（电气与计算机工程系和Ingenuity Labs研究研究所，皇后大学） 纠错

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

AI总结 本文提出了一种可持续对话破裂管理框架，通过高效检测器和升级架构，在LLM代理中实现资源高效的对话破裂管理，提升对话AI的可靠性和成本效益。

Reservoir Computing as a Language Model

回声计算作为语言模型

Felix Köster, Atsushi Uchida

机构 * Department of Information and Computer Sciences, Saitama University（信息与计算机科学系，上野大学） 纠错

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

AI总结 本文比较了回声计算与Transformer在字符级语言建模中的表现，发现Transformer在预测质量上更优，而回声计算在能效方面更具优势。

Comments 8 pages, 5 figures, 1 table Code available at: https://github.com/fekoester/Shakespeare_Res and https://github.com/fekoester/LAERC

A First Look at Bugs in LLM Inference Engines

对LLM推理引擎中bug的首次审视

Mugeng Liu, Siqi Zhong, Weichen Bi, Yixuan Zhang, Zhiyang Chen, Zhenpeng Chen, Xuanzhe Liu, Yun Ma

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

AI总结 本文首次对LLM推理引擎中的bug进行实证研究，揭示了六种bug症状类型和28种根本原因，为研究人员和开发者提供了改进bug检测与修复的指导。

Comments Accepted by ACM Transactions on Software Engineering and Methodology

CyberGFM: Graph Foundation Models for Lateral Movement Detection in Enterprise Networks

CyberGFM：用于企业网络横向移动检测的图基础模型

Isaiah J. King, Bernardo Trindade, Benjamin Bowman, H. Howie Huang

机构 * Cybermonic LLC（Cybermonic公司） ； The George Washington University（乔治·华盛顿大学） 纠错

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

AI总结 CyberGFM通过结合随机游走方法的效率和深度学习的语义表示，实现了网络异常检测的高效检测。

Comments 17 pages; 11 figures; 8 tables

FLRQ: Faster LLM Quantization with Flexible Low-Rank Matrix Sketching

FLRQ: 更快的LLM量化方法与灵活的低秩矩阵草图

Hongyaoxing Gul, Lijuan Hu, Shuzi Niu, Fangfang Liu

专题命中 效率与部署 ：LLM(title)；language model(abstract)；post-training(abstract)；分类 cs.LG

AI总结 FLRQ通过灵活的低秩矩阵草图技术，快速确定最优秩并提高LLM量化的效率和质量。

DNATokenizer: A GPU-First Byte-to-Identifier Tokenizer for High-Throughput DNA Language Models

DNATokenizer: 一种面向高吞吐量DNA语言模型的GPU优先字节到标识符分词器

Eliatan Niktab, Hardip Patel

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

AI总结 DNATok是一种高效的GPU优先分词系统，通过字节查找表和重叠H2D管道加速DNA语言模型的分词过程，显著提升编码和传输吞吐量。

KP-Agent: Keyword Pruning in Sponsored Search Advertising via LLM-Powered Contextual Bandits

KP-Agent：通过LLM驱动的上下文老虎机实现关键词剪枝

Hou-Wan Long, Yicheng Song, Zidong Wang, Tianshu Sun

机构 * The Chinese University of Hong Kong（香港中文大学） ； University of Minnesota（明尼苏达大学） ； Cheung Kong Graduate School of Business（长江商学院） 纠错

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

AI总结 KP-Agent通过LLM驱动的上下文老虎机框架，利用强化学习优化关键词剪枝，提升付费搜索广告的累计利润

Collective Communication for 100k+ GPUs

为10万+GPU的集体通信

Min Si, Pavan Balaji, Yongzhou Chen, Ching-Hsiang Chu, Adi Gangidi, Saif Hasan, Subodh Iyengar, Dan Johnson, Bingzhe Liu, Regina Ren, Deep Shah, Ashmitha Jeevaraj Shetty, Greg Steinbrecher, Yulun Wang, Bruce Wu, Xinfeng Xie, Jingyi Yang, Mingran Yang, Kenny Yu, Minlan Yu, Cen Zhao, Wes Bland, Denis Boyda, Suman Gumudavelli, Prashanth Kannan, Cristian Lumezanu, Rui Miao, Zhe Qu, Venkat Ramesh, Maxim Samoylov, Jan Seidel, Srikanth Sundaresan, Feng Tian, Qiye Tan, Shuqiang Zhang, Yimeng Zhao, Shengbao Zheng, Art Zhu, Hongyi Zeng

机构 * Meta 纠错

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

AI总结 本文提出NCCLX框架，优化LLM全生命周期性能，提升大规模GPU训练和推理的通信效率。

A Technical Report on the Second Place Solution for the CIKM 2025 AnalytiCup Competition

CIKM 2025 AnalytiCup竞赛第二名解决方案的技术报告

Haotao Xie, Ruilin Chen, Yicheng Wu, Zhan Zhao, Yuanyuan Liu

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

AI总结 本文提出基于提示工程与任务分解的单模型框架，通过低秩适应提升多语言电商搜索相关性判断效率，取得竞赛优异成绩。

Tensor-DTI: Enhancing Biomolecular Interaction Prediction with Contrastive Embedding Learning

张量-DTI：通过对比嵌入学习增强生物分子相互作用预测

Manel Gil-Sorribes, Júlia Vilalta-Mor, Isaac Filella-Mercè, Robert Soliva, Álvaro Ciudad, Víctor Guallar, Alexis Molina

机构 * Nostrum Biodiscovery ； Barcelona Supercomputing Center（巴塞罗那超级计算中心） ； Faculty of Pharmacy and Food Sciences, University of Barcelona（巴塞罗那大学药学与食品科学系） ； Catalan Institution for Research and Advanced Studies (ICREA)（加泰罗尼亚研究与高级研究机构） ； Data Science Dpt., Almirall S.A.（Almirall S.A.数据科学部门） 纠错

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

AI总结 Tensor-DTI通过整合多模态嵌入与对比学习，提升生物分子相互作用预测的准确性与可靠性。

Comments Accepted at the Generative and Experimental Perspectives for Biomolecular Design Workshop at ICLR 2025 and at the Learning Meaningful Representations of Life Workshop at ICLR 2025

Generative or Discriminative? Revisiting Text Classification in the Era of Transformers

生成式还是判别式？在Transformer时代的文本分类再审视

Siva Rajesh Kasa, Karan Gupta, Sumegh Roychowdhury, Ashutosh Kumar, Yaswanth Biruduraju, Santhosh Kumar Kasa, Nikhil Priyatam Pattisapu, Arindam Bhattacharya, Shailendra Agarwal, Vijay huddar

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

AI总结 本文在Transformer时代重新审视文本分类，比较生成式与判别式模型的性能，揭示不同架构下的表现差异并提供实际应用指导。

Comments 23 pages - received Outstanding Paper award at EMNLP 2025

Reverse-engineering NLI: A study of the meta-inferential properties of Natural Language Inference

反向工程NLI：自然语言推理的元推理属性研究

Rasmus Blanck, Bill Noble, Stergios Chatzikyriakidis

机构 * The Centre for Linguistic Theory and Studies in Probability (CLASP), Department of Philosophy, Linguistics and Theory of Science, University of Gothenburg（语言理论与概率研究所以及哲学、语言学和科学理论系，哥德堡大学） ； Computational Linguistics and Language Technology Lab (UCRC), Department of Philology, University of Crete（计算语言学与语言技术实验室（UCRC），文学系，希腊克里特大学） 纠错

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

AI总结 本文研究NLI任务的元推理属性，通过分析SNLI数据集中的项目，探讨模型在推理一致性上的表现及数据集所编码的逻辑关系。

Orient Anything V2: Unifying Orientation and Rotation Understanding

Orient Anything V2：统一物体3D方向和旋转理解

Zehan Wang, Ziang Zhang, Jiayang Xu, Jialei Wang, Tianyu Pang, Chao Du, HengShuang Zhao, Zhou Zhao

机构 * Zhejiang University（浙江大学） ； Shanghai AI Lab（上海人工智能实验室） ； Sea AI Lab（海思人工智能实验室） ； The University of Hong Kong（香港大学） 纠错

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

AI总结 Orient Anything V2通过四个创新提升，实现了对物体3D方向和旋转的统一理解，显著提升了零样本性能和泛化能力。

Comments NeurIPS 2025 Spotlight, Repo: https://github.com/SpatialVision/Orient-Anything-V2

Efficient Temporal-aware Matryoshka Adaptation for Temporal Information Retrieval

高效的时间感知Matryoshka适应方法用于时间信息检索

Tuan-Luc Huynh, Weiqing Wang, Trung Le, Thuy-Trang Vu, Dragan Gašević, Yuan-Fang Li, Thanh-Toan Do

专题命中 效率与部署 ：LLM(abstract)

AI总结 本文提出TMRL方法，通过时间感知Matryoshka嵌入提升时间信息检索效率，实现与传统方法相当的性能并支持灵活的精度-效率权衡。

Comments 18 pages

Task Cascades for Efficient Unstructured Data Processing

任务级联用于高效无结构数据处理

Shreya Shankar, Sepanta Zeighami, Aditya Parameswaran

专题命中 效率与部署 ：LLM(abstract)

AI总结 任务级联通过分解和优化文档处理任务，有效降低无结构数据处理成本，提升效率和准确性。

Comments SIGMOD 2026. 21 pages, 8 figures, 5 tables

Sprint: Sparse-Dense Residual Fusion for Efficient Diffusion Transformers

Sprint: 基于稀疏-密集残差融合的高效扩散变换器

Dogyun Park, Moayed Haji-Ali, Yanyu Li, Willi Menapace, Sergey Tulyakov, Hyunwoo J. Kim, Aliaksandr Siarohin, Anil Kag

机构 * Snap Inc.（Snap公司） ； Korea University（韩国大学） ； KAIST（韩国科学技术院） 纠错

专题命中 效率与部署 ：pretraining(abstract)

AI总结 SPRINT通过稀疏-密集残差融合实现高效扩散变换器训练，实现高达75%的标记丢弃率，同时保持生成质量与效率。

Latent Diffusion Autoencoders: Toward Efficient and Meaningful Unsupervised Representation Learning in Medical Imaging

潜在扩散自编码器：迈向医学影像中高效且有意义的无监督表示学习

Gabriele Lozupone, Alessandro Bria, Francesco Fontanella, Frederick J. A. Meijer, Claudio De Stefano, Henkjan Huisman

机构 * Department of Electrical and Information Engineering (DIEI), University of Cassino and Southern Lazio（电气与信息工程系（DIEI），卡斯诺和南部拉齐亚大学） ； Diagnostic Image Analysis Group, Radboud University Medical Center（影像诊断分析组，拉德堡德大学医学中心） ； Department of Medical Imaging, Radboud University Medical Center（医学成像系，拉德堡德大学医学中心） 纠错

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

AI总结 LDAE通过在潜在空间中应用扩散过程，实现了高效且有意义的医学影像无监督学习，展示了在AD诊断和年龄预测中的高准确性及重建质量。

Comments 15 pages, 9 figures, 7 tables

Journal ref Medical Image Analysis (2026)

Darth Vecdor: An Open-Source System for Generating Knowledge Graphs Through Large Language Model Queries

Darth Vecdor：通过大语言模型查询生成知识图谱的开源系统

Jonathan A. Handler

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

AI总结 Darth Vecdor是一个开源系统，通过大语言模型查询生成结构化的知识图谱，旨在解决LLM响应的准确性和一致性问题，以提高医疗领域应用的安全性和效率。

Comments 17 pages, 3 figures. Changes to best of my recollection: 1) Added to Acknowledgements that Darth Vecdor software was created with the help of LLMs and many other resources, clearly noted on software GitHub site, but added here. 2) Fixed content related to the Are You Sure paper that was referenced, as the previous version incorrectly summarized the article's finding

CliCARE: Grounding Large Language Models in Clinical Guidelines for Decision Support over Longitudinal Cancer Electronic Health Records

CliCARE: 在纵向癌症电子健康记录上基于临床指南 grounding 大型语言模型以支持决策

Dongchen Li, Jitao Liang, Wei Li, Xiaoyu Wang, Longbing Cao, Kun Yu

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

AI总结 CliCARE 通过将纵向癌症 EHRs 转换为时序知识图谱并结合临床指南，为肿瘤科医生提供证据支持的决策支持。

Comments Accepted in AAAI Conference on Artificial Intelligence (AAAI-26, Oral)

Streamlining evidence based clinical recommendations with large language models

用大型语言模型流利化基于证据的临床推荐

Dubai Li, Nan Jiang, Kangping Huang, Ruiqi Tu, Shuyu Ouyang, Huayu Yu, Lin Qiao, Chen Yu, Tianshu Zhou, Danyang Tong, Qian Wang, Mengtao Li, Xiaofeng Zeng, Yu Tian, Xinping Tian, Jingsong Li

机构 * Engineering Research Center of EMR and Intelligent Expert System, Ministry of Education（教育部电磁辐射与智能专家系统工程研究中心） ； National Clinical Research Center for Dermatologic and Immunologic Diseases (NCRC-DID), Ministry of Science and Technology（皮肤病与免疫性疾病临床研究中心，科学技术部） ； State Key Laboratory of Complex Severe and Rare Diseases（复杂严重罕见疾病国家重点实验室） ； Key Laboratory of Rheumatology and Clinical Immunology, Ministry of Education（风湿免疫学重点实验室，教育部） 纠错

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

AI总结 Quicker利用大型语言模型自动化证据综合和生成临床推荐，提升基于证据的临床决策效率和可靠性。

Journal ref Digit. Med. 8, 793 (2025)

Retrieval-Augmented Multi-LLM Ensemble for Industrial Part Specification Extraction

基于检索增强的多LLM集成工业零件规范提取系统

Muzakkiruddin Ahmed Mohammed, John R. Talburt, Leon Claasssens, Adriaan Marais

机构 * ERIQ Research Center University of Arkansas - Little Rock（ERIQ研究所以及阿肯色大学-利文斯顿分校） ； PiLog Group（PiLog集团） 纠错

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

AI总结 本文提出一种基于检索增强的多LLM集成框架，通过整合多种先进模型提升工业零件规范提取的准确性和完整性。

Comments The 17th International Conference on Knowledge and Systems Engineering

The Persona Paradox: Medical Personas as Behavioral Priors in Clinical Language Models

医疗人设悖论：临床语言模型中的行为先验

Tassallah Abdullahi, Shrestha Ghosh, Hamish S Fraser, Daniel León Tramontini, Adeel Abbasi, Ghada Bourjeily, Carsten Eickhoff, Ritambhara Singh

机构 * Brown University（布朗大学） ； University of Tuebingen（图宾根大学） 纠错

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

AI总结 研究揭示医疗人设在临床语言模型中产生上下文依赖的性能权衡，显示其在重症护理任务中提升表现，但在初级护理中降低性能，且互动风格影响风险倾向。

One Language-Free Foundation Model Is Enough for Universal Vision Anomaly Detection

一种语言无关的基础模型足以实现通用视觉异常检测

Bin-Bin Gao, Chengjie Wang

机构 * Tencent YouTu Lab（腾讯优图实验室） 纠错

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

AI总结 本文提出了一种简单、通用且有效的通用视觉异常检测框架UniADet，通过解耦分类和分割任务，实现了对多种基础模型的适应，并在多个实际应用场景中表现出色。

Comments 20 pages, 5 figures, 34 tabels