语言大模型 / LLM

Linear Complexity Self-Supervised Learning for Music Understanding with Random Quantizer

基于随机量化器的线性复杂度自监督学习用于音乐理解

Petros Vavaroutsos, Theodoros Palamas, Pantelis Vikatos

机构 * Orfium Research（奥菲姆研究） 纠错

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

AI总结 本文提出了一种结合Branchformer和SummaryMixing的自监督学习方法，通过随机量化减少模型规模，实现音乐理解任务中的高效性能。

Comments accepted by ACM/SIGAPP Symposium on Applied Computing (SAC 2026)

Sentiment Analysis on Movie Reviews: A Deep Dive into Modern Techniques and Open Challenges

对电影评论的情感分析：深入探讨现代技术和开放挑战

Agnivo Gosai, Shuvodeep De, Karun Thankachan, Ramadan A. ZeinEldin, Ali W. Mohamed, Seyed J. Mousavirad

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

AI总结 本文综述了电影评论情感分析的现代技术和挑战，涵盖从传统方法到深度学习模型的发展，并探讨了多模态分析、可解释性及未来研究方向。

Comments 31 Pages; 1 figure; 108 references; paper under review in APIN

Agent Bain vs. Agent McKinsey: A New Text-to-SQL Benchmark for the Business Domain

Agent Bain vs. Agent McKinsey：业务领域的新文本到SQL基准测试

Yue Li, Ran Tao, Derek Hommel, Yusuf Denizay Dönder, Sungyong Chang, David Mimno, Unso Eun Seo Jo

机构 * Cornell University（康奈尔大学） ； Gena AI 纠错

专题命中 评测与基准 ：LLM(abstract)；分类 cs.CL

AI总结 CORGI是一个新的文本到SQL基准测试，旨在评估业务领域中更复杂的问题，如预测和推荐，揭示LLM在处理复杂任务时的性能下降。

Comments 23 pages, under review for ACL ARR

AgenticIE: An Adaptive Agent for Information Extraction from Complex Regulatory Documents

AgenticIE: 一种用于从复杂监管文件中提取信息的自适应代理

Gaye Colakoglu, Gürkan Solmaz, Jonathan Fürst

机构 * Zurich University of Applied Sciences（苏黎世应用科学大学） ； NEC Laboratories Europe（NEC欧洲实验室） 纠错

专题命中 评测与基准 ：LLM(abstract)；分类 cs.CL

AI总结 本文提出AgenticIE系统，用于从复杂监管文件中提取信息和回答问题，通过高密度标注数据集验证其在KIE和QA任务中的优越性能。

Privacy-Preserving in Connected and Autonomous Vehicles Through Vision to Text Transformation

通过视觉到文本转换实现连接和自动驾驶车辆中的隐私保护

Abdolazim Rezaei, Mehdi Sookhak, Ahmad Patooghy, Shahab S. Band, Amir Mosavi

机构 * organization= Department of Computre Science, Texas A\&M University Corpus Christi , addressline= 6300 Ocean Dr , city= Corpus Christi , postcode= 78412 , state= Texas , country= USA ； organization= Department of Information Management, International Graduate School of Artificial Intelligence, National Yunlin University of Science ； organization= Institute of the Information Society, Ludovika University of Public Service , city= Budapest , postcode= 78412 , country= Hungary ； organization= North Carolina A\&T State University , addressline= 601 E Market , city= Greensboro , postcode= 27411 , country= USA 纠错

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

AI总结 本文提出利用强化学习和视觉-语言模型，通过视觉到文本转换实现对连接和自动驾驶车辆中敏感视觉信息的隐私保护，提升了隐私保护效果。

A Benchmark for End-to-End Zero-Shot Biomedical Relation Extraction with LLMs: Experiments with OpenAI Models

一个用于基于LLM的端到端零样本生物医学关系抽取的基准：使用OpenAI模型进行实验

Aviv Brokman, Xuguang Ai, Yuhang Jiang, Shashank Gupta, Ramakanth Kavuluru

机构 * Division of Biomedical Informatics（生物医学信息学系） ； Department of Internal Medicine（内科部） ； University of Kentucky（肯塔基大学） 纠错

专题命中 评测与基准 ：LLM(abstract)；分类 cs.CL

AI总结 本文提出一个基于LLM的端到端零样本生物医学关系抽取基准，评估了OpenAI模型在不同数据集上的表现，发现其在部分数据集上接近监督方法，但在复杂输入上仍有不足。

Comments Accepted to appear in proceedings of the 3rd Workshop on Artificial Intelligence for Scientific Publications (WASP@AACL 2025). Code and data are available here: https://github.com/bionlproc/ZeroShotRE

CEI: A Unified Interface for Cross-Embodiment Visuomotor Policy Learning in 3D Space

CEI：一种用于3D空间跨身体视觉运动策略学习的统一接口

Tong Wu, Shoujie Li, Junhao Gong, Changqing Guo, Xingting Li, Shilong Mu, Wenbo Ding

机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） 纠错

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

AI总结 CEI提出了一种跨身体视觉运动策略学习框架，通过功能相似性量化和梯度优化实现不同机械臂和末端执行器间的演示转移，实验显示在模拟和现实任务中均取得高转移效率。

Enhanced Web Payload Classification Using WAMM: An AI-Based Framework for Dataset Refinement and Model Evaluation

基于WAMM的增强型Web负载分类：一种基于AI的框架用于数据集精炼和模型评估

Heba Osama, Omar Elebiary, Youssef Qassim, Mohamed Amgad, Ahmed Maghawry, Ahmed Saafan, Haitham Ghalwash

专题命中 评测与基准 ：LLM(abstract)

AI总结 WAMM通过AI驱动的数据集精炼和模型评估，提升Web攻击检测的准确性和效率，适用于生产级WAF环境。

SLAM-LLM: A Modular, Open-Source Multimodal Large Language Model Framework and Best Practice for Speech, Language, Audio and Music Processing

SLAM-LLM: 一种模块化、开源的多模态大语言模型框架及语音、语言、音频和音乐处理的最佳实践

Ziyang Ma, Guanrou Yang, Wenxi Chen, Zhifu Gao, Yexing Du, Xiquan Li, Zhisheng Zheng, Haina Zhu, Jianheng Zhuo, Zheshu Song, Ruiyang Xu, Tiranrui Wang, Yifan Yang, Yanqiao Zhu, Zhikang Niu, Liumeng Xue, Yinghao Ma, Ruibin Yuan, Shiliang Zhang, Kai Yu, Eng Siong Chng, Xie Chen

机构 * X-LANCE Lab, School of Computer Science, MoE Key Lab of Artificial Intelligence Shanghai Jiao Tong University（X-LANCE实验室，计算机科学学院，人工智能教育部重点实验室，上海交通大学） ； Tongyi Lab, Alibaba Group（通义实验室，阿里巴巴集团） ； Peng Cheng Laboratory（鹏城实验室） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Tianjin University（天津大学） ； Hong Kong University of Science and Technology（香港科学大学） ； Queen Mary University of London（伦敦玛丽女王大学） ； Nanyang Technological University（南洋理工大学） ； Shanghai Innovation Institute（上海创新研究院） 纠错

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

AI总结 SLAM-LLM是一种开源多模态大语言模型框架，专注于语音、语言、音频和音乐处理，提供模块化配置和高性能检查点以加速研究开发。

Comments Published in IEEE Journal of Selected Topics in Signal Processing (JSTSP)

Where to Begin: Efficient Pretraining via Subnetwork Selection and Distillation

从何处开始：通过子网络选择和蒸馏实现高效的预训练

Arjun Krishnakumar, Rhea Sanjay Sukthanker, Hannan Javed Mahadik, Gabriela Kadlecová, Vladyslav Moroshan, Timur Carstensen, Frank Hutter, Aaron Klein

机构 * University of Freiburg, Germany（弗赖堡大学） ； ELLIS Institute Tübingen, Germany（图宾根ELLIS研究所） ； Charles University, Faculty of Mathematics and Physics（查尔斯大学数学与物理系） ； PriorLabs ； The Czech Academy of Sciences, Institute of Computer Science（捷克科学院计算机科学研究所） 纠错

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

AI总结 本文提出一种高效预训练框架，通过子网络选择和蒸馏技术，使小型语言模型在资源消耗上显著低于大型模型，同时保持相近的性能。

On-Device Large Language Models for Sequential Recommendation

设备端的大语言模型用于序列推荐

Xin Xia, Hongzhi Yin, Shane Culpepper

机构 * The University of Queensland（昆士兰大学） 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

AI总结 本文提出OD-LLM框架，通过低秩压缩和分词归一化技术，实现设备端高效准确的序列推荐模型部署。

Comments WSDM'26

Revisiting Disaggregated Large Language Model Serving for Performance and Energy Implications

重新审视解耦大规模语言模型服务的性能和能耗影响

Jiaxi Li, Yue Zhu, Eun Kyung Lee, Klara Nahrstedt

机构 * IBM Research Yorktown Heights, New York（IBM研究院约克镇高地，纽约） 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

AI总结 本文重新评估了预填充-解码解耦服务的性能和能耗影响，发现其性能优势依赖于请求负载和KV传输介质，且解耦服务本身能耗较高。

From Symbolic to Natural-Language Relations: Rethinking Knowledge Graph Construction in the Era of Large Language Models

从符号关系到自然语言关系：在大语言模型时代重新思考知识图谱构建

Kanyao Han, Yushang Lai

机构 * Walmart Global Tech（沃尔玛全球科技） 纠错

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

AI总结 本文探讨在大语言模型时代，知识图谱构建应从符号关系转向自然语言关系描述，提出混合设计原则以实现更灵活的关系表示。

An AI-Driven Thermal-Fluid Testbed for Advanced Small Modular Reactors: Integration of Digital Twin and Large Language Models

面向先进小型模块化反应堆的AI驱动热-流体测试平台：数字孪生与大语言模型的集成

Doyeong Lim, Yang Liu, Zavier Ndum Ndum, Christian Young, Yassin Hassan

机构 * organization= Department of Nuclear Engineering, Texas A\&M University , city= College Station , postcode= 77843 , state= TX , country= USA 纠错

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

AI总结 本文提出一个结合数字孪生与大语言模型的AI驱动热-流体测试平台，用于加速小型模块化反应堆的创新与部署。

Journal ref AI Thermal Fluids, 100023 (2025)

Large Language Model Integration for Knowledge Retrieval and Interaction for the DUNE Experiment

大型语言模型整合用于DUNE实验的知识检索与交互

A. Rafique, A. Singh, R. Srinivas

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

AI总结 DUNE-GPT利用大型语言模型和检索增强生成技术，实现对DUNE实验内部文档的自然语言查询，提升协作效率与数据隐私保护。

AnaFlow: Agentic LLM-based Workflow for Reasoning-Driven Explainable and Sample-Efficient Analog Circuit Sizing

AnaFlow: 基于代理的LLM工作流：以推理驱动的可解释且样本高效的模拟电路尺寸设计

Mohsen Ahmadzadeh, Kaichang Chen, Georges Gielen

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 AnaFlow通过基于代理的LLM工作流实现高效、可解释的模拟电路尺寸设计，利用人类可理解的推理和自适应仿真策略，提升设计效率和透明度。

Comments This article was accepted by 2025 International Conference on Computer-Aided Design (ICCAD 2025) and was presented in Munich, October 2025

Journal ref Proc. 2025 IEEE/ACM International Conference on Computer-Aided Design (ICCAD) 2025

Beyond Uniform SVD:Dual-Level Optimization across Columns and Modules for LLM Compression

超越统一SVD：跨列和模块的双层优化用于LLM压缩

Lin Xv, Xian Gao, Ting Li, Yuzhuo Fu

机构 * Shanghai Jiao Tong University（上海交通大学） 纠错

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

AI总结 Duo-SVD通过双层优化提升LLM压缩效率，有效解决分解误差差异和权重矩阵重要性评估问题。

LLMs can Compress LLMs: Adaptive Pruning by Agents

LLMs可以压缩LLMs：通过代理的自适应剪枝

Sai Varun Kodathala, Rakesh Vunnam

机构 * Research and Development, Sports Vision, Inc.（研发部，Sports Vision公司） ； Research and Development, Vizworld Inc.（研发部，Vizworld公司） 纠错

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

AI总结 本文提出通过代理引导的自适应剪枝方法，有效压缩LLMs，提升事实知识保留和模型性能。

Comments 17 Pages

Efficient Routing of Inference Requests across LLM Instances in Cloud-Edge Computing

在云边计算环境中高效路由推理请求跨LLM实例

Shibo Yu, Mohammad Goudarzi, Adel Nadjaran Toosi

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

AI总结 本文提出基于NSGA-II的路由算法，用于在云边计算环境中高效分配LLM推理请求，提升响应质量并降低推理成本。

AutoToM: Scaling Model-based Mental Inference via Automated Agent Modeling

AutoToM: 通过自动化代理建模实现基于模型的心理推理扩展

Zhining Zhang, Chuanyang Jin, Mung Yao Jia, Shunchi Zhang, Tianmin Shu

机构 * Peking University（北京大学） ； Johns Hopkins University（约翰霍普金斯大学） 纠错

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

AI总结 AutoToM通过自动化代理建模实现可扩展、稳健且可解释的心理推理，优于现有方法并支持在线心理推理。

Comments NeurIPS 2025 (Spotlight). 42 pages, 11 figures, 15 tables. Website at https://chuanyangjin.com/AutoToM/

WiFo-E: A Scalable Wireless Foundation Model for End-to-End FDD Precoding in Communication Networks

WiFo-E：一种用于通信网络端到端FDD预编码的可扩展无线基础模型

Weibo Wen, Shijian Gao, Haotian Zhang, Xiang Cheng, Liuqing Yang

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

AI总结 WiFo-E通过多任务预训练和稀疏MoE架构，实现大规模MIMO系统中端到端FDD预编码的高效可扩展解决方案。

Bench360: Benchmarking Local LLM Inference from 360 Degrees

Bench360：从360度角度评估本地LLM推理

Linus Stuhlmann, Mauricio Fadel Argerich, Jonathan Fürst

机构 * Zurich University of Applied Sciences（苏黎世应用科学大学） ； Universidad Politécnica de Madrid（马德里理工大学） 纠错

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

AI总结 Bench360提供了一种综合评估本地LLM推理性能的框架，通过多任务、多引擎和多指标的测试，揭示了不同设计选择对效率和输出质量的影响。

Incentivizing Multi-Tenant Split Federated Learning for Foundation Models at the Network Edge

在网络边缘激励多租户分割联邦学习以实现基础模型

Songyuan Li, Jia Hu, Geyong Min, Haojun Huang

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

AI总结 本文提出PRINCE机制，通过价格激励协调多租户SFL租户，提升基础模型微调效率。

Comments Accepted for publication in IEEE/ACM Transactions on Networking. Index Terms: Foundation models, Edge computing, Split federated learning, Multi-tenant system, Incentive mechanism

Private LLM Inference on Consumer Blackwell GPUs: A Practical Guide for Cost-Effective Local Deployment in SMEs

在消费级Blackwell GPU上进行私有LLM推理：为中小企业实现低成本本地部署的实用指南

Jonathan Knoop, Hendrik Holtmann

机构 * IE Business University（IE商学院） 纠错

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

AI总结 本文评估了消费级Blackwell GPU在LLM推理中的性能，证明其在多数中小企业工作负载中可替代云服务，但长上下文RAG任务仍需高端GPU。

Comments 15 pages, 18 tables, 7 figures. Includes link to GitHub repository and Docker image for reproducibility

Efficient Multilingual Dialogue Processing via Translation Pipelines and Distilled Language Models

通过翻译流水线和压缩语言模型实现高效的多语言对话处理

Santiago Martínez Novoa, Nicolás Rozo Fajardo, Diego Alejandro González Vargas, Nicolás Bedoya Figueroa

机构 * Universidad de los Andes（洛斯安第斯大学） 纠错

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

AI总结 本文提出通过翻译流水线和压缩语言模型实现多语言对话处理，展示在低资源语言上无需微调即可取得高性能的成果。

ShortCoder: Knowledge-Augmented Syntax Optimization for Token-Efficient Code Generation

ShortCoder: 用于令牌高效代码生成的知识增强语法优化

Sicong Liu, Yanxian Huang, Mingwei Liu, Jiachi Chen, Ensheng Shi, Yuchi Ma, Hongyu Zhang, Yin Zhang, Yanlin Wang

机构 * Sun Yat-sen University, China（中山大学） ； Huawei Cloud Computing Technologies Co., Ltd., China（华为云计算技术有限公司） ； Chongqing University, China（重庆大学） ； University of Electronic Science and Technology of China, China（电子科技大学） 纠错

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

AI总结 ShortCoder通过语法优化和知识增强提升代码生成效率，实现18.1%-37.8%的效率提升。

SPOT!: Map-Guided LLM Agent for Unsupervised Multi-CCTV Dynamic Object Tracking

SPOT!: 多CCTV动态目标跟踪的映射引导LLM代理

Yujin Roh, Inho Jake Park, Chigon Hwang

专题命中 效率与部署 ：LLM(title,abstract)

AI总结 SPOT通过映射引导LLM代理在多CCTV环境中实现无先验训练的动态目标跟踪，有效解决盲区导致的轨迹丢失问题。

Comments 33 pages, 27figures

Dialogue Telemetry: Turn-Level Instrumentation for Autonomous Information Gathering

对话 telemetry：面向自主信息收集的回合级仪器化

Dimitris Panagopoulos, Adolfo Perrusquia, Weisi Guo

机构 * Faculty of Engineering and Applied Science, Cranfield University（工程与应用科学学院，克兰菲尔德大学） 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 本文提出对话 telemetry 框架，通过生成进度估计器和停滞指数，实现对自主信息收集对话的回合级监控与优化。

Comments 16 pages, 9 Figures, Version submitted to IEEE for publication

Secure and Efficient Access Control for Computer-Use Agents via Context Space

通过上下文空间实现计算机使用代理的安全高效访问控制

Haochen Gong, Chenxiao Li, Rui Chang, Wenbo Shen

机构 * Zhejiang University（浙江大学） 纠错

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

AI总结 CSAgent通过引入意图和上下文感知策略，实现对计算机使用代理的安全高效访问控制，有效抵御攻击并保持系统性能。

SC-MAS: Constructing Cost-Efficient Multi-Agent Systems with Edge-Level Heterogeneous Collaboration

SC-MAS：构建具有边缘级异构协作的低成本多智能体系统

Di Zhao, Longhui Ma, Siwei Wang, Miao Wang, Yi Kong

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

AI总结 SC-MAS通过异构协作提升多智能体系统的效率与准确性，实现成本降低与性能提升的平衡。