语言大模型 / LLM

Efficient Detection of Intermittent Job Failures Using Few-Shot Learning

利用少样本学习高效检测间歇性作业故障

Henri Aïdasso, Francis Bordeleau, Ali Tizghadam

机构 * École de technologie supérieure（高级技术学院） ； TELUS（TELUS公司） 纠错

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

AI总结 本文提出基于少样本学习的间歇性作业故障检测方法，通过微调小型语言模型提升检测准确率，实现70-88%的F1分数，优于现有方法。

Comments Accepted at the 41st International Conference on Software Maintenance and Evolution - ICSME 2025 (Industry Track); 12 pages; typos corrected

Towards Unbiased Source-Free Object Detection via Vision Foundation Models

面向视觉基础模型的无偏源域无关目标检测

Zhi Cai, Yingjie Gao, Yanan Zhang, Xinzhu Ma, Di Huang

机构 * State Key Laboratory of Complex and Critical Software Environment, Beihang University, Beijing, 100191, China（复杂与关键软件环境国家重点实验室，北京航空航天大学，北京，100191，中国） ； School of Computer Science and Engineering, Beihang University, Beijing, 100191, China（计算机科学与工程学院，北京航空航天大学，北京，100191，中国） ； School of Computer Science and Information Engineering, Hefei University of Technology, Hefei, 230601, China（计算机科学与信息工程学院，合肥工业大学，合肥，230601，中国） 纠错

专题命中 效率与部署 ：foundation model(title)

AI总结 本文提出DSOD框架，通过VFM辅助缓解源偏问题，提升跨域目标检测性能，实验表明在多个基准上优于现有方法。

AgentAsk: Multi-Agent Systems Need to Ask

AgentAsk: 多智能体系统需要提问

Bohan Lin, Kuo Yang, Zelin Tan, Yingchuan Lai, Chen Zhang, Guibin Zhang, Xinlei Yu, Miao Yu, Xu Wang, Yudong Zhang, Yang Wang

机构 * University of Science and Technology of China（科学技术大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Xi’an Jiaotong University（西安交通大学） ； National University of Singapore（新加坡国立大学） 纠错

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

AI总结 AgentAsk通过边缘级澄清模块提升多智能体系统准确性，减少误差传播，提高任务效率与性能。

On the Evidentiary Limits of Membership Inference for Copyright Auditing

关于版权审计中成员推断的证据限制

Murat Bilgehan Ertan, Emirhan Böge, Min Chen, Kaleel Mahmood, Marten van Dijk

机构 * Centrum Wiskunde \& Informatica (CWI), Amsterdam, The Netherlands ； Vrije Universiteit Amsterdam, Amsterdam, The Netherlands ； University of Rhode Island, Kingston, RI, United States ； Independent Researcher 纠错

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

AI总结 研究探讨了在对抗性版权纠纷中成员推断攻击（MIAs）作为证据的可靠性，发现其在面对语义保持的改写数据时信号脆弱，表明MIAs单独不足以用于LLMs的版权审计。

CooperLLM: Cloud-Edge-End Cooperative Federated Fine-tuning for LLMs via ZOO-based Gradient Correction

CooperLLM: 通过基于ZOO的梯度校正实现云-边-端协同的联邦微调

He Sun, Jinrui Zhou, Li Li, Mingjun Xiao

机构 * University of Science and Technology of China（中国科学技术大学） ； University of Macau（澳门大学） 纠错

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

AI总结 CooperLLM通过结合移动端ZOO和云引导梯度校正，实现云-边-端协同联邦微调，显著提升收敛速度和精度，同时保护隐私。

Comments 14 pages, 9 figures, under review

Learn Like Humans: Use Meta-cognitive Reflection for Efficient Self-Improvement

像人类学习：利用元认知反思实现高效的自我改进

Xinmeng Hou, Peiliang Gong, Bohao Qu, Wuqi Wang, Qing Guo, Yang Liu

机构 * Nanyang Technological University（南洋理工大学） ； A*STAR ； Chang’an University（长安大学） ； Nankai University（南开大学） 纠错

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

AI总结 MARS通过整合基于原则和程序性的反思，实现高效自我改进，优于现有系统并降低计算开销。

CTPD: Cross Tokenizer Preference Distillation

CTPD: 跨分词器偏好蒸馏

Truong Nguyen, Phi Van Dat, Ngan Nguyen, Linh Ngo Van, Trung Le, Thanh Hong Nguyen

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

AI总结 CTPD提出一种跨分词器的偏好蒸馏框架，通过对齐跨度投影、跨分词器重要性采样和教师锚定参考，实现不同分词器模型间的偏好信息高效转移。

Comments AAAI 2026

The Quest for Reliable AI Accelerators: Cross-Layer Evaluation and Design Optimization

可靠AI加速器的追寻：跨层评估与设计优化

Meng Li, Tong Xie, Zuodong Zhang, Runsheng Wang

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

AI总结 本文提出可靠性意识的AI加速器设计方法，通过跨层分析与优化提升AI加速的可靠性与效率。

Comments 4 pages, 9 figures. Invited paper at ASICON 2025

FlipFlop: A Static Analysis-based Energy Optimization Framework for GPU Kernels

FlipFlop: 一种基于静态分析的GPU内核能量优化框架

Saurabhsingh Rajput, Alexander Brandt, Vadim Elisseev, Tushar Sharma

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

AI总结 FlipFlop通过静态分析预测GPU内核能耗，推荐帕累托最优线程块配置，实现高达79%的能耗节省和106%的吞吐量提升。

Improving Audio Question Answering with Variational Inference

通过变分推断改进音频问答

Haolin Chen

机构 * Idiap Research Institute, Martigny, Switzerland（日内瓦研究所） ； École Polytechnique Fédérale de Lausanne, Lausanne, Switzerland（洛桑联邦理工学院） 纠错

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

AI总结 本文通过改进的变分推断优化器提升音频问答任务的预测准确性与校准性。

Comments ICASSP 2026

The Economics of Digital Intelligence Capital: Endogenous Depreciation and the Structural Jevons Paradox

数字智能资本的经济学：内生折旧与结构杰文斯悖论

Yukun Zhang, Tianyang Zhang

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

AI总结 本文研究数字智能资本的经济学，揭示其内生折旧和结构杰文斯悖论，通过模型分析AI产业动态及竞争机制。

Autonomous Market Intelligence: Agentic AI Nowcasting Predicts Stock Returns

自主市场智能：代理AI现在预测股票回报

Zefeng Chen, Darcy Pu

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

AI总结 该研究利用自主AI预测股票回报，发现AI在识别顶级赢家方面具有选股能力，但扩展范围会稀释收益，且低排名股票回报与市场无异。

COVERT: Trojan Detection in COTS Hardware via Statistical Activation of Microarchitectural Events

COVERT：通过统计激活微架构事件在商用硬件中检测后门

Mahmudul Hasan, Sudipta Paria, Swarup Bhunia, Tamzidul Hoque

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

AI总结 COVERT通过统计激活微架构事件，实现对COTS硬件中后门的高效检测与验证。

Comments 8 pages, 7 figures, 3 tables

Nixie: Efficient, Transparent Temporal Multiplexing for Consumer GPUs

Nixie：面向消费级显卡的高效透明时间复用

Yechen Xu, Yifei Wang, Nathanael Ren, Yiran Chen, Danyang Zhuo

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

AI总结 Nixie通过高效透明的时间复用技术提升消费级GPU的交互任务性能，减少CPU pinned内存使用，提高响应速度。

Quantization Meets Reasoning: Exploring and Mitigating Degradation of Low-Bit LLMs in Mathematical Reasoning

量化与推理：探索和缓解低比特LLM在数学推理中的退化

Zhen Li, Yupeng Su, Songmiao Wang, Runming Yang, Congkai Xie, Aofan Liu, Ming Li, Jiannong Cao, Yuan Xie, Ngai Wong, Hongxia Yang

机构 * The Hong Kong Polytechnic University（香港理工大学） ； University of California, Santa Barbara（加州大学圣芭芭拉分校） ； Peking University（北京大学） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； The University of Hong Kong（香港大学） 纠错

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

AI总结 本文提出了一种轻量级方法，通过定位和恢复量化模型中最早出现的故障步骤，有效缓解低比特LLM在数学推理中的退化问题。

Comments 27pages

Don't be lazy: CompleteP enables compute-efficient deep transformers

不要懒惰：CompleteP使深度变压器计算高效

Nolan Dey, Bin Claire Zhang, Lorenzo Noci, Mufan Li, Blake Bordelon, Shane Bergsma, Cengiz Pehlevan, Boris Hanin, Joel Hestness

机构 * Cerebras Systems（Cerebras系统） ； ETH Zurich（苏黎世联邦理工学院） ； Princeton University（普林斯顿大学） ； Harvard University（哈佛大学） ； Kempner Institute（凯普纳研究所） 纠错

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

AI总结 CompleteP通过实现深度-wise超参数转移和非懒惰学习，提升了深度变压器的计算效率，适用于更广泛的模型宽度/深度比和硬件环境。

Comments NeurIPS 2025. v4 fixes Table 1 typo to match AdamW eps to Equation 40

A pipeline for enabling path-specific causal fairness in observational health data

一种实现路径特定因果公平性的观察性健康数据管道

Aparajita Kashyap, Sara Matijevic, Noémie Elhadad, Steven A. Kushner, Shalmali Joshi

机构 * Department of Biomedical Informatics（生物医学信息学系） ； Columbia University（哥伦比亚大学） ； Big Data Institute（大数据研究所） ； University of Oxford（牛津大学） 纠错

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

AI总结 本文提出了一种通用管道，用于训练能够解决直接和间接医疗偏见的因果公平机器学习模型。

Flash STU: Fast Spectral Transform Units

Flash STU：快速频谱变换单元

Y. Isabel Liu, Windsor Nguyen, Yagiz Devre, Evan Dogariu, Anirudha Majumdar, Elad Hazan

机构 * Princeton University（普林斯顿大学） ； New York University（纽约大学） 纠错

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

AI总结 Flash STU通过结合频谱状态空间模型与滑动窗口注意力，实现了高效大规模参数语言模型，优于Transformer和S4等现有模型。

Journal ref Proceedings of the 2025 IEEE 64th Conference on Decision and Control (CDC), pp. 165-171, 2025

Focus on What Matters: Fisher-Guided Adaptive Multimodal Fusion for Vulnerability Detection

聚焦关键要素：基于Fisher信息的自适应多模态融合用于漏洞检测

Yun Bian, Yi Chen, HaiQuan Wang, ShiHao Li, Zhe Cui

机构 * University of Chinese Academy of Sciences（中国科学院大学） 纠错

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

AI总结 本文提出TaCCS-DFA框架，通过Fisher信息引导的自适应多模态融合，提升漏洞检测的F1分数，同时降低推理延迟。

Qwen3-VL-Embedding and Qwen3-VL-Reranker: A Unified Framework for State-of-the-Art Multimodal Retrieval and Ranking

Qwen3-VL-Embedding 和 Qwen3-VL-Reranker：面向最新多模态检索与排序的统一框架

Mingxin Li, Yanzhao Zhang, Dingkun Long, Keqin Chen, Sibo Song, Shuai Bai, Zhibo Yang, Pengjun Xie, An Yang, Dayiheng Liu, Jingren Zhou, Junyang Lin

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

AI总结 Qwen3-VL-Embedding和Qwen3-VL-Reranker通过统一框架实现多模态检索与排序的高精度性能。

ParaMETA: Towards Learning Disentangled Paralinguistic Speaking Styles Representations from Speech

ParaMETA: 向学习解耦的语音语义说话风格表示迈进

Haowei Lou, Hye-young Paik, Wen Hu, Lina Yao

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

AI总结 ParaMETA通过统一框架学习解耦的语音语义说话风格表示，实现多任务处理和生成任务中的细粒度风格控制。

Comments 9 pages, 7 figures, Accepted to AAAI-26 (Main Technical Track)

RAPID-Serve: Resource-efficient and Accelerated P/D Intra-GPU Disaggregation

RAPID-Serve: 一种资源高效且加速的GPU内 disaggregation技术

Amna Masood, Pratishtha Gaur, Nuwan Jayasena

机构 * Advanced Micro Devices（先进微器件） 纠错

专题命中 效率与部署 ：LLM(abstract)；分类 cs.LG

AI总结 RAPID-Serve通过在GPU上同时执行prefill和decode，实现资源高效和低延迟的LLM推理服务，提升吞吐量和资源利用率。

Semantic Caching and Intent-Driven Context Optimization for Multi-Agent Natural Language to Code Systems

语义缓存与意图驱动的上下文优化用于多智能体自然语言到代码系统

Harmohit Singh

机构 * CoreOps AI 纠错

专题命中 效率与部署 ：LLM(abstract)；分类 cs.AI

AI总结 本文提出了一种多智能体系统，通过语义缓存、双阈值决策和意图驱动的提示组装，提升自然语言到代码转换的准确性和效率。

Hardware-Aware Reformulation of Convolutions for Efficient Execution on Specialized AI Hardware: A Case Study on NVIDIA Tensor Cores

面向专用AI硬件高效执行的卷积重 formulations：NVIDIA Tensor Cores 的案例研究

Ganesh Bikshandi

机构 * NVIDIA 纠错

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

AI总结 本文提出了一种硬件感知的卷积计算重 formulations 方法，通过重写规则在训练后满足专用AI硬件的对齐要求，为高效部署CNN模型提供了新的优化策略。

RPIQ: Residual-Projected Multi-Collaboration Closed-Loop and Single Instance Quantization for Visually Impaired Assistance

RPIQ: 基于残差投影多协作闭环和单实例量化的方法用于视障辅助

Xuanyu Wang, Haisen Su, Jingtao Zhang, Xiangxiang Wang, Yongbin Yu, Manping Fan, Jialing Xiao, Bo Gong, Siqi Chen, Mingsheng Cao, Liyong Ren, Zhenglin Yang

机构 * School of Information ； Software Engineering, University of Electronic Science ； School of Mathematical Sciences, Sichuan Normal University, Chengdu, Sichuan, China ； Sichuan Provincial Key Laboratory for Human Disease Gene Study, Sichuan Academy of Medical Sciences \& Sichuan Provincial People's Hospital, University of Electronic Science ； Research Unit for Blindness Prevention, Chinese Academy of Medical Sciences, Sichuan Academy of Medical Sciences ； Sichuan Provincial People’s Hospital, Chengdu, Sichuan, China ； School of Medicine, University of Electronic Science ； Tibetan Language Intelligence National Key Laboratory, Qinghai Normal University, Xining, Qinghai, China 纠错

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

AI总结 RPIQ通过残差投影多协作闭环和单实例量化方法，实现大规模模型在4位表示下的高效压缩，显著降低内存消耗并保持高性能，适用于视障辅助系统。

Scene-Aware Vectorized Memory Multi-Agent Framework with Cross-Modal Differentiated Quantization VLMs for Visually Impaired Assistance

具有跨模态差异化量化功能的场景感知向量内存多智能体框架用于视障辅助

Xiangxiang Wang, Xuanyu Wang, YiJia Luo, Yongbin Yu, Manping Fan, Jingtao Zhang, Liyong Ren

机构 * School of Information ； Software Engineering, University of Electronic Science ； Sichuan Provincial Key Laboratory for Human Disease Gene Study, Sichuan Academy of Medical Sciences \& Sichuan Provincial People's Hospital, University of Electronic Science ； Faculty of Computing, Harbin Institute of Technology, Harbin, China 纠错

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

AI总结 本文提出了一种具有跨模态差异化量化的多智能体框架，通过减少内存消耗和提升处理效率，为视障人士提供更高效的环境感知与辅助导航支持。

Comments 28 pages,9 figures

MetaSSC: Enhancing 3D Semantic Scene Completion for Autonomous Driving through Meta-Learning and Long-sequence Modeling

MetaSSC: 通过元学习和长序列建模增强自动驾驶中的3D语义场景补全

Yansong Qu, Zixuan Xu, Zilin Huang, Zihao Sheng, Tiantian Chen, Sikai Chen

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

AI总结 MetaSSC通过元学习和长序列建模提升自动驾驶中3D语义场景补全的性能与效率。

Journal ref Communications in Transportation Research 5 (2025): 100184

Feature-Aware Test Generation for Deep Learning Models

面向深度学习模型的特征感知测试生成

Xingcheng Chen, Oliver Weissl, Andrea Stocco

专题命中 效率与部署 ：language model(abstract)

AI总结 本文提出Detect框架，通过特征感知扰动生成高质量测试用例，揭示模型中的捷径行为和未被准确度指标捕捉的bug，提升深度学习模型的可靠性。

Analyzing VLM-Based Approaches for Anomaly Classification and Segmentation

分析基于视觉语言模型的异常分类和分割方法

Mohit Kakda, Mirudula Shri Muthukumaran, Uttapreksha Patel, Lawrence Swaminathan Xavier Prince

机构 * Northeastern University（东北大学） 纠错

专题命中 效率与部署 ：language model(abstract)

AI总结 本文分析了基于视觉语言模型的异常分类和分割方法，探讨了其架构范式、对齐策略及性能评估，为工业质量控制提供了方法选择和未来研究方向的指导。

Comments 10 pages,4 images

VILTA: A VLM-in-the-Loop Adversary for Enhancing Driving Policy Robustness

VILTA：一种用于增强驾驶策略鲁棒性的视觉语言模型闭环对抗者

Qimao Chen, Fang Li, Shaoqing Xu, Zhiyi Lai, Zixun Xie, Yuechen Luo, Shengyin Jiang, Hanbing Li, Long Chen, Bing Wang, Yi Zhang, Zhi-Xin Yang

专题命中 效率与部署 ：language model(abstract)

AI总结 VILTA通过整合视觉语言模型到闭环训练中，提升自动驾驶策略在长尾事件中的安全性和鲁棒性。

Comments Accepted to AAAI 2026