AutoMerge: Search-Based Model Merging Framework for Effective Model Reuse
AutoMerge: 基于搜索的模型合并框架，用于有效模型重用
专题命中 效率与部署 ：large language model(abstract)；language model(abstract)
AI总结 AutoMerge提出了一种基于搜索的模型合并框架，通过分割模型并系统探索合并空间，以提高不同架构模型间的重用效率。
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. 效率与部署 65 篇
Safer Policy Compliance with Dynamic Epistemic Fallback
动态认知回退：更安全的政策合规性
机构 * University of Bath, UK（巴斯大学） ； National University Philippines（菲律宾国家大学）
专题命中 效率与部署 ：LLM(abstract)；分类 cs.CL、cs.LG
AI总结 本文提出动态认知回退机制，通过文本提示提升LLM对抗恶意扰动政策文本的检测与拒绝能力，DeepSeek-R1在特定设置中实现100%检测率。
Decomposing and Composing: Towards Efficient Vision-Language Continual Learning via Rank-1 Expert Pool in a Single LoRA
分解与组合：通过单个LoRA中的秩-1专家池实现高效的视觉-语言连续学习
专题命中 效率与部署 ：language model(abstract)；分类 cs.LG
AI总结 通过单个LoRA中的秩-1专家池实现高效的视觉-语言连续学习，减少参数更新并提升领域感知能力。
CVeDRL: An Efficient Code Verifier via Difficulty-aware Reinforcement Learning
CVeDRL: 一种通过难度感知强化学习实现的高效代码验证器
机构 * Harbin Institute of Technology（哈尔滨工业大学）
专题命中 效率与部署 ：LLM(abstract)；分类 cs.AI
AI总结 CVeDRL通过难度感知强化学习提升代码验证效率，实现更高通过率和分支覆盖，参数更少，推理更快。
Comments 17 pages, 3 figures
Best-of-Q: Improving VLM agents with Q-function Action Ranking at Inference
Best-of-Q: 通过推理中的Q函数动作排名提升VLM代理
专题命中 效率与部署 ：language model(abstract)；分类 cs.AI
AI总结 Best-of-Q通过在推理过程中利用Q函数动作排名提升VLM代理性能，显著提高任务成功率。
Continual Policy Distillation from Distributed Reinforcement Learning Teachers
从分布式强化学习教师中持续政策蒸馏
机构 * Department of XXX, University of YYY, Location, Country ； School of ZZZ, Institute of WWW, Location, Country ； Zhejiang University, Zhejiang, China ； South University of Science ； Hong Kong University, Hong Kong, China ； INFIFORCE Intelligent Technology Co., Ltd., Hangzhou, China ； The Hong Kong Polytechnic University, Hong Kong, China ； School of Computer Science, Carnegie Mellon University
专题命中 效率与部署 ：foundation model(abstract)；分类 cs.LG
AI总结 本文提出一种教师-学生框架，通过分布式强化学习训练单任务模型并持续蒸馏到通用模型，实现高效的持续强化学习。
Comments 19 pages (8 pages main text)
SAIR: Cost-Efficient Multi-Stage ML Pipeline Autoscaling via In-Context Reinforcement Learning
SAIR：通过基于上下文的强化学习实现高效的多阶段机器学习管道自动扩展
机构 * University of Connecticut（康涅狄格大学） ； Shanghai Jiao Tong University（上海交通大学） ； University of California, Santa Cruz（加州大学圣克ruz分校）
专题命中 效率与部署 ：LLM(abstract)；分类 cs.LG
AI总结 SAIR通过基于上下文的强化学习实现多阶段机器学习管道的高效自动扩展，显著提升P99延迟性能并降低资源成本
Sylber 2.0: A Universal Syllable Embedding
Sylber 2.0：一种通用的音节嵌入
机构 * University of California, Berkeley, CA, USA（加州大学伯克利分校） ； Carnegie Mellon University, PA, USA（卡内基梅隆大学）
专题命中 效率与部署 ：language model(abstract)；分类 cs.CL
AI总结 Sylber 2.0通过自监督框架实现低频音节嵌入，支持多语言和风格，提升语音建模效率与质量。
PersonaCite: VoC-Grounded Interviewable Agentic Synthetic AI Personas for Verifiable User and Design Research
PersonaCite: 基于VoC的可访谈代理合成AI人设用于可验证的用户与设计研究
机构 * Adobe
专题命中 效率与部署 ：LLM(abstract)；分类 cs.AI
AI总结 PersonaCite通过检索增强的交互，将AI人设作为证据受限的研究工具，提升用户与设计研究中的可验证性与透明度。
SCENE: Semantic-aware Codec Enhancement with Neural Embeddings
SCENE：基于神经嵌入的语义感知编码器增强
机构 * United Link Co., Ltd.（联合链接有限公司） ； Dept. Computer Science and Information Engineering, National Tsing Hua University（国立清华大学计算机科学与信息工程系）
专题命中 效率与部署 ：language model(abstract)；分类 cs.LG
AI总结 SCENE通过整合视觉语言模型的语义嵌入，实现对压缩视频中伪影的语义感知增强，提升感知质量和细节纹理保留。
Comments Accepted to ICASSP 2026
Where Do the Joules Go? Diagnosing Inference Energy Consumption
焦耳去哪儿了？诊断推理能耗
机构 * University of Michigan \& The ML.ENERGY Initiative
专题命中 效率与部署 ：LLM(abstract)；分类 cs.LG
AI总结 研究通过大规模测量发现生成式AI中不同任务和硬件配置对能耗的影响差异，并提出框架解释能耗与利用率等隐含指标的关系，为优化数据中心能耗提供依据。
Comments The ML ENERGY Leaderboard v3.0 is open at https://ml.energy/leaderboard
From Tokens to Blocks: A Block-Diffusion Perspective on Molecular Generation
从标记到块：基于块扩散的分子生成视角
机构 * School of Artificial Intelligence, Shenzhen University, Shenzhen 518060, China（人工智能学院，深圳大学，深圳518060，中国） ； School of Computer Science, University of Nottingham Ningbo, Ningbo 315100, China（计算机科学学院，诺丁汉大学宁波分校，宁波315100，中国）
专题命中 效率与部署 ：language model(abstract)；分类 cs.LG
AI总结 SoftMol通过块扩散模型实现目标感知的分子生成，提升分子多样性与生成效率。
Comments 30 pages, 13 figures, 11 tables
Test-Time Anchoring for Discrete Diffusion Posterior Sampling
测试时锚定用于离散扩散后验采样
机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Google（谷歌）
专题命中 效率与部署 ：language model(abstract)；分类 cs.LG
AI总结 本研究提出锚定后验采样方法，通过量化期望和锚定重掩码实现离散扩散模型在后验采样中的高效和精确采样，提升图像生成和文本引导编辑的性能。
Comments Preprint
Learning Geometrically-Grounded 3D Visual Representations for View-Generalizable Robotic Manipulation
学习几何基础的3D视觉表示以实现视图通用的机器人操作
机构 * Tongji University（同济大学） ； The University of Hong Kong（香港大学）
专题命中 效率与部署 ：pretraining(abstract)
AI总结 本文提出MethodName框架，通过单视角3D预训练和多步蒸馏实现机器人操作的视图通用性，实验显示其在成功率和视图泛化能力上优于现有方法。
Microbiome association diversity reflects proximity to the edge of instability
微生物群落关联多样性反映接近不稳定边缘的 proximity
专题命中 效率与部署 ：SLM(abstract)
AI总结 该研究提出了一种相互作用随机逻辑斯蒂模型，揭示微生物群落接近不稳定性边缘的特性，通过分析物种关联多样性揭示了生态稳定性与疾病状态的关系。
Reg-TTR, Test-Time Refinement for Fast, Robust and Accurate Image Registration
Reg-TTR，测试时细化以实现快速、稳健和准确的图像配准
机构 * School of Artificial Intelligence and Robotics, Hunan University, China（人工智能与机器人学院，湖南大学，中国） ； The University of Manchester, UK（曼彻斯特大学，英国）
专题命中 效率与部署 ：foundation model(abstract)
AI总结 Reg-TTR通过测试时细化结合深度学习和传统配准技术，提升图像配准的准确性和效率。
Journal ref Proceedings of the 2026 IEEE International Symposium on Biomedical Imaging (ISBI)
TRACE: Unlocking Effective CXL Bandwidth via Lossless Compression and Precision Scaling
TRACE: 通过无损压缩和精度缩放解锁有效的CXL带宽
专题命中 效率与部署 ：LLM(abstract)
AI总结 TRACE通过无损压缩和精度缩放技术，有效提升CXL带宽利用率，减少内存占用并提高吞吐量。
2. 领域大模型 19 篇
Ethical Risks of Large Language Models in Medical Consultation: An Assessment Based on Reproductive Ethics
大语言模型在医疗咨询中的伦理风险：基于生殖伦理的评估
专题命中 领域大模型 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)
AI总结 本研究评估了大语言模型在生殖伦理咨询中的伦理风险，发现其在安全性和同理心方面存在严重缺陷，需加强推理和伦理依据能力。
Emotions Where Art Thou: Understanding and Characterizing the Emotional Latent Space of Large Language Models
情感在哪里？：理解并表征大语言模型的情感潜在空间
机构 * Georgia Institute of Technology（佐治亚理工学院）
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 研究揭示了大语言模型中情感的潜在空间结构，通过方向编码和跨语言一致性，展示了对情感的可控表征与可解释性。
SCaLRec: Semantic Calibration for LLM-enabled Cloud-Device Sequential Recommendation
SCaLRec: 基于LLM的云-设备序列推荐的语义校准
专题命中 领域大模型 ：LLM(title,abstract)；large language model(abstract)；language model(abstract)
AI总结 SCaLRec通过设备端语义校准模块，在无法调用云LLM时提升云-设备序列推荐性能。
Risk-based test framework for LLM features in regulated software
基于风险的受监管软件中LLM功能测试框架
专题命中 领域大模型 ：LLM(title,abstract)；large language model(abstract)；language model(abstract)
AI总结 本文提出了一种针对受监管软件中LLM功能的风险测试框架，包含风险分类、分层测试策略及案例研究，以应对LLM在安全关键应用中的风险挑战。
Journal ref David C. Wyld et al. Eds CSML, AISCA, DNLP, SOEA, NET, BDHI, SIPO 2026 pp. 107-124, 2026. CS & IT CSCP 2026
LLMDR: Large language model driven framework for missing data recovery in mixed data under low resource regime
LLMDR：基于大型语言模型的混合数据在低资源环境下缺失数据恢复框架
专题命中 领域大模型 ：large language model(title)；language model(title)
AI总结 LLMDR通过两阶段框架结合DBSCAN聚类和多LLMs实现混合数据低资源环境下的缺失数据恢复，提升数据完整性和准确性。
Procedural Knowledge Extraction from Industrial Troubleshooting Guides Using Vision Language Models
从工业故障排除指南中提取程序性知识：使用视觉语言模型
机构 * University of Groningen（Groningen大学）
专题命中 领域大模型 ：language model(title,abstract)；prompting(abstract)；分类 cs.AI
AI总结 本文研究如何利用视觉语言模型从工业故障排除指南中提取结构化知识，通过对比两种提示策略评估模型性能，揭示布局敏感性与语义稳健性的权衡。
Now You Hear Me: Audio Narrative Attacks Against Large Audio-Language Models
现在你能听见我：对抗大型音频-语言模型的音频叙述攻击
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Boise State University（博伊西州立大学）
专题命中 领域大模型 ：language model(title,abstract)；分类 cs.CL、cs.AI
AI总结 研究提出了一种音频叙述攻击，通过在叙述式音频流中嵌入非法指令，成功绕过大型音频-语言模型的安全机制，验证了语音接口安全性的关键挑战。
Comments to be published at EACL 2026 main conference
Latent Domain Prompt Learning for Vision-Language Models
潜在领域提示学习用于视觉-语言模型
机构 * Chalmers University of Technology Department of Computer Science（查尔姆斯理工大学计算机科学与工程系）
专题命中 领域大模型 ：language model(title,abstract)；分类 cs.AI、cs.LG
AI总结 本文提出通过潜在领域聚类和文本特征融合，提升视觉-语言模型在无领域标签情况下的泛化能力与鲁棒性。
Comments Accepted to ICASSP 2026
FMIR, a foundation model-based Image Registration Framework for Robust Image Registration
FMIR：一种基于基础模型的图像配准框架，用于稳健的图像配准
机构 * School of Artificial Intelligence and Robotics（人工智能与机器人学院） ； Hunan University（湖南大学） ； Department of Electrical and Computer Engineering（电气与计算机工程系） ； Cornell University（康奈尔大学）
专题命中 领域大模型 ：foundation model(title,abstract)
AI总结 FMIR通过基于基础模型的特征编码器和通道正则化策略，在单一数据集上实现域内最佳性能并保持域外配准的鲁棒性。
Comments Accepted to the International Symposium on Biomedical Imaging (ISBI 2026)
How Far Can Pretrained LLMs Go in Symbolic Music? Controlled Comparisons of Supervised and Preference-based Adaptation
预训练大语言模型在符号音乐中能走多远？监督学习与偏好导向适应的受控比较
机构 * Johannes Kepler University Linz（约翰·凯pler大学林茨）
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 本文探讨了预训练大语言模型在符号音乐生成与理解中的适应效果，通过对比监督学习与偏好导向适应方法，分析了领域适应与保留先验信息的权衡及指标行为差异。
Comments Accepted at NLP4MusA 2026
Stability-Aware Prompt Optimization for Clinical Data Abstraction
面向临床数据抽象的稳定性感知提示优化
机构 * Century Health（世纪健康）
专题命中 领域大模型 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.CL
AI总结 本文提出双目标提示优化方法，通过提升临床数据抽象任务的稳定性和准确性，减少提示敏感性带来的翻转率问题。
BibAgent: An Agentic Framework for Traceable Miscitation Detection in Scientific Literature
BibAgent: 一种用于科学文献中可追溯的误引检测代理框架
机构 * University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Worcester Polytechnic Institute（沃斯特理工学院） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
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 BibAgent是一种用于科学文献中可追溯误引检测的代理框架，通过整合检索、推理和自适应证据聚合，实现高效且透明的引文验证。
Less is More: Label-Guided Summarization of Procedural and Instructional Videos
少即是多：基于标签的程序性和教学视频摘要
机构 * University of Tübingen（图宾根大学） ； Vellore Institute of Technology（维洛雷理工学院） ； Brown University（布朗大学）
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 PRISM提出了一种基于标签的视频摘要方法，通过集成语义和多模态分析，生成语义准确且上下文连贯的摘要，有效提升摘要质量。
Comments 22 pages, 6 figures
