语言大模型 / LLM

Canzona: A Unified, Asynchronous, and Load-Balanced Framework for Distributed Matrix-based Optimizers

Canzona: 一个统一的、异步的、负载平衡的分布式矩阵优化器框架

Liangyu Wang, Siqi Zhang, Junjie Wang, Yiming Dong, Bo Zheng, Zihan Qiu, Shengkun Tang, Di Wang, Rui Men, Dayiheng Liu

机构 * Alibaba Group（阿里巴巴集团） ； Peking University（北京大学） 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 Canzona提出一个统一的异步负载平衡框架，解决分布式矩阵优化器中张量碎片化与整体更新需求的冲突，通过alpha-平衡静态划分和异步计算流水线实现高效并行计算。

Plato's Form: Toward Backdoor Defense-as-a-Service for LLMs with Prototype Representations

柏拉图的形：通过原型表示向 LLMs 提供后门防御即服务

Chen Chen, Yuchen Sun, Jiaxin Gao, Yanwen Jia, Xueluan Gong, Qian Wang, Kwok-Yan Lam

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

AI总结 PROTOPURIFY通过原型表示实现LLMs的后门防御即服务，有效降低后门攻击成功率并保持模型性能。

Platinum: Path-Adaptable LUT-Based Accelerator Tailored for Low-Bit Weight Matrix Multiplication

铂金：路径可适应的LUT基于加速器，专为低比特权重矩阵乘法定制

Haoxuan Shan, Cong Guo, Chiyue Wei, Feng Cheng, Junyao Zhang, Hai "Helen" Li, Yiran Chen

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

AI总结 Platinum是一种基于LUT的轻量级ASIC加速器，专为低比特权重矩阵乘法设计，通过适应性路径切换提升效率，实现显著的加速和能耗降低。

ProfOlaf: Semi-Automated Tool for Systematic Literature Reviews

ProfOlaf：用于系统文献综述的半自动化工具

Martim Afonso, Nuno Saavedra, Bruno Lourenço, Alexandra Mendes, João Ferreira

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

AI总结 ProfOlaf是一种半自动化工具，通过结合大型语言模型和人工干预，提升系统文献综述的效率、质量和可重复性。

Comments 5 pages, 1 Figure, 2 tables

A Cost-Effective Near-Storage Processing Solution for Offline Inference of Long-Context LLMs

一种低成本的近存储处理方案用于离线推理长上下文大语言模型

Hongsun Jang, Jaeyong Song, Changmin Shin, Si Ung Noh, Jaewon Jung, Jisung Park, Jinho Lee

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

AI总结 HILOS通过近存储处理提高长上下文大语言模型的离线推理吞吐量，减少能耗并优化I/O开销。

Comments ASPLOS'26

EUGens: Efficient, Unified, and General Dense Layers

EUGens: 高效、统一且通用的密集层

Sang Min Kim, Byeongchan Kim, Arijit Sehanobish, Somnath Basu Roy Chowdhury, Rahul Kidambi, Dongseok Shim, Avinava Dubey, Snigdha Chaturvedi, Min-hwan Oh, Krzysztof Choromanski

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

AI总结 EUGens通过随机特征和输入范数依赖，高效统一密集层，提升推断速度和内存效率

Comments Neurips 2025

HQP: Sensitivity-Aware Hybrid Quantization and Pruning for Ultra-Low-Latency Edge AI Inference

HQP：面向超低延迟边缘AI推理的敏感性感知混合量化与剪枝

Dinesh Gopalan, Ratul Ali

机构 * Institute of Information Technology (Postgraduate Researcher)（信息技术研究所） ； Jahangirnagar University（贾杭吉拉大学） 纠错

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

AI总结 HQP通过敏感性感知的混合量化与剪枝技术，在保证精度的前提下实现超低延迟边缘AI推理的加速与模型压缩。

Comments 7 pages, 3 figures, 2 tables

FlowDA: Accurate, Low-Latency Weather Data Assimilation via Flow Matching

FlowDA：通过流匹配实现准确且低延迟的天气数据同化

Ran Cheng, Lailai Zhu

机构 * National University of Singapore（新加坡国立大学） 纠错

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

AI总结 FlowDA通过流匹配实现低延迟、高精度的天气数据同化，展现出在不同观测率下的优越性能和鲁棒性。

Online Adaptive Reinforcement Learning with Echo State Networks for Non-Stationary Dynamics

在线自适应强化学习与回声状态网络用于非平稳动态

Aoi Yoshimura, Gouhei Tanaka

机构 * Department of Computer Science, Nagoya Institute of Technology（名古屋技术大学计算机科学系） ； Nagoya Institute of Technology（名古屋技术大学） ； International Research Center for Neurointelligence, The University of Tokyo（神经智能国际研究中心，东京大学） 纠错

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

AI总结 本文提出基于回声状态网络的在线自适应强化学习框架，通过共振计算实现快速适应，适用于非平稳动态环境中的实时机器人控制。

Comments Submitted to IJCNN 2026

STACodec: Semantic Token Assignment for Balancing Acoustic Fidelity and Semantic Information in Audio Codecs

STACodec：语义令牌分配以在音频编码器中平衡音频保真度与语义信息

Kaiyuan Zhang, Mohan Shi, Eray Eren, Natarajan Balaji Shankar, Zilai Wang, Abeer Alwan

机构 * Dept. of Electrical and Computer Engineering, University of California, Los Angeles, USA（电气与计算机工程系，加州大学洛杉矶分校） 纠错

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

AI总结 STACodec通过语义令牌分配和预蒸馏模块，在音频编码中实现音频保真度与语义信息的平衡。

Comments ICASSP 2026

Applying Text Embedding Models for Efficient Analysis in Labeled Property Graphs

在标注属性图中应用文本嵌入模型以实现高效分析

Michal Podstawski

机构 * NASK National Research Institute（波兰国家研究 institute） 纠错

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

AI总结 本文提出在标注属性图中应用预训练文本嵌入模型，以提升节点分类和关系预测的语义分析能力。

GaussianPOP: Principled Simplification Framework for Compact 3D Gaussian Splatting via Error Quantification

GaussianPOP: 基于误差量化的原则性简化框架用于紧凑3D高斯点云渲染

Soonbin Lee, Yeong-Gyu Kim, Simon Sasse, Tomas M. Borges, Yago Sanchez, Eun-Seok Ryu, Thomas Schierl, Cornelius Hellge

专题命中 效率与部署 ：post-training(abstract)

AI总结 GaussianPOP通过基于误差量化的原理性框架，实现3D高斯点云渲染的高效简化，提升模型紧凑性与渲染质量的平衡。

Interfacial dynamics induced by impacts across rigid and soft substrates

由冲击引起的界面动力学在刚性和软性基底上

Ishin Kikuchi, Hiroya Watanabe, Yuto Yokoyama, Hiroaki Kusuno, Yoshiyuki Tagawa

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

AI总结 研究通过冲击引起的气液界面动力学，定义刚性与软性冲击区域的边界，提出部分冲量框架统一了不同基底下的射流动力学。

Comments 25 pages, 11 figures

Generics in science communication: Misaligned interpretations across laypeople, scientists, and large language models

科学传播中的泛化：面向非专业人士、科学家和大型语言模型的解释差异

Uwe Peters, Andrea Bertazzoli, Jasmine M. DeJesus, Gisela J. van der Velden, Benjamin Chin-Yee

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

AI总结 研究揭示了科学传播中泛化陈述在不同受众间的解释差异，指出非专业人士和LLM对泛化陈述的高可推广性评分可能带来风险，强调需重视语言选择以提升科学传播效果。

Evaluating an evidence-guided reinforcement learning framework in aligning light-parameter large language models with decision-making cognition in psychiatric clinical reasoning

评估一种证据引导的强化学习框架在对齐光参数大语言模型与精神科临床推理决策认知中的作用

Xinxin Lin, Guangxin Dai, Yi Zhong, Xiang Li, Xue Xiao, Yixin Zhang, Zhengdong Wu, Yongbo Zheng, Runchuan Zhu, Ming Zhao, Huizi Yu, Shuo Wu, Jun Zhao, Lingming Hu, Yumei Wang, Ping Yin, Joey W. Y. Chan, Ngan Yin Chan, Sijing Chen, Yun Kwok Wing, Lin Lu, Xin Ma, Lizhou Fan

机构 * The Chinese University of Hong Kong, Shatin, N.T., Hong Kong SAR, China（香港中文大学） ； Shandong University, Jinan, China（山东大学） ； Peking University Sixth Hospital, Beijing, China（北京大学第六医院） ； Inspur Cloud Information Technology Co., Ltd., Jinan, China（Inspur 云技术有限公司） ； Fudan University, Shanghai, China（复旦大学） ； Shandong Provincial Hospital Affiliated to Shandong First Medical University, Jinan, China（山东第一医科大学附属山东省人民医院） ； Jilin University, Changchun, China（吉林大学） ； Hong Kong ICI Cloud Service Limited, Hong Kong SAR, China（香港ICI云服务有限公司） ； Shandong First Medical University, Jinan, China（山东第一医科大学） 纠错

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

AI总结 本研究提出ClinMPO框架，通过证据引导的强化学习使轻量LLM在复杂精神病学推理任务中达到超越人类的准确率。

Comments 21 pages, 8 figures

Knowledgeable Language Models as Black-Box Optimizers for Personalized Medicine

具备知识的语言模型作为个性化医疗的黑盒优化器

Michael S. Yao, Osbert Bastani, Alma Andersson, Tommaso Biancalani, Aïcha Bentaieb, Claudia Iriondo

机构 * University of Pennsylvania（宾夕法尼亚大学） ； Genentech（基因泰克） 纠错

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

AI总结 本文提出LEON方法，利用大语言模型作为黑盒优化器，结合领域知识提升个性化医疗治疗方案的优化效果。

Comments 63 pages, Accepted to ICLR 2026

MeDocVL: A Visual Language Model for Medical Document Understanding and Parsing

MeDocVL：一种用于医疗文档理解与解析的视觉语言模型

Wenjie Wang, Wei Wu, Ying Liu, Yuan Zhao, Xiaole Lv, Liang Diao, Zengjian Fan, Wenfeng Xie, Ziling Lin, De Shi, Lin Huang, Kaihe Xu, Hong Li

机构 * Visual Computing Group (VCG)（视觉计算组） 纠错

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

AI总结 MeDocVL通过训练驱动的标签细化和噪声意识的混合后训练策略，实现了对医疗文档的高精度解析，优于现有OCR和VLM方法。

Comments 20 pages, 8 figures. Technical report

Steering LLMs via Scalable Interactive Oversight

通过可扩展的交互监督引导大语言模型

Enyu Zhou, Zhiheng Xi, Long Ma, Zhihao Zhang, Shihan Dou, Zhikai Lei, Guoteng Wang, Rui Zheng, Hang Yan, Tao Gui, Qi Zhang, Xuanjing Huang

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

AI总结 本文提出可扩展的交互监督框架，通过递归决策树提升人类对AI任务的引导能力，实现非专家生成高质量产品需求文档，并通过强化学习优化

CauCLIP: Bridging the Sim-to-Real Gap in Surgical Video Understanding via Causality-Inspired Vision-Language Modeling

CauCLIP：通过因果启发的视觉-语言模型弥合手术视频理解的仿真到现实差距

Yuxin He, An Li, Cheng Xue

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

AI总结 CauCLIP通过因果启发的视觉-语言模型，在不访问目标领域数据的情况下，提升手术视频理解的领域泛化能力。

Towards Agentic Intelligence for Materials Science

迈向材料科学的代理智能

Huan Zhang, Yizhan Li, Wenhao Huang, Ziyu Hou, Yu Song, Xuye Liu, Farshid Effaty, Jinya Jiang, Sifan Wu, Qianggang Ding, Izumi Takahara, Leonard R. MacGillivray, Teruyasu Mizoguchi, Tianshu Yu, Lizi Liao, Yuyu Luo, Yu Rong, Jia Li, Ying Diao, Heng Ji, Bang Liu

机构 * DIRO & Institut Courtois, Université de Montréal（蒙特利尔大学DIRO与Courtois研究所） ； Mila – Quebec AI Institute（魁北克AI研究所） ； University of Waterloo（滑铁卢大学） ； Université de Sherbrooke（Sherbrooke大学） ； University of California, San Diego（加州大学圣地亚哥分校） ； The University of Tokyo, Institute of Industrial Science（东京大学工业科学研究所） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Singapore Management University（新加坡管理学院） ； The Hong Kong University of Science and Technology, Guangzhou（香港科学与技术大学（广州）） ； Alibaba DAMO Academy（阿里巴巴达摩院） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； CIFAR AI Chair（CIFAR人工智能主席） 纠错

专题命中 领域大模型 ：LLM(abstract)；instruction tuning(abstract)；pretraining(abstract)；分类 cs.AI

AI总结 本文提出以流程为中心的代理系统框架，通过整合人工智能与材料科学，推动材料发现的自主化与智能化。

Comments 81 pages

ToPolyAgent: AI Agents for Coarse-Grained Topological Polymer Simulations

ToPolyAgent：用于拓扑聚合物粗粒化拓扑模拟的AI代理

Lijie Ding, Jan-Michael Carrillo, Changwoo Do

机构 * Neutron Scattering Division, Oak Ridge National Laboratory（中子散射部，橡树岭国家实验室） ； Center for Nanophase Materials Sciences, Oak Ridge National Laboratory（纳米相材料科学中心，橡树岭国家实验室） 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 ToPolyAgent通过自然语言指令实现拓扑聚合物粗粒化模拟，结合多代理AI框架提升聚合物科学计算效率。

Comments 10 pages, 8 figures

Training Data Selection with Gradient Orthogonality for Efficient Domain Adaptation

基于梯度正交性的训练数据选择用于高效的领域适应

Xiyang Zhang, Yuanhe Tian, Hongzhi Wang, Yan Song

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

AI总结 本文提出OGS方法，通过梯度正交性选择训练数据，提升领域适应的效率和性能。

MPIB: A Benchmark for Medical Prompt Injection Attacks and Clinical Safety in LLMs

MPIB：用于医疗提示注入攻击和大语言模型临床安全性的基准

Junhyeok Lee, Han Jang, Kyu Sung Choi

机构 * Seoul National University College of Medicine（首尔国立大学医学院） ； Seoul National University（首尔国立大学） ； Seoul National University College of Medicine, Seoul National University Hospital（首尔国立大学医学院、首尔国立大学医院） 纠错

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

AI总结 MPIB是一个用于评估医疗提示注入攻击和大语言模型临床安全性的基准，通过测量临床危害事件率和攻击成功率来评估模型的安全性。

Comments 13 pages, 7 figures

Baichuan-M3: Modeling Clinical Inquiry for Reliable Medical Decision-Making

Baichuan-M3：用于可靠医疗决策的临床查询建模

M3 Team, Chengfeng Dou, Fan Yang, Fei Li, Jiyuan Jia, Qiang Ju, Shuai Wang, Tianpeng Li, Xiangrong Zeng, Yijie Zhou, Hongda Zhang, Jinyang Tai, Linzhuang Sun, Peidong Guo, Yichuan Mo, Xiaochuan Wang, Hengfu Cui, Zhishou Zhang

机构 * Baichuan-M3 Team（Baichuan-M3团队） 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 Baichuan-M3通过建模临床查询流程，实现了医疗决策支持的可靠性和准确性，优于现有模型。

Human-AI Co-Embodied Intelligence for Scientific Experimentation and Manufacturing

人类-人工智能协同具身智能用于科学实验与制造

Xinyi Lin, Yuyang Zhang, Yuanhang Gan, Juntao Chen, Hao Shen, Yichun He, Lijun Li, Ze Yuan, Shuang Wang, Chaohao Wang, Rui Zhang, Na Li, Jia Liu

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

AI总结 本研究提出人类-人工智能协同具身智能，通过智能体-物理实验系统提升科学实验与制造的精度与可扩展性。

CoLLM: AI engineering toolbox for end-to-end deep learning in collider analyses

CoLLM：用于碰撞分析中端到端深度学习的AI工程工具包

W. Esmail, A. Hammad, M. Nojiri

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

AI总结 CoLLM通过预训练语言模型生成物理一致的分析代码，结合图形界面实现端到端碰撞分析自动化，降低编程复杂度。

Comments 43 pages, 4 figures

FAIR: Framing AIs Role in Programming Competitions -- Understanding How LLMs Are Changing the Game in Competitive Programming

FAIR: 人工智能在编程竞赛中的角色框架——理解LLMs如何改变竞赛游戏

Dongyijie Primo Pan, Lan Luo, Ji Zhu, Zhiqi Gao, Xin Tong, Pan Hui

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

AI总结 本文研究LLMs对编程竞赛的影响，通过访谈和数据调查，分析工作流程变化和公平规范，并提出治理方法以遏制AI滥用。

Comments 23 pages, 5 figures. In Proceedings of the 44th ACM Conference on Human Factors in Computing Systems (CHI '26), Barcelona, Spain, April 2026

Uncertainty Drives Social Bias Changes in Quantized Large Language Models

不确定性驱动量化大语言模型中的社会偏见变化

Stanley Z. Hua, Sanae Lotfi, Irene Y. Chen

机构 * UC Berkeley（伯克利大学） ； Centre for Computational Medicine at The Hospital for Sick Children（儿童医院计算医学中心） ； UCSF（旧金山大学） ； Meta Superintelligence Labs（Meta超智能实验室） 纠错

专题命中 知识编辑与模型理解 ：large language model(title,abstract)；language model(title,abstract)；post-training(abstract)；分类 cs.CL

AI总结 研究发现量化过程导致大语言模型中社会偏见的翻转，且不确定性与量化强度影响偏见变化，需进行后续评估以确保可靠性。

Comments 12 pages, 6 figures

The Quantum Sieve Tracer: A Hybrid Framework for Layer-Wise Activation Tracing in Large Language Models

量子筛子追踪器：一种用于大语言模型分层激活追踪的混合框架

Jonathan Pan

机构 * Jonathan Pan 纠错

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

AI总结 量子筛子追踪器通过混合量子-经典方法揭示大语言模型中分层激活机制的差异，发现不同模型层在事实回忆和干扰抑制中的不同作用。

Comments 4 pages, 4 figures

Data-Centric Interpretability for LLM-based Multi-Agent Reinforcement Learning

面向大语言模型多智能体强化学习的数据导向可解释性

John Yan, Michael Yu, Yuqi Sun, Alexander Duffy, Tyler Marques, Matthew Lyle Olson

机构 * goodstartlabs（Good Start Labs） 纠错

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

AI总结 本文提出Meta-Autointerp方法，利用SAEs和LLM总结器分析多智能体强化学习行为，发现细粒度行为及奖励黑客，验证SAE特征的有效性并提升智能体性能。

Comments authors 1, 2 and 3 contributed equally