语言大模型 / LLM

Truthful Reverse Auctions for Adaptive Selection via Contextual Multi-Armed Bandits

基于上下文多臂老虎机的诚实反拍卖用于自适应选择

Pronoy Patra, Sankarshan Damle, Manisha Padala, Sujit Gujar

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

AI总结 本文提出基于上下文多臂老虎机的诚实反拍卖机制，用于自适应选择大型语言模型，实现高效、诚实且查询感知的模型选择。

Comments 20 pages, 6 figures

HyFunc: Accelerating LLM-based Function Calls for Agentic AI through Hybrid-Model Cascade and Dynamic Templating

HyFunc: 通过混合模型级联和动态模板加速基于LLM的功能调用以实现代理AI

Weibin Liao, Jian-guang Lou, Haoyi Xiong

机构 * Peking University（北京大学） ； Microsoft Corporation（微软公司） 纠错

专题命中 效率与部署 ：LLM(title)；分类 cs.AI

AI总结 HyFunc通过混合模型级联和动态模板技术，高效解决代理AI中功能调用的冗余问题，实现低延迟和高性能。

Comments Accepted by KDD'26

Reinforcement Learning via Self-Distillation

通过自我蒸馏进行强化学习

Jonas Hübotter, Frederike Lübeck, Lejs Behric, Anton Baumann, Marco Bagatella, Daniel Marta, Ido Hakimi, Idan Shenfeld, Thomas Kleine Buening, Carlos Guestrin, Andreas Krause

机构 * ETH Zurich（苏黎世联邦理工学院） ； Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所） ； MIT（麻省理工学院） ； Stanford（斯坦福大学） 纠错

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

AI总结 通过自我蒸馏策略优化（SDPO）提升强化学习在可验证环境中的样本效率和准确性，利用自身反馈改进策略。

Human Values in a Single Sentence: Moral Presence, Hierarchies, and Transformer Ensembles on the Schwartz Continuum

单句中的人类价值观：道德存在、层级和Transformer集成在施瓦茨连续体上

Víctor Yeste, Paolo Rosso

机构 * PRHLT Research Center, Universitat Politècnica de València（PRHLT研究中心，巴塞罗那理工大学） ； School of Science, Engineering and Design, Universidad Europea de Valencia（科学、工程与设计学院，欧洲大学瓦伦西亚分校） ； Valencian Graduate School（瓦伦西亚研究生学院） ； Research Network of Artificial Intelligence (ValgrAI)（人工智能研究网络（ValgrAI）） 纠错

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

AI总结 本文研究了在单句中检测19种人类价值观的方法，通过监督学习和轻量级辅助信号的集成，提升了在施瓦茨连续体上的检测性能。

Comments Code: https://github.com/VictorMYeste/human-value-detection, models: https://huggingface.co/papers/2601.14172, 52 pages, 4 figures

REDSearcher: A Scalable and Cost-Efficient Framework for Long-Horizon Search Agents

REDSearcher: 一种可扩展且成本效益高的长周期搜索智能体框架

Zheng Chu, Xiao Wang, Jack Hong, Huiming Fan, Yuqi Huang, Yue Yang, Guohai Xu, Chenxiao Zhao, Cheng Xiang, Shengchao Hu, Dongdong Kuang, Ming Liu, Bing Qin, Xing Yu

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

AI总结 REDSearcher提出一种统一框架，通过任务合成、中期训练和后期训练优化长周期搜索智能体，实现高效且低成本的搜索任务解决。

Comments https://redsearchagent.github.io/index/

ROAST: Rollout-based On-distribution Activation Steering Technique

基于 rollout 的分布内激活引导技术：ROAST

Xuanbo Su, Hao Luo, Yingfang Zhang, Lijun Zhang

机构 * Bairong Inc.（柏隆公司） ； School of Mathematics, Harbin Institute of Technology（哈尔滨工业大学数学学院） 纠错

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

AI总结 ROAST 通过分布内 rollout 和连续软缩放技术提升大语言模型的推理性能，有效解决高幅度激活导致的引导方向不稳问题。

QuRL: Efficient Reinforcement Learning with Quantized Rollout

QuRL: 量化回滚的高效强化学习

Yuhang Li, Reena Elangovan, Xin Dong, Priyadarshini Panda, Brucek Khailany

机构 * NVIDIA Research（NVIDIA研究） 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 QuRL通过量化动作器和自适应截断范围技术，显著提升强化学习回滚效率，实现20%-80%的加速

Comments Accepted to ICLR 2026

Bridging the Multilingual Safety Divide: Efficient, Culturally-Aware Alignment for Global South Languages

弥合多语言安全鸿沟：为全球南方语言实现高效、文化感知的对齐

Somnath Banerjee, Rima Hazra, Animesh Mukherjee

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

AI总结 本文提出为全球南方低资源语言提供高效、文化感知的安全对齐方法，以解决现有安全机制在多语言环境中的失效问题。

Comments Accepted to the EGSAI Workshop at AAAI 2026

d$^2$Cache: Accelerating Diffusion-Based LLMs via Dual Adaptive Caching

d$^2$Cache: 通过双适应缓存加速基于扩散的大型语言模型

Yuchu Jiang, Yue Cai, Xiangzhong Luo, Jiale Fu, Jiarui Wang, Chonghan Liu, Xu Yang

机构 * Key Laboratory of New Generation Artificial Intelligence Technology and Its Interdisciplinary Applications (Southeast University), Ministry of Education（新一代人工智能技术及其交叉应用国家重点实验室（东南大学）） ； Southeast University（东南大学） ； Qiyuan Tech（启元科技） 纠错

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

AI总结 d$^2$Cache通过双适应缓存机制提升基于扩散的大型语言模型的推理效率和生成质量。

Comments Accepted by ICLR 2026, 21 pages, 9 figures

DistillLens: Symmetric Knowledge Distillation Through Logit Lens

DistillLens: 通过Logit Lens实现对称的知识蒸馏

Manish Dhakal, Uthman Jinadu, Anjila Budathoki, Rajshekhar Sunderraman, Yi Ding

机构 * Georgia State University（佐治亚州立大学） ； Auburn University（阿肯色大学） 纠错

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

AI总结 DistillLens通过Logit Lens对称对齐学生和教师模型的思维过程，提升知识蒸馏性能。

Comments Knowledge Distillation in LLMs

IDPruner: Harmonizing Importance and Diversity in Visual Token Pruning for MLLMs

IDPruner: 在视觉令牌修剪中协调重要性与多样性

Yifan Tan, Yifu Sun, Shirui Huang, Hong Liu, Guanghua Yu, Jianchen Zhu, Yangdong Deng

机构 * School of Software, Tsinghua University（清华大学软件学院） ； Tencent（腾讯） 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 IDPruner通过协调重要性与多样性，提出了一种高效的视觉令牌修剪方法，实现最优平衡并提升多模态大语言模型的性能。

BEAGLE: Behavior-Enforced Agent for Grounded Learner Emulation

BEAGLE：行为约束的地面学习者模拟代理

Hanchen David Wang, Clayton Cohn, Zifan Xu, Siyuan Guo, Gautam Biswas, Meiyi Ma

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

AI总结 BEAGLE 通过整合自我调节学习理论和三种技术创新，有效模拟学生学习行为，实现对真实学习轨迹的高还原度复现。

Comments paper under submission at IJCAI

AST-PAC: AST-guided Membership Inference for Code

AST-PAC: 基于抽象语法树的成员推断

Roham Koohestani, Ali Al-Kaswan, Jonathan Katzy, Maliheh Izadi

机构 * Delft University of Technology（代尔夫特理工大学） 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 AST-PAC通过利用抽象语法树生成语法有效的校准样本，提升代码模型的成员推断性能，尤其在处理复杂代码时表现更优。

SWIFT: Mapping Sub-series with Wavelet Decomposition Improves Time Series Forecasting

SWIFT：基于小波分解的子序列映射提升时间序列预测

Wenxuan Xie, Fanpu Cao

机构 * South China University of Technology, Guangzhou, China（华南理工大学） 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 SWIFT通过小波分解和轻量级结构提升长期时间序列预测的效率与性能。

ML-ECS: A Collaborative Multimodal Learning Framework for Edge-Cloud Synergies

ML-ECS: 一种用于边缘-云协同的协同多模态学习框架

Yuze Liu, Shibo Chu, Tiehua Zhang, Hao Zhou, Zhishu Shen, Jinze Wang, Jianzhong Qi, Feng Xia

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

AI总结 ML-ECS提出了一种协同多模态学习框架，通过跨模态对比学习、自适应多模态调节、模态感知聚合和SLM增强的CCL，实现边缘-云协同中的高效知识转移与性能提升。

Deep Generative Models in Condition and Structural Health Monitoring: Opportunities, Limitations and Future Outlook

深度生成模型在条件与结构健康监测中的应用：机遇、局限与未来展望

Xin Yang, Chen Fang, Yunlai Liao, Jian Yang, Konstantinos Gryllias, Dimitrios Chronopoulos

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

AI总结 本文探讨深度生成模型在条件与结构健康监测中的应用，分析其优势与局限，并提出未来研究方向。

Comments 70 pages

DCDM: Divide-and-Conquer Diffusion Models for Consistency-Preserving Video Generation

DCDM：分而治之扩散模型用于保持一致性视频生成

Haoyu Zhao, Yuang Zhang, Junqi Cheng, Jiaxi Gu, Zenghui Lu, Peng Shu, Zuxuan Wu, Yu-Gang Jiang

机构 * Fudan University（复旦大学） ； Tencent（腾讯） 纠错

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

AI总结 DCDM通过分而治之的扩散模型，解决视频生成中的语义、几何和身份一致性问题，提升视频生成的连贯性和可控性。

Comments 7 pages, 2 figures

Pocket RAG: On-Device RAG for First Aid Guidance in Offline Mobile Environment

口袋RAG：面向离线移动环境的设备端RAG用于急救指导

Dong Ho Kang, Hyunjoon Lee, Hyeonjeong Cha, Minkyu Choi, Sungsoo Lim

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

AI总结 本研究提出了一种轻量级移动RAG系统，用于在无网络环境下提供可靠的急救指导，实现了高准确率和快速响应。

Diffusion-based Dynamic Contract for Federated AI Agent Construction in Mobile Metaverses

基于扩散的动态合同用于移动元宇宙中联邦AI代理的构建

Jinbo Wen, Jiawen Kang, Yang Zhang, Yue Zhong, Dusit Niyato, Jie Xu, Jianhang Tang, Chau Yuen

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

AI总结 本文提出基于扩散模型的EDMSAC算法，通过动态合同机制优化边缘-云协作下的AI代理构建，提升移动元宇宙中服务的低延迟与安全性。

S2D: Selective Spectral Decay for Quantization-Friendly Conditioning of Neural Activations

S2D：选择性谱衰减用于神经激活的量化友好条件化

Arnav Chavan, Nahush Lele, Udbhav Bamba, Sankalp Dayal, Aditi Raghunathan, Deepak Gupta

机构 * Amazon（亚马逊公司） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

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

AI总结 S2D通过选择性谱衰减减少神经激活异常值，提升模型在量化过程中的准确性和部署效率。

Integrating Unstructured Text into Causal Inference: Empirical Evidence from Real Data

将非结构化文本整合到因果推理中：来自真实数据的实证证据

Boning Zhou, Ziyu Wang, Han Hong, Haoqi Hu

机构 * Amazon（亚马逊公司） ； Stanford University（斯坦福大学） 纠错

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

AI总结 本文提出利用变压器语言模型从非结构化文本中进行因果推理，通过实证研究验证了非结构化文本在因果推断中的有效性，拓展了因果推理在数据稀缺场景下的应用。

Comments 10 pages, 5 figures

Experiential Reinforcement Learning

经验强化学习

Taiwei Shi, Sihao Chen, Bowen Jiang, Linxin Song, Longqi Yang, Jieyu Zhao

机构 * University of Southern California（南加州大学） ； Microsoft（微软公司） ； University of Pennsylvania（宾夕法尼亚大学） 纠错

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

AI总结 经验强化学习通过显式经验-反思-巩固循环提升语言模型在稀疏奖励环境中的学习效率和性能。

Comments 26 pages, 9 tables, 7 figures

Overthinking Loops in Agents: A Structural Risk via MCP Tools

在智能体中过度思考循环：通过MCP工具的结构风险

Yohan Lee, Jisoo Jang, Seoyeon Choi, Sangyeop Kim, Seungtaek Choi

机构 * Yonsei University（延世大学） ； Department of Data Science, Ewha Womans University（成均馆大学数据科学系） ； Division of Language and AI, Hankuk University of Foreign Studies (HUFS)（韩国外国语大学语言与人工智能系） 纠错

专题命中 效率与部署 ：LLM(abstract)；分类 cs.CL

AI总结 本文提出一种通过MCP工具诱导智能体过度思考循环的结构攻击，导致资源浪费和任务性能下降，建议防御措施应关注工具调用结构而非单纯token数量。

AsyncVLA: An Asynchronous VLA for Fast and Robust Navigation on the Edge

AsyncVLA: 一种异步VLA用于边缘设备上的快速稳健导航

Noriaki Hirose, Catherine Glossop, Dhruv Shah, Sergey Levine

机构 * University of California, Berkeley（加州大学伯克利分校） ； Toyota Motor North America（丰田汽车北美公司） ； Princeton University（普林斯顿大学） 纠错

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

AI总结 AsyncVLA通过异步框架结合远程大模型与本地轻量级模块，实现边缘设备上的高效稳健导航，成功率达40%。

Comments 13 pages, 9 figures, 2 tables

Synthesizing the Kill Chain: A Zero-Shot Framework for Target Verification and Tactical Reasoning on the Edge

构建杀伤链：一种零样本框架，用于边缘节点上的目标验证和战术推理

Jesse Barkley, Abraham George, Amir Barati Farimani

机构 * With the Department of Mechanical Engineering, Carnegie Mellon University（卡内基梅隆大学机械工程系） 纠错

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

AI总结 本文提出了一种零样本框架，通过边缘设备实现目标验证和战术推理，验证了分层架构在动态军事环境中的有效性。

Comments 8 Pages, 3 Figures

Depth Completion as Parameter-Efficient Test-Time Adaptation

深度补全作为参数高效的测试时适应

Bingxin Ke, Qunjie Zhou, Jiahui Huang, Xuanchi Ren, Tianchang Shen, Konrad Schindler, Laura Leal-Taixé, Shengyu Huang

机构 * NVIDIA ； ETH Zürich（苏黎世联邦理工学院） 纠错

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

AI总结 CAPA通过参数高效微调方法，在测试时适应预训练的3D基础模型以实现深度补全，提升鲁棒性和多帧一致性。

Extended Universal Joint Source-Channel Coding for Digital Semantic Communications: Improving Channel-Adaptability

扩展的通用联合源-信道编码用于数字语义通信：提升信道适应性

Eunsoo Kim, Yoon Huh, Wan Choi

专题命中 效率与部署 ：pretraining(abstract)

AI总结 本文提出扩展通用联合源-信道编码框架，通过动态码本生成和超网络归一化提升信道适应性，实现高效语义通信。

Cross-Modal Mapping: Mitigating the Modality Gap for Few-Shot Image Classification

跨模态映射：缓解模态差距以实现少样本图像分类

Xi Yang, Pai Peng, Wulin Xie, Xiaohuan Lu, Jie Wen

专题命中 效率与部署 ：language model(abstract)

AI总结 本文提出跨模态映射方法，通过全局对齐和三元组损失优化，缓解模态差距，提升少样本图像分类性能。

Comments The authors request withdrawal of this article. This version was submitted in error. Compared to the intended final version, it contains inaccuracies and fails to accurately reflect the authors' work and conclusions

Large Language Model Integration with Reinforcement Learning to Augment Decision-Making in Autonomous Cyber Operations

将强化学习与大语言模型集成以增强自主网络操作中的决策能力

Konur Tholl, François Rivest, Mariam El Mezouar, Adrian Taylor, Ranwa Al Mallah

机构 * Royal Military College of Canada（皇家军事学院） ； Defence Research and Development Canada（加拿大国防研究与发展加拿大） ； Polytechnique Montreal（蒙特利尔大学） 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.AI、cs.LG

AI总结 本研究通过整合预训练的大语言模型与强化学习，提升自主网络操作中的决策能力，显著提高奖励并加速策略收敛。

Assessing Spear-Phishing Website Generation in Large Language Model Coding Agents

评估大型语言模型编码代理生成钓鱼网站的能力

Tailia Malloy, Tegawende F. Bissyande

机构 * University of Luxembourg, Interdisciplinary Center for Security, Reliability, and Trust (SnT), Trustworthy Software Engineering Group (TruX)（卢森堡大学，安全、可靠与信任跨学科中心（SnT），可信软件工程组（TruX）） 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.AI

AI总结 本研究评估了大型语言模型在生成钓鱼网站代码方面的能力和潜在风险，通过比较不同模型生成危险代码库的能力，构建了包含200个网站代码库的数据集。

Comments 18 Pages, 7 Figures, 1 Table. Accepted to the conference Human Computer Interaction International