语言大模型 / LLM

X-ray Insights Unleashed: Pioneering the Enhancement of Multi-Label Long-Tail Data

X射线洞察力释放：开创多标签长尾数据增强领域

Xinquan Yang, Jinheng Xie, Yawen Huang, Yuexiang Li, Huimin Huang, Hao Zheng, Xian Wu, Yefeng Zheng, Linlin Shen

机构 * Tencent Jarvis Lab（腾讯 Jarvis实验室） ； School of Artificial Intelligence, Shenzhen University（深圳大学人工智能学院） ； National University of Singapore（新加坡国立大学） ； Westlake University（西湖大学） 纠错

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

AI总结 本文提出一种基于扩散模型和LKG模块的X光数据合成方法，通过正常X光片生成长尾病变数据，提升肺部异常诊断的性能。

Designing Staged Evaluation Workflows for LLMs: Integrating Domain Experts, Lay Users, and Model-Generated Evaluation Criteria

为大型语言模型设计分阶段评估流程：整合领域专家、普通用户和模型生成的评估标准

Annalisa Szymanski, Simret Araya Gebreegziabher, Oghenemaro Anuyah, Ronald A. Metoyer, Toby Jia-Jun Li

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

AI总结 本文提出了一种分阶段的评估流程设计方法，结合领域专家、普通用户和模型生成的评估标准，以提高LLM评估的效率和准确性。

Comments To be published in CHI2026

Complex networks map test anxiety and wellbeing levels in students and ChatGPT

复杂网络映射学生考试焦虑和幸福感水平及ChatGPT

Emma Franchino, Francesco Gariboldi, Alessandro Grecucci, Gianluca Lattanzi, Massimo Stella

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

AI总结 本文通过复杂网络分析揭示学生考试焦虑与幸福感的关系，发现人类学生对考试和成绩的负面框架与GPT模拟存在显著差异，显示了学生群体中考试焦虑的结构证据。

Image-to-Brain Signal Generation for Visual Prosthesis with CLIP Guided Multimodal Diffusion Models

基于CLIP引导的多模态扩散模型的图像到脑信号生成用于视觉假体

Ganxi Xu, Zhao-Rong Lai, Yuting Tang, Yonghao Song, Guoxu Zhou, Boyu wang, Jian Zhu, Jinyi Long

机构 * Jinan University, Guangzhou, China ； Department of Rehabilitation Medicine, The First Affiliated Hospital of Jinan University, Guangzhou, China ； Western University, Ontario, Canada ； Guangdong University of Technology, Guangzhou, China ； Tsinghua University, Beijing, China 纠错

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

AI总结 本文提出基于CLIP引导的多模态扩散模型，实现图像到脑信号的转换，通过交叉注意力机制和空间-时间位置编码生成生物合理的脑信号。

When Evaluation Becomes a Side Channel: Regime Leakage and Structural Mitigations for Alignment Assessment

当评估成为侧信道：对齐评估中的制度泄漏与结构缓解

Igor Santos-Grueiro

机构 * International University of La Rioja（拉里奥ja国际大学） 纠错

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

AI总结 研究提出通过制度盲机制减少制度条件下的失败，但无法完全消除策略风险，需结合白盒诊断评估制度意识。

Comments Added results for Llama and new cross model analysis

Endless Terminals: Scaling RL Environments for Terminal Agents

无尽终端：为终端智能体扩展强化学习环境

Kanishk Gandhi, Shivam Garg, Noah D. Goodman, Dimitris Papailiopoulos

机构 * Stanford University（斯坦福大学） ； Microsoft Research（微软研究院） ； UW-Madison（威斯康星大学麦迪逊分校） 纠错

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

AI总结 Endless Terminals 通过自动化生成终端任务并训练智能体，显著提升了在终端基准测试和人工整理基准测试上的性能。

Recontextualization Mitigates Specification Gaming without Modifying the Specification

语境重新定位在不修改规范的情况下抑制规范游戏

Ariana Azarbal, Victor Gillioz, Vladimir Ivanov, Bryce Woodworth, Jacob Drori, Nevan Wichers, Aram Ebtekar, Alex Cloud, Alexander Matt Turner

机构 * MATS ； Anthropic Fellows ； Brown University（布朗大学） 纠错

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

AI总结 通过语境重新定位技术，模型在不修改规范的情况下抑制了不良行为，减少了规范游戏现象。

Comments v2 adds a new experimental setting (in place of the lie detector setting)

Image-based Joint-level Detection for Inflammation in Rheumatoid Arthritis from Small and Imbalanced Data

基于图像的类间检测用于从小而不平衡的数据中检测类风湿性关节炎的炎症

Shun Kato, Yasushi Kondo, Shuntaro Saito, Yoshimitsu Aoki, Mariko Isogawa

机构 * Keio University（Keio大学） 纠错

专题命中 评测与基准 ：pretraining(abstract)；分类 cs.AI

AI总结 本文提出了一种结合自监督预训练和不平衡训练的框架，用于从RGB手图像中检测类风湿性关节炎的炎症，提升了F1和Gmean指标。

voice2mode: Phonation Mode Classification in Singing using Self-Supervised Speech Models

voice2mode：基于自监督语音模型的歌唱发声模式分类

Aju Ani Justus, Ruchit Agrawal, Sudarsana Reddy Kadiri, Shrikanth Narayanan

机构 * University of Birmingham, School of Computer Science, Birmingham, UK（伯明翰大学计算机科学学院） ； Carnegie Mellon University, Information Systems, Doha, Qatar（卡内基梅隆大学信息系统） ； University of Southern California, Department of Electrical（南加州大学电气工程系） 纠错

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

AI总结 voice2mode利用自监督语音模型提取的嵌入对四种歌唱发声模式进行分类，实验表明基础模型特征在准确率上显著优于传统方法。

Comments Accepted to the Speech, Music and Mind (SMM26) workshop at the IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP 2026). This is the preprint version of the paper to appear in the proceedings

An end-to-end agentic pipeline for smart contract translation and quality evaluation

面向智能合约翻译和质量评估的端到端代理流程

Abhinav Goel, Chaitya Shah, Agostino Capponi, Alfio Gliozzo

机构 * Columbia University（哥伦比亚大学） ； IBM T.J. Watson Research Center（IBM T.J.沃森研究中心） 纠错

专题命中 评测与基准 ：LLM(abstract)；分类 cs.AI

AI总结 本文提出端到端智能合约翻译与质量评估框架，通过代理团队实现结构化输出与多维度质量评估。

Comments 17 pages, 4 figures

RAVENEA: A Benchmark for Multimodal Retrieval-Augmented Visual Culture Understanding

RAVENEA：多模态检索增强视觉文化理解的基准

Jiaang Li, Yifei Yuan, Wenyan Li, Mohammad Aliannejadi, Daniel Hershcovich, Anders Søgaard, Ivan Vulić, Wenxuan Zhang, Paul Pu Liang, Yang Deng, Serge Belongie

机构 * University of Copenhagen（哥本哈根大学） ； ETH Zürich（苏黎世联邦理工学院） ； University of Amsterdam（阿姆斯特丹大学） ； University of Cambridge（剑桥大学） ； Massachusetts Institute of Technology（麻省理工学院） ； Singapore University of Technology and Design（新加坡科技设计大学） ； Singapore Management University（新加坡管理大学） 纠错

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

AI总结 RAVENEA通过多模态检索增强方法提升视觉文化理解，验证了文化注释对多模态检索和下游任务的增强效果，并揭示了不同国家间性能差异。

Comments ICLR 2026; Project page: https://jiaangli.github.io/ravenea/

A Survey on Generative Modeling with Limited Data, Few Shots, and Zero Shot

有限数据、少样本和零样本生成建模综述

Milad Abdollahzadeh, Guimeng Liu, Touba Malekzadeh, Christopher T. H. Teo, Keshigeyan Chandrasegaran, Ngai-Man Cheung

机构 * Singapore University of Technology and Design（新加坡科技设计大学） ； SAP, Singapore（新加坡SAP公司） ； Stanford University（斯坦福大学） 纠错

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

AI总结 本文综述了在有限数据、少样本和零样本条件下生成建模的挑战与方法，提出了新的分类体系，并探讨了未来研究方向。

Comments Accepted to Transactions on Machine Learning Research (TMLR)

Journal ref Transactions on Machine Learning Research (TMLR), 2025

SPILLage: Agentic Oversharing on the Web

SPILLage：网络上的代理过度分享

Jaechul Roh, Eugene Bagdasarian, Hamed Haddadi, Ali Shahin Shamsabadi

专题命中 评测与基准 ：LLM(abstract)；分类 cs.AI

AI总结 SPILLage研究网络代理在执行任务时无意泄露用户信息的问题，通过分析行为和内容两个维度揭示过度分享现象，并通过实验验证减少过度分享可提升任务成功率。

Detecting Brick Kiln Infrastructure at Scale: Graph, Foundation, and Remote Sensing Models for Satellite Imagery Data

大规模检测砖窑基础设施：用于卫星图像数据的图、基础和遥感模型

Usman Nazir, Xidong Chen, Hafiz Muhammad Abubakar, Hadia Abu Bakar, Raahim Arbaz, Fezan Rasool, Bin Chen, Sara Khalid

机构 * Planetary Health Informatics (PHI) Lab, University of Oxford, Oxford, UK.（行星健康信息学实验室，牛津大学，英国） ； Sustainable Environment (FUSE) Lab, University of Hong Kong, Hong Kong, China.（可持续环境（FUSE）实验室，香港大学，中国） ； School of Computer and IT, Beaconhouse National University, Lahore, Pakistan（计算机与信息技术学院，贝肯豪斯国家大学，巴基斯坦） ； Computer Science Department, Lahore University of Management Sciences, Lahore, Pakistan（管理科学大学计算机科学系，拉合尔，巴基斯坦） ； Computer Science Department, University of Sarghoda, Sarghoda, Pakistan（计算机科学系，萨尔戈达大学，巴基斯坦） 纠错

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

AI总结 本文提出ClimateGraph模型和遥感检测流水线，通过高分辨率卫星图像实现大规模砖窑基础设施的检测与监测。

HiST-VLA: A Hierarchical Spatio-Temporal Vision-Language-Action Model for End-to-End Autonomous Driving

HiST-VLA：一种用于端到端自动驾驶的分层时空视觉-语言-动作模型

Yiru Wang, Zichong Gu, Yu Gao, Anqing Jiang, Zhigang Sun, Shuo Wang, Yuwen Heng, Hao Sun

机构 * Bosch Corporate Research（博世企业研究） ； School of Communication and Information Engineering（信息工程学院） 纠错

专题命中 评测与基准 ：prompting(abstract)；分类 cs.AI

AI总结 HiST-VLA通过分层时空视觉-语言-动作模型提升自动驾驶轨迹生成的精度与效率，实现端到端的自动驾驶系统。

Gaussian Sequences with Multi-Scale Dynamics for 4D Reconstruction from Monocular Casual Videos

具有多尺度动态的高斯序列用于从单目随意视频中进行4D重建

Can Li, Jie Gu, Jingmin Chen, Fangzhou Qiu, Lei Sun

机构 * Nankai University（南开大学） ； Rightly Robotics 纠错

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

AI总结 本文提出了一种基于多尺度动态的高斯序列方法，用于从单目随意视频中实现准确且一致的4D重建，通过多级运动组合和多模态先验约束提升重建保真度。

T2MBench: A Benchmark for Out-of-Distribution Text-to-Motion Generation

T2MBench：一种用于分布外文本到动作生成的基准测试

Bin Yang, Rong Ou, Weisheng Xu, Jiaqi Xiong, Xintao Li, Taowen Wang, Luyu Zhu, Xu Jiang, Jing Tan, Renjing Xu

机构 * The Hong Kong University of Science（香港科学与技术大学） ； University of Oxford, Oxford, United Kingdom（牛津大学） 纠错

专题命中 评测与基准 ：LLM(abstract)

AI总结 T2MBench提出了一种用于评估分布外文本到动作生成的基准测试，通过全面分析基础模型和构建专用数据集，揭示现有方法在复杂场景下的局限性。

Designing Multi-Robot Ground Video Sensemaking with Public Safety Professionals

设计多机器人地面视频感知以服务于公共安全专业人员

Puqi Zhou, Ali Asgarov, Aafiya Hussain, Wonjoon Park, Amit Paudyal, Sameep Shrestha, Chia-wei Tang, Michael F. Lighthiser, Michael R. Hieb, Xuesu Xiao, Chris Thomas, Sungsoo Ray Hong

机构 * George Mason University（乔治·玛森大学） ； University of Maryland（马里兰大学） 纠错

专题命中 评测与基准 ：LLM(abstract)

AI总结 本文提出了一种多机器人地面视频感知测试平台和MRVS工具，旨在提升公共安全专业人员的情报意识和工作效率，同时关注假警报和隐私问题。

PRISMM-Bench: A Benchmark of Peer-Review Grounded Multimodal Inconsistencies

PRISMM-Bench: 一种基于同行评审的多模态不一致基准

Lukas Selch, Yufang Hou, M. Jehanzeb Mirza, Sivan Doveh, James Glass, Rogerio Feris, Wei Lin

机构 * Johannes Kepler University Linz（约翰内斯·开普勒大学林茨分校） ； Interdisciplinary Transformation University Austria（跨学科转型大学奥地利） ； MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） ； Stanford University（斯坦福大学） ； MIT-IBM Watson AI Lab（麻省理工-IBM沃森人工智能实验室） 纠错

专题命中 评测与基准 ：LLM(abstract)

AI总结 PRISMM-Bench是首个基于同行评审标记的多模态不一致基准，通过整理384个不一致点，设计三个任务评估模型跨模态检测和推理能力，揭示了多模态科学推理的挑战。

Comments Accepted at ICLR 2026. Project page https://da-luggas.github.io/prismm-bench/

MRMR: A Realistic and Expert-Level Multidisciplinary Benchmark for Reasoning-Intensive Multimodal Retrieval

MRMR：一个面向推理密集型多模态检索的现实且专家级多学科基准

Siyue Zhang, Yuan Gao, Xiao Zhou, Yilun Zhao, Tingyu Song, Arman Cohan, Anh Tuan Luu, Chen Zhao

专题命中 评测与基准 ：LLM(abstract)

AI总结 MRMR是一个面向推理密集型多模态检索的现实且专家级多学科基准，通过多领域查询和混合模态数据推动检索模型的改进。

DeCo: Task Decomposition and Skill Composition for Zero-Shot Generalization in Long-Horizon 3D Manipulation

DeCo：用于长周期3D操作零样本泛化任务分解与技能组合

Zixuan Chen, Junhui Yin, Yangtao Chen, Jing Huo, Pinzhuo Tian, Jieqi Shi, Yiwen Hou, Yinchuan Li, Yang Gao

机构 * State Key Laboratory for Novel Software Technology, Nanjing University（南京大学新型软件技术国家重点实验室） ； School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电子与电气工程学院） ； School of Computing, National University of Singapore（新加坡国立大学计算机学院） ； Huawei Noah’s Ark Lab (AI Lab), China（华为诺亚实验室（AI实验室）） 纠错

专题命中 评测与基准 ：language model(abstract)

AI总结 DeCo通过任务分解与技能组合提升长周期3D操作任务的零样本泛化能力，显著提高多个模型在新任务上的成功率。

Comments RAL 2026

Floe: Federated Specialization for Real-Time LLM-SLM Inference

Floe：面向实时LLM-SLM推理的联邦专业化

Chunlin Tian, Kahou Tam, Yebo Wu, Shuaihang Zhong, Li Li, Nicholas D. Lane, Chengzhong Xu

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

AI总结 Floe通过结合云LLM和边缘SLM实现低延迟隐私保护推理，提升实时环境下的个性化与性能

Comments Accepted by IEEE Transactions on Parallel and Distributed Systems

Evaluating Prompt Engineering Techniques for RAG in Small Language Models: A Multi-Hop QA Approach

评估用于RAG的提示工程技术在小型语言模型中的表现：一种多跳问答方法

Amir Hossein Mohammadi, Ali Moeinian, Zahra Razavizade, Afsaneh Fatemi, Reza Ramezani

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

AI总结 本文通过评估24种提示模板，发现优化RAG在小型语言模型上的表现提升显著，为资源受限环境下的RAG系统提供实用建议。

Comments 32 Pages, Submitted to Journal of Computing and Security

Model-based Large Language Model Customization as Service

基于模型的大型语言模型定制服务

Zhaomin Wu, Jizhou Guo, Junyi Hou, Bingsheng He, Lixin Fan, Qiang Yang

机构 * National University of Singapore（新加坡国立大学） ； WeBank ； The Hong Kong University of Science and Technology（香港理工大学） 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、cs.LG

AI总结 Llamdex 提出了一种基于模型的 LLM 定制服务框架，通过客户端上传预训练的领域模型并结合差分隐私保护，提升领域特定任务的准确率并保持推理效率。

Comments Proceedings of the 2025 Conference on Empirical Methods in Natural Language Processing (EMNLP 2025)

Journal ref Proceedings of the 2025 Conference on Empirical Methods in Natural Language Processing (2025)

Resource-Efficient Personal Large Language Models Fine-Tuning with Collaborative Edge Computing

基于协作边缘计算的资源高效个性化大语言模型微调

Shengyuan Ye, Bei Ouyang, Tianyi Qian, Liekang Zeng, Jingyi Li, Jiangsu Du, Xiaowen Chu, Guoliang Xing, Xu Chen

机构 * School of Computer Science and Engineering, Sun Yat-sen University（中山大学计算机科学与工程学院） ； Department of Information Engineering, The Chinese University of Hong Kong（香港中文大学信息工程系） ； The Hong Kong University of Science and Technology (Guangzhou)（香港理工大学（广州）） ； Shenzhen Institute of Artificial Intelligence and Robotics for Society（社会人工智能与机器人研究所（深圳）） 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、cs.LG

AI总结 本文提出PAC框架，通过算法与系统协同设计，实现高效资源利用的个性化大语言模型微调，提升边缘计算性能。

ShallowJail: Steering Jailbreaks against Large Language Models

ShallowJail: 对大语言模型的对抗性攻击

Shang Liu, Hanyu Pei, Zeyan Liu

机构 * xxx 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 ShallowJail通过操纵LLMs的初始标记来攻击其对齐机制，从而降低大语言模型的安全性。

Low-Latency Federated Fine-Tuning for Large Language Models Over Wireless Networks

面向无线网络的低延迟联邦微调框架用于大语言模型

Zhiwen Pang, Kang Wei, Long Shi, Zhe Wang, Jun Li, Feng Shu

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

AI总结 本文提出了一种联合客户端特定剪枝和带宽分配框架，以提高无线网络下大语言模型的微调效率，实验表明其在减少训练时间的同时降低了计算和通信开销。

LoPace: A Lossless Optimized Prompt Accurate Compression Engine for Large Language Model Applications

LoPace：一种无损优化提示准确压缩引擎，用于大语言模型应用

Aman Ulla

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

AI总结 LoPace通过三种压缩方法实现提示存储的高效无损压缩，平均节省72.2%空间，适用于大语言模型应用。

Comments 42 pages, 14 figures, 7 tables

Robust Multi-Objective Controlled Decoding of Large Language Models

鲁棒多目标控制解码大型语言模型

Seongho Son, William Bankes, Sangwoong Yoon, Shyam Sundhar Ramesh, Xiaohang Tang, Ilija Bogunovic

机构 * University College London（伦敦大学学院） ； Ulsan National Institute of Science and Technology（釜山国立科学技术研究所） ； University of Basel（巴塞尔大学） ； University College London AI Centre（伦敦大学学院人工智能中心） 纠错

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

AI总结 本文提出RMOD算法，通过最大化最坏情况奖励实现鲁棒多目标解码，有效提升大型语言模型在多个人类目标上的对齐性能。

Comments Accepted to ICLR 2026

SAFER: Risk-Constrained Sample-then-Filter in Large Language Models

SAFER：在大语言模型中基于风险的采样-过滤方法

Qingni Wang, Yue Fan, Xin Eric Wang

机构 * University of California, Santa Cruz（加州大学圣克鲁兹分校） ； University of California, Santa Barbara（加州大学圣巴巴拉分校） 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 SAFER通过两阶段风险控制框架，在大语言模型中实现风险约束的采样与过滤，提升输出可信度与数据效率。