语言大模型 / LLM

PoeTone: A Framework for Constrained Generation of Structured Chinese Songci with LLMs

PoeTone: 一个用于基于LLM生成结构化中文词的约束生成框架

Zhan Qu, Shuzhou Yuan, Michael Färber

专题命中 指令微调 ：large language model(abstract)；language model(abstract)；SFT(abstract)；prompting(abstract)

AI总结 PoeTone框架通过约束生成和评估方法，提升LLM在生成结构化中文词中的表现，实现正式符合度提升5.88%。

P-RAG: Prompt-Enhanced Parametric RAG with LoRA and Selective CoT for Biomedical and Multi-Hop QA

P-RAG：结合LoRA和选择性CoT的增强型参数RAG

Xingda Lyu, Gongfu Lyu, Zitai Yan, Yuxin Jiang

专题命中 指令微调 ：LLM(abstract)；large language model(abstract)；language model(abstract)；prompting(abstract)

AI总结 P-RAG通过LoRA和选择性CoT提升生物医学问答的准确性和可扩展性。

Journal ref Proceedings of International Conference on Computing and Data Science Symposium: Application of Machine Learning in Engineering, 2025

Label-Consistent Data Generation for Aspect-Based Sentiment Analysis Using LLM Agents

基于 LLM 代理的标签一致数据生成用于基于方面的情感分析

Mohammad H. A. Monfared, Lucie Flek, Akbar Karimi

机构 * Bonn-Aachen International Center for Information Technology, University of Bonn, Germany（波恩-阿赫恩国际信息科技中心，波恩大学，德国） ； Lamarr Institute for Machine Learning and Artificial Intelligence, Germany（拉马尔机器学习与人工智能研究所，德国） 纠错

专题命中 指令微调 ：LLM(title)；prompting(abstract)；分类 cs.CL

AI总结 本文提出了一种基于 LLM 代理的数据增强方法，通过迭代生成和验证提升 ABSA 中标签一致性的效果，尤其在方面术语生成任务中表现更优。

Comments Accepted to WASSA Workshop at EACL 2026

Doc-to-LoRA: Learning to Instantly Internalize Contexts

Doc-to-LoRA: 学习即时内化上下文

Rujikorn Charakorn, Edoardo Cetin, Shinnosuke Uesaka, Robert Tjarko Lange

机构 * Minerva University, California, USA（明维大学，美国加利福尼亚州） 纠错

专题命中 指令微调 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI

AI总结 Doc-to-LoRA通过轻量级超网络实现单次前向传递中的近似上下文蒸馏，提升大语言模型在长上下文任务中的推理效率和准确性。

Enhancing Action and Ingredient Modeling for Semantically Grounded Recipe Generation

增强语义 grounded 的动作和成分建模以实现语义 grounded 的食谱生成

Guoshan Liu, Bin Zhu, Yian Li, Jingjing Chen, Chong-Wah Ngo, Yu-Gang Jiang

专题命中 指令微调 ：large language model(abstract)；language model(abstract)；SFT(abstract)；分类 cs.CL、cs.AI

AI总结 本文提出语义 grounded 的框架，通过两阶段流程结合监督微调和强化微调，提升食谱生成的语义准确性与成分预测能力。

A Contrastive Learning Framework Empowered by Attention-based Feature Adaptation for Street-View Image Classification

一种由基于注意力的特征适应增强的对比学习框架用于街景图像分类

Qi You, Yitai Cheng, Zichao Zeng, James Haworth

机构 * SpaceTimeLab（时空实验室） ； University College London（伦敦大学学院） 纠错

专题命中 指令微调 ：language model(abstract)；分类 cs.AI、cs.LG

AI总结 CLIP-MHAdapter通过引入基于注意力的特征适应机制，提升街景图像属性分类的准确性和效率

Beyond Learning: A Training-Free Alternative to Model Adaptation

超越学习：一种无需训练的模型适应替代方法

Namkyung Yoon, Kyeonghyun Yoo, Wooyong Jung, Sanghong Kim, Hwangnam Kim

机构 * School of Electrical Engineering, Korea University（韩国大学电气工程学院） 纠错

专题命中 指令微调 ：language model(abstract)；分类 cs.CL、cs.AI

AI总结 本文提出无需训练的模型移植方法，通过移植语言模型中局部激活模块提升性能，实现显著的性能提升和基线恢复。

Comments 7 pages, 3 figures, 5 tables. Preprint submitted to Pattern Recognition Letters

Optimizing Soft Prompt Tuning via Structural Evolution

通过结构进化优化软提示微调

Zhenzhen Huang, Chaoning Zhang, Haoyu Bian, Songbo Zhang, Chi-lok Andy Tai, Jiaquan Zhang, Caiyan Qin, Jingjing Qu, Yalan Ye, Yang Yang, Heng Tao Shen

机构 * School of Information and Software Engineering, University of Electronic Science and Technology of China（电子科技大学信息与软件工程学院） ； School of Computer Science and Engineering, University of Electronic Science and Technology of China（电子科技大学计算机科学与工程学院） ； College of Professional and Continuing Education, The Hong Kong Polytechnic University（香港理工大学专业及继续教育学院） ； School of Robotics and Advanced Manufacture, Harbin Institute of Technology（哈尔滨工业大学机器人与先进制造学院） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； School of Computer Science and Technology, Tongji University（同济大学计算机科学与技术学院） 纠错

专题命中 指令微调 ：language model(abstract)；分类 cs.CL

AI总结 本文提出基于拓扑形态演化的软提示微调优化方法，通过拓扑持久同调量化结构表示，改进模型收敛速度和微调性能，提升可解释性。

Comments This manuscript has been submitted to IEEE Transactions on Knowledge and Data Engineering (TKDE) for peer review

Deep TPC: Temporal-Prior Conditioning for Time Series Forecasting

深度时间序列预测中的时间先验条件：时间序列预测中的时间先验条件

Filippos Bellos, NaveenJohn Premkumar, Yannis Avrithis, Nam H. Nguyen, Jason J. Corso

专题命中 指令微调 ：LLM(abstract)；分类 cs.LG

AI总结 本文提出TPC方法，通过时间先验条件提升时间序列预测性能，实现低参数预算下的长周期预测优化。

Comments Accepted to ICASSP 2026

To boost or not to boost, that's the question

提升还是不提升，这是个问题

Yu Nakayama

专题命中 指令微调 ：SFT(abstract)

AI总结 本文探讨了在非单位场论中，尺度不变性与共形不变性之间的区别，并通过爱因斯坦-以太理论作为例子，展示了在宇宙相关子中的不同理论预测。

Comments 26 pages, v2: contaminated referece updated manually

CADEvolve: Creating Realistic CAD via Program Evolution

CADEvolve: 通过程序进化创建逼真的CAD

Maksim Elistratov, Marina Barannikov, Gregory Ivanov, Valentin Khrulkov, Anton Konushin, Andrey Kuznetsov, Dmitrii Zhemchuzhnikov

专题命中 指令微调 ：foundation model(abstract)

AI总结 CADEvolve通过程序进化生成逼真的CAD，利用VLM引导的编辑和验证，生成8000个复杂零件的可执行参数化生成器，并在多个基准测试中取得最佳性能。