语言大模型 / LLM

Say It My Way: Exploring Control in Conversational Visual Question Answering with Blind Users

说我的方式：探索盲人用户在对话式视觉问答中的控制能力

Farnaz Zamiri Zeraati, Yang Trista Cao, Yuehan Qiao, Hal Daumé, Hernisa Kacorri

机构 * University of Maryland（马里兰大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

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

AI总结 本文通过邀请盲人用户定制对话式VQA系统，探讨如何通过提示工程等技术克服系统局限性，并提供新的公开数据集和交互设计见解。

Comments Preprint, Proceedings of the 2026 CHI Conference on Human Factors in Computing Systems

BanglaSummEval: Reference-Free Factual Consistency Evaluation for Bangla Summarization

BanglaSummEval: 无参考文献的事实一致性评估用于孟加拉语摘要

Ahmed Rafid, Rumman Adib, Fariya Ahmed, Ajwad Abrar, Mohammed Saidul Islam

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

AI总结 BanglaSummEval通过无参考文献的问答框架评估孟加拉语摘要的事实一致性，结合BERTScore-Recall实现语义一致性检测，验证了其在教育和医疗领域的有效性。

Comments Accepted in 2nd LoResLM at EACL 2026

PersonaMail: Learning and Adapting Personal Communication Preferences for Context-Aware Email Writing

PersonaMail: 通过结构化沟通因素探索、细粒度编辑控制和适应性重用策略学习和适应个人通信偏好以实现情境感知的电子邮件写作

Rui Yao, Qiuyuan Ren, Felicia Fang-Yi Tan, Chen Yang, Xiaoyu Zhang, Shengdong Zhao

专题命中 评测与基准 ：LLM(abstract)

AI总结 PersonaMail通过结构化探索、细粒度编辑和适应性重用策略，提升电子邮件写作中对个人通信偏好的学习与适应能力，提高效率和用户满意度。

Comments 21 pages, 5 figures. Accepted to the 31st International Conference on Intelligent User Interfaces (IUI 26), March 23-26, 2026, Paphos, Cyprus

WSDM Cup 2026 Multilingual Retrieval: A Low-Cost Multi-Stage Retrieval Pipeline

WSDM杯2026多语言检索：一种低成本多阶段检索流水线

Chentong Hao, Minmao Wang

专题命中 评测与基准 ：LLM(abstract)

AI总结 本文提出一种低成本多阶段检索流水线，结合LLM查询扩展、BM25检索、长文本表示排序及重排序，实现多语言检索任务的高效检索效果。

Beyond Chunk-Then-Embed: A Comprehensive Taxonomy and Evaluation of Document Chunking Strategies for Information Retrieval

超越片段化后再嵌入：信息检索中文档片段化策略的全面分类与评估

Yongjie Zhou, Shuai Wang, Bevan Koopman, Guido Zuccon

专题命中 评测与基准 ：LLM(abstract)

AI总结 本文研究了文档片段化策略在信息检索中的分类与评估，发现任务依赖性和分段方法差异影响效果，提出统一框架并提供公开基准。

Comments Github link will be pushed later as it's anonymoused at the moment

Analytic Score Optimization for Multi Dimension Video Quality Assessment

多维视频质量评估的分析评分优化

Boda Lin, Yongjie Zhu, Wenyu Qin, Meng Wang, Pengfei Wan

机构 * Department of XXX, University of YYY, Location, Country（XXX系，YYY大学，地点，国家） ； School of ZZZ, Institute of WWW, Location, Country（ZZZ学院，WWW研究所，地点，国家） 纠错

专题命中 评测与基准 ：post-training(abstract)

AI总结 本文提出多维视频质量评估数据集UltraVQA，并引入分析评分优化方法，通过理论支持的后训练目标提升质量评分精度，实验显示其在质量预测中表现优异。

Comments 18 pages

Universal Anti-forensics Attack against Image Forgery Detection via Multi-modal Guidance

面向图像伪造检测的通用反取证攻击框架 via 多模态指导

Haipeng Li, Rongxuan Peng, Anwei Luo, Shunquan Tan, Changsheng Chen, Anastasia Antsiferova

机构 * Shenzhen University, China（深圳大学） ； Nanyang Technological University, Singapore（南洋理工大学） ； Shenzhen MSU-BIT University, China（深圳MSU-BIT大学） ； Lomonosov Moscow State University's Institute for Artificial Intelligence, Russia（罗蒙诺索夫莫斯科国立大学人工智能研究所） 纠错

专题命中 评测与基准 ：language model(abstract)

AI总结 本文提出ForgeryEraser框架，通过多模态指导损失实现对图像伪造检测器的通用反取证攻击，揭示了VLMs依赖性带来的对抗性漏洞，并展示了对先进AIGC检测器的性能影响。

Comments 17 pages, 11 figures

QSTN: A Modular Framework for Robust Questionnaire Inference with Large Language Models

QSTN: 一种用于大型语言模型鲁棒问卷推断的模块化框架

Maximilian Kreutner, Jens Rupprecht, Georg Ahnert, Ahmed Salem, Markus Strohmaier

机构 * University of Mannheim（曼海姆大学） ； GESIS - Leibniz Institute for the Social Sciences（莱比锡社会科学研究所） ； CSH Vienna（维也纳CSH） 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.CL

AI总结 QSTN是一种模块化框架，通过无需编码的界面实现大型语言模型在问卷推断中的稳健评估与高效响应生成。

Comments Accepted at 2026 EACL System Demonstrations The Python package is available at https://github.com/dess-mannheim/QSTN/

Privacy-Aware Split Inference with Speculative Decoding for Large Language Models over Wide-Area Networks

面向宽域网络的隐私保护分割推断与推测解码

Michael Cunningham

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

AI总结 本文提出一种隐私保护的大语言模型分割推断系统，通过非对称层分割和lookahead解码技术，在宽域网络上实现高吞吐量和隐私安全的LLM推断。

Comments 21 pages, 21 tables, no figures

HAFix: History-Augmented Large Language Models for Bug Fixing

HAFix: 历史增强型大语言模型用于缺陷修复

Yu Shi, Abdul Ali Bangash, Emad Fallahzadeh, Bram Adams, Ahmed E. Hassan

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

AI总结 HAFix通过整合历史启发式方法提升LLM在缺陷修复中的性能，实验表明其在缺陷修复率上显著优于基线方法。

Comments Accepted at Empirical Software Engineering (EMSE) 2026 Journal

Efficient Reinforcement Learning for Large Language Models with Intrinsic Exploration

为大语言模型高效强化学习引入内在探索

Yan Sun, Jia Guo, Stanley Kok, Zihao Wang, Zujie Wen, Zhiqiang Zhang

机构 * National University of Singapore（新加坡国立大学） ； Ant Group（蚂蚁集团） 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 PREPO通过利用内在数据属性提升大语言模型强化学习的数据效率，减少回放需求同时保持性能。

Retrospective In-Context Learning for Temporal Credit Assignment with Large Language Models

回顾上下文学习用于大语言模型中的时间信用分配

Wen-Tse Chen, Jiayu Chen, Fahim Tajwar, Hao Zhu, Xintong Duan, Ruslan Salakhutdinov, Jeff Schneider

机构 * Carnegie Mellon University（卡内基梅隆大学） ； The University of Hong Kong（香港大学） ； Stanford University（斯坦福大学） 纠错

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

AI总结 本文提出利用大语言模型进行回顾上下文学习，以提高强化学习中时间信用分配的样本效率和泛化能力。

Comments Accepted to NeurIPS 2025

EntropyPrune: Matrix Entropy Guided Visual Token Pruning for Multimodal Large Language Models

EntropyPrune: 基于矩阵熵的视觉令牌修剪用于多模态大语言模型

Yahong Wang, Juncheng Wu, Zhangkai Ni, Chengmei Yang, Yihang Liu, Longzhen Yang, Yuyin Zhou, Ying Wen, Lianghua He

机构 * School of Computer Science and Technology, Tongji University（同济大学计算机科学与技术学院） ； University of California, Santa Cruz（加州大学圣克ruz分校） ； East China Normal University（华东师范大学） ； Shanghai Eye Disease Prevention and Treatment Center（上海眼病预防与治疗中心） 纠错

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

AI总结 EntropyPrune通过矩阵熵指导的视觉令牌修剪方法，提升多模态大语言模型的推理效率和性能。

RankEvolve: Automating the Discovery of Retrieval Algorithms via LLM-Driven Evolution

RankEvolve: 通过LLM驱动的进化自动发现检索算法

Jinming Nian, Fangchen Li, Dae Hoon Park, Yi Fang

机构 * Santa Clara University Santa Clara CA USA ； Independent Researcher Bothell WA USA ； Santa Clara University ； Independent Researcher 纠错

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

AI总结 RankEvolve通过LLM驱动的进化方法自动发现改进的检索算法，展示了在多个基准测试中的有效性。

A Few-Shot LLM Framework for Extreme Day Classification in Electricity Markets

一种用于电力市场极端日分类的少样本LLM框架

Saud Alghumayjan, Ming Yi, Bolun Xu

机构 * Columbia Data Science Institute（哥伦比亚数据科学研究所） ； Red River Clean Energy（红河清洁能源） ； King Abdulaziz City for Science and Technology (KACST)（国王阿卜杜勒阿齐兹城市科学技术城） ； National Science Foundation（国家科学基金会） 纠错

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

AI总结 本文提出一种基于LLM的少样本框架，用于预测电力市场价格激增日，实验证明其在数据有限时优于传统监督学习模型。

RoPE-LIME: RoPE-Space Locality + Sparse-K Sampling for Efficient LLM Attribution

RoPE-LIME: RoPE空间局部性 + 稀疏K采样用于高效的LLM归因

Isaac Picov, Ritesh Goru

机构 * University of Toronto（多伦多大学） ； DevRev 纠错

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

AI总结 RoPE-LIME通过RoPE空间局部性和稀疏K采样，高效实现LLM归因，减少API调用并提升归因信息质量。

Entropy-Based Data Selection for Language Models

基于熵的数据选择用于语言模型

Hongming Li, Yang Liu, Chao Huang

机构 * School of Computer and Communication Engineering, University of Science and Technology Beijing（计算机与通信工程学院，科学技术大学） ； National Key Laboratory of General Artificial Intelligence, Beijing Institute for General Artificial Intelligence（通用人工智能国家重点实验室，北京通用人工智能研究院） ； Shunde Innovation School, University of Science and Technology Beijing（顺德创新学院，科学技术大学） 纠错

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

AI总结 本文提出基于熵的无监督数据选择框架，通过减少计算成本和数据需求，提升语言模型在计算受限场景下的微调效率。

Comments IEEE Access, 15 pages, 5 figures, 11 tables

Goal Inference from Open-Ended Dialog

从开放式对话中推断目标

Rachel Ma, Jingyi Qu, Andreea Bobu, Dylan Hadfield-Menell

机构 * MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） 纠错

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

AI总结 本研究提出了一种在线方法，通过自然语言提取目标并利用贝叶斯推断，使具身代理在开放式对话中高效学习和完成多样化用户目标。

Comments This version has been updated to reflect a copy of Master's thesis submitted Jan 24, 2025 for degree date Feb 2025 (https://hdl.handle.net/1721.1/158960). We recommend readers to read revised version incorporating a different agent pipeline and methodological approach which is available at: arXiv:2508.15119

Sink-Aware Pruning for Diffusion Language Models

面向扩散语言模型的Sink-aware剪枝

Aidar Myrzakhan, Tianyi Li, Bowei Guo, Shengkun Tang, Zhiqiang Shen

机构 * VILA Lab, MBZUAI（VILA实验室，MBZUAI） 纠错

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

AI总结 面向扩散语言模型的Sink-aware剪枝方法通过识别并剪枝不稳定sink，提升模型效率与质量的平衡，优于现有基线方法。

Comments Code at: https://github.com/VILA-Lab/Sink-Aware-Pruning

LLMDistill4Ads: Using Cross-Encoders to Distill from LLM Signals for Advertiser Keyphrase Recommendations at eBay

LLMDistill4Ads: 使用交叉编码器从LLM信号中蒸馏以实现eBay广告商关键词推荐

Soumik Dey, Benjamin Braun, Naveen Ravipati, Hansi Wu, Binbin Li

机构 * eBay Inc（eBay公司） 纠错

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

AI总结 LLMDistill4Ads通过交叉编码器从LLM信号中蒸馏，旨在提升eBay广告商关键词推荐的多样性和准确性。

LLM Fingerprinting via Semantically Conditioned Watermarks

通过语义条件水印进行大语言模型指纹识别

Thibaud Gloaguen, Robin Staab, Nikola Jovanović, Martin Vechev

机构 * ETH Zurich（苏黎世联邦理工学院） 纠错

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

AI总结 本研究提出一种基于语义条件水印的大语言模型指纹识别方法，通过在特定语义领域内扩散统计水印信号，实现隐蔽且鲁棒的指纹检测与所有权验证。

Automating Agent Hijacking via Structural Template Injection

通过结构模板注入自动化代理劫持

Xinhao Deng, Jiaqing Wu, Miao Chen, Yue Xiao, Ke Xu, Qi Li

机构 * Tsinghua University \& Ant Group Hangzhou China ； Tsinghua University Beijing China ； Zhongguancuan Laboratory Beijing China ； Tsinghua University \& Ant Group ； Tsinghua University ； Zhongguancuan Laboratory 纠错

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

AI总结 本文提出Phantom框架，通过结构模板注入自动化代理劫持，提升攻击成功率和效率，揭示结构模板劫持的严重性。

DeepContext: Stateful Real-Time Detection of Multi-Turn Adversarial Intent Drift in LLMs

DeepContext: LLMs中多轮对抗意图漂移的有状态实时检测

Justin Albrethsen, Yash Datta, Kunal Kumar, Sharath Rajasekar

机构 * HighFlame 纠错

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

AI总结 DeepContext通过递归神经网络实时检测LLM中的多轮对抗意图漂移，实现更高效的安全防护。

Comments 18 Pages, 7 Tables, 1 Figure

Privacy-Preserving Mechanisms Enable Cheap Verifiable Inference of LLMs

隐私保护机制使LLM的可验证推断变得廉价

Arka Pal, Louai Zahran, William Gvozdjak, Akilesh Potti, Micah Goldblum

机构 * Ritual ； MIT（麻省理工学院） ； Columbia University（哥伦比亚大学） 纠错

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

AI总结 本研究提出隐私保护机制实现LLM推断的可验证性，通过低成本协议提高验证效率。

Agentic Wireless Communication for 6G: Intent-Aware and Continuously Evolving Physical-Layer Intelligence

面向6G的代理无线通信：意图感知与持续演化的物理层智能

Zhaoyang Li, Xingzhi Jin, Junyu Pan, Qianqian Yang, Zhiguo Shi

机构 * College of Information Science and Electronic Engineering, Zhejiang University（信息科学与电子工程学院，浙江大学） 纠错

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

AI总结 本文提出基于LLM的代理AI用于6G物理层，通过意图感知和持续演进实现自主通信决策。

Dynamic System Instructions and Tool Exposure for Efficient Agentic LLMs

动态系统指令与工具暴露用于高效代理LLM

Uria Franko

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

AI总结 通过动态系统指令和工具暴露技术，ITR显著减少LLM代理的上下文令牌使用和运行成本，提升工具路由准确性，适用于长期自主代理。

ReplaceMe: Network Simplification via Depth Pruning and Transformer Block Linearization

ReplaceMe: 通过深度剪枝和Transformer块线性化实现网络简化

Dmitriy Shopkhoev, Ammar Ali, Magauiya Zhussip, Valentin Malykh, Stamatios Lefkimmiatis, Nikos Komodakis, Sergey Zagoruyko

机构 * MWS AI, ITMO University（MWS AI，ITMO大学） ； MWS AI ； MWS AI, ITMO University, IITU University（MWS AI，ITMO大学，IITU大学） ； University of Crete, IACM-Forth, Archimedes Athena RC（希腊克里特大学，IACM-第四研究机构，Archimedes Athena RC） 纠错

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

AI总结 ReplaceMe通过深度剪枝和Transformer块线性化实现高效网络简化，无需额外训练即可实现高达25%的剪枝率并保持90%性能。

Comments This work was accepted and presented at NeurIPS 2025. Code is available at https://github.com/mts-ai/replaceme Reviews at OpenReview: https://openreview.net/forum?id=zEj1FSYCRn NeurIPS 2025 Proceedings: https://openreview.net/pdf?id=zEj1FSYCRn

Towards Anytime-Valid Statistical Watermarking

面向随时验证的统计水印技术

Baihe Huang, Eric Xu, Kannan Ramchandran, Jiantao Jiao, Michael I. Jordan

机构 * Department of XXX, University of YYY, Location, Country（YYY大学XXX系） ； School of ZZZ, Institute of WWW, Location, Country（WWW研究所ZZZ学院） 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 本文提出Anchored E-Watermarking框架，通过构建测试超级鞅实现随时验证的统计水印技术，提升样本效率13-15%。

Jolt Atlas: Verifiable Inference via Lookup Arguments in Zero Knowledge

Jolt Atlas: 通过查找论证实现可验证推断在零知识中

Wyatt Benno, Alberto Centelles, Antoine Douchet, Khalil Gibran

机构 * ICME Labs（ICME实验室） 纠错

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

AI总结 Jolt Atlas是一种零知识机器学习框架，通过查找论证实现可验证推断，支持在内存受限环境中进行流式证明，并适用于隐私和对抗性环境。

NeuDiff Agent: A Governed AI Workflow for Single-Crystal Neutron Crystallography

NeuDiff Agent：单晶中子晶体学的受控AI工作流

Zhongcan Xiao, Leyi Zhang, Guannan Zhang, Xiaoping Wang

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

AI总结 NeuDiff Agent通过受控AI工作流提升单晶中子晶体学的分析效率和结果准确性，实现快速生成验证的晶体结构和出版级CIF。