语言大模型 / LLM

Multi-dimensional Assessment and Explainable Feedback for Counselor Responses to Client Resistance in Text-based Counseling with LLMs

多维评估与可解释反馈：基于LLM的文本心理咨询中对来访者抵触的评估

Anqi Li, Ruihan Wang, Zhaoming Chen, Yuqian Chen, Yu Lu, Yi Zhu, Yuan Xie, Zhenzhong Lan

机构 * Zhejiang University（浙江大学） ； Westlake University（西湖大学） 纠错

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

AI总结 本文提出多维评估与可解释反馈框架，用于评估LLM在文本心理咨询中对来访者抵触的响应质量，实验表明其在区分沟通机制质量上优于现有模型。

Comments 8 pages

AgentLTV: An Agent-Based Unified Search-and-Evolution Framework for Automated Lifetime Value Prediction

AgentLTV: 一种基于代理的统一搜索与进化框架用于自动化生命周期价值预测

Chaowei Wu, Huazhu Chen, Congde Yuan, Qirui Yang, Guoqing Song, Yue Gao, Li Luo, Frank Youhua Chen, Mengzhuo Guo

机构 * Sichuan University（四川大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Sun Yat-sen University（中山大学） ； City University of Hong Kong（香港城市大学） ； Xiangtan University（湘潭大学） 纠错

专题命中 评测与基准 ：LLM(abstract)；分类 cs.LG

AI总结 AgentLTV通过基于代理的统一搜索与进化框架，实现自动化生命周期价值预测，通过MCTS和EA阶段优化模型，提升预测准确性和稳定性。

Comments 12 pages, 4 figures, submitted to KDD 2026: 32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining, ADS Track

Virtual Biopsy for Intracranial Tumors Diagnosis on MRI

颅内肿瘤MRI上的虚拟活检

Xinzhe Luo, Shuai Shao, Yan Wang, Jiangtao Wang, Yutong Bai, Jianguo Zhang

机构 * School of Artificial Intelligence and Data Science University of Science and Technology of China（人工智能与数据科学学院 中国科学技术大学） 纠错

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

AI总结 本文提出虚拟活检框架，利用MRI和视觉-语言模型实现颅内肿瘤的非侵入性病理预测，准确率超过90%

Robust AI Evaluation through Maximal Lotteries

通过最大彩票实现稳健的AI评估

Hadi Khalaf, Serena L. Wang, Daniel Halpern, Itai Shapira, Flavio du Pin Calmon, Ariel D. Procaccia

机构 * Harvard University（哈佛大学） 纠错

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

AI总结 本文提出稳健彩票方法，通过优化最坏性能来提升AI评估的鲁棒性，提供更可靠的胜率保证和稳定的高表现模型集合。

VULCA-Bench: A Multicultural Vision-Language Benchmark for Evaluating Cultural Understanding

VULCA-Bench：一个多文化视觉-语言基准，用于评估文化理解

Haorui Yu, Diji Yang, Hang He, Fengrui Zhang, Qiufeng Yi

机构 * DJCAD, University of Dundee, United Kingdom（邓迪大学DJCAD部门） ； University of California, Santa Cruz, USA（加州大学圣克ruz分校） ； Analogy AI ； East China Normal University, China（华东师范大学） ； Nanjing University, China（南京大学） ； Department of Mechanical Engineering, School of Engineering, University of Birmingham（伯明翰大学工程学院机械工程系） 纠错

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

AI总结 VULCA-Bench通过多文化艺术批评基准评估视觉-语言模型在文化理解上的能力，包含7,410对图像-批评对，涵盖八个文化传统，通过五层框架评估文化理解，揭示更高阶推理更具挑战性。

Comments 8 pages, 4 figures, submitted to ACL 2026 Dataset Track

LUMI: Unsupervised Intent Clustering with Multiple Pseudo-Labels

LUMI：基于多伪标签的无监督意图聚类

I-Fan Lin, Faegheh Hasibi, Suzan Verberne

机构 * Leiden University（莱顿大学） ； Radboud University（拉德堡德大学） 纠错

专题命中 评测与基准 ：LLM(abstract)；分类 cs.CL

AI总结 LUMI通过多伪标签提升文本相似性，实现无监督意图聚类，优于现有方法并避免聚类数量估计需求。

Modern Neural Networks for Small Tabular Datasets: The New Default for Field-Scale Digital Soil Mapping?

小表格数据的现代神经网络：数字土壤制图的新默认选择？

Viacheslav Barkov, Jonas Schmidinger, Robin Gebbers, Martin Atzmueller

机构 * Osnabrück University, Joint Lab Artificial Intelligence and Data Science（奥尔登堡大学，人工智能与数据科学联合实验室） ； Leibniz Institute for Agricultural Engineering and Bioeconomy (ATB)（莱比锡农业工程与生物经济研究所（ATB）） ； German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心（DFKI）） 纠错

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

AI总结 本文提出使用现代神经网络替代传统方法进行大范围数字土壤制图，TabPFN在性能上表现最佳。

Journal ref European Journal of Soil Science 77, no. 2: e70299 (2026)

Mitigating Preference Leakage via Strict Estimator Separation for Normative Generative Ranking

通过严格估计分离缓解偏好泄漏以规范生成排序

Dalia Nahhas, Xiaohao Cai, Imran Razzak, Shoaib Jameel

专题命中 评测与基准 ：LLM(abstract)

AI总结 本文提出通过严格分离监督与评估模型，缓解偏好泄漏问题，提升生成排序的可信度。

Sparsity Induction for Accurate Post-Training Pruning of Large Language Models

稀疏性诱导用于大语言模型的准确后训练剪枝

Minhao Jiang, Zhikai Li, Xuewen Liu, Jing Zhang, Mengjuan Chen, Qingyi Gu

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） 纠错

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

AI总结 本文提出稀疏性诱导方法，通过增强分布和特征层面的稀疏性，提升大语言模型后训练剪枝的性能。

Comments 5 pages, 1 figure, 4 tables

LLMTailor: A Layer-wise Tailoring Tool for Efficient Checkpointing of Large Language Models

LLMTailor: 一种用于大型语言模型高效检查点存储的分层定制工具

Minqiu Sun, Xin Huang, Luanzheng Guo, Nathan R. Tallent, Kento Sato, Dong Dai

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

AI总结 LLMTailor通过分层定制工具实现大型语言模型高效检查点存储，减少存储开销和检查点时间，同时保持模型质量。

Comments 9 pages, 3 figures, accepted at PDSW'25

RAC: Relation-Aware Cache Replacement for Large Language Models

基于关系的大型语言模型缓存替换策略RAC

Yuchong Wu, Zihuan Xu, Wangze Ni, Peng Cheng, Lei Chen, Xuemin Lin, Heng Tao Shen, Kui Ren

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

AI总结 RAC通过利用请求之间的语义关系，提出了一种高效的缓存替换策略，显著提升了缓存命中率。

Offline Reasoning for Efficient Recommendation: LLM-Empowered Persona-Profiled Item Indexing

离线推理用于高效推荐：基于LLM的个性化-属性化物品索引

Deogyong Kim, Junseong Lee, Jeongeun Lee, Changhoe Kim, Junguel Lee, Jungseok Lee, Dongha Lee

机构 * Yonsei University（延世大学） 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 Persona4Rec通过离线推理构建物品个性化表示，实现高效且可解释的推荐系统，减少推理时间并提供直观解释。

Comments Under review

DOTResize: Reducing LLM Width via Discrete Optimal Transport-based Neuron Merging

DOTResize: 通过基于离散最优传输的神经元合并减少LLM宽度

Neha Verma, Kenton Murray, Kevin Duh

机构 * Center for Language and Speech Processing, Johns Hopkins University, Baltimore, MD, USA（语言与语音处理中心，约翰霍普金斯大学，巴尔的摩，MD，美国） ； Human Language Technology Center of Excellence, Johns Hopkins University, Baltimore, MD, USA（人工智能语言技术卓越中心，约翰霍普金斯大学，巴尔的摩，MD，美国） 纠错

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

AI总结 DOTResize通过离散最优传输方法实现神经元宽度缩减，作为剪枝的补充手段，有效降低计算成本。

Compressing Language Models for Specialized Domains

面向专业领域的语言模型压缩

Miles Williams, George Chrysostomou, Vitor Jeronymo, Nikolaos Aletras

机构 * University of Sheffield（谢菲尔德大学） ； Enterprise AI Services, AstraZeneca（AstraZeneca企业人工智能服务） 纠错

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

AI总结 本文提出MixCal方法，通过训练后校准提升压缩语言模型在专业领域任务中的性能，同时降低计算成本。

Comments EACL 2026

Variation-aware Vision Token Dropping for Faster Large Vision-Language Models

面向变化的视觉令牌丢弃以加速更大的视觉-语言模型

Junjie Chen, Xuyang Liu, Zichen Wen, Yiyu Wang, Siteng Huang, Honggang Chen

机构 * Sichuan University（四川大学） ； EPIC Lab, Shanghai Jiao Tong University（上海交通大学EPIC实验室） ； Zhejiang University（浙江大学） 纠错

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

AI总结 本文提出V²Drop方法，通过动态令牌变化机制在LVLM推理中减少令牌数量，提升计算效率，同时保持任务性能。

Comments Accepted by CVPR 2026. Code is available at \url{https://github.com/xuyang-liu16/V2Drop}

Search or Accelerate: Confidence-Switched Position Beam Search for Diffusion Language Models

搜索或加速：基于置信度切换的位置束搜索用于扩散语言模型

Mingyu Cao, Alvaro H. C. Correia, Christos Louizos, Shiwei Liu, Lu Yin

机构 * University of Surrey（塞拉利昂大学） ； Qualcomm AI Research. Qualcomm AI Research is an initiative of Qualcomm Technologies, Inc.（高通人工智能研究） ； ELLIS Institute Tübingen（图宾根ELLIS研究所） ； Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所） ； Tübingen AI Center（图宾根人工智能中心） 纠错

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

AI总结 SOAR通过置信度切换机制优化扩散语言模型的解码过程，提高生成质量并保持推理效率。

Comments 11 pages, 8 figures

Budget-Aware Agentic Routing via Boundary-Guided Training

基于边界引导的预算感知代理路由

Caiqi Zhang, Menglin Xia, Xuchao Zhang, Daniel Madrigal, Ankur Mallick, Samuel Kessler, Victor Ruehle, Saravan Rajmohan

机构 * University of Cambridge（剑桥大学） ； M365 Research, Microsoft（微软M365研究） 纠错

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

AI总结 本文提出基于边界引导的预算感知代理路由方法，通过动态选择廉价和昂贵模型以优化成本-成功率，并在稀疏奖励下实现高效训练和泛化能力。

Disaster Question Answering with LoRA Efficiency and Accurate End Position

利用LoRA效率和准确端位置的灾难问答

Takato Yasuno

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

AI总结 本文提出一种基于日本灾难经验的问答系统，利用LoRA优化实现高准确率的灾难响应问答。

Comments 12 pages, 5 figures

DCoPilot: Generative AI-Empowered Policy Adaptation for Dynamic Data Center Operations

DCoPilot: 基于生成AI的动态数据中心操作策略适应

Minghao Li, Ruihang Wang, Rui Tan, Yonggang Wen

机构 * NTU（国立新加坡大学） ； Yunnan University（云南大学） 纠错

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

AI总结 DCoPilot通过结合大型语言模型和超网络生成动态数据中心操作的控制策略，实现高效适应与稳定收敛。

Comments Accepted as a full paper at HSCC/ICCPS 2026

Pancake: Hierarchical Memory System for Multi-Agent LLM Serving

Pancake：多代理LLM服务的分层内存系统

Zhengding Hu, Zaifeng Pan, Prabhleen Kaur, Vibha Murthy, Zhongkai Yu, Yue Guan, Zhen Wang, Steven Swanson, Yufei Ding

专题命中 效率与部署 ：LLM(title,abstract)

AI总结 Pancake是一种多级代理内存系统，通过多级索引缓存、协调索引管理和GPU-CPU协作，提升了LLM服务的内存管理效率和吞吐量。

Confidence-Driven Multi-Scale Model Selection for Cost-Efficient Inference

基于置信度的多尺度模型选择以实现高效推理

Bo-Wei Chen, Chung-Chi Chen, An-Zi Yen

机构 * Department of Computer Science, National Yang Ming Chiao Tung University（计算机科学系，国家阳明交通大学） ； Artificial Intelligence Research Center, AIST（人工智能研究中心，AIST） 纠错

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

AI总结 本文提出基于置信度的多尺度模型选择方法，通过动态选择合适模型提升推理效率，实验表明在保持准确性的同时降低计算成本达20%-40%。

Comments Accepted by EACL 2026 Findings

WeaveTime: Stream from Earlier Frames into Emergent Memory in VideoLLMs

WeaveTime: 从早期帧中流式传输以形成涌现记忆在视频LLMs中

Yulin Zhang, Cheng Shi, Sibei Yang

机构 * ShanghaiTech University（上海科技大学） ； School of Computer Science and Engineering, Sun Yat-sen University（中山大学计算机科学与工程学院） ； School of Computing and Data Science, The University of Hong Kong（香港大学计算科学与数据科学学院） 纠错

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

AI总结 WeaveTime通过引入时间重建目标和动态关注缓存，提升视频LLMs在流式场景中的时间感知能力，减少延迟并提高准确性。

Comments Accepted at CVPR 2026 (preview; camera-ready in preparation)

Inference-time Alignment via Sparse Junction Steering

推理时对齐 via 稀疏节点引导

Runyi Hu, Jie Zhang, Shiqian Zhao, Jiale Meng, Jiwei Li, Jason Zeng, Ming Wu, Michael Heinrich, Yonggang Wen, Tianwei Zhang

机构 * Nanyang Technological University（南洋理工大学） ； Zhejiang University（浙江大学） ； G Labs（0G实验室） 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 通过稀疏节点引导方法，实现更高效的推理过程对齐，减少计算开销并提升生成质量。

Comments 28 pages, 17 figures

Quad Length Codes for Lossless Compression of e4m3

四长度编码用于e4m3的无损压缩

Aditya Agrawal, Albert Magyar, Hiteshwar Eswaraiah, Patrick Sheridan, Pradeep Janedula, Ravi Krishnan Venkatesan, Krishna Nair, Ravi Iyer

机构 * Google LLC（谷歌公司） 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 本文提出四长度编码，结合压缩效率与解码速度，适用于e4m3数据类型的无损压缩。

Comments The first version proposed lossless compression of BFloat16 using dual length codes. This version proposes lossless compression of e4m3 using quad length codes. The versions will be merged later

A Problem-Oriented Perspective and Anchor Verification for Code Optimization

面向问题的视角与锚点验证用于代码优化

Tong Ye, Tengfei Ma, Xuhong Zhang, Hang Yu, Jianwei Yin, Wenhai Wang

机构 * Zhejiang University（浙江大学） ； Stony Brook University（石溪大学） ； AntGroup（蚂蚁集团） 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 本文提出面向问题的视角与锚点验证框架，用于提升代码优化的正确性和效率，减少优化过程中的性能损耗。

Comments ICLR 2026

AQR-HNSW: Accelerating Approximate Nearest Neighbor Search via Density-aware Quantization and Multi-stage Re-ranking

AQR-HNSW：通过密度感知量化和多阶段重排序加速近似最近邻搜索

Ganap Ashit Tewary, Nrusinga Charan Gantayat, Jeff Zhang

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

AI总结 AQR-HNSW通过密度感知量化和多阶段重排序提升HNSW算法的可扩展性，实现更高的查询速度和更低的内存消耗。

Comments Accepted at DAC 2026

Adversarial Intent is a Latent Variable: Stateful Trust Inference for Securing Multimodal Agentic RAG

对抗意图是潜在变量：用于安全多模态代理RAG的状态信任推断

Inderjeet Singh, Vikas Pahuja, Aishvariya Priya Rathina Sabapathy, Chiara Picardi, Amit Giloni, Roman Vainshtein, Andrés Murillo, Hisashi Kojima, Motoyoshi Sekiya, Yuki Unno, Junichi Suga

机构 * Fujitsu Research of Europe, UK（富士通欧洲研究机构，英国） ； Fujitsu Limited, Japan（富士通株式会社，日本） 纠错

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

AI总结 本文提出MMA-RAG^T框架，通过状态化信任推断提升多模态代理RAG的安全性，实验显示攻击成功率显著降低。

Comments 13 pages, 2 figures, 5 tables

Make Every Draft Count: Hidden State based Speculative Decoding

让每个草稿都值得：基于隐藏状态的推测解码

Yuetao Chen, Xuliang Wang, Xinzhou Zheng, Ming Li, Peng Wang, Hong Xu

机构 * The Chinese University of Hong Kong（香港中文大学） ； University of Waterloo（滑铁卢大学） ； University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 本文提出基于隐藏状态的推测解码系统，通过自回归预测和延迟整合标记信息，提高隐藏状态重用率，实现3.3倍的推理速度提升。

Any Image Restoration via Efficient Spatial-Frequency Degradation Adaptation

通过高效空间-频率退化适应实现任意图像修复

Bin Ren, Eduard Zamfir, Zongwei Wu, Yawei Li, Yidi Li, Danda Pani Paudel, Radu Timofte, Ming-Hsuan Yang, Luc Van Gool, Nicu Sebe

机构 * University of Trento（特伦托大学） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； University of Würzburg（乌尔姆大学） ； ETH Zürich（苏黎世联邦理工学院） ； Taiyuan University of Technology（太原理工大学） ； University of California, Merced（加州大学默塞德分校） 纠错

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

AI总结 AnyIR通过联合嵌入机制实现高效且全面的图像修复，减少模型参数和FLOPs达84%和80%，在四个基准测试中取得SOTA性能。

Comments Efficient All-in-One Image Restoration, Accepted by TMLR in 2026

Learning from Yesterday's Error: An Efficient Online Learning Method for Traffic Demand Prediction

从昨日误差学习：一种用于交通需求预测的高效在线学习方法

Xiannan Huang, Quan Yuan, Chao Yang

机构 * Key Laboratory of Road and Traffic Engineering, Ministry of Education at Tongji University（交通工程教育部重点实验室，同济大学） ； Urban Mobility Institute, Tongji University（交通 mobility 院，同济大学） 纠错

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

AI总结 FORESEE提出了一种高效在线学习方法，通过利用昨日误差修正交通需求预测，实现高精度和低计算开销。