语言大模型 / LLM

Spectrally Distilled Representations Aligned with Instruction-Augmented LLMs for Satellite Imagery

基于指令增强大语言模型的光谱蒸馏表示用于卫星图像

Minh Kha Do, Wei Xiang, Kang Han, Di Wu, Khoa Phan, Yi-Ping Phoebe Chen, Gaowen Liu, Ramana Rao Kompella

机构 * La Trobe University（拉特罗布大学） ； Cisco Research（思科研究） 纠错

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

AI总结 SATtxt通过光谱蒸馏和指令增强大语言模型实现卫星图像的光谱感知视觉-语言学习，提升了零样本分类、检索和线性探测性能。

SmartChunk Retrieval: Query-Aware Chunk Compression with Planning for Efficient Document RAG

SmartChunk检索：具有规划的查询感知分块压缩以实现高效的文档RAG

Xuechen Zhang, Koustava Goswami, Samet Oymak, Jiasi Chen, Nedim Lipka

机构 * University of Michigan（密歇根大学） ； Adobe Research（Adobe研究） 纠错

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

AI总结 SmartChunk通过查询自适应框架和强化学习方案提升长文档问答效率与准确性。

Comments 26 pages, 10 figures

HyperAgent: Leveraging Hypergraphs for Topology Optimization in Multi-Agent Communication

HyperAgent: 利用超图进行多智能体通信中的拓扑优化

Heng Zhang, Yuling Shi, Xiaodong Gu, Zijian Zhang, Haochen You, Lubin Gan, Yilei Yuan, Jin Huang

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

AI总结 HyperAgent通过超图优化多智能体通信拓扑，提升协作效率与适应性。

Comments This submission has been withdrawn by the authors due to a fundamental error in the methodology that affects the validity of the main results

Unbiased Sliced Wasserstein Kernels for High-Quality Audio Captioning

无偏切片Wasserstein核用于高质量音频描述生成

Manh Luong, Khai Nguyen, Dinh Phung, Gholamreza Haffari, Lizhen Qu

机构 * Monash University（墨尔本大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

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

AI总结 本文提出无偏切片Wasserstein核，通过保留模态间时间信息，提升音频描述质量及推理能力。

Journal ref Manh Luong. (2025). Unbiased Sliced Wasserstein Kernels for High-Quality Audio Captioning. In Advances in Neural Information Processing Systems 38 (NeurIPS 2025)

Multi-Dimensional Spectral Geometry of Biological Knowledge in Single-Cell Transformer Representations

单细胞Transformer表示中的生物知识多维谱几何

Ihor Kendiukhov

机构 * Department of Computer Science University of Tübingen（计算机科学系图宾根大学） 纠错

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

AI总结 单细胞Transformer模型通过多维谱几何揭示生物知识结构，区分转录因子与靶基因，提升调控网络推断和模型审计能力。

Discourse-Aware Dual-Track Streaming Response for Low-Latency Spoken Dialogue Systems

面向 discourse 的双轨流式响应用于低延迟语音对话系统

Siyuan Liu, Jiahui Xu, Feng Jiang, Kuang Wang, Zefeng Zhao, Chu-Ren Huang, Jinghang Gu, Changqing Yin, Haizhou Li

机构 * School of Computer Science and Technology, Tongji University（同济大学计算机科学与技术学院） ； Department of Language Science and Technology, Hong Kong Polytechnic University（香港理工大学语言科学与技术系） ； Artificial Intelligence Research Institute, Shenzhen University of Advanced Technology（深圳先进技术大学人工智能研究院） ； School of Data Science, Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）数据科学学院） ； School of Artificial Intelligence, Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）人工智能学院） 纠错

专题命中 效率与部署 ：LLM(abstract)；分类 cs.CL

AI总结 DDTSR 提出了一种低延迟语音对话系统框架，通过双轨流式响应机制实现听中思考和说中思考，显著降低响应延迟并保持 discourse 质量。

FairQuant: Fairness-Aware Mixed-Precision Quantization for Medical Image Classification

FairQuant: 医学图像分类中的公平性感知混合精度量化

Thomas Woergaard, Raghavendra Selvan

机构 * Department of Computer Science, University of Copenhagen, Denmark（计算机科学系，哥本哈根大学，丹麦） 纠错

专题命中 效率与部署 ：post-training(abstract)；分类 cs.LG

AI总结 FairQuant通过公平性感知的混合精度量化方法，在医学图像分类中提升模型精度和公平性，实现性能与效率的平衡。

Comments Source code available at https://github.com/saintslab/FairQuant

VLM-Pruner: Buffering for Spatial Sparsity in an Efficient VLM Centrifugal Token Pruning Paradigm

VLM-Pruner: 为高效VLM离心令牌剪枝范式中的空间稀疏性引入缓冲

Zhenkai Wu, Xiaowen Ma, Zhenliang Ni, Dengming Zhang, Han Shu, Xin Jiang, Xinghao Chen

机构 * Zhejiang University（浙江大学） ； Huawei Technologies（华为技术） 纠错

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

AI总结 VLM-Pruner通过平衡冗余与空间稀疏性，提升VLMs的效率和性能。

Comments Accepted by CVPR2026

IBCircuit: Towards Holistic Circuit Discovery with Information Bottleneck

IBCircuit: 向信息瓶颈原则下的整体电路发现迈进

Tian Bian, Yifan Niu, Chaohao Yuan, Chengzhi Piao, Bingzhe Wu, Long-Kai Huang, Yu Rong, Tingyang Xu, Hong Cheng, Jia Li

机构 * Department of Systems Engineering ； Engineering Management, The Chinese University of Hong Kong, Hong Kong, China ； DAMO Academy, Alibaba Group, Hangzhou, China ； Hong Kong University of Science ； Hupan Lab, Hangzhou, China ； Department of Computer Science, Hong Kong Baptist University, Hong Kong, China ； School of Artificial Intelligence, Shenzhen University, Shenzhen, China ； Tencent, Shenzhen, China 纠错

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

AI总结 IBCircuit基于信息瓶颈原理，提出端到端方法实现整体电路发现，适用于任意任务，提升电路识别的准确性和效率。

SignVLA: A Gloss-Free Vision-Language-Action Framework for Real-Time Sign Language-Guided Robotic Manipulation

SignVLA：一种无 gloss 的视觉-语言-动作框架，用于实时 sign language 引导的机器人操作

Xinyu Tan, Ningwei Bai, Harry Gardener, Zhengyang Zhong, Luoyu Zhang, Liuhaichen Yang, Zhekai Duan, Monkgogi Galeitsiwe, Zezhi Tang

机构 * Department of Computer Science, University College London (UCL)（计算机科学系，伦敦大学学院（UCL）） 纠错

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

AI总结 SignVLA 提出了一种无 gloss 的视觉-语言-动作框架，用于实时手语引导的机器人操作，通过几何归一化、时间平滑和词汇精炼提升多模态交互的稳定性和可扩展性。

Comments 7 pages, 2 figures

No Caption, No Problem: Caption-Free Membership Inference via Model-Fitted Embeddings

无标题，无问题：通过模型拟合嵌入进行无标题成员推断

Joonsung Jeon, Woo Jae Kim, Suhyeon Ha, Sooel Son, Sung-Eui Yoon

机构 * Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院） 纠错

专题命中 效率与部署 ：language model(abstract)

AI总结 本文提出MoFit框架，通过模型拟合嵌入实现无标题成员推断，克服了传统方法对真实标题的依赖，提升了在无标注场景下的成员推断性能。

Comments Accepted to ICLR 2026

The Way We Notice, That's What Really Matters: Instantiating UI Components with Distinguishing Variations

我们注意到的，这才是关键：通过区分性变体实例化 UI 组件

Priyan Vaithilingam, Alan Leung, Jeffrey Nichols, Titus Barik

专题命中 效率与部署 ：LLM(abstract)

AI总结 通过引入区分性变体，将 UI 组件实例化从手动过程转变为结构化探索活动，提升开发效率与设计空间理解。

Graph Your Way to Inspiration: Integrating Co-Author Graphs with Retrieval-Augmented Generation for Large Language Model Based Scientific Idea Generation

通过图谱获取灵感：将合著者图谱与检索增强生成结合用于基于大语言模型的科学想法生成

Pengzhen Xie, Huizhi Liang

机构 * School of Computing Newcastle University（计算学院新castle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.CL、cs.AI

AI总结 本文提出GYWI系统，结合作者图谱与RAG技术，提升大语言模型生成科学想法的可控性和灵感追溯能力。

Comments 15 pages, 10 figures. Submitted to [RAAI]

DeVisE: Behavioral Testing of Medical Large Language Models

DeVisE：医疗大语言模型的行为测试

Camila Zurdo Tagliabue, Heloisa Oss Boll, Aykut Erdem, Erkut Erdem, Iacer Calixto

专题命中 领域大模型 ：large language model(title,abstract)；language model(title,abstract)；分类 cs.CL

AI总结 DeVisE通过受控反事实测试评估医疗大语言模型的行为，揭示其在临床决策中的表现差异。

Comments Camera-ready version published at Findings of the EACL 2026

Silent Egress: When Implicit Prompt Injection Makes LLM Agents Leak Without a Trace

静默逃逸：当隐式提示注入使LLM代理无痕泄露

Qianlong Lan, Anuj Kaul, Shaun Jones, Stephanie Westrum

机构 * eBay 纠错

专题命中 领域大模型 ：LLM(title,abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 研究揭示了代理式LLM系统中隐式提示注入导致的静默逃逸风险，通过实验展示恶意网页诱导代理泄露敏感信息的机制，并提出分片逃逸策略及网络层防御改进方向。

BeamVLM for Low-altitude Economy: Generative Beam Prediction via Vision-language Models

BeamVLM 用于低空经济：通过视觉-语言模型进行生成式波束预测

Chenran Kou, Changsheng You, Mingjiang Wu, Dingzhu Wen, Zezhong Zhang, Chengwen Xing

专题命中 领域大模型 ：language model(title,abstract)；LLM(abstract)；large language model(abstract)

AI总结 BeamVLM 通过视觉-语言模型实现生成式波束预测，提升无人机与地面基站间通信的准确性和泛化能力。

Comments We propose a novel end-to-end generative framework for beam prediction by using vision-language models

Importance of Prompt Optimisation for Error Detection in Medical Notes Using Language Models

提示优化在使用语言模型进行医疗笔记错误检测中的重要性

Craig Myles, Patrick Schrempf, David Harris-Birtill

机构 * University of St Andrews（圣安德鲁大学） ； Canon Medical Research Europe Ltd.（日本Canon医疗研究欧洲有限公司） 纠错

专题命中 领域大模型 ：language model(title,abstract)；large language model(abstract)；分类 cs.CL、cs.AI

AI总结 本文通过提示优化提升语言模型在医疗笔记错误检测中的准确性，达到接近医生水平并超越MEDEC基准数据集表现。

Comments Accepted at EACL HeaLing 2026

Multi-view biomedical foundation models for molecule-target and property prediction

多视图生物医学基础模型用于分子-靶点和性质预测

Parthasarathy Suryanarayanan, Yunguang Qiu, Shreyans Sethi, Diwakar Mahajan, Hongyang Li, Yuxin Yang, Elif Eyigoz, Aldo Guzman Saenz, Daniel E. Platt, Timothy H. Rumbell, Kenney Ng, Sanjoy Dey, Myson Burch, Bum Chul Kwon, Pablo Meyer, Feixiong Cheng, Jianying Hu, Joseph A. Morrone

机构 * IBM TJ Watson Research Center（IBM TJ Watson研究中心） ； Lerner Research Institute（Lerner研究机构） ； Cleveland Clinic Genome Center（克利夫兰诊所基因组中心） ； IBM Research - Almaden（IBM Research-阿玛登） ； IBM Research（IBM研究） ； Cleveland Clinic Lerner College of Medicine, Case Western Reserve University（克利夫兰诊所Lerner医学院，凯斯西储大学） 纠错

专题命中 领域大模型 ：foundation model(title,abstract)；分类 cs.AI、cs.LG

AI总结 本文提出多视图生物医学基础模型MMELON，通过整合图、图像和文本视图，提升分子-靶点及性质预测的性能与准确性。

Comments 40 pages including supplement. 10 figures, 8 tables

Journal ref Advanced Science (2026) e17840

Meta-Designing Quantum Experiments with Language Models

用语言模型进行量子实验的元设计

Sören Arlt, Haonan Duan, Felix Li, Sang Michael Xie, Yuhuai Wu, Mario Krenn

机构 * Max Planck Institute for the Science of Light（马克斯·普朗克光科学研究所） ； University of Tuebingen（图宾根大学） ； Stanford University（斯坦福大学） ； University of Toronto, Vector Institute（多伦多大学、向量研究所） 纠错

专题命中 领域大模型 ：language model(title,abstract)；分类 cs.LG

AI总结 本文提出通过语言模型进行量子实验的元设计，生成可读代码解决复杂问题，扩展到更大实验并应用于凝聚态物理等领域。

Comments 8+23 pages, 5 figures

Journal ref Nat Mach Intell 8, 148-157 (2026)

Benchmarking Video Foundation Models for Remote Parkinson's Disease Screening

对远程帕金森病筛查的视频基础模型进行基准测试

Md Saiful Islam, Ekram Hossain, Abdelrahman Abdelkader, Tariq Adnan, Fazla Rabbi Mashrur, Sooyong Park, Praveen Kumar, Qasim Sudais, Natalia Chunga, Nami Shah, Jan Freyberg, Christopher Kanan, Ruth Schneider, Ehsan Hoque

机构 * University of Rochester, Rochester, NY, USA（罗切斯特大学） ； Louisiana State University Health Sciences Center at Shreveport, USA（路易斯安那州立大学谢夫波特医学中心） ； University of Rochester Medical Center, Rochester, NY, USA（罗切斯特大学医学中心） ； University of Cambridge, Cambridge, UK（剑桥大学） 纠错

专题命中 领域大模型 ：foundation model(title,abstract)

AI总结 本研究通过大规模实验评估了多种视频基础模型在远程帕金森病筛查中的性能，揭示了不同模型在不同任务中的表现差异，并提供了模型选择和任务优化的指导。

CiteLLM: An Agentic Platform for Trustworthy Scientific Reference Discovery

CiteLLM：一个用于可信科学引文发现的代理平台

Mengze Hong, Di Jiang, Chen Jason Zhang, Zichang Guo, Yawen Li, Jun Chen, Shaobo Cui, Zhiyang Su

机构 * Hong Kong Polytechnic University（香港理工大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； Swiss Federal Technology Institute of Lausanne (EPFL)（洛桑联邦理工学院） ； Hong Kong University of Science and Technology (HKUST)（香港科学大学） 纠错

专题命中 领域大模型 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.CL

AI总结 CiteLLM通过在LaTeX编辑器中嵌入LLM工具，实现可信的科学引文发现，确保引文的准确性和可靠性。

Comments Accepted by TheWebConf 2026 Demo Track

MediX-R1: Open Ended Medical Reinforcement Learning

MediX-R1：开放端医疗强化学习

Sahal Shaji Mullappilly, Mohammed Irfan Kurpath, Omair Mohamed, Mohamed Zidan, Fahad Khan, Salman Khan, Rao Anwer, Hisham Cholakkal

机构 * Mohamed Bin Zayed University of Artificial Intelligence (MBZUAI)（迈赫迈德·本·扎耶德人工智能大学） ； Jubilee Mission Medical College（jubilee mission 医学院） ； Research Institute（研究院） ； JJM Medical College（JJM 医学院） 纠错

专题命中 领域大模型 ：LLM(abstract)；large language model(abstract)；language model(abstract)

AI总结 MediX-R1通过综合奖励信号和LLM评估，实现医疗多模态模型的开放端强化学习，提升临床推理可靠性。

EmpiRE-Compass: A Neuro-Symbolic Dashboard for Sustainable and Dynamic Knowledge Exploration, Synthesis, and Reuse

EmpiRE-Compass：一个用于可持续和动态知识探索、综合与重用的神经符号仪表盘

Oliver Karras, Amirreza Alasti, Lena John, Sushant Aggarwal, Yücel Celik

专题命中 领域大模型 ：LLM(abstract)；large language model(abstract)；language model(abstract)

AI总结 EmpiRE-Compass通过神经符号仪表盘实现可持续的文献综述，提供可视化分析、神经符号综合和可重用知识，促进透明和可重复性。

Comments 7 pages, 1 figure, Accepted at 32nd International Working Conference on Requirements Engineering: Foundations for Software Quality

Utilizing LLMs for Industrial Process Automation

利用LLMs进行工业过程自动化

Salim Fares

机构 * University of Passau（帕绍大学） 纠错

专题命中 领域大模型 ：large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 本研究探讨如何利用大型语言模型在工业过程自动化中解决实际编程任务并加速开发周期。

ClinDet-Bench: Beyond Abstention, Evaluating Judgment Determinability of LLMs in Clinical Decision-Making

ClinDet-Bench: 超越回避，评估大语言模型在临床决策中的判断可确定性

Yusuke Watanabe, Yohei Kobashi, Takeshi Kojima, Yusuke Iwasawa, Yasushi Okuno, Yutaka Matsuo

机构 * Kyoto University, Department of Biomedical Data Intelligence（京都大学生物医学数据智能系） ； Kyoto University, Department of Cardiovascular Medicine（京都大学心血管医学系） ； The University of Tokyo（东京大学） 纠错

专题命中 领域大模型 ：large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 ClinDet-Bench通过评估大语言模型在临床决策中判断可确定性的能力，揭示其在不完整信息下的局限性，并提供评估框架以提高医疗决策的安全性。

Comments 17 pages, 3 figures, 10 tables

The Credibility Revolution in Political Science

政治学中的可信度革命

Carolina Torreblanca, William Dinneen, Guy Grossman, Yiqing Xu

专题命中 领域大模型 ：large language model(abstract)；language model(abstract)

AI总结 该研究通过分析政治学文献发现，基于设计的研究在政治学中逐渐增多，但其增长不均，且与其他增强可信度的方法相比仍较为罕见。

Imitation Game: Reproducing Deep Learning Bugs Leveraging an Intelligent Agent

模仿游戏：利用智能代理重现深度学习bug

Mehil B Shah, Mohammad Masudur Rahman, Foutse Khomh

机构 * Dalhousie University（达尔豪斯大学） 纠错

专题命中 领域大模型 ：LLM(abstract)；分类 cs.AI、cs.LG

AI总结 RepGen通过智能代理和生成-验证-改进机制，提高了深度学习bug的重现率和效率。

Comments Accepted by the 48th IEEE/ACM International Conference on Software Engineering (ICSE 2026)

CGSA: Class-Guided Slot-Aware Adaptation for Source-Free Object Detection

CGSA: 基于类引导的槽感知适应用于无源对象检测

Boyang Dai, Zeng Fan, Zihao Qi, Meng Lou, Yizhou Yu

机构 * School of Computing and Data Science, The University of Hong Kong（计算与数据科学学院，香港大学） ； Department of Electrical & Computer Engineering, National University of Singapore（电气与计算机工程系，新加坡国立大学） ； School of Information and Electronics, Beijing Institute of Technology（信息与电子学院，北京理工大学） 纠错

专题命中 领域大模型 ：prompting(abstract)；分类 cs.AI

AI总结 CGSA通过引入对象中心学习，结合槽感知适应和类引导的槽对比模块，提升无源领域自适应对象检测的性能。

Comments The paper has been accepted by the conference ICLR 2026

Layer-Targeted Multilingual Knowledge Erasure in Large Language Models

多语言知识擦除中的层目标知识擦除

Taoran Li, Varun Chandrasekaran, Zhiyuan Yu

专题命中 知识编辑与模型理解 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)

AI总结 MUTE通过识别语言无关的中间层实现多语言知识擦除，解决了LLMs中跨语言反向学习的泛化问题。

Understanding protein function with a multimodal retrieval-augmented foundation model

通过多模态检索增强基础模型理解蛋白质功能

Timothy Fei Truong, Tristan Bepler

专题命中 知识编辑与模型理解 ：foundation model(title,abstract)；language model(abstract)；分类 cs.LG

AI总结 PoET-2通过多模态检索增强方法提升蛋白质功能理解与预测能力