语言大模型 / LLM

LabelBuddy: An Open Source Music and Audio Language Annotation Tagging Tool Using AI Assistance

LabelBuddy: 一种利用人工智能辅助的开源音乐和音频语言标注标签工具

Ioannis Prokopiou, Ioannis Sina, Agisilaos Kounelis, Pantelis Vikatos, Themos Stafylakis

机构 * Athens University of Economics and Business（雅典经济与商业大学） ； Orfium（Orfium公司） ； University of Patras（帕特拉斯大学） ； Archimedes/Athena R.C.（阿基米德/雅典研究会） 纠错

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

AI总结 LabelBuddy是一种开源工具，利用AI辅助进行音乐和音频语言标注，通过容器化后端和多用户共识机制提升音频标注的准确性和效率。

Comments Accepted at NLP4MusA 2026 (4th Workshop on NLP for Music and Audio)

Unbiased Dynamic Pruning for Efficient Group-Based Policy Optimization

无偏动态剪枝用于高效基于群体的策略优化

Haodong Zhu, Yangyang Ren, Yanjing Li, Mingbao Lin, Linlin Yang, Xuhui Liu, Xiantong Zhen, Haiguang Liu, Baochang Zhang

机构 * Beihang University（北航大学） ； Zhongguancun Academy（中关村学院） ； Communication University of China（中国通信大学） 纠错

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

AI总结 DPPO通过动态剪枝和重要性采样修正，实现高效基于群体的策略优化，提升训练速度并提高准确率。

Comments 20 pages, 4 figures

Knowledge Graph and Hypergraph Transformers with Repository-Attention and Journey-Based Role Transport

知识图谱与超图变换器与仓库注意力和基于旅程的角色传输

Mahesh Godavarti

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

AI总结 本文提出一种结合句子和结构化数据的模型，通过仓库注意力和基于旅程的角色传输实现语言和知识表示的分离，并支持多任务学习。

Comments 9 pages

A Unified Revisit of Temperature in Classification-Based Knowledge Distillation

基于分类的知识蒸馏中温度的统一回顾

Logan Frank, Jim Davis

机构 * Ohio State University（俄亥俄州立大学） 纠错

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

AI总结 本文提出了一种统一方法，系统研究了知识蒸馏中温度选择与训练组件之间的关系，为实践者提供了温度选择的指导。

LiteVLA-Edge: Quantized On-Device Multimodal Control for Embedded Robotics

LiteVLA-Edge: 量化在设备上多模态控制用于嵌入式机器人

Justin Williams, Kishor Datta Gupta, Roy George, Mrinmoy Sarkar

机构 * Clark Atlanta University（克拉克阿特兰大学） ； Siemens Corporation（西门子公司） 纠错

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

AI总结 LiteVLA-Edge通过量化和GPU加速，在嵌入式机器人中实现低延迟的多模态控制，提供模块化本地执行方案。

FocusGraph: Graph-Structured Frame Selection for Embodied Long Video Question Answering

FocusGraph: 用于具身长视频问答的图结构帧选择

Tatiana Zemskova, Solomon Andryushenko, Ilya Obrubov, Viktoriia Khoruzhaia, Ekaterina Eroshenko, Ekaterina Derevyanka, Dmitry Yudin

机构 * AXXX ； MIRAI ； Yandex ； FusionBrain Lab（FusionBrain实验室） 纠错

专题命中 效率与部署 ：LLM(abstract)

AI总结 FocusGraph通过图结构帧选择和轻量级模型实现高效长视频问答，提升性能并减少推理时间。

OMNIINTENT: A Trusted Intent-Centric Framework for User-Friendly Web3

OMNIINTENT: 一种面向用户友好的Web3可信意图中心框架

Zhuoran Pan, Yue Li, Zhi Guan, Jianbin Hu, Zhong Chen

专题命中 效率与部署 ：LLM(abstract)

AI总结 OMNIINTENT通过语言运行时协同设计，实现了DeFi中意图的精准描述、安全执行与高效优化，提升了用户友好性和系统性能。

Glass Segmentation with Fusion of Learned and General Visual Features

利用学习和通用视觉特征融合的玻璃分割

Risto Ojala, Tristan Ellison, Mo Chen

机构 * Aalto University（奥卢大学） ； Simon Fraser University（西蒙弗雷泽大学） 纠错

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

AI总结 本文提出了一种融合学习和通用视觉特征的玻璃分割架构，通过双主干网络和Mask2Former解码器实现高精度分割，并在多个数据集上取得最佳性能。

Towards Generalizable AI-Generated Image Detection via Image-Adaptive Prompt Learning

通过图像自适应提示学习实现通用的AI生成图像检测

Yiheng Li, Zichang Tan, Guoqing Xu, Zhen Lei, Xu Zhou, Yang Yang

机构 * School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； MAIS, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所MAIS部门） ； CAIR, HKISI, Chinese Academy of Sciences（中国科学院计算机人工智能研究所） ； Sangfor Technologies Inc. ； SCSE, FIE, M.U.S.T（M.U.S.T的SCSE、FIE部门） 纠错

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

AI总结 本文提出图像自适应提示学习方法，通过动态调整提示提升AI生成图像检测的泛化能力，实验显示在两个主流数据集上达到领先性能。

Comments Accepted by CVPR2026

Carbon-Aware Quality Adaptation for Energy-Intensive Services

面向碳排放的能源密集型服务质量适应

Philipp Wiesner, Dennis Grinwald, Philipp Weiß, Patrick Wilhelm, Ramin Khalili, Odej Kao

专题命中 效率与部署 ：LLM(abstract)

AI总结 本文提出了一种面向碳排放的能源密集型服务质量适应方法，通过调整不同服务质量层级的请求比例，结合预测多时间 horizon 优化，实现接近最优的碳节约效果，减少大规模大语言模型服务的排放量。

Comments Extended version of our paper published at e-Energy'25. Compared to the published version, we (i) add a time-based vs. utilization-based power attribution perspective together with a proof that both yield equivalent provisioning decisions under mild assumptions and (ii) extend the online approach with an automatic quality adaptation to meet a fixed annual carbon budget

Information Design With Large Language Models

基于大语言模型的信息设计

Paul Duetting, Safwan Hossain, Tao Lin, Renato Paes Leme, Sai Srivatsa Ravindranath, Haifeng Xu, Song Zuo

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

AI总结 本文提出基于大语言模型的信息设计框架，通过语言化方式影响接收者信念，并结合贝叶斯说服模型进行优化。

MMAI Gym for Science: Training Liquid Foundation Models for Drug Discovery

MMAI Gym for Science: 训练液态基础模型用于药物发现

Maksim Kuznetsov, Zulfat Miftahutdinov, Rim Shayakhmetov, Mikolaj Mizera, Roman Schutski, Bogdan Zagribelnyy, Ivan Ilin, Nikita Bondarev, Thomas MacDougall, Mathieu Reymond, Mihir Bafna, Kaeli Kaymak-Loveless, Eugene Babin, Maxim Malkov, Mathias Lechner, Ramin Hasani, Alexander Amini, Vladimir Aladinskiy, Alex Aliper, Alex Zhavoronkov

机构 * Insilico Medicine ； Liquid AI 纠错

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

AI总结 MMAI Gym for Science通过训练液态基础模型，实现了在药物发现任务中超越大模型的性能，同时保持高效和广泛适用性。

An LLM Agentic Approach for Legal-Critical Software: A Case Study for Tax Prep Software

一种针对法律关键软件的LLM代理方法：以税务准备软件为例

Sina Gogani-Khiabani, Ashutosh Trivedi, Diptikalyan Saha, Saeid Tizpaz-Niari

机构 * University of Illinois Chicago（伊利诺伊大学芝加哥分校） ； University of Colorado Boulder（科罗拉多大学波德分校） ； IBM Research（IBM研究院） 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 本文提出一种基于LLM的代理方法，用于开发法律关键软件，通过税务准备软件案例研究，展示了如何利用多代理系统和元测试技术提升法律规范到可执行代码的可靠性。

Comments To appear at ICSE 26. 12 pages

Combating data scarcity in recommendation services: Integrating cognitive types of VARK and neural network technologies (LLM)

对抗推荐服务中的数据稀缺：整合VARK认知类型与神经网络技术（LLM）

Nikita Zmanovskii

机构 * Russian Biotechnological University (ROSBIOTECH)（俄罗斯生物技术大学） 纠错

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

AI总结 本研究提出整合VARK认知类型与LLM的推荐系统，通过语义分析和心理建模解决冷启动问题，实现个性化推荐。

Comments 18 pages, 2 tables

Sentiment-Aware Stock Price Prediction with Transformer and LLM-Generated Formulaic Alpha

具有Transformer和LLM生成公式性阿尔法的情感感知股价预测

Qizhao Chen, Hiroaki Kawashima

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

AI总结 本文提出一种结合Transformer和LLM的股价预测框架，利用LLM生成情感感知的公式性阿尔法以提升预测准确性并增强可解释性。

Comments This paper has been accepted by the journal Digital Finance

RLJP: Legal Judgment Prediction via First-Order Logic Rule-enhanced with Large Language Models

通过一阶逻辑规则增强的大语言模型进行法律判决预测

Yue Zhang, Zhiliang Tian, Shicheng Zhou, Haiyang Wang, Wenqing Hou, Yuying Liu, Xuechen Zhao, Minlie Huang, Ye Wang, Bin Zhou

机构 * College of Computer Science and Technology, National University of Defense and Technology（国防科技大学计算机科学与技术学院） ； College of Electronic Engineering, National University of Defense Technology（国防科技大学电子工程学院） ； School of Data and Computer Science, Shandong Women’s University（山东女子大学数据与计算机科学学院） ； Institute for Artificial Intelligence, Tsinghua University（清华大学人工智能研究院） 纠错

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

AI总结 本文提出基于一阶逻辑和对比学习的规则增强方法，通过三阶段流程提升法律判决预测的适应性和准确性。

Causal Circuit Tracing Reveals Distinct Computational Architectures in Single-Cell Foundation Models: Inhibitory Dominance, Biological Coherence, and Cross-Model Convergence

因果电路追踪揭示单细胞基础模型中的不同计算架构：抑制主导、生物一致性与跨模型收敛

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 领域大模型 ：foundation model(title,abstract)；分类 cs.LG

AI总结 该研究通过因果电路追踪揭示单细胞基础模型中抑制主导、生物一致性和跨模型收敛的计算架构特征。

ProFound: A moderate-sized vision foundation model for multi-task prostate imaging

ProFound：一种中等规模的视觉基础模型用于多任务前列腺成像

Yipei Wang, Yinsong Xu, Weixi Yi, Shaheer Ullah Saeed, Natasha Thorley, Alexander Ng, Yukun Zhou, Wen Yan, Dean Barratt, Shonit Punwani, Veeru Kasivisvanathan, Mark Emberton, Daniel C. Alexander, Yipeng Hu

机构 * UCL Hawkes Institute, University College London, London, UK（伦敦大学霍克斯研究所，大学学院伦敦） ； University College London, London, UK（大学学院伦敦） ； School of Artificial Intelligence, Beijing University of Posts and Telecommunications, Beijing, China（北京邮电大学人工智能学院） ； Centre for Bioengineering, Queen Mary University of London, London, UK（伦敦女王学院生物工程中心） ； School of Engineering and Materials Science, Queen Mary University of London, London, UK（伦敦女王学院工程与材料科学学院） ； Digital Environment Research Institute, Queen Mary University of London, London, UK（伦敦女王学院数字环境研究所） ； Centre for Medical Imaging, University College London, London, UK（伦敦大学医学成像中心） ； Department of Radiology, University College London Hospital NHS Foundation Trust, London, UK（大学学院伦敦医院 NHS 基础信托放射科） ； Centre for Urology Imaging, Prostate, AI and Surgical Studies (COMPASS) Research Group, Division of Surgery and Interventional Science, University College London, London, UK（泌尿科成像中心、前列腺、AI 和手术研究组，手术与介入科学系，大学学院伦敦） ； Institute of Ophthalmology, University College London, London, UK（伦敦大学眼科研究所） ； Department of Urology, University College London Hospital, London, UK（大学学院伦敦医院泌尿科） ； Division of Surgery and Interventional Science, University College London, London, UK（手术与介入科学系，大学学院伦敦） ； Department of Urology, Comprehensive Cancer Center, Medical University of Vienna, Vienna, Austria（维也纳医学大学综合癌症中心泌尿科） ； Department of Computer Science, University College London, London, UK（计算机科学系，大学学院伦敦） 纠错

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

AI总结 ProFound是一种专门用于前列腺多任务成像的视觉基础模型，通过预训练在大量数据上实现了对多种临床任务的高效性能。

CAM-LDS: Cyber Attack Manifestations for Automatic Interpretation of System Logs and Security Alerts

CAM-LDS：网络攻击的显现用于系统日志和安全警报的自动解释

Max Landauer, Wolfgang Hotwagner, Thorina Boenke, Florian Skopik, Markus Wurzenberger

机构 * Austrian Institute of Technology（奥地利技术研究院） 纠错

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

AI总结 CAM-LDS通过提供涵盖多种攻击技术的日志数据集，推动基于大语言模型的系统日志和安全警报自动解释技术的发展。

MACC: Multi-Agent Collaborative Competition for Scientific Exploration

MACC：多智能体协作竞争用于科学探索

Satoshi Oyama, Yuko Sakurai, Hisashi Kashima

机构 * Nagoya City University（名古屋市大学） ； Nagoya Institute of Technology（名古屋技术大学） ； Kyoto University（京都大学） 纠错

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

AI总结 MACC是一种机构架构，通过整合共享工作空间和激励机制，促进多智能体在科学探索中的协作与竞争，以提高探索的可扩展性和可靠性。

Comments Camera-ready version. To appear in the Proceedings of AAMAS 2026 (Blue Sky Ideas Track)

When Relevance Meets Novelty: Dual-Stable Periodic Optimization for Serendipitous Recommendation

当相关性与新颖性交汇：为偶然推荐的双稳定周期优化

Hongxiang Lin, Hao Guo, Zeshun Li, Erpeng Xue, Yongqian He, Zhaoyu Hu, Lei Wang, Sheng Chen, Long Zeng

机构 * Tsinghua University（清华大学） 纠错

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

AI总结 本文提出CoEA方法，通过双稳定周期优化解决推荐系统中相关性与新颖性的平衡问题，提升偶然推荐效果。

MIND: Unified Inquiry and Diagnosis RL with Criteria Grounded Clinical Supports for Psychiatric Consultation

MIND: 一种基于临床标准的统一探究与诊断强化学习框架用于精神病咨询

Guoyi Li, Shihao Xu, Jiatong Ma, Yunyun Han, Jianhua Chen, Yafeng Deng

机构 * EverMind AI Inc.（EverMind AI公司） ； EverMind AI Inc., Tianqiao and Chrissy Chen Institute（EverMind AI公司、田桥与克里斯西·陈研究所） ； Shanghai Mental Health Center, Shanghai Jiao Tong University School of Medicine（上海精神卫生中心、上海交通大学医学院） 纠错

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

AI总结 MIND通过基于临床标准的推理框架提升精神病咨询的诊断准确性和互动质量。

RAG-X: Systematic Diagnosis of Retrieval-Augmented Generation for Medical Question Answering

RAG-X: 用于医疗问答的检索增强生成系统系统性诊断

Aswini Sivakumar, Vijayan Sugumaran, Yao Qiang

机构 * Oakland University（奥克兰大学） 纠错

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

AI总结 RAG-X通过系统性诊断框架，评估检索和生成过程，揭示问答系统中的隐藏失败模式，提升医疗问答的准确性和可靠性。

Comments 7 pages, 1 figure

Coupling Local Context and Global Semantic Prototypes via a Hierarchical Architecture for Rhetorical Roles Labeling

通过分层架构耦合局部上下文和全局语义原型以实现修辞角色标注

Anas Belfathi, Nicolas Hernandez, Laura Monceaux, Warren Bonnard, Mary Catherine Lavissiere, Christine Jacquin, Richard Dufour

机构 * Nantes Université, École Centrale Nantes, CNRS, LS2N, UMR 6004（南特大学，中央理工学院，CNRS，LS2N，UMR 6004） ； University of Lorraine（洛林大学） 纠错

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

AI总结 本文提出两种基于原型的方法，结合局部上下文和全局语义，通过SCOTUS-Law数据集验证在法律、医学和科学领域修辞角色标注任务中的有效性。

Comments Accepted at EACL 2026

Leveraging Imperfection with MEDLEY A Multi-Model Approach Harnessing Bias in Medical AI

利用不完美性：MEDLEY：一种多模型方法，利用医学AI中的偏差

Farhad Abtahi, Mehdi Astaraki, Fernando Seoane

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

AI总结 MEDLEY提出了一种多模型框架，通过保留模型多样性而非压缩共识，利用医学AI中的偏差提升诊断准确性与透明度。

Journal ref Front. Artif. Intell., Volume 9 (2026)

From Privacy to Trust in the Agentic Era: A Taxonomy of Challenges in Trustworthy Federated Learning Through the Lens of Trust Report 2.0

从隐私到信任在代理时代：通过信任报告2.0的视角，对可信联邦学习中挑战的分类

Nuria Rodríguez-Barroso, Mario García-Márquez, M. Victoria Luzón, Francisco Herrera

机构 * Department of Computer Science and Artificial Intelligence, Andalusian Research Institute in Data Science and Computational Intelligence (DaSCI) University of Granada（计算机科学与人工智能系，数据科学与计算智能安达卢西亚研究 institute，格拉纳达大学） ； Department of Software Engineering, Andalusian Research Institute in Data Science and Computational Intelligence (DaSCI) University of Granada（软件工程系，数据科学与计算智能安达卢西亚研究 institute，格拉纳达大学） 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 本文通过信任报告2.0提出可信联邦学习的挑战分类，强调信任作为持续维持的操作条件，并引入协调蓝图以处理跨要求的权衡和治理对齐。

Comments Already published in Information Fusion

Journal ref Rodríguez-Barroso, et. al. (2026). From Privacy to Trust in the Agentic Era: A Taxonomy of Challenges in Trustworthy Federated Learning Through the Lens of Trust Report 2.0. Information Fusion, 104236

Sentiment-Aware Mean-Variance Portfolio Optimization for Cryptocurrencies

面向情绪的均值-方差投资组合优化用于加密货币

Qizhao Chen

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

AI总结 本文提出一种结合技术指标和情绪分析的加密货币投资策略，通过均值-方差优化提升风险调整收益，但需进一步改进稳定性。

Comments This paper has been accepted by the journal Digital Finance

A Data-Driven Analysis for Engineering Conferences: The Institute of Industrial and Systems Engineering (IISE) Annual Conference Proceedings (2002-2025)

面向工程会议的数据驱动分析：工业与系统工程学会（IISE）年度会议论文集（2002-2025）

H. Sinan Bank, Casey E. Eaton

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

AI总结 本文通过分析IISE年度会议论文集，利用大语言模型等技术，绘制工业与系统工程领域知识演变图谱，揭示核心研究主题及未来发展方向。

Comments 7 pages, 3 figures, IISE Annual Conference Proceedings 2026

From Agent-Only Social Networks to Autonomous Scientific Research: Lessons from OpenClaw and Moltbook, and the Architecture of ClawdLab and Beach.Science

从仅代理的社会网络到自主科学研究：来自OpenClaw和Moltbook的启示，以及ClawdLab和Beach.Science的架构

Lukas Weidener, Marko Brkić, Phillip Lee, Martin Karlsson, Kevin Noessler, Paul Kohlhaas

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

AI总结 本文提出ClawdLab和Beach.Science两个平台，通过结构化协作与自由环境相结合，解决自主科学研究中的架构问题，并实现去中心化系统的可扩展性。

AudAgent: Automated Auditing of Privacy Policy Compliance in AI Agents

AudAgent: AI代理隐私政策合规性自动审计

Ye Zheng, Yimin Chen, Yidan Hu

机构 * Rochester Institute of Technology（罗切斯特技术学院） ； University of Massachusetts Lowell（马萨诸塞大学洛厄尔分校） 纠错

专题命中 领域大模型 ：LLM(abstract)；分类 cs.AI

AI总结 AudAgent通过自动化隐私审计工具，实时监控AI代理的数据实践，确保其符合声明的隐私政策，并可视化检测到的隐私违规行为。

Comments Accepted by PETS'26 (issue 3)