语言大模型 / LLM

CoverPrune: Coverage-Driven Token Pruning for 3D VLMs via Optimal Transport

CoverPrune：基于最优传输的3D视觉语言模型的覆盖驱动型令牌剪枝

Peng Ling, Yingda Yin, Lingting Zhu, Weikai Chen, Shengju Qian, Zeyu Hu, Xin Wang, Wenming Yang

机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； LIGHTSPEED 纠错

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

AI总结 针对3D VLMs因大量视觉令牌导致的计算瓶颈，提出CoverPrune框架，将剪枝转化为最优传输问题，结合FST成本与SGS算法，实现高效剪枝且性能优异。

Comments Accepted to ECCV 2026 as an Oral Presentation

Balanced Adaptive Prototype Selection for Scalable TabPFN Inference on Large-Scale Tabular Data

面向大规模表格数据的可扩展TabPFN推理的平衡自适应原型选择

Mahboobe Jadid, Melika Rezaye Garkani, Ali Mousavi

机构 * Islamic Azad University（伊斯兰阿扎德大学） 纠错

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

AI总结 本文提出BAPS框架，无需修改预训练TabPFN模型，可将百万级表格数据集的上下文压缩约1953倍，用512个原型保留预测性能，实现其在大规模表格数据上的可扩展推理。

Momentum as Residual-Driven Multiplier Correction for Deep Learning Optimization

深度学习优化中作为残差驱动乘子校正的动量

Zhixin Ren, Yau Lyu, Congrong Li, Liping Zhang, Shengbo Eben Li

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

AI总结 本研究提出AIM框架将动量解释为残差驱动乘子校正，并基于此开发RADAR优化器，经多任务实验验证其性能优于现有强自适应优化器基线。

From Visual Widgets to UI Code: Efficient Tool-Grounded Generation

从视觉控件到UI代码：高效的基于工具的生成

Houston H. Zhang, Tao Zhang, Li Gu, Linfeng Ye, Yuanhao Yu, Xinxin Zuo, Yang Wang, Zhixiang Chi

机构 * McMaster University（麦克马斯特大学） ； University of Toronto（多伦多大学） ； Concordia University（康考迪亚大学） 纠错

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

AI总结 本研究提出轻量级工具框架WidgetGen，在6个多模态模型和1000个控件上，其视觉重建指标优于直接提示和Widget2Code，且重建的图像-代码对可提升Qwen系列模型性能

Comments ECCV2026 (MUCG Workshop)

DreOPD: Degraded-Reference Extrapolative On-Policy Distillation for Flow-matching Models

DreOPD：用于流匹配模型的退化参考外推式在线策略蒸馏

Mingfeng Lin, Chengfei Cai, Lin Xu, Yuxiang Wei, Liang Han

机构 * Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） ； Zhejiang University（浙江大学） ； Harbin Institute of Technology（哈尔滨工业大学） 纠错

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

AI总结 本研究提出用于流匹配模型的DreOPD方法，将隐式奖励外推转为闭式速度回归并引入退化参考强化对比，在单/多教师设置下，其平均性能优于OPD及多任务RL基线，多数指标超专用教师。

Comments project page: https://sleepy1231.github.io/DreOPD/

DAPD: Dual-Anchored Policy Distillation

DAPD：双锚定策略蒸馏

Jianyu Wu, Yizhou Wang, Encheng Su, Chen Tang, Shixiang Tang

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

AI总结 针对在线策略蒸馏的特权幻觉问题，本文提出双锚定策略蒸馏框架，通过两级锚定机制缓解信息不对称，在Qwen3-4B等模型上显著提升性能。

Zoom In, Reason Out: Efficient Far-field Anomaly Detection in Expressway Surveillance Videos via Focused VLM Reasoning Guided by Bayesian Inference

聚焦推理，推断出异常：通过贝叶斯推理引导的聚焦VLM推理实现高速公路视频远场异常检测

Xiaowei Mao, Bowen Sui, Weijie Zhang, Yawen Yang, Shengnan Guo, Shilong Zhao, Jiaqi Lin, Tingrui Wu, Youfang Lin, Huaiyu Wan

机构 * School of Computer Science and Technology, Beijing Jiaotong University（北京交通大学计算机科学与技术学院） ； Key Laboratory of Big Data & Artificial Intelligence in Transportation, Ministry of Education（教育部交通运输大数据与人工智能重点实验室） ； Beijing Key Laboratory of Traffic Data Mining and Embodied Intelligence (2018)（北京市交通数据挖掘与具身智能重点实验室） 纠错

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

AI总结 本文提出VIBES框架，通过贝叶斯推理引导的聚焦VLM推理，解决远场目标异常检测中的注意力稀释和计算成本问题，提升检测准确性和实时效率。

OC-Distill: Ontology-aware Contrastive Learning with Cross-Modal Distillation for ICU Risk Prediction

OC-Distill：基于跨模态蒸馏的面向本体的对比学习用于ICU风险预测

Zhongyuan Liang, Junhyung Jo, Hyang-Jung Lee, Sang Kyu Kim, Irene Y. Chen

机构 * UC Berkeley（伯克利大学） ； UCSF（旧金山大学） ； Samsung Advanced Institute of Technology (SAIT)（三星先进技术研究所） 纠错

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

AI总结 OC-Distill通过两阶段框架提升ICU风险预测性能，利用本体感知对比学习和跨模态知识蒸馏，提高模型对患者相似性的捕捉能力及预测效率。

Manifold constrained steepest descent for smooth and closed-set optimization

流形约束最速下降

Kaiwei Yang, Lexiao Lai

机构 * Department of Mathematics, University of Hong Kong, Hong Kong, China（香港大学数学系） 纠错

专题命中 效率与部署 ：LLM(abstract_cn)；分类 cs.LG

AI总结 本文提出流形约束最速下降（MCSD）方法，通过单循环框架在流形上进行优化，并引入SPEL在Stiefel流形上的应用，实现了更稳定的性能和可扩展性。

Comments 29 pages, 3 figures, and 2 tables. Compared to the previous version, introduced a new variant MCSD-TP and a hybrid algorithm MCSD-PGD for close-set optimization

GS$^{2}$CI: Robust Gaussian Splatting For Snapshot Compressive Imaging via Large Vision Model Priors

GS²CI：基于大视觉模型先验的快照压缩成像鲁棒高斯溅射方法

Yanming Yang, Chenxi Song, Ping Wang, Xin Yuan, Chi Zhang

机构 * Westlake University（西湖大学） 纠错

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

AI总结 该研究针对快照压缩成像的三维重建难题，提出结合三维高斯溅射与大视觉模型先验的框架，引入专属致密化策略提升稳定性，在多基准实验中实现了最优整体性能。

AmalthAI: An Open-Source Computer Vision Platform for Cultural Heritage

AmalthAI：面向文化遗产的开源计算机视觉平台

Christos Chatzisavvas, Stelios Alvanos, Efstratios Politis, Panagiotis Rigas, Thomas Pappas, Ioannis Giannoukos, Nikolaos Mitianoudis, Agata Ulanowska, Katarzyna Żebrowska, Nazarij Buławka, Christina Margariti, George Pavlidis, Chairi Kiourt, Anestis Koutsoudis, Vassilis Katsouros, George Ioannakis

机构 * Democritus University of Thrace（德谟克利特色雷斯大学） ； Athena Research Center（雅典娜研究中心） ； National and Kapodistrian University of Athens（雅典国立卡波迪斯特里亚大学） ； University of Warsaw（华沙大学） 纠错

专题命中 效率与部署 ：language model(abstract)

AI总结 AmalthAI是面向文化遗产领域专家的开源计算机视觉平台，通过集成Kubeflow、Katib等工具，支持数据集管理、模型训练与推理，可保障敏感考古数据安全，已在黏土织物印痕数据集上验证其功能。

P2Fusion: Prompt-based Progressive Infrared-Visible Image Fusion via Dual-Prior Distillation

P2Fusion：基于提示的双先验蒸馏红外-可见光图像渐进融合

Yi Shi, Huichao Xie, Yuqing Wang, Mingyu Wang, Kaihui Yang, Yu Liu, Ruitao Lu, Lizhe Li, Junwei Han, Dingwen Zhang

机构 * Northwestern Polytechnical University（西北工业大学） ； Hefei University of Technology（合肥工业大学） ； Rocket Force University of Engineering（火箭军工程大学） ； Chongqing University of Posts and Telecommunications（重庆邮电大学） 纠错

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

AI总结 针对红外-可见光图像融合的信息差异挑战，提出基于双固有提示的P2Fusion框架，结合Teach-to-Fuse机制与GDER模块，在多数据集上实现SOTA性能并提升下游感知鲁棒性。

Comments Accepted by ECCV 2026. Website: https://p2fusion.github.io

Enhancing In-Hospital Mortality Prediction Using Multi-Representational Learning with LLM-Generated Expert Summaries

利用结合大语言模型生成的专家摘要的多表征学习提升住院死亡率预测

Harshavardhan Battula, Jiacheng Liu, Jaideep Srivastava

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

AI总结 本研究提出结合LLM生成的ICU记录专家摘要与生理数据的多表征框架，在MIMIC-III数据集上验证其可提升住院死亡率预测性能，且摘要主要通过重组记录已有信息实现提升。

The EPS Research Astro-RAG Platform: A Unified Open-Science Infrastructure for Cross-Epoch Astrophysical Kinematic Analysis, LLM-Assisted Research Workflows, and Educational Outreach

EPS Research Astro-RAG平台：用于跨纪元天体物理运动学分析、LLM辅助研究工作流程和教育推广的统一开放科学基础设施

David C. Flynn

专题命中 领域大模型 ：LLM(title,title_cn)

AI总结 提出一个开放科学平台，整合四个跨纪元天体物理语料库、120个可执行Jupyter笔记本示例，并利用LLM辅助检索增强生成（RAG）研究工作流程，通过ω运动学校正揭示从z=0到z~5的角速度符号反转。

Comments 5 pages, no figures, no tables. Platform release: four open astrophysical corpora (772 objects, z=0 to z~6), 120 verified Jupyter notebooks, QuickStart reproducibility pathway, and High-School Exploration Track. Zenodo DOIs: 10.5281/zenodo.19563417, 10.5281/zenodo.20320362, 10.5281/zenodo.19907765, 10.5281/zenodo.20369285. GitHub: github.com/eps-research/rag-corpus-series

From Relational and Property Graph Data to Large Language Models

从关系型和属性图数据到大语言模型

Malcolm Crowe, Fritz Laux

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

AI总结 本文提出一种结合关系型与属性图数据的数据管理服务器，通过引用值替代外键协调两种模型，将其知识模型提供给大语言模型生成工具，还给出基于三元组的知识库示例以验证该系统的可行性。

Comments 7 pages, 4 figures, 4 tables

Journal ref IARIA Congress 2026 : The 2026 IARIA Annual Congress on Frontiers in Science, Technology, Services, and Applications

Topics as Proxies for Sociodemographics: How Conversational Context Affects LLM Answers

话题作为社会人口统计的代理：对话上下文如何影响大语言模型的回答

Vera Neplenbroek, Gabriele Sarti, Arianna Bisazza, Raquel Fernández

机构 * Institute for Logic, Language and Computation, University of Amsterdam（逻辑、语言与计算研究所，阿姆斯特丹大学） ； Khoury College of Computer Sciences, Northeastern University（计算机科学学院，东北大学） ； Center for Language and Cognition, University of Groningen（语言与认知中心，格罗宁根大学） 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 研究大语言模型在高风险场景中对话上下文对回答差异的影响，发现话题是社会人口统计差异的主要驱动因素，且影响方式不可预测。

How LLMs Respond to Escalating Delusions: Four Longitudinal Trajectories of Model Behavior

大语言模型（LLM）对日益严重的妄想的反应：模型行为的四种纵向轨迹

Anna Sterna, Kacper Dudzic, Karolina Drożdż, Hubert Plisiecki, Marcin Rządeczka, Marcin Moskalewicz

专题命中 领域大模型 ：LLM(title_cn,summary_cn)

AI总结 本研究通过30天的纵向实验，评估15种主流LLM对模拟精神症状进展的反应，识别出四种不同行为轨迹，提出需从识别时机、稳定性和干预准确性维度纵向评估LLM加剧AI精神病的潜力。

Generalizable Operating Room Expert with Multimodal Enhancement

具备多模态增强能力的可泛化手术室专家

Peiqi He, Zhenhao Zhang, Yixiang Zhang, Jiaxin Liu, Xiongjun Zhao, Shaoliang Peng

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

AI总结 针对手术室空间建模的局限，提出仅用RGB图像推理的多模态大语言模型OR-Expert，通过内部推导空间线索实现三维推理，在手术室基准上达SOTA且泛化性良好。

Comments Accepted by ACM Multimedia 2026

SparseDitto: Customizing GPU Kernels for Different Sparsity Patterns with LLM-Based Agentic System

SparseDitto：基于大语言模型的智能体系统，为不同稀疏性模式定制GPU内核

Shiyang Li, Guangyan Sun, Jinwei Tang, Yanzhi Wang, Mingyi Hong, Caiwen Ding

专题命中 领域大模型 ：LLM(title,summary_cn)；分类 cs.LG

AI总结 SparseDitto是基于LLM的系统，可为不同矩阵、算子和GPU定制稀疏矩阵GPU内核，在多类算子与GPU上较cuSPARSE实现显著加速，还可提升GCN训练速度。

MARC v1: An Open-Source Multi-Agent Framework for Clinical AI Reasoning and Coordination

MARC v1：一个用于临床AI推理与协作的开源多智能体框架

Saisha Shetty, Satvik Tripathi, Austin Lin, Colin Zhao, Theodore Kim, Don Enwerem, Jacinta Arnold, Shahriar Faghani, Tessa S Cook

专题命中 领域大模型 ：LLM(summary_cn,abstract)；prompting(abstract)；分类 cs.CL、cs.AI

AI总结 该研究提出开源多智能体框架MARC v1，以确定性多智能体编排替代整体式LLM提示用于临床推理，含角色专业化智能体与分解器模块，支持多部署方式，具备模型无关、可解释等特性。

Comments 13 pages, 4 figures

Requirements-Augmented Generation for Trustworthy Acceptance Testing of LLM-Based Software

面向基于大语言模型的软件的可信验收测试的需求增强生成技术

Fanyu Wang, Chetan Arora, Zhenping Xie, Yonghui Liu, Kla Tantithamthavorn, Aldeida Aleti, Siwei Jiang

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

AI总结 该研究针对基于大语言模型的软件的验收测试缺口，提出需求增强生成技术与置信度校准级联判定方法，经工业案例验证可提升预言机质量、准确率与成本效率，具备工业可行性。

Comments Accepted at ASE2026

On Measuring Semantic Preservation in Legal Ontology Learning

论法律本体学习中的语义保留度量

Albert Sadowski, Jarosław A. Chudziak

机构 * Warsaw University of Technology（华沙理工大学） 纠错

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

AI总结 本文针对法律本体学习的语义保留评估问题，提出通过对比LLM在源文档与转换后表示上的任务性能量化语义损失，经多模型多方法实验发现语义损失随模型-方法配对显著变化，为法律知识系统配置选择提供指导。

Comments Accepted for publication at the 30th International Conference on Knowledge-Based and Intelligent Information & Engineering Systems (KES 2026)

Can Generalist Vision Language Models (VLMs) Rival Specialist Medical VLMs? Benchmarking and Strategic Insights

通用视觉语言模型（VLMs）能否在医疗领域超越专门化模型？基准测试与战略洞察

Yuan Zhong, Ruinan Jin, Qi Dou, Xiaoxiao Li

机构 * The Chinese University of Hong Kong（香港中文大学） ； The University of British Columbia（不列颠哥伦比亚大学） ； Vector Institute（向量研究所） 纠错

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

AI总结 研究比较了通用与专门化医疗VLMs的性能，发现高效微调的通用模型在多数任务中表现可比或更优，尤其在处理未见医疗模态时。

Comments version 5

Research Assistant: AstraZeneca's Agentic System for R&D

研究助手：阿斯利康的研发智能体系统

Piotr Grabowski, Mohamed Alameen, Jorge Bretones, Sabina Cardell, Miguel Carmona, Gavin Edwards, Ben Grainger, Sameh Hassan, Erik Jansson, Artur Kuziakhmetov, Albert Maristany, Hebatallah Mohamed, Andriy Nikolov, Sebastian Nilsson, Mark O'Donoghue, James Pacileo, Ashiq Sultan, Alex Voegele, Michael Ughetto

机构 * AstraZeneca（阿斯利康） 纠错

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

AI总结 阿斯利康研发了基于LLM的智能体系统Research Assistant，整合多类生物医学数据，支持两种问答模式，可溯源证据，为研发工作提供支持。

Comments 16 pages, 3 figures

Revolutionizing Finance with LLMs: An Overview of Applications and Insights

用LLMs革新金融：应用与洞察综述

Huaqin Zhao, Zhengliang Liu, Zihao Wu, Yiwei Li, Tianze Yang, Peng Shu, Shaochen Xu, Haixing Dai, Lin Zhao, Hanqi Jiang, Yi Pan, Junhao Chen, Yifan Zhou, Zheyuan Zhang, Zeyu Zhang, Ruitong Sun, Gengchen Mai, Ninghao Liu, Tianming Liu

机构 * School of Computing, The University of Georgia（佐治亚大学计算机学院） ； Computer Science and Engineering, The University of Texas at Arlington（德克萨斯大学阿灵顿分校计算机科学与工程系） ； Department of Geography, University of Georgia（佐治亚大学地理系） 纠错

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

AI总结 本文综述了LLMs在金融领域的应用与洞察，探讨了其在自动化报告、市场预测和投资建议等方面的作用，并展示了GPT-4在金融任务中的表现。

LLteacher: A Tool for the Integration of Generative AI into Statistics Assignments

LLteacher: 一种将生成式AI整合到统计作业中的工具

Emanuela Furfaro, Simone Mosciatti

专题命中 领域大模型 ：LLM(summary_cn,abstract)

AI总结 LLteacher是一种利用LLM辅助统计作业学习的开源工具，通过保留学习过程和引导学生与AI互动，支持知识回忆和新概念发现。

Journal ref Technology Innovations in Statistics Education, 17(1), 2026

Polish Medical Visual Question Answering: Vision-Language Models Underutilize Visual Evidence

波兰医学视觉问答：视觉语言模型未充分利用视觉证据

Jakub Pokrywka, Łukasz Grzybowski, Antoni Lasik, Marek Kubis, Jeremi Ignacy Kaczmarek, Wojciech Kusa

机构 * ARAAI Poland（波兰ARAAI） ； NASK National Research Institute（NASK国家研究院） ； Poznań University of Medical Sciences（波兹南医科大学） ； T. Marciniak Lower Silesian Specialist Hospital（T.马尔奇尼亚克下西里西亚专科医院） ； Adam Mickiewicz University（亚当·密茨凯维奇大学） 纠错

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

AI总结 该研究构建了波兰医学VQA基准，评估多类视觉语言模型，发现模型未充分利用视觉证据，仅从文本或答案选项即可达到高于随机水平的准确率，仅GPT-5.6在部分子集上超人类表现。

Rule of Thumb: Explaining Artificial Intelligence Systems using Partial Information

经验法则：使用部分信息解释人工智能系统

Kaivalya Rawal, Daria Onitiu, Brent Mittelstadt, Sandra Wachter, Chris Russell

机构 * University of Oxford（牛津大学） ； Hasso Plattner Institute（哈索·普拉特纳研究所） ； Weizenbaum Institute（魏茨曼研究所） 纠错

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

AI总结 该研究提出名为“经验法则”（RoT）的新型XAI方法，可识别特定数据点下与AI系统行为最相关的特征，适用于零样本分类等场景，符合AI法规且效率更高。

Comments Code available at: https://github.com/KaiRawal/Rule-of-Thumb-Explaining-Artificial-Intelligence-Systems-using-Partial-Information

On the Expressive Power of Transformers

Transformer的表达能力研究

Phokion Kolaitis, Rik Sengupta

机构 * University of California Santa Cruz（加利福尼亚大学圣克鲁兹分校） ； IBM Research（IBM研究院） 纠错

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

AI总结 本文基于电路复杂性的概念与方法，概述了界定Transformer表达能力的部分精选研究结果，助力校准其作为语言识别器的表达能力。

Comments 13 pages, 2 figures

IACDM: Interactive Adversarial Convergence Development Methodology -- A Structured Framework for AI-Assisted Software Development

IACDM：交互对抗收敛开发方法论——面向AI辅助软件开发的结构化框架

Jasmine Moreira

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

AI总结 本文提出IACDM方法论，通过外部验证代理解决AI生成应用中的验证缺口问题，强调通过层次语义分析、知识管理及系统对抗批评提升软件开发质量。

Comments 37 pages, 7 tables. Technical Foundation Document. v3 adds a pre-registered experiment testing lens non-redundancy over 12 projects, and withdraws the retrospective analysis of v1-v2 (defective instrument). Data: https://doi.org/10.5281/zenodo.21908908 Repo: https://github.com/jasminemoreira/Versus