语言大模型 / LLM

When Do LLMs Replace Fine-Tuned NLU? A Decision Framework for Intent Detection in Production Conversational Systems

当大语言模型（LLM）取代微调的自然语言理解（NLU）模型？面向生产型对话系统意图检测的决策框架

Carson Rodrigues, Oysturn Vas

机构 * Celabe ； University of Waterloo（滑铁卢大学） 纠错

专题命中 预训练与数据 ：LLM(title_cn,summary_cn)；large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI

AI总结 该研究验证LLM能否取代微调NLU模型用于意图检测，对比多方法后得出结论并提炼出生产型对话系统意图检测的决策框架。

Comments 6 pages

Dual-Cache Latent Space Communication between Heterogeneous Language Models

异构语言模型间的双缓存隐空间通信

Jiyao Liu, Qi Zhang, Yaoyi Jia, Ziwen Kan, Song Wang

机构 * Amazon（亚马逊） 纠错

专题命中 预训练与数据 ：language model(title)；LLM(abstract,abstract_cn)；分类 cs.AI、cs.LG

AI总结 本文提出XKV协议，解决异构语言模型隐空间通信的三个限制，仅训练转换器，在45个数据集-模型对设置中，其性能、速度均优于现有方法，参数效率更高。

Trilingual Topic Modeling of Sri Lankan Parliamentary Debates

斯里兰卡议会辩论的三语主题建模

Himath Dhanapala, Haren Daishika, Himandhi Kuruppu, Sithija Seneviratne, Ashini Kavindya, Patalee Narasinghe, Sandeepa Weerasekara, Nisansa de Silva, Sandareka Wickramanayake

专题命中 预训练与数据 ：LLM(summary_cn,abstract)；分类 cs.CL、cs.AI

AI总结 针对斯里兰卡议会三语辩论语料库因多语言特性难以处理的问题，提出基于LLM的文本提取结合多语言嵌入与密度聚类的端到端框架，辅以BiTopic方法，成功识别三种语言的30个宏观主题，其时间轨迹与重大国家事件吻合，且性能优于传统LDA。

Vibe Coding and Web Application Security: A Twin-Prompt Study

Vibe编码与Web应用安全：一项双提示研究

Darko Andročec

专题命中 预训练与数据 ：LLM(summary_cn)；large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 本研究通过双提示实验对比发现，明确要求安全最佳实践的Web应用生成结果，其安全问题数量更少且无高危问题，是关于LLM生成Web应用安全的初步研究。

Comments Accepted for presentation at the 37th Central European Conference on Information and Intelligent Systems (CECIIS 2026), September 16-18, 2026, Varazdin, Croatia. Author's accepted manuscript

EnSI-RAG: Entity-Structure-Indexed Retrieval-Augmented Generation for Long-Document Question Answering

EnSI-RAG：面向长文档问答的实体结构索引增强检索生成框架

Xuanyu Meng, Jiashuo Sun, Jash Rajesh Parekh, Jiawei Han

专题命中 预训练与数据 ：LLM(abstract,abstract_cn)；分类 cs.CL、cs.AI

AI总结 该研究针对长文档问答的RAG方法缺陷，提出EnSI-RAG框架，构建以实体为中心的索引，在Loong和Oolong数据集上平均准确率达78.24，较基准提升6.62个百分点，验证了其有效性。

Comments 21 pages, preprint

On the Transferability of Agricultural Weed Detection Under Cross-Field Distribution Shift

跨田间分布偏移下的农业杂草检测可迁移性研究

Nikhilesh Prabhakar, Pranuthi Tenali, Wilfredo Abudeye Fernandez, Shekhar Borah, Athresh Karanam, Erik Blasch, Prabha Sundaravadivel, Sriraam Natarajan

机构 * The University of Texas at Dallas（德克萨斯大学达拉斯分校） ； The University of Texas at Tyler（德克萨斯大学泰勒分校） ； Air Force Research Lab（空军研究实验室） 纠错

专题命中 预训练与数据 ：pretraining(abstract)；分类 cs.LG

AI总结 本研究针对跨田间分布偏移下的农业杂草检测可迁移性问题，构建棉花与大豆无人机杂草数据集，对比少样本微调与无监督域自适应目标检测，发现少样本微调仅需25个标注样本即可实现更优跨作物检测性能。

RAG Deserves an Index: Why Ingest-Time Compilation Beats Query-Time Interpretation

检索增强生成（RAG）值得一个索引：为什么摄入时编译优于查询时解释

Kyle Wild, Yusuke Takahashi, Asako Uraki

机构 * Endgame Labs, Inc.（终局实验室公司） ； Asia AI Institute（亚洲人工智能研究院） ； Musashino University（武藏野大学） ； Faculty of Data Science, Musashino University（武藏野大学数据科学学院） ； AIx, Inc.（AIx公司） 纠错

专题命中 预训练与数据 ：language model(abstract)；分类 cs.AI

AI总结 该研究提出摄入时语义编译（ISC）范式，将语料编译为可查询数据库对象，实验显示其检索效果优于传统RAG方法，增量更新成本更低，为RAG提供了索引化解决方案。

Comments Position paper. 6 pages, 2 figures, 2 tables

Learning-Based Measurement-Robust Control Barrier Functions for Obstacle Avoidance under State Estimation Error

面向状态估计误差下避障的基于学习的测量鲁棒控制障碍函数

Nicholas Rober, Yixuan Jia, Jonathan P. How

专题命中 预训练与数据 ：pretraining(abstract)

AI总结 本文针对状态估计误差下避障的安全控制问题，提出DMR-CBF与NMR-CBF两种新型CBF，经理论分析、数值实验与Unitree Go2部署验证，其在保障安全性的同时降低了保守性与计算成本。

Comments 8 Pages, 6 figures

Thermo-FL: Thermal-Aware Robust Federated Fine-Tuning of Large Language Models for Edge AI

Thermo-FL：面向边缘AI的热感知鲁棒联邦大语言模型微调

Shiva Shrestha, Kazi Shaharair Sharif, Zongxing Xie, Jiajing Huang, Anhao Xiang, Honghui Xu

机构 * Kennesaw State University（肯尼索州立大学） 纠错

专题命中 指令微调 ：LLM(summary_cn,abstract)；large language model(title,abstract)；language model(title,abstract)；分类 cs.LG

AI总结 Thermo-FL是热感知联邦LoRA微调框架，通过客户端温度调控和服务器TERRA鲁棒聚合，提升边缘LLM在热应力与攻击下的鲁棒性，稳定温度并保留任务性能。

CLEAR: Continuous Latent Adapter Routing for Utility-Preserving LLM Safety Alignment

CLEAR：用于保持效用的大语言模型安全对齐的连续潜在适配器路由

Chengxiao Wang, Enyi Jiang, Xiaojing Liao, Sanmi Koyejo

机构 * Stanford University（斯坦福大学） ； University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Siebel School of Computing and Data Science, University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校西贝尔计算与数据科学学院） ； Computer Science, Stanford University（斯坦福大学计算机科学系） 纠错

专题命中 指令微调 ：LLM(title,summary_cn)；SFT(abstract,abstract_cn)；large language model(abstract)；language model(abstract)

AI总结 本研究提出CLEAR框架，通过轻量型隐藏状态门控控制安全低秩适配器的激活强度，在降低LLM有害输出的同时，减少了全局安全调优带来的效用损失，实现了安全与效用的更好平衡。

A Factorial Ablation of a Speech-to-SFT Pipeline: Differential Effects on Data Quality and Downstream Transfer

语音到SFT流水线的因子消融：对数据质量与下游迁移的差异化影响

Wonsup Shin, Jingu Kim

机构 * Flitto（飞力拓） 纠错

专题命中 指令微调 ：SFT(title,title_cn)；LLM(abstract,abstract_cn)；分类 cs.CL

AI总结 该研究对语音转SFT流水线进行因子消融，发现QA数据质量提升未均匀转化为下游MCQA增益，正向迁移集中于家族领域匹配配对，验证了流水线稳健性并发布相关资源。

Comments 20 pages, 2 figures

Rigorous Evaluation of Large Language Models for Malaria Drug Discovery: Trade-offs in Performance, Scale, and Resource Utility

用于疟疾药物发现的大型语言模型的严格评估：性能、规模与资源效用之间的权衡

Marvellous O. Ajala (1), Zainab Ashimiyu-Abdusalam (1), Comfort Adesina (1) ((1) Magami Open Sciences Initiative)

专题命中 指令微调 ：LLM(summary_cn,abstract_cn)；large language model(title)；language model(title)；pretraining(abstract)

AI总结 本研究构建了Malaria-Instruct数据集，评估了多款开源LLM在疟疾虚拟筛选中的表现，发现微调后的开源LLM性能优于经典ML模型和专有模型，是高效的抗疟药物发现范式。

Comments 12 pages, 4 tables, 2 figures, Ijcai2026 style

Knowing but Not Saying: Preventing Factual Access Failures in LLM SFT via Recall-Anchored Distillation

知而不言：基于回忆锚定蒸馏的大语言模型监督微调中事实访问失败的预防

Haodong Chen, Yadong Wang, Shengtao Wen, Dong Liang, Xiang Chen

专题命中 指令微调 ：SFT(title,summary_cn)；LLM(title)；分类 cs.AI

AI总结 本研究针对大语言模型SFT中出现的事实访问失败问题，提出回忆锚定蒸馏（RAD）方法，在保留目标领域适配性的同时恢复了部分分布外召回率，揭示了基础模型软分布的关键保留作用。

Re$^3$Cap: Retrieval-Guided Refinement for Image Captioning Enhancement via Reinforcement Learning

Re³Cap：基于强化学习的图像字幕增强的检索引导优化

Haonan Jia, Shichao Dong, Zenghui Sun, Jiawen Zheng, Ziqi Miao, Gege Shi, Qiuyu Zhao, Jinsong Lan, Xiaoyong Zhu, Bo Zheng

机构 * Taobao & Tmall Group of Alibaba（阿里巴巴淘宝和天猫集团） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） 纠错

专题命中 指令微调 ：SFT(summary_cn,abstract)；language model(abstract)；分类 cs.AI

AI总结 本文提出Re³Cap方法，利用多模态检索作为推理信号，通过CRS和CQA优化图像字幕，在COCO-LN500基准上关系推理性能较GRPO提升8.64%，优于SFT。

Comments Accepted to EMNLP 2026 Main Conference

Knowledge-Graph-Gated Defactualization for Style-Controllable and Fact-Preserving Generation in Agentic Conversational AI

面向智能体对话AI的风格可控且事实保留生成的知识图谱门控去事实化方法

Tanmay Kumar Shrivastava, Darsh Rohit Nandu, Rajesh Kumar Mundotiya

机构 * Indian Institute of Technology (IIT) Bhilai（印度比莱印度理工学院） 纠错

专题命中 指令微调 ：LLM(abstract_cn)；large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI

AI总结 针对智能体对话AI的事实保留与风格可控生成需求，提出DSR知识工程框架，结合KG与激活引导，在LLaMA系列模型上验证其可提升实体恢复率并保持风格控制，无需微调。

Fine-tuning LLMs for Tourist Trajectory Prediction using Field Experiment Data

利用实地实验数据微调大型语言模型（LLMs）进行游客轨迹预测

Tatsuya Amano, Hirozumi Yamaguchi

专题命中 指令微调 ：large language model(abstract)；language model(abstract)；pretraining(abstract)；分类 cs.LG

AI总结 该研究利用日本和歌山城公园的566条轨迹微调Llama-3.1-8B，实现49.1%的下一个兴趣点准确率，在样本不足场景泛化性强，为旅游轨迹预测提供了高保真行为模型及反事实分析基础。

Comments 5 pages, 4 figures. Accepted at the 2nd Workshop on AI for Urban Planning (AI4UP) at AAAI-26, Singapore, January 2026

How to Train a Real-World Silicon Concierge? Internalizing Complex Business Workflow to Only OneModel

如何训练一个实用的硅基智能管家？将复杂业务工作流内化至单个模型

Chang Liu, Chaoyang Ning, Dayi Jiang, Enrui Gu, Fang Ran, Hongyan Xue, Huaqing Li, Hui Cai, Jia Liu, Jiang-Ming Yang, Jianshe Li, Jiawei Luo, Jin Zhou, Leshen Zhu, Lihui Chen, Liying Ma, Lyuxin Xue, Mengjian Ji, Ruijia Xu, Wei Ren, Wei Wu, Xiaoling Qu, Xiaoyun Feng, Xin Zhang, Xixie Zhou, Xuanwei Hu, Yan Chen, Yichao Wang, Yongqi Tong, Yu Liu, Yuhong Zhou, Zemin Sun, Zhenwen Xu, Zhiling Liu, Zifan Wang

机构 * Ant International（蚂蚁国际） 纠错

专题命中 指令微调 ：SFT(abstract,abstract_cn)；分类 cs.CL、cs.AI

AI总结 该研究针对传统工业智能体模块化流水线的缺陷，提出OneModel范式，将业务逻辑与SOP内化至模型，在金融服务系统中实现延迟大幅降低、解决率提升，为工业智能体架构升级提供蓝图。

Comments Accepted to the ACL 2026 Industry Track (Oral). To appear in Proceedings of the 64th Annual Meeting of the Association for Computational Linguistics (Industry Track)

Move by Move: Measuring and Steering How LLMs Conduct Psychotherapy

逐步推进：测量与引导大语言模型开展心理治疗的方式

Afonso Baldo, Hugo Pitorro, Areti Vassilopoulos, Anabela C. Areias, Maya D'Eon, Fabíola Costa, Ricardo Rei, Nuno M. Guerreiro

机构 * Sword Health ； Yale University（耶鲁大学） ； Instituto Superior Técnico（高等技术学院） 纠错

专题命中 指令微调 ：large language model(abstract)；language model(abstract)；分类 cs.CL

AI总结 本研究提出基于MULTI-60清单的10种治疗动作本体，对比大语言模型与人类临床医生的心理治疗动作分布，发现模型过度使用询问、忽视心理教育，通过公开该本体可提升模型与人类治疗师的动作对齐度。

OmniAssistBench: Assistant-style Interaction Benchmark for Omni-LLMs

OmniAssistBench：面向全模态大语言模型（Omni-LLMs）的助手式交互基准

Xianyun Sun, Chaoyou Fu, Zhengye Zhang, Feiyang Duan, Qingyuan Cao, Yonghui Niu, Sihang Yuan, Ge Zhang, Caifeng Shan

机构 * Nankai University（南开大学） ； University of Waterloo（滑铁卢大学） ； Nanjing University（南京大学） 纠错

专题命中 指令微调 ：large language model(abstract)；language model(abstract)

AI总结 针对全模态大语言模型助手式交互的评估瓶颈，构建OmniAssistBench数据集，实验显示Gemini-3-Pro、Qwen3-Omni-Instruct表现存在差距，当前模型在多轮交互等方面仍有不足。

Comments Project page: this https URL (https://xianyunsun.github.io/OmniAssistBench/)

Prompt-Model Interaction Reaches the Fixed Points: A deterministic, task-free structural readout -- and the factorizations of it that failed

提示-模型交互达到不动点：一种确定性、无任务的结构读出——以及失败的因子分解

Nicolás Vera Zúñiga

专题命中 指令微调 ：instruction tuning(abstract)；分类 cs.CL

AI总结 该研究针对提示-模型交互的无任务读出，发现9个token的条件可改变不动点结构类别与模型排序，提出的现象学因素无法解释该效应，解释单元为提示-模型对。

Comments 11 pages, 4 tables. Companion to arXiv:2608.10986 (https://arxiv.org/abs/2608.10986). Code, per-run results, and the findings ledger: this https URL (https://github.com/nicoveraz/token-lattice-ca) (archived: this https URL (https://doi.org/10.5281/zenodo.21880472) )

A2DINOv3: Rethinking Multi-Modal Object Detection via Socialized Collaboration

A2DINOv3：通过社会化协作重新思考多模态目标检测

Jiekang Feng, Zhihe Fan, Yunqi Zhu, Xinjie Yao, Yueying Zhang, Yike Gao, Ranxin Li, Guanzuo Chen

专题命中 指令微调 ：foundation model(abstract)；分类 cs.AI

AI总结 本文提出A2DINOv3框架，通过社会化协作协议让RGB与红外分支以异构专家模式选择性交互，结合零初始化策略，在四个多模态基准上实现了多模态目标检测的SOTA性能。

Nothing Changed but the Model: CellFill -- Bounded In-Cell Learning for Bit-Identical, Revocable Updates to Quantized LLMs

除模型外一切未变：CellFill——针对量化大语言模型的比特一致、可撤销更新的单元内受限学习

Zifeng Liu, Zhiyong Du, Yaxin Lu, Yiming Mao, Zhenhe Wang, Wenqi Shi, Zhengkun Jing

机构 * Institute for Frontier Interdisciplinary Research in Health Sciences and Technology, Sun Yat-sen University（中山大学健康科学与技术前沿交叉研究院） ； Guangdong Engineering Research Center of Medical Artificial Intelligence Multimodal System（广东省医学人工智能多模态系统工程研究中心） ； Sun Yat-sen University（中山大学） ； School of Business, Sun Yat-sen University（中山大学商学院） ； School of Computer Science, China University of Geosciences (Wuhan)（中国地质大学（武汉）计算机学院） ； School of Public Health, Sun Yat-sen University（中山大学公共卫生学院） ； Hospital of Stomatology, Sun Yat-sen University（中山大学口腔医院） ； Big Data and Artificial Intelligence Center, The Third Affiliated Hospital of Sun Yat-sen University（中山大学附属第三医院大数据与人工智能中心） 纠错

专题命中 指令微调 ：language model(abstract)；分类 cs.LG

AI总结 CellFill方法通过在量化决策单元内写入残差实现量化大语言模型的比特一致、可撤销更新，实验显示其在召回率接近基准的同时降低跨域遗忘，且可迁移至27B混合线性注意力模型。

Comments 35 pages, 3 figures, 9 tables

When Adaptation Hurts: Connecting Representational Drift to OOD Failures in MedSAM Fine-Tuning

当适应适得其反：将表征漂移与MedSAM微调中的分布外故障关联起来

Marko Haralović, Sounic Akkaraju, Carlo Baretta, Vasil Zapryanov, Alexia Briassouli

机构 * University of Zagreb（萨格勒布大学） ； University of Twente（特温特大学） 纠错

专题命中 指令微调 ：foundation model(abstract)

AI总结 本研究分析MedSAM的六种微调策略在不同医学图像数据集上的泛化表现，发现仅编码器LoRA等策略可缓解远分布外性能下降，提示随机抖动能提升模型鲁棒性。

Comments Accepted at the SAFER Workshop, MICCAI 2026

Identity-Preserving Text-to-Video Generation via Agentic Enhancement and Semantic Repair

通过智能体增强与语义修复实现身份保留的文本到视频生成

Jiayi Gao, Changcheng Hua, Jiaqi Tang, Yuxin Peng, Yang Liu

机构 * Wangxuan Institute of Computer Technology, Peking University（北京大学王选计算机研究所） 纠错

专题命中 指令微调 ：prompting(abstract)

AI总结 针对现有商业视频生成模型的身份漂移等缺陷，提出AESR轻量级框架，含智能体提示增强与视觉语义修复模块，搭配混合专家选择策略，其系统MIPL_Video在ACM MM 2026挑战赛赛道1获第一

Logic-VLA: A Temporal Logic Conditioned Vision-Language-Action Model

Logic-VLA：一种时序逻辑条件下的视觉-语言-动作模型

Celina Shiyu Wang, Yiqi Zhao, Junjie Ye, Yue Wang, Jyotirmoy V. Deshmukh

机构 * University of Southern California（南加州大学） 纠错

专题命中 指令微调 ：preference optimization(abstract)

AI总结 Logic-VLA是感知形式化需求的VLA模型，以STL规约为条件，经两阶段适配后，在四旋翼导航仿真中大幅提升STL满足率，仅小幅降低常规NL任务成功率，可适配不同形式化需求。

MultiCube: Compositional 3D Generation With Part-Level Semantic and Spatial Control

MultiCube：具有部件级语义与空间控制的组合式三维生成

Ava Pun, Kangle Deng, Yiheng Zhu, Jun-Yan Zhu, Maneesh Agrawala, Tinghui Zhou

专题命中 指令微调 ：prompting(abstract)

AI总结 MultiCube是一种组合式三维生成方法，通过两阶段扩散过程与部件布局适配器，实现了对三维对象部件级语义和空间的精确控制，可生成高质量且布局独特的组合式三维对象。

VA-DPO: Valence-Arousal Direct Preference Optimization for Controllable Emotion Generation in Language Models

VA-DPO：用于语言模型可控情感生成的效价-唤醒直接偏好优化

Hyunwoo Kim

专题命中 后训练与偏好优化 ：language model(title,abstract)；preference optimization(title,abstract)；prompting(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 该研究针对现有情感生成无法表达细粒度情感的问题，提出VA-DPO方法，通过效价-唤醒连续目标优化LoRA适配器，在多模型上实现细粒度情感生成且不损害通用性能。

Comments 9 pages, 1 figure, 5 tables

When the Feature Pool Goes Algorithmic: Extending Mufwene's Ecology of Language Evolution to LLM-Mediated Exposure

当特征池实现算法化：将穆夫温的语言进化生态学扩展至大语言模型介导的语言接触

Kunmei Han

专题命中 后训练与偏好优化 ：LLM(title,summary_cn)；large language model(abstract)；language model(abstract)；post-training(abstract)

AI总结 本文将穆夫温的语言进化生态学扩展至LLM介导的场景，提出LLM作为分布中介通过算法重加权变体频率影响语言进化，且人类社会评价仍具决定性，同时产出多项可检验预测。

Difficulty-Aware Semantic-ID Optimization for Generative Recommendation

面向生成式推荐的难度感知语义-ID优化

Xin Yu, Stephen Li, Sina Aghaei, Zifan Zhu, Jiamu Bai, Guanjie Huang, Bo Peng, Yiyao Liu, Lingzhou Xue

机构 * Meta ； The Pennsylvania State University（宾夕法尼亚州立大学） 纠错

专题命中 后训练与偏好优化 ：SFT(abstract,abstract_cn)；post-training(abstract)；分类 cs.AI

AI总结 针对生成式推荐中标准GRPO与树结构任务适配差的问题，提出DASO方法，通过前缀匹配深度分配部署组，在公开及内部推荐任务上均取得优于对比方法的性能。

Explainable Deepfake Detection with Feature-robust Augmentation and Evidence-grounded Explanation Optimization

基于特征鲁棒增强与证据支撑的解释性深度伪造检测

Zhu Xu, Jiaqi Tang, Pokai Chen, Yuxin Peng, Yang Liu

机构 * Wangxuan Institute of Computer Technology, Peking University（北京大学王选计算机研究所） 纠错

专题命中 后训练与偏好优化 ：preference optimization(abstract)；分类 cs.AI

AI总结 该研究针对深度伪造检测的鲁棒性与可解释性缺陷，提出含特征鲁棒增强、证据支撑偏好优化的框架，在ACM Multimedia 2026相关任务中获第一名。