语言大模型 / LLM

Nova: An End-to-End MLIR Compiler for Deep Learning

Nova：一款面向深度学习的端到端MLIR编译器

Adwaid Suresh, Aparna A, Harshini V M, Jona Delcy C A, Killi Uma Maheswara Rao, Ram Charan Golla, Surendra Vendra

机构 * Blubridge AI（布鲁布里奇人工智能公司） 纠错

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

AI总结 Nova是一款端到端MLIR编译器，通过整图优化等技术提升深度学习模型性能，在RTX 3060上的TF32矩阵乘法、模型吞吐量和内存占用等指标上优于PyTorch和XLA，可训练更大规模模型且避免OOM故障。

Interpretable AI with Local Distillation

基于局部蒸馏的可解释人工智能

Erin Craig, Yiling Huang, Snigdha Panigrahi

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

AI总结 本文提出局部蒸馏方法，以黑箱教师模型指导正则化线性学生模型，在17个基准数据集上近匹配教师模型准确性，还能识别癌症患者基因表达异质性。

Token-Level Likelihood-Array Regression for Membership Inference and AI-Generated Text Detection

用于成员推断与AI生成文本检测的令牌级似然数组回归

Jiajun Sun, Zhanrui Cai

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

AI总结 提出似然数组回归（LAR）方法，通过嵌套左上下文窗口组织似然特征，在成员推断与AI生成文本检测任务上显著优于基线方法，且揭示短上下文似然及二阶特征的额外价值。

SkillAlchemy: Open-World Agent Skill Creation

SkillAlchemy：开放世界智能体技能创建

Hengjun Wang, Shuyue Wei, Boyi Liu, Jun Yang, Yongxin Tong

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

AI总结 SkillAlchemy是一个以准入为中心的基于源的开放世界智能体技能创建框架，在87个SkillsBench v1.1任务上，其技能通过率较无技能执行提升19.9个百分点、较最强自动化基线提升8.6个百分点，性能接近人工策划技能。

Comments 33 pages, 7 figures, 8 tables. Includes appendices

TSWAP: A Multilingual Retrieval-Augmented Thai Wellness Advisor

TSWAP：多语言检索增强型泰国健康顾问

Pornthep Ukosaramig, Kobkrit Viriyayudhakorn

机构 * Digital Touch Point Co., Ltd.（数字触点有限公司） ； iApp Technology Co., Ltd.（iApp技术有限公司） 纠错

专题命中 效率与部署 ：LLM(abstract)；分类 cs.CL

AI总结 研究提出多语言检索增强型泰国健康顾问TSWAP，基于泰国传统医学知识库，采用混合检索等技术，发布相关基准与日志，发现量化及强制检索的部署要点。

Comments 8 pages, 2 tables. Data and evaluation logs: https://huggingface.co/datasets/iapp/tswap-wellness-benchmark

GSAR: Goal-State-Anchor Rewards for Mobile GUI Agents with Self-Evolving Data Synthesis

GSAR：面向移动GUI智能体的目标-状态-锚点奖励，结合自进化数据合成技术

Long Zhang, Yuhan Chen, Chaoran Zhang, Wanxia Cao, Kun Huang, Pengzhi Gao, Wei Liu, Jian Luan, Chenliang Li, Lixin Zou

机构 * Wuhan University（武汉大学） ； Xiaomi Inc.（小米公司） 纠错

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

AI总结 本研究提出GSAR奖励框架，结合自进化数据合成与状态-锚点机制，解决VLM-GUI智能体训练中数据合成及奖励信号的问题，在多基准测试中表现优异，为GUI智能体训练提供可扩展方案。

Do Not Copy/Paste: Soft Barriers for Copying in AI-Assisted Programming

请勿复制粘贴：AI辅助编程中的复制软屏障

Iyiola E. Olatunji, Alberick Euraste Djire, Jacques Klein, Tegawendé F. Bissyandé

专题命中 效率与部署 ：LLM(abstract_cn)；分类 cs.AI

AI总结 本文针对AI辅助编程中代码复制粘贴的问题，提出软屏障机制，通过Unicode扰动实现高复制粘贴抗性，可引导用户转向编辑重构，为AI代码交接研究提供方向。

Comments Accepted ASE 2026

WAM-OPD: On-Policy Distillation for World Action Models

WAM-OPD：面向世界动作模型的策略内蒸馏

Liuhaichen Yang, Zhuang Jiang, Chenchao Sheng, Zezhi Tang

机构 * University College London（伦敦大学学院） 纠错

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

AI总结 本研究提出WAM-OPD策略内蒸馏方案，用于修复世界动作模型学生模型，在RoboTwin 2.0两项机器人任务中提升了Flash-WAM的任务成功率，为视频优先WAM提供了有前景的后训练方法。

Pre-Decoding Acoustic Triage for Budgeted Vision-Language Captioning of Untrimmed Egocentric Video

面向未修剪自我中心视频的预算受限视觉-语言字幕生成的预解码音频分诊

Masoud Jalayer, Changyi Li, Yu Xiao

机构 * Aalto University（阿尔托大学） 纠错

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

AI总结 本研究针对预算受限的未修剪自我中心视频视觉-语言字幕生成问题，提出预解码音频分诊策略，通过音频优先选择窗口减少VLM调用，提升动作覆盖率，在多个数据集上优于现有方法。

Comments 18 pages, 5 figures, 9 tables. Under review at IEEE BigData 2026, Industrial and Government Track. Code: https://github.com/masjalayer/PreDecoding-AcousticTriage

ReMAP: Self-supervised learning to unveil brain representations and vulnerability

ReMAP：用于揭示大脑表征与脆弱性的自监督学习

Jade Perdereau, Virginie Loison, Kanssa El Ayeb, Louis Gervais, Melvin Berto Strouc, Fabrice Vallée, Thomas Moreau, Jérôme Cartailler

机构 * AP-HP（巴黎公立医院集团） ； Inserm（法国国家健康与医学研究院） ； Université Paris Cité（巴黎城市大学） ； Université Paris-Saclay（巴黎-萨克雷大学） ； Inria（法国国家信息与自动化研究所） ； CEA（法国原子能和替代能源委员会） ； Sorbonne Université（索邦大学） 纠错

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

AI总结 本研究提出ReMAP自监督学习方法，基于EEG揭示大脑表征与脆弱性，可准确预测麻醉深度，其紧凑模型性能可媲美大规模EEG基础模型，还能关联临床结局与神经生理学特征。

SSDi8: Accurate and Efficient 8-bit Quantization for State Space Duality

SSDi8：面向状态空间对偶的精准高效8比特量化方法

Hyunwoo Kim, Byoungchan Ko, Minseok Kang, Minwoo Kim, Dongjin Lee, Jaehoon Lee, Sungroh Yoon, Dahuin Jung

机构 * Chung-Ang University（中央大学） ； Soongsil University（崇实大学） ； Seoul National University（首尔大学） 纠错

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

AI总结 本研究针对结构化状态空间对偶（SSD）架构的内存与延迟开销问题，提出首个专为SSD设计的后训练量化框架SSDi8，通过解耦乘法、自适应量化等技术，在保持FP16精度的同时实现最高1.4倍加速，且适配资源受限环境。

Comments Accepted to ICLR 2026

Journal ref International Conference on Learning Representations (ICLR), 2026

Atom Learning Model (ALM): how a real classroom got tokenised

原子学习模型（ALM）：一间真实课堂如何被标记化

Philipp Bogdan

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

AI总结 本研究提出原子学习模型（ALM），将中学数学教材标记化为原子与前置条件链接，构建系统生成题目供学生使用，发现多项与预期不符的结果，核心前提未被证伪。

Comments 25 pages, 13 figures. Companion data: https://github.com/philippbogdan/atom-learning-model. Interactive view of the catalogue: https://philippbogdan.com/atoms

H-OPD: Confidence Aware Heterogeneous Multi-Teacher Multimodal On-policy Distillation

H-OPD：置信感知异构多教师多模态在线策略蒸馏

Qixiang Yin, Huanjin Yao, Yuchen Cai, Jianghao Chen, Ziyi Wang, Min Yang, Fei Su, Zhicheng Zhao

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； ByteDance（字节跳动） ； USTC（中国科学技术大学） ； Beijing Key Laboratory of Network System and Network Culture（北京网络系统与网络文化重点实验室） ； Key Laboratory of Interactive Technology and Experience System, Ministry of Culture and Tourism（文化和旅游部互动技术与体验系统重点实验室） ； Zhongguancun Academy（中关村科学城） 纠错

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

AI总结 研究多模态推理的在线策略蒸馏问题，提出H-OPD框架，通过验证异构教师互补性，以令牌级教师仲裁取代任务或样本级路由，结合视觉与文本教师，在多基准测试中性能优越。

Comments EMNLP2026

Lagrange: An Open-Vocabulary, Energy-Based Sparse Framework for Generalized End-to-End Driving

Lagrange: 一种面向通用端到端驾驶的开放词汇、基于能量的稀疏框架

Shihao Ji, HongXi Li, Zihui Song, Mingyu Li

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

AI总结 提出Lagrange框架，利用掩码潜在场和视觉语言模型实现开放词汇、稀疏计算，通过拉格朗日动作最小化确保运动学约束，在nuScenes和CODA基准上验证了鲁棒性和可解释性。

Comments Withdrawn due to serious concerns regarding the authenticity and accuracy of the listed authorship. The identity of one or more listed authors cannot presently be verified, and the author list may not represent distinct contributors. The manuscript is withdrawn pending institutional review

SafeLens: Deliberate and Efficient Video Guardrails with Fast-and-Slow Screening

SafeLens: 一种高效且可靠的视频护栏系统，采用快速和缓慢筛查

Shahriar Kabir Nahin, Hadi Askari, Muhao Chen, Anshuman Chhabra

机构 * University of South Florida（佛罗里达州立大学） ； University of California, Davis（加州大学戴维斯分校） 纠错

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

AI总结 本研究提出SafeLens视频护栏框架，通过快速和缓慢的推理架构实现高效的视频内容审核，同时构建高质量数据集并采用结构化Chain-of-Thought追踪来解决训练时间扩展的限制，从而在实际和AI生成视频基准测试中取得最佳性能，同时显著降低推理成本。

Hierarchical Book Organization for Learning-Resource Discovery using Dual-Path Graph Convolutions

利用双路径图卷积进行众包书评的鲁棒推理：基于层次化题材挖掘

Suraj Kumar, Utsav Kumar Nareti, Soumi Chattopadhyay, Chandranath Adak, Prolay Mallick

机构 * Indian Institute of Technology Indore（印度理工学院印多尔分校） ； Indian Institute of Technology Patna（印度理工学院帕纳布） 纠错

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

AI总结 HiGeMine通过双路径图卷积框架，利用书评和权威书类信息提升层次化书类分类的准确性。

Programmable k-local Ising interactions and shallow optical Kolmogorov--Arnold networks through repeated data encounters

通过重复数据实现可编程k局域伊辛相互作用与浅层光学柯尔莫哥洛夫-阿诺德网络

Nikita Stroev, Natalia G. Berloff

机构 * Department of Physics of Complex Systems, Weizmann Institute of Science, Rehovot 76100, Israel（复杂系统物理系，魏兹曼科学研究院，以色列） 纠错

专题命中 效率与部署 ：SLM(abstract)；分类 cs.LG

AI总结 该研究提出重复-相遇架构，结合线性光传播与平方律检测实现可编程k局域伊辛相互作用，测试了R=2、k=4的情况，为光学柯尔莫哥洛夫-阿诺德网络提供了新方案。

Comments 17 pages, 5 figures

Guided Riemannian Optimization (GuRO): Bridging Model Predictive Control and Decision Transformers

引导式黎曼优化（GuRO）：连接模型预测控制与决策Transformer

Hossein Abdi, Satya Prakash Dash, Mingfei Sun

机构 * The University of Manchester（曼彻斯特大学） 纠错

专题命中 效率与部署 ：pretraining(abstract)

AI总结 本研究提出GuRO框架，将MPC与RL整合到序列决策框架，利用黎曼优化解决非凸损失问题，在四足机器人控制任务上优于TRPO等基准方法。

Evaluating Modern RAG: Textual, Multimodal, Dense, and Late Interaction Pipelines

评估现代RAG：文本、多模态、密集型与后期交互管道

Emre Kuru, Mehmet Onur Keskin

专题命中 效率与部署 ：language model(abstract)

AI总结 该研究针对传统RAG在含视觉元素文档上的局限，提出数据驱动的RAG管道选择方法，评估了文本、多模态等现代RAG管道的性能与效率权衡，为实际应用提供指导。

AquaFlow: A Monocular Gaussian Splatting SLAM for Underwater Streaming Reconstruction

AquaFlow：用于水下流式重建的单目高斯溅射SLAM

Yingxiang Xu, Kerui Ren, Wenqi Guo, Changjian Jiang, Tao Lu, Linning Xu, Mulin Yu

机构 * Zhejiang University（浙江大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学） ； Tsinghua University（清华大学） ； The University of Hong Kong（香港大学） ； The Chinese University of Hong Kong（香港中文大学） 纠错

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

AI总结 针对水下场景视觉退化导致的SLAM难题，提出AquaFlow框架，通过微调3D视觉基础模型等技术实现更优的水下重建，在62条水下轨迹数据集上相较WaterSplat-SLAM性能显著提升。

Comments Preprint

FOVEA: Focused On-Demand Visual Evidence Adaptation for Cache-Friendly Multimodal Speculative Decoding

FOVEA：面向缓存友好型多模态推测解码的聚焦式按需视觉证据适配

Hengjie Zhu, Dayan Wu, Zihao Zhang, Xinze Liu, Jingxuan Yu, Peng Fu, Zheng Lin, Weiping Wang, Ding Wang

专题命中 效率与部署 ：language model(abstract)

AI总结 FOVEA是一种缓存友好型多模态推测解码方法，通过动态检索视觉记忆子集提升草稿接受率，使多模态生成速度最高提升2.13倍。

Transit Searches for Habitable-Zone Exoplanets with Artificial Intelligence

利用人工智能搜索宜居带系外行星的凌星观测

Qingtian Liu

专题命中 效率与部署 ：pretraining(abstract)

AI总结 本综述探讨人工智能在宜居带系外行星凌星信号搜索各环节的进展，指出其可提升分析效率、恢复弱信号，结合物理建模等能提高发现效率与可靠性。

Comments This paper has been withdrawn by the authors for administrative reasons related to our institutional research policy

AdaptPrompt: Parameter-Efficient Adaptation of VLMs for Generalizable Deepfake Detection

AdaptPrompt: 为通用深度伪造检测高效调整视觉语言模型参数

Yichen Jiang, Mohammed Talha Alam, Sohail Ahmed Khan, Duc-Tien Dang-Nguyen, Fakhri Karray

机构 * University of Waterloo（滑铁卢大学） ； University of Bergen（卑尔根大学） 纠错

专题命中 效率与部署 ：language model(abstract)

AI总结 AdaptPrompt通过参数高效迁移学习框架，利用CLIP模型提升深度伪造检测的泛化能力，实现跨领域和少量样本下的高准确率识别。

Comments Accepted at DFF ACM Multimedia 2026

Exploring learning environments for label\-efficient cancer diagnosis

探索用于标签高效癌症诊断的学习环境

Samta Rani, Tanvir Ahmad, Sarfaraz Masood, Chandni Saxena

专题命中 效率与部署 ：prompting(abstract)

AI总结 本研究考察监督学习、半监督学习、自监督学习三种学习环境，用三种预训练模型在七个训练集上预测肾癌、肺癌、乳腺癌，发现半监督学习结果与监督学习高度一致，是标签受限场景的高可行替代方案。

Comments The submission is being withdrawn due to an authorship disagreement among the co-authors

Performance of a domain-specific large language model in answering patient questions in psychiatry

面向精神病学领域的专用大语言模型在回答患者问题时的性能表现

Alexander J. Hish, Arjun Nagendran, Scott N. Compton

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

AI总结 本研究开发了专用LLM MIND，对比ChatGPT、OpenEvidence回答患者关于艾司西酞普兰的问题，发现MIND评分更高但医生更偏好ChatGPT，为构建精神病学安全LLM提供了进展。

Incumbent Advantage: Brand Bias and Cognitive Manipulation Dynamics in LLM Recommendation Systems

在位优势：LLM推荐系统中的品牌偏见与认知操纵动态

Xi Chu, Yupeng Hou

机构 * Trine University（特莱恩大学） ； Texas A&M University（德克萨斯农工大学） 纠错

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

AI总结 研究LLM推荐中的品牌动态，发现知名品牌在同等规格下获100%推荐（IAI=10.0），但微弱评分优势可打破垄断；权威营销语言（如虚假临床证据）以+0.17评分点的偏差剩余价值打破垄断；多品牌GEO竞争存在社会困境，集体优化降低个体收益。

Comments 16 pages, 4 figures, 11 tables

GenRec: An LLM-Backed Recommendation Ranker at Netflix

GenRec：Netflix 一款基于大语言模型的推荐排序器

Ying Li, Shradha Sehgal, Arjun Rao, Rein Houthooft, Yaochen Zhu, Ashish Rastogi

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

AI总结 Netflix 提出基于 LLM 的推荐排序器 GenRec，通过两阶段后训练实现，在大规模 A/B 测试中，其用更少标注数据即可取得显著指标提升，推动推荐范式转变并总结了部署经验。

Comments 9 pages

MACD: Multi-Agent Clinical Diagnosis with Self-Learned Knowledge for LLM

MACD: 基于自学习知识的多智能体临床诊断

Wenliang Li, Rui Yan, Xu Zhang, Li Chen, Hongji Zhu, Jing Zhao, Junjun Li, Mengru Li, Wei Cao, Zihang Jiang, Wei Wei, Kun Zhang, Shaohua Kevin Zhou

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

AI总结 MACD通过多智能体框架实现LLM自学习临床知识，提升诊断准确率，与医生单独诊断相比表现更优，展示人机协作的协同潜力。

Minimal Local Simulation Foundations for LLM- and VLM-Driven Agents in 2D and 3D Environments

用于二维和三维环境中大型语言模型（LLM）与视觉语言模型（VLM）驱动智能体的极简局部仿真基础

Ryuki Hyodo

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

AI总结 该研究提出SD-AgentFoundry-2D和3D两款极简仿真基础，可在多系统本地运行，用于教育与快速原型设计，为学习生成式社会仿真及构建特定领域扩展提供便捷起点。

Comments GitHub Repositories: https://github.com/ryukih/SD-AgentFoundry-2D and https://github.com/ryukih/SD-AgentFoundry-3D

GrOIL: Graph-Grounded Domain Ontology Induction with Constrained LLM Mediation

GrOIL：基于图的领域本体归纳与受限大语言模型调解

Maruf Ahmed Mridul, Abid Talukder, Oshani Seneviratne

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

AI总结 该研究提出GrOIL流程，以受限LLM调解的七阶段图基方法构建可审计OWL TBox，在人寿保险领域的基准测试中，其CQ覆盖率等指标优于LLM基线，可生成稳定领域表示。

Comments 12 pages, 9 figures, 3 tables