语言大模型 / LLM

EchoVLM: Dynamic Mixture-of-Experts Vision-Language Model for Universal Ultrasound Intelligence

EchoVLM：面向通用超声智能的动态专家混合视觉语言模型

Chaoyin She, Ruifang Lu, Lida Chen, Wei Wang, Qinghua Huang

机构 * School of iOPEN, Northwestern Polytechnical University（iOPEN学院，西北工业大学） ； The First Affiliated Hospital of Sun Yat-Sen University（中山大学附属第一医院） ； College of Mechanical Engineering, Tongji University（同济大学机械工程学院） 纠错

专题命中 效率与部署 ：language model(title,abstract)

AI总结 本文提出EchoVLM，通过动态混合专家架构提升超声图像的多任务诊断效率，实验表明其在报告生成任务中BLEU-1和ROUGE-1得分显著提升。

Efficient Nonlinear Multiscale Prediction for Unseen Polycrystalline Textures via Self-Supervised Microstructure Pretraining

通过自监督微观结构预训练实现多晶织构的高效非线性多尺度预测

Ting-Ju Wei, Chuin-Shan Chen

专题命中 效率与部署 ：pretraining(title,abstract)

AI总结 研究针对多晶材料不同晶体织构非线性力学响应预测难题，采用自监督预训练策略，先在合成FCC微观结构上预训练编码器，再映射到ODMN参数，实现未见微观结构响应预测，误差低且加速显著，还提高数据效率，提供微观结构-性能推断框架。

DifFoundMAD: Foundation Models meet Differential Morphing Attack Detection

DifFoundMAD：基础模型与微分变形攻击检测

Lazaro J. Gonzalez-Soler, André Dörsch, Christian Rathgeb, Christoph Busch

机构 * Biometrics and Security Research Group（生物识别与安全研究组） 纠错

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

AI总结 DifFoundMAD利用视觉基础模型的泛化能力，通过轻量微调和类平衡优化，有效检测变形攻击，显著降低高安全等级下的误报率。

Comments Accepted in IJCB 2026

Efficient Tuning Before Low-Bit Post-Training Quantization for Stochastic Gradient Descent-optimized Models

用于随机梯度下降优化模型的低位后训练量化前的高效调优

Peng Xia, Junbiao Pang, Muhammad Ayub Sabir

机构 * School of Information Science and Technology, Beijing University of Technology（北京工业大学信息科学与技术学院） 纠错

专题命中 效率与部署 ：post-training(title,abstract)

AI总结 研究针对低位后训练量化性能易降问题，提出ETBQ方法，在随机梯度下降优化模型的PTQ前进行预处理调优，通过从量化误差分布采样扰动优化全精度模型，实验证明该方法能提升不同任务的低位PTQ性能。

Comments v2 revision: Added hyperparameter settings of all experiments in appendix, fixed minor typos, adjusted figure layout, polished experimental analysis. 12 pages, 10 figures, submitted to IEEE Transactions on Neural Networks and Learning Systems (TNNLS). Code available at https://github.com/xpxpxp2001xpxpxp/ETBQ

Spectral Heat Flow for Conservative Token Condensation in Vision-Language Models

视觉语言模型中用于保守令牌压缩的谱热流

Zhaoyang Li, Yanjun Li, Wangkai Li, Yujia Chen, Tianzhu Zhang

机构 * School of Information Science/National Key Laboratory of Deep Space Exploration University of Science and Technology of China（中国科学技术大学信息科学学院/深空探测国家实验室） 纠错

专题命中 效率与部署 ：language model(title,abstract)

AI总结 研究针对视觉语言模型推理成本高及现有令牌剪枝方法的问题，提出无需训练的SpecFlow框架，通过谱热流等操作实现保守压缩，在多方面优于现有方法，平衡了效率与准确性。

Comments Accepted by ICML 2026

Foundation Model-Driven Semantic Change Detection in Remote Sensing Imagery

基于基础模型的遥感影像语义变化检测

Hengtong Shen, Li Yan, Hong Xie, Yaxuan Wei, Xinhao Li, Wenfei Shen, Peixian Lv, Fei Tan

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

AI总结 本文提出PerASCD框架，通过模块化级联门控解码器整合多尺度特征，提升语义变化检测的鲁棒性和泛化能力，实验显示其在Sek评分上达到新高。

On the Role of Depth in Surgical Vision Foundation Models: An Empirical Study of RGB-D Pre-training

在手术视觉基础模型中深度的作用：一项关于RGB-D预训练的实证研究

John J. Han, Adam Schmidt, Muhammad Abdullah Jamal, Chinedu Nwoye, Anita Rau, Jie Ying Wu, Omid Mohareri

机构 * Vanderbilt University（范德比尔大学） ； Intuitive Surgical Inc.（Intuitive Surgical公司） 纠错

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

AI总结 本研究通过比较不同预训练方法，发现几何感知的多模态预训练能显著提升手术视觉模型的性能，且无需改变推理架构。

Comments Inaccurate findings

LaViDa: A Large Diffusion Language Model for Multimodal Understanding

LaViDa：用于多模态理解的大型扩散语言模型

Shufan Li, Konstantinos Kallidromitis, Hritik Bansal, Akash Gokul, Yusuke Kato, Kazuki Kozuka, Jason Kuen, Zhe Lin, Kai-Wei Chang, Aditya Grover

机构 * UCLA（加州大学洛杉矶分校） ； Panasonic AI Research（松下人工智能研究） ； Adobe Research（Adobe研究） ； Salesforce Research（Salesforce研究） 纠错

专题命中 效率与部署 ：language model(title,abstract)

AI总结 研究针对现有视觉语言模型在快速推理和可控生成方面的不足，提出基于离散扩散模型构建 LaViDa 系列视觉语言模型，采用多种新技术，在多模态基准测试中性能出色，成为自回归视觉语言模型的有力替代。

Comments 26 pages, 8 figures

Looking Locally: Object-Centric Vision Transformers as Foundation Models for Efficient Segmentation

局部观察：以对象为中心的视觉Transformer作为高效分割的基础模型

Manuel Traub, Martin V. Butz

机构 * Neuro-Cognitive Modeling Group, University of Tübingen, Germany（图宾根大学神经认知建模组） 纠错

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

AI总结 研究针对当前分割模型浪费计算资源问题，提出FLIP模型，通过生物启发的注意力从输入中采样多分辨率补丁实现对象分割。该模型参数高效，在多个基准测试中表现优于SAM等模型，能准确分割小对象，为实时视觉提供可能，可作强大基础模型。

PhyMAGIC: Physical Motion-Aware Generative Inference with Confidence-guided LLM

PhyMAGIC：基于置信度引导的大语言模型的物理运动感知生成推理

Siwei Meng, Yawei Luo, Ping Liu

机构 * Department of Computer Science \& Engineering, University of Nevada, Reno, USA School of Software Technology, Zhejiang University, China 纠错

专题命中 效率与部署 ：LLM(title,abstract)

AI总结 针对3D内容生成中动态模型物理一致性问题，PhyMAGIC提出无需训练的框架，整合图像到视频扩散模型、大语言模型置信度引导推理及可微物理模拟器，通过迭代优化和模拟反馈生成物理一致的运动，性能优于现有方法。

Comments This work is accepted by ECCV 2026

Traffic-MoE: A Sparse Foundation Model for Network Traffic Security Analysis

Traffic-MoE：用于网络流量安全分析的稀疏基础模型

Jiajun Zhou, Changhui Sun, Wentao Fu, Meng Shen, Shanqing Yu, Qi Xuan

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

AI总结 针对加密和协议混淆致传统流量检测方法过时、现有大模型计算成本高的问题，提出Traffic-MoE稀疏基础模型，通过动态路由解耦模型容量与计算开销，在多任务中性能优，提升了吞吐量、降低延迟并优化内存，还具鲁棒性和少样本检测能力。

SIMPLER: Efficient Foundation Model Adaptation via Similarity-Guided Layer Pruning for Earth Observation

SIMPLER：通过相似性引导的层剪枝实现高效的地球观测基础模型适应

Víctor Barreiro, Johannes Jakubik, Francisco Argüello, Dora B. Heras

机构 * Centro Singular de Investigación en Tecnoloxías Intelixentes (CiTIUS), Universidade de Santiago de Compostela, Spain（智能技术研究中心（CiTIUS），圣地亚哥-德孔波斯特拉大学，西班牙） ； Departmento de Electrónica e Computación, Universidade de Santiago de Compostela, Spain（电子与计算系，圣地亚哥-德孔波斯特拉大学，西班牙） ； IBM Research Europe, Zurich, Switzerland（IBM欧洲研究院，瑞士苏黎世） 纠错

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

AI总结 SIMPLER通过在适应前选择有效的模型深度，减少推理和部署成本，同时在无需梯度、幅度启发式或超参数调优的情况下，通过预训练视觉变换器中更深层的表示稳定性，选择冗余层，实现参数减少79%且性能保留94%，提升训练和推理速度。

Z-Image: An Efficient Image Generation Foundation Model with Single-Stream Diffusion Transformer

Z-Image: 一种基于单流扩散Transformer的高效图像生成基础模型

Image Team, Huanqia Cai, Sihan Cao, Ruoyi Du, Peng Gao, Aiming Hao, Steven Hoi, Zhaohui Hou, Shijie Huang, Dengyang Jiang, Yuming Jiang, Xin Jin, Liangchen Li, Zhen Li, Zhong-Yu Li, David Liu, Dongyang Liu, Qilong Wu, Feng Yu, Zechao Zhan, Chi Zhang, Shifeng Zhang, Ruikai Zhou, Shilin Zhou

机构 * Alibaba Group（阿里巴巴集团） 纠错

专题命中 效率与部署 ：foundation model(title)；post-training(abstract)

AI总结 提出Z-Image，一种6B参数的高效图像生成基础模型，采用可扩展单流扩散Transformer架构，通过优化数据基础设施和训练流程，仅用314K H800 GPU小时完成训练，性能媲美顶级商业模型。

Enhanced Vision-Language Models for Diverse Sensor Understanding: Cost-Efficient Optimization and Benchmarking

增强视觉语言模型以理解多样传感器：成本高效的优化与基准测试

Sangyun Chung, Youngjoon Yu, Se Yeon Kim, Youngchae Chee, Yong Man Ro

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(title,abstract)

AI总结 提出传感器感知属性微调（SAFT）与多样负属性（DNA）优化，利用少量传感器数据克服RGB中心偏见，无需修改模型架构，显著提升非RGB传感器图像理解，并发布首个综合基准VS-TDX。

Comments The manuscript was posted before all internal disclosure and documentation checks were completed. We are withdrawing this version to avoid confusion while the authors complete the necessary review process

Rapidly deploying on-device eye tracking by distilling visual foundation models

通过蒸馏视觉基础模型快速部署设备端眼动追踪

Cheng Jiang, Jogendra Kundu, David Colmenares, Fengting Yang, Joseph P Robinson, Ali Behrooz, Yatong An

机构 * Meta Reality Labs（Meta现实实验室） ； University of Michigan（密歇根大学） 纠错

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

AI总结 本文提出DistillGaze框架，通过合成数据和真实数据蒸馏视觉基础模型，实现高精度设备端眼动追踪，减少58.62%的中位眼动误差，模型轻量适合实时部署。

GreenRFM: Learning a resource-efficient radiology vision-language foundation model via supervision-centric pre-training

GreenRFM：通过以监督为中心的预训练学习资源高效的放射学视觉-语言基础模型

Yingtai Li, Shuai Ming, Qiuli Wang, Mingyue Zhao, Hongchun Zhang, Yuhe Tian, Haoran Lai, Rongsheng Wang, Rui Zhou, Rundong Wang, Yujia Li, Zhiyang He, Xiaodong Tao, Wei Chen, Wei Wei, Shaohua Kevin Zhou

机构 * School of Biomedical Engineering, Division of Life Sciences and Medicine, University of Science and Technology of China (USTC)（生物医学工程学院，生命科学与医学系，中国科学技术大学） ； Center for Medical Imaging, Robotics, Analytic Computing & Learning (MIRACLE)（医学影像、机器人、分析计算与学习中心） ； Suzhou Institute for Advanced Research, USTC（苏州先进研究院，中国科学技术大学） ； Department of Radiology, The First Affiliated Hospital of USTC, Division of Life Sciences and Medicine, USTC（放射科，中国科学技术大学第一附属医院，生命科学与医学系，中国科学技术大学） ； T Magnetic Resonance Translational Medicine Research Center, Department of Radiology, The First Affiliated Hospital (Southwest Hospital) of Army Medical University（7T磁共振转化医学研究中心，放射科，中国医学大学第一附属医院（西南医院）） 纠错

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

AI总结 提出GreenRFM框架，通过将噪声报告转化为结构化诊断信号，以监督为中心预训练，在有限资源下实现高效3D放射学视觉-语言表示，零样本CT-RATE AUC达84.8。

ViP-VL: Vietnamese Self-supervised Speech Pretraining Model with Vector-Quantization Learning

ViP-VL：基于向量量化学习的越南语自监督语音预训练模型

Khanh Le, Kiet Anh Hoang, Bao Nguyen, Duy Vo, Dung Vo, Thai Tran, Linh Pham, Khoa D Doan

机构 * VinUniversity（越南 Vin 大学） 纠错

专题命中 效率与部署 ：pretraining(title,abstract)

AI总结 提出ViP-VL模型，通过声学堆叠、感受野对齐和掩码选择策略，在BEST-RQ框架上实现高效自监督预训练，在越南语ASR、情感识别、方言分类和说话人验证四项任务上取得最优结果。

Comments Accepted to INTERSPEECH 2026

Six Open Questions in Machine-Learned Interatomic Potential Foundation Models

机器学习原子间势基础模型中的六个开放问题

Isabel Creed, Tim Rein, Ingvars Vitenburgs, Wojciech G. Stark, Viktor Ellingsson, Ahmed Y. Ismail, Guangyu Liu, Yuchen Lou, Bradley A. A. Martin, Cyprien Bone, Matthew A. H. Walker, Mueen Taj, Shirui Wang, Kelvin Wong, Ruiqi Wu, Prakriti Kayastha, Bingqing Cheng, Aditi Krishnapriyan, Michele Ceriotti, Marcel F. Langer, Jarvist Moore Frost, Alex M. Ganose, Venkat Kapil, Keith T. Butler

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

AI总结 本文定义机器学习原子间势基础模型，并探讨六个关键开放问题，包括数据多样性、模型泛化、可迁移性、不确定性量化、计算效率与物理一致性，以指引未来研究。

Uncovering Intervention Opportunities for Suicide Prevention with Language Model Assistants

利用语言模型助手发现自杀预防的干预机会

Jaspreet Ranjit, Hyundong J. Cho, Claire J. Smerdon, Yoonsoo Nam, Myles Phung, Jonathan May, John R. Blosnich, Swabha Swayamdipta

专题命中 效率与部署 ：language model(title,abstract)

AI总结 研究利用语言模型作为高效助手，辅助国家暴力死亡报告系统（NVDRS）的数据标注和专家工作，发现模型在50个变量上约85%的标注一致，38%的不一致可通过专家审查发现标注差异，并引入人机协同算法优化新变量标注流程。

Comments Project Website: https://dill-lab.github.io/interventions_lm_assistants/

Journal ref In Proceedings of the 64th Annual Meeting of the Association for Computational Linguistics, 2026

The Illusion of Equivalency: Statistical Characterization of Quantization Effects in LLMs

等效性错觉：大语言模型量化效应的统计表征

Baha Rababah, Shahzeb Qamar, Lorenz Sparrenberg, Rafet Sifa, Murat Kantarcioglu, Cuneyt Gurcan Akcora, Carson K. Leung

机构 * University of Manitoba（曼尼托巴大学） ； Red River College Polytechnic（红河理工学院） ； University of Central Florida（中佛罗里达大学） 纠错

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

AI总结 研究大语言模型量化效应，引入正确性一致性指标，发现适度量化下有行为差异，通过分析量化为结构算子及量化失真，揭示低比特宽度非线性断点等，促使超越传统指标评估行为。

Dripper: Token-Efficient Main HTML Extraction with a Lightweight LM

Dripper：一种轻量级的HTML主内容提取框架

Mengjie Liu, Jiahui Peng, Wenchang Ning, Pei Chu, Jiantao Qiu, Ren Ma, He Zhu, Rui Min, Lindong Lu, Linfeng Hou, Kaiwen Liu, Yuan Qu, Zhenxiang Li, Chao Xu, Zhongying Tu, Wentao Zhang, Conghui He

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Peking University（北京大学） 纠错

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

AI总结 Dripper通过轻量级框架实现高效HTML主内容提取，兼顾效率与准确性，开源模型促进高质量数据集构建。

Hypergraph as Language

超图作为语言

Mengqi Lei, Guohuan Xie, Shihui Ying, Shaoyi Du, Jun-Hai Yong, Chuan Shi, Ling Tian, Siqi Li, Yue Gao

机构 * Tsinghua University（清华大学） ； Yangtze Delta Region Institute（长江三角洲研究院） ； Shanghai Institute of Applied Mathematics and Mechanics（上海应用数学和力学研究所） ； State Key Laboratory of Human-Machine Hybrid Augmented Intelligence（人机混合增强智能国家重点实验室） ； National Engineering Research Center for Visual Information and Applications（视觉信息与应用国家工程研究中心） ； Institute of Artificial Intelligence and Robotics（人工智能与机器人研究所） 纠错

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

AI总结 本文提出了一种基于超图的语言模型对齐框架Hyper-Align，通过将超图结构转换为可被大语言模型理解的超图令牌，以更有效地处理高阶关联关系，从而在结构建模任务中取得显著优势。

CodeQuant: Unified Clustering and Quantization for Enhanced Outlier Smoothing in Low-Precision Mixture-of-Experts

CodeQuant: 一种统一的聚类和量化方法以提升低精度混合专家模型中的异常值平滑

Xiangyang Yin, Xingyu Liu, Tianhua Xia, Bo Bao, Vithursan Thangarasa, Valavan Manohararajah, Eric Sather, Sai Qian Zhang

机构 * Courant Institute of Mathematical Sciences, New York University（纽约大学库朗数学科学研究所） ； Tandon School of Engineering, New York University（纽约大学坦登工程学院） ； Cerebras Systems Inc.（Cerebras系统公司） 纠错

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

AI总结 本文提出CodeQuant，通过可学习旋转平滑激活异常值并吸收权重异常值到细调的聚类中心，提升低精度混合专家模型的准确性与速度。

SMA: Who Said That? Auditing Membership Leakage in Semi-Black-box RAG Controlling

SMA：谁说的？半黑盒RAG控制中的成员泄露审计

Shixuan Sun, Siyuan Liang, Jianjie Huang, Jingzhi Li, Xiaochun Cao

机构 * Sun Yat-Sen University（孙中山大学） ； Nanyang Technological University（南洋理工大学） ； University of Chinese Academy of Science（中国科学院大学） ； Zhongguancun Academy（中关村学院） ； Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） 纠错

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

AI总结 本研究针对半黑盒RAG控制中的成员泄露问题，提出首个源感知成员审计SMA，通过零阶优化归因估计机制与跨模态归因技术，实现生成内容的细粒度来源归因，为复杂生成系统的数据来源审计提供新视角。

OPD-V: Visual On-Policy Self-Distillation with Modality Balance

OPD-V：结合模态平衡的视觉在线策略自蒸馏

Aniri, Jinhe Bi, Peng Liao, Zengjie Jin, Volker Tresp, Fei Shen, Yunpu Ma, Tat-Seng Chua

机构 * National University of Singapore（新加坡国立大学） ； Ludwig Maximilian University of Munich（慕尼黑大学） ； Munich Center for Machine Learning（慕尼黑机器学习中心） ； Sun Yat-sen University（中山大学） 纠错

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

AI总结 该研究针对多模态大语言模型的模态不平衡问题，提出视觉在线策略自蒸馏范式OPD-V，通过正、负教师模型实现模态平衡，在多基准与骨干上提升推理性能并降低训练成本。

Comments Corrected the uploaded manuscript. Project Page:https://github.com/aniri15/OPD-V

Dual-Dimensional Consistency: Balancing Budget and Quality in Adaptive Inference-Time Scaling

双维度一致性：在适应性推理时间扩展中平衡预算与质量

Rongman Xu, Yifei Li, Tianzhe Zhao, Yanrui Wu, Bo Li, Hang Yan

机构 * Xi’an Jiaotong University（西安交通大学） 纠错

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

AI总结 本文提出双维度一致性框架，通过结合置信度加权贝叶斯协议与趋势感知分层剪枝，平衡推理预算与质量，减少10倍以上token消耗并保持高精度。

Matterhorn: Masked Time-to-First-Spike Encoding by Reassigning the Silent State for Sparse and Energy-Efficient Spiking Transformers

Matterhorn: 一种高效的类脑稀疏脉冲变压器架构与掩码时间到首次脉冲编码

Zhanglu Yan, Kaiwen Tang, Zixuan Zhu, Zhenyu Bai, Qianhui Liu, Yongxin Zhu, Weng-Fai Wong

机构 * Department of computer science, National University of Singapore（新加坡国立大学计算机科学系） ； School of Artificial Intelligence, Shandong University（山东大学人工智能学院） ； Shanghai Advanced Research Institute, Chinese Academy of Science（中国科学院上海先进研究院） ； University of Chinese Academy of Sciences, Beijing（中国科学院大学北京校区） 纠错

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

AI总结 Matterhorn通过引入掩码时间到首次脉冲编码和类比计算在内存技术，实现高效稀疏脉冲变压器架构，提升能效并达到新的准确率水平。

REPREC: Representation Driven Parameter-Efficient Recommendation System

REPREC：表示驱动的参数高效推荐系统

Harshini Kavuru, Dwipam Katariya, Giri Iyengar, Pranab Mohanty, Kalanand Mishra, Raghu Machiraju

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

AI总结 研究基于大语言模型的序列推荐，提出REPREC轻量级框架，通过轻量级用户表示对齐和MLP注入器映射用户嵌入，在多基准数据集实验中优于LoRA，能保持性能并降低训练时间，平衡推荐质量与计算效率。

Farm-LightSeek: An Edge-centric Multimodal Agricultural IoT Data Analytics Framework with Lightweight LLMs

Farm-LightSeek：一种以边缘为中心的多模态农业物联网数据分析框架，集成轻量级语言模型

Dawen Jiang, Zhishu Shen, Qiushi Zheng, Tiehua Zhang, Wei Xiang, Jiong Jin

机构 * School of Computer Science and Artificial Intelligence, Wuhan University of Technology（武汉理工大学计算机科学与人工智能学院） ； School of Engineering, Swinburne University of Technology（斯威本科技大学工程学院） ； School of Computer Science and Technology, Tongji University（同济大学计算机科学与技术学院） ； School of Computing, Engineering and Mathematical Sciences, La Trobe University（拉筹伯大学计算、工程与数学科学学院） 纠错

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

AI总结 针对智能农业面临的挑战，提出Farm-LightSeek框架，将大语言模型与边缘计算集成。通过传感器收集多源数据，在边缘节点进行跨模态推理等。创新包括闭环架构等，实验表明该框架在关键任务中性能可靠，推动了智能实时农业及两者深度集成。

Comments Accepted by IEEE Internet of Things Magazine

SmartRAG: Native Graph-Based RAG for Mobile Device

SmartRAG：用于移动设备的基于原生图的RAG

Zhihan Jiang, Meng Li, Shenghao Liu, Keran Li, Ruiben Zhou, Wei Wang, Xianjun Deng, Shuai Wang, Haipeng Dai

机构 * Nanjing University（南京大学） ； HUST（华中科技大学） ； Southeast University（东南大学） 纠错

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

AI总结 研究针对移动设备部署大语言模型的问题，提出SmartRAG框架，围绕四个模块组织智能助手，核心是可持续学习的EvoNER，知识存于MRGraph，通过混合管道检索，实验表明其在多跳推理性能上有竞争力且能在普通智能手机上运行。

Comments 14 pages, 4 figures