语言大模型 / LLM

Llama-Mob: Instruction-Tuning Llama-3-8B Excels in City-Scale Mobility Prediction

Llama-Mob：指令微调Llama-3-8B在城市级移动预测中表现优异

Peizhi Tang, Chuang Yang, Tong Xing, Xiaohang Xu, Jiayi Xu, Renhe Jiang, Kaoru Sezaki

机构 * Southern University of Science and Technology（南方科技大学） ； The University of Tokyo（东京大学） 纠错

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

AI总结 Llama-Mob通过指令微调Llama-3-8B模型，在城市级长期移动预测中表现出色，超越了现有方法，并具备良好的零样本泛化能力。

Improving Medical Visual Reinforcement Fine-Tuning via Perception and Reasoning Augmentation

通过感知与推理增强改进医疗视觉强化微调

Guangjing Yang, ZhangYuan Yu, Ziyuan Qin, Xinyuan Song, Huahui Yi, Qingbo Kang, Jun Gao, Yiyue Li, Chenlin Du, Qicheng Lao

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Emory University（埃默里大学） ； Sichuan University（四川大学） ； Peking University（北京大学） 纠错

专题命中 指令微调 ：large language model(abstract)；language model(abstract)；post-training(abstract)；分类 cs.AI

AI总结 本研究提出VRFT-Aug框架，通过增强感知与推理能力，改进医疗影像领域的强化微调效果，提升模型在医学应用中的可靠性与推理能力。

Comments CPAL 2026

Journal ref 2026 Conference on Parsimony and Learning (CPAL)

Towards Improved Sentence Representations using Token Graphs

基于令牌图的改进句子表示

Krishna Sri Ipsit Mantri, Carola-Bibiane Schönlieb, Zorah Lähner, Moshe Eliasof

机构 * University of Bonn（波恩大学） ； Lamarr Institute for Machine Learning and Artificial Intelligence（拉马尔人工智能与机器学习研究所） ； University of Cambridge（剑桥大学） ； Ben-Gurion University of the Negev（贝内-约尔大学） 纠错

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

AI总结 GLOT通过构建令牌图并利用图神经网络提升句子表示的鲁棒性和效率，适用于冻结LLM的高效适应。

Comments ICLR 2026, 29 Pages, 17 Tables, 5 Figures

Sleeper Cell: Injecting Latent Malice Temporal Backdoors into Tool-Using LLMs

睡眠细胞：将潜在恶意时间后门注入工具使用的大语言模型

Bhanu Pallakonda, Mikkel Hindsbo, Sina Ehsani, Prag Mishra

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

AI总结 本研究提出SFT-then-GRPO方法，通过多阶段PEFT框架在工具使用LLM中植入隐蔽的恶意后门，揭示了强化学习在掩盖灾难性漏洞中的潜在风险。

LOGIGEN: Logic-Driven Generation of Verifiable Agentic Tasks

LOGIGEN: 逻辑驱动的可验证代理任务生成

Yucheng Zeng, Weipeng Lu, Linyun Liu, Shupeng Li, Zitian Qu, Chenghao Zhu, Shaofei Li, Zhengdong Tan, Mengyue Liu, Haotian Zhao, Zhe Zhou, Jianmin Wu

机构 * Baidu Inc.（百度公司） ； Tsinghua University（清华大学） 纠错

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

AI总结 LOGIGEN通过逻辑驱动和验证训练生成可验证的复杂任务，提升代理在复杂环境中的任务完成率。

PARL: Prompt-based Agents for Reinforcement Learning

PARL：基于提示的强化学习智能体

Yarik Menchaca Resendiz, Roman Klinger

机构 * Fundamentals of Natural Language Processing, University of Bamberg, Germany（自然语言处理基础，巴姆伯格大学，德国） 纠错

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

AI总结 PARL是一种基于提示的强化学习智能体，利用预训练语言模型在无需微调的情况下完成RL任务，适用于简单环境但受限于复杂数学运算任务。

Agentic AI for Intent-driven Optimization in Cell-free O-RAN

面向无细胞O-RAN意图驱动优化的代理AI

Mohammad Hossein Shokouhi, Vincent W. S. Wong

机构 * Department of Electrical and Computer Engineering, The University of British Columbia（电气与计算机工程系，不列颠哥伦比亚大学） 纠错

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

AI总结 本文提出了一种面向无细胞O-RAN的代理AI框架，通过多代理协作实现意图驱动的优化，减少O-RU数量并降低内存使用。

Comments Accepted by IEEE International Conference on Communications (ICC), Glasgow, UK, May 2026

Back to Blackwell: Closing the Loop on Intransitivity in Multi-Objective Preference Fine-Tuning

回到Blackwell：在多目标偏好微调中闭合循环

Jiahao Zhang, Lujing Zhang, Keltin Grimes, Zhuohao Yu, Gokul Swamy, Zhiwei Steven Wu

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

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

AI总结 本文提出MaxEntBW和PROSPER算法，解决多目标偏好微调中的非传递性问题，通过直接处理多目标提升LLM微调效果。

Comments 21 pages, 5 figures

DP-RFT: Learning to Generate Synthetic Text via Differentially Private Reinforcement Fine-Tuning

DP-RFT: 通过差分隐私强化微调学习生成合成文本

Fangyuan Xu, Sihao Chen, Zinan Lin, Taiwei Shi, Sydney Graham, Pei Zhou, Mengting Wan, Alex Stein, Virginia Estellers, Charles Chen, Morris Sharp, Richard Speyer, Tadas Baltrusaitis, Jennifer Neville, Eunsol Choi, Longqi Yang

机构 * New York University（纽约大学） ； Microsoft（微软） ； University of Southern California（南加州大学） 纠错

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

AI总结 DP-RFT通过差分隐私强化微调方法，在不直接接触隐私数据的情况下生成高质量合成文本。

GeoEyes: On-Demand Visual Focusing for Evidence-Grounded Understanding of Ultra-High-Resolution Remote Sensing Imagery

GeoEyes: 面向超高清遥感影像证据驱动理解的按需视觉聚焦

Fengxiang Wang, Mingshuo Chen, Yueying Li, Yajie Yang, Yifan Zhang, Long Lan, Xue Yang, Hongda Sun, Yulin Wang, Di Wang, Jun Song, Jing Zhang, Bo Du

机构 * National University of Defense Technology, China（国防科技大学） ； Beijing University of Posts and Telecommunications, China（北京邮电大学） ； University of the Chinese Academy of Sciences, China（中国科学院大学） ； Shanghai Jiao Tong University, China（上海交通大学） ； Wuhan University, China（武汉大学） ； Chinese Academy of Science, China（中国科学院） ； Tsinghua University, China（清华大学） ； Renmin University of China, China（中国人民大学） 纠错

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

AI总结 GeoEyes通过分阶段训练框架，结合冷启动数据集和代理强化学习方法，解决超高清遥感影像中证据获取不足的问题，提升视觉问答任务的准确性。

ReFilter: Improving Robustness of Retrieval-Augmented Generation via Gated Filter

ReFilter：通过门控过滤提升检索增强生成的鲁棒性

Yixin Chen, Ying Xiong, Shangyu Wu, Xiangrui Ke, Nan Guan, Chun Jason Xue

机构 * City University of Hong Kong（香港城市大学） ； University of Waterloo（滑铁卢大学） 纠错

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

AI总结 ReFilter通过门控过滤提升检索增强生成的鲁棒性，实现跨领域问答任务的高性能表现。

RePO: Bridging On-Policy Learning and Off-Policy Knowledge through Rephrasing Policy Optimization

RePO：通过重新表述策略优化弥合基于策略学习和基于策略知识的差距

Linxuan Xia, Xiaolong Yang, Yongyuan Chen, Enyue Zhao, Deng Cai, Yasheng Wang, Boxi Wu

机构 * State Key Laboratory of CAD\&CG, the College of Computer Science ； Technology, Zhejiang University. ； FiT, Tencent, Shenzhen, China. ； School of Software Technology, Zhejiang University 纠错

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

AI总结 RePO通过重新表述策略优化，有效结合基于策略学习和基于策略知识，提升困难样本利用和模型性能。

Sparse Layer Sharpness-Aware Minimization for Efficient Fine-Tuning

稀疏层尖锐性感知最小化用于高效的微调

Yifei Cheng, Xianglin Yang, Guoxia Wang, Chao Huang, Fei Ma, Dianhai Yu, Xiaochun Cao, Li Shen

机构 * School of Cyber Science and Technology, Sun Yat-sen University, Shenzhen Campus（网络安全科学与技术学院，中山大学深圳校区） ； School of Computing, National University of Singapore（计算学院，新加坡国立大学） ； Baidu Inc（百度公司） ； Guangdong Laboratory of Artificial Intelligence and Digital Economy (SZ)（广东人工智能与数字经济实验室（深圳）） 纠错

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

AI总结 SL-SAM通过稀疏技术优化微调过程，减少计算成本并提升效率，实现与先进基线相当的性能。

VidVec: Unlocking Video MLLM Embeddings for Video-Text Retrieval

VidVec：解锁视频MLLM嵌入用于视频-文本检索

Issar Tzachor, Dvir Samuel, Rami Ben-Ari

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

AI总结 VidVec通过利用预训练MLLM的中间层嵌入和校准头部，实现无需训练的视频-文本检索，超越现有方法，达到最佳性能。

Comments Project page: https://iyttor.github.io/VidVec/

When the Model Said 'No Comment', We Knew Helpfulness Was Dead, Honesty Was Alive, and Safety Was Terrified

当模型说'无话可说'时，我们得知有帮助性已死，诚实仍活着，安全性却感到害怕

Gautam Siddharth Kashyap, Mark Dras, Usman Naseem

机构 * School of Computing, Macquarie University（计算学院，麦考瑞大学） 纠错

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

AI总结 AlignX通过两阶段框架解决LLM多目标对齐问题，提升有帮助性、无害性和诚实性，同时减少延迟和内存使用。

Comments Accepted at EACL Mains 2026

Uniform Spectral Growth and Convergence of Muon in LoRA-Style Matrix Factorization

洛拉风格矩阵分解中穆伦的谱增长与收敛

Changmin Kang, Jihun Yun, Baekrok Shin, Yeseul Cho, Chulhee Yun

机构 * KAIST（韩国科学技术院） 纠错

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

AI总结 研究揭示了LoRA微调LLM时穆伦的谱特性，证明了奇异值等速率增长并收敛至全局极小值。

ProAct: Agentic Lookahead in Interactive Environments

ProAct：交互环境中的代理前瞻性

Yangbin Yu, Mingyu Yang, Junyou Li, Yiming Gao, Feiyu Liu, Yijun Yang, Zichuan Lin, Jiafei Lyu, Yicheng Liu, Zhicong Lu, Deheng Ye, Jie Jiang

机构 * Tencent Hunyuan（腾讯文言） 纠错

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

AI总结 ProAct通过双阶段训练范式提升交互环境中的前瞻性推理能力，结合GLAD和MC-Critic实现更稳定的策略优化。

SpeechMapper: Speech-to-text Embedding Projector for LLMs

SpeechMapper: 语音到大语言模型的嵌入投影器

Biswesh Mohapatra, Marcely Zanon Boito, Ioan Calapodescu

机构 * Inria Paris（法国巴黎国家信息与自动化研究所） ； NAVER LABS Europe（NAVER欧洲实验室） 纠错

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

AI总结 SpeechMapper通过低成本预训练和高效指令微调，实现语音与大语言模型的高效集成，提升模型的稳健性和可推广性。

Comments Accepted to ICASSP 2026

ToxiTwitch: Toward Emote-Aware Hybrid Moderation for Live Streaming Platforms

ToxiTwitch：迈向面向表情的混合审核方法

Baktash Ansari, Elias Martin, Afra Mashhadi

机构 * University of Washington（华盛顿大学） 纠错

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

AI总结 ToxiTwitch通过结合LLM生成的文本和表情嵌入与传统机器学习分类器，提高Twitch直播平台对有毒行为的检测准确率。

Comments Exploratory study; prior versions submitted to peer review

Preferences for Idiomatic Language are Acquired Slowly -- and Forgotten Quickly: A Case Study on Swedish

对习语语言的偏好是缓慢获得的——并且很快被遗忘：一项关于瑞典语的案例研究

Jenny Kunz

机构 * Department of Computer and Information Science（计算机与信息科学系） ； Linköping University（林雪平大学） 纠错

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

AI总结 本研究发现，语言模型在习语识别能力上发展缓慢且易遗忘，尤其在从英语适应到瑞典语时，机器翻译数据的微调会迅速削弱其对习语的偏好。

Comments Accepted to TACL. Note that the arXiv version is a pre-MIT Press publication version

Converge Faster, Talk Less: Hessian-Informed Federated Zeroth-Order Optimization

更快收敛，说话更少：基于Hessian的联邦零阶优化

Zhe Li, Bicheng Ying, Zidong Liu, Chaosheng Dong, Haibo Yang

机构 * Rochester Institute of Technology（罗切斯特理工大学） ； Google（谷歌） ； ComboCurve Inc.（ComboCurve公司） 纠错

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

AI总结 HiSo通过利用Hessian信息加速联邦零阶优化的收敛，显著提升通信效率。

Comments Accepted by ICLR 2026

Bridging Lexical Ambiguity and Vision: A Mini Review on Visual Word Sense Disambiguation

弥合词汇歧义与视觉：关于视觉词义消歧的简要综述

Shashini Nilukshi, Deshan Sumanathilaka

机构 * School of Computing Informatics（计算与信息学学院） ； Institute of Technology（技术研究所） 纠错

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

AI总结 本文综述了视觉词义消歧的发展，探讨了对比模型和LLM在解决词汇歧义中的作用，并指出未来发展方向。

Comments 2 figures, 2 Tables, Accepted at IEEE TIC 2026

One-Token Rollout: Guiding Supervised Fine-Tuning of LLMs with Policy Gradient

单个标记回滚：通过策略梯度引导大语言模型的监督微调

Rui Ming, Haoyuan Wu, Shoubo Hu, Zhuolun He, Bei Yu

机构 * The Chinese University of Hong Kong（香港中文大学） ； Noah’s Ark Lab, Huawei（华为诺亚实验室） ； ChatEDA Tech（ChatEDA技术公司） 纠错

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

AI总结 通过策略梯度引导监督微调，单个标记回滚（OTR）在多个基准测试中优于标准SFT，展示了on-policy数据对泛化能力的重要性。

ASTRA: Automated Synthesis of agentic Trajectories and Reinforcement Arenas

ASTRA: 自动化合成代理轨迹与强化环境

Xiaoyu Tian, Haotian Wang, Shuaiting Chen, Hao Zhou, Kaichi Yu, Yudian Zhang, Jade Ouyang, Junxi Yin, Jiong Chen, Baoyan Guo, Lei Zhang, Junjie Tao, Yuansheng Song, Ming Cui, Chengwei Liu

机构 * Beike Language and Intelligence（北溪语言与智能） 纠错

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

AI总结 ASTRA通过可扩展数据合成和可验证强化学习，自动化训练工具增强语言模型代理，实现多轮稳定学习和高性能工具使用。

On the Paradoxical Interference between Instruction-Following and Task Solving

关于指令遵循与任务解决之间的悖论性干扰

Yunjia Qi, Hao Peng, Xintong Shi, Amy Xin, Xiaozhi Wang, Bin Xu, Lei Hou, Juanzi Li

机构 * Department of Computer Science and Technology, BNRist（计算机科学与技术系，BNRist） 纠错

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

AI总结 本文揭示指令遵循可能干扰LLMs任务解决能力，并提出SUSTAINSCORE指标量化此干扰，通过实验表明添加自我显而易见约束会导致性能下降。

Superpositional Gradient Descent: Harnessing Quantum Principles for Model Training

叠加梯度下降：利用量子原理进行模型训练

Ahmet Erdem Pamuk, Emir Kaan Özdemir, Şuayp Talha Kocabay

机构 * Mustafa Hakan G\"uven c er Science High School Ankara, T\"urkiye ； \. I stanbul Erkek High School \. I stanbul, T\"urkiye ； T\"UB\. I TAK Science High School Kocaeli, T\"urkiye 纠错

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

AI总结 本文提出叠加梯度下降方法，通过量子原理提升模型训练效率，实验证明其在序列分类和LLM微调中表现优于AdamW。

Comments Accepted at 2025 IEEE International Conference on Quantum Artificial Intelligence (IEEE QAI 2025). This is the accepted version of the paper. The final published version will appear in the IEEE proceedings. \c{opyright} 2025 IEEE. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses

Journal ref Proc. IEEE QAI 2025, Naples, Italy, 2025

Abex-rat: Synergizing Abstractive Augmentation and Adversarial Training for Classification of Occupational Accident Reports

ABEX-RAT：协同抽象增强与对抗训练用于职业事故报告分类

Jian Chen, Jiabao Dou

机构 * Ningxia Research Institute of Transport Science（宁夏交通科学研究院） ； Department of Computer Science（计算机科学系） 纠错

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

AI总结 ABEX-RAT通过结合抽象增强与对抗训练，高效解决职业事故报告分类中的类别不平衡问题，实现90.32%的宏F1得分。

Balancing Classification and Calibration Performance in Decision-Making LLMs via Calibration Aware Reinforcement Learning

通过校准感知强化学习平衡决策LLM中的分类与校准性能

Duygu Nur Yaldiz, Evangelia Spiliopoulou, Zheng Qi, Siddharth Varia, Srikanth Doss, Nikolaos Pappas

机构 * University of Southern California（南加州大学） ； AWS AI Labs（AWS AI实验室） 纠错

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

AI总结 本文提出一种校准感知强化学习方法，通过调整决策标记概率，在保持准确性的同时减少过度自信，提升决策LLM的校准性能。

TrojanPraise: Jailbreak LLMs via Benign Fine-Tuning

TrojanPraise: 通过良性微调劫持LLM

Zhixin Xie, Xurui Song, Jun Luo

机构 * Nanyang Technological University（南洋理工大学） 纠错

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

AI总结 TrojanPraise通过良性微调利用过滤通过的数据，使LLM在无意识中顺从有害概念，成功率达95.88%

Don't Start Over: A Cost-Effective Framework for Migrating Personalized Prompts Between LLMs

不要重头再来：一种成本有效的LLM之间迁移个性化提示的框架

Ziyi Zhao, Chongming Gao, Yang Zhang, Haoyan Liu, Weinan Gan, Huifeng Guo, Yong Liu, Fuli Feng

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

AI总结 本文提出PUMA框架，通过参数高效适配器和组基用户选择策略，实现LLM间个性化提示的低成本迁移，实验表明其在计算成本上显著优于全量重训练。

Comments Accepted to AAAI 2026 (Oral). 9 pages, 5 figures