AI 大模型
大语言模型、预训练、指令微调、后训练和语言模型应用。
SpecAHD：在大规模路由问题中定位以专门化自动启发式设计
专题命中 其他LLM ：LLM(abstract)；分类 cs.AI
AI总结 针对大规模路由问题，提出耦合双层框架SpecAHD，上层搜索确定修复区域，下层为修复任务开发启发式方法，目标具单调次模性可贪婪选择，实验表明其相比基线大幅降低成本，性能更优。
Comments 9 pages, 1 figure, and 3 tables. Supplementary material included
SM4RT：学习用于4D重建的结构化运动几何
机构 * Intelligent Vision Group, Tsinghua University（清华大学智能视觉组）
专题命中 其他LLM ：foundation model(abstract)；分类 cs.AI
AI总结 针对将单目3D重建能力扩展到4D动态理解的挑战，提出SM4RT，通过引入运动结构表示场景动态，利用并行运动几何编码器和解码器，从单目RGB视频中联合推断相关信息，实现强大运动重建性能并保留场景运动几何结构。
Comments Code is available at: https://github.com/wzzheng/SM4RT
外观指针——扩散变压器的多模态区域控制
机构 * Brown University（布朗大学） ； Adobe Research（Adobe 研究院）
专题命中 其他LLM ：prompting(abstract)；分类 cs.AI
AI总结 针对可控图像生成难题，提出外观指针方法，通过区域对应网络和空间聚合机制生成并细化指针，为扩散变压器引入模态无关的局部多模态控制接口，单一模型性能达或超现有技术。
Comments 38 Pages, Preprint with supplement
PhysAgent：用于物理上合理的视频生成的反射式智能体物理控制
机构 * Shanghai Jiao Tong University（上海交通大学） ； Cardiff University（卡迪夫大学）
专题命中 其他LLM ：language model(abstract)；分类 cs.AI
AI总结 研究物理上合理的视频生成问题，提出PhysAgent反射式智能体框架，通过闭环设计及物理控制API，改善参数控制，实现复杂轨迹等，实验证明其能生成更合理视频，有更好提示对齐及泛化效果。
Comments For project page, see https://iapple233.github.io/PhysAgent
是什么让语言表征成为人类大脑中高级视觉感知的良好模型？
机构 * European Commission, Joint Research Centre (JRC)（欧盟委员会，联合研究中心 (JRC)）
专题命中 其他LLM ：language model(abstract)；分类 cs.AI
AI总结 研究语言模型图像描述对人类大脑高级视觉感知的预测性，考虑六种字幕类型和五种语言模型，发现机器生成字幕表现优，文本嵌入器优于自回归语言模型，大脑预测性和行为一致性在中间网络深度达峰值，确立字幕嵌入为研究工具。
Comments Supplementary Materials in the public GitHub repository referenced in the paper
野生环境中的数学发现：巴拿赫空间理论中的人工智能引导证明
机构 * School of Mathematical Sciences, Fylde College, Lancaster University, LA1 4YF, United Kingdom（数学科学学院，兰卡斯特大学） ； Institute of Computer Science, University of Bern, Neubrückstrasse 10, 3012 Bern, Switzerland（计算机科学研究所，伯尔尼大学）
专题命中 其他LLM ：language model(abstract)；分类 cs.AI
AI总结 研究当前语言模型对数学研究的贡献，在巴拿赫空间理论中，AI系统生成关键思想和证明，经人类验证完善，还开发自动化系统搜索开放问题并尝试解决，展现了语言模型潜力与专家验证的重要性。
先进图像生成：负提示优化与潜在分类器引导
专题命中 其他LLM ：LLM(abstract)；分类 cs.LG
AI总结 该研究提出新系统，通过微调序列到序列语言模型集成负提示优化与潜在空间分类器引导，自动生成优化负提示，用混合分类器评估引导扩散步骤，减少伪影并提高语义保真度，提升Stable Diffusion图像生成质量。
佩妮：支架式外语写作中学习者与聊天机器人交互的转换网络分析
机构 * Academic Center for Computing and Media Studies, Kyoto University, Japan（京都大学计算与媒体研究室） ； College of Information Science and Engineering, Ritsumeikan University, Japan（立命馆大学信息科学与工程学院）
专题命中 其他LLM ：LLM(abstract)；分类 cs.CL
AI总结 研究借助转换网络分析，以日本外语学习者与写作聊天机器人“佩妮”的交互为对象，发现两个行为循环，揭示外语水平对交互的显著影响，表明人工智能辅助写作是对话过程，强调需差异化设计聊天机器人以促进学习者认知参与。
人为制造的分裂：剖析七种社交媒体影响行动中的恶意内容
机构 * Department of Computer Science University of Southern California（计算机科学系 美国南加州大学）
专题命中 其他LLM ：LLM(abstract)；分类 cs.CL
AI总结 研究推特中七种政府认定活动推文里的恶意内容，通过双提示大语言模型检测器和可审计规则区分仇恨与其他分裂形式，发现将所有相关内容计为仇恨会高估，有助于重新定义影响活动及在线话语中仇恨的研究。
作为神经可塑性训练环境的人类与人工智能代理交互
机构 * Old Dominion University（奥多明尼昂大学） ； AI Motion Labs（人工智能运动实验室） ； Nanyang Technological University（南洋理工大学） ； University of Colombo（科伦坡大学） ； Accenture Technology Labs（埃森哲技术实验室） ； GSI Scandinavia AB（GSI斯堪的纳维亚公司） ； Lithuanian University of Health Sciences（立陶宛健康科学大学） ； Department of Psychiatry and Neurobehavioral Sciences, University of Virginia School of Medicine（弗吉尼亚大学医学院精神病学和神经行为科学系） ； Blanchfield Army Community Hospital（布兰奇菲尔德陆军社区医院） ； McDonald Army Health Center（麦克唐纳陆军健康中心）
专题命中 其他LLM ：prompting(abstract)；分类 cs.AI
AI总结 研究人类与AI代理交互这一日常活动，发现其是神经可塑性训练环境。提出利用此环境产生相反效果的框架，通过三层观察和两种应用模式实现，以生成图像提示为例展示该框架能使观察与否行为相同但神经学相反。
AutoNorm：通过可微门控理解Transformer中的自适应归一化
机构 * KIIT（卡林加工业技术学院）
专题命中 其他LLM ：language model(abstract)；分类 cs.LG
AI总结 研究Transformer中归一化策略选择问题，通过实验发现不同任务中静态与自适应归一化的表现差异，提出AutoNorm-S训练策略，通过门控冻结计划减轻优化不稳定性，在多基准测试中取得良好性能。
限制非确定性：作为数据库管理系统的人工智能驱动研究系统，实现可靠、无浪费、透明和协作式研究 [愿景]
机构 * EPFL（瑞士联邦理工学院）
专题命中 其他LLM ：LLM(abstract)；分类 cs.AI
AI总结 研究指出大语言模型代理在研究中存在不可信问题，根源是代理循环的随机调用无法检查内部状态。借鉴数据库经验，建议用确定性带版本的数据流引擎组织研究项目，大语言模型作查询编译器，五条设计规则确保研究可靠、透明且协作。
VTaMo：用于手语翻译的视频-文本对齐模型
机构 * New York University Abu Dhabi（纽约大学阿布扎比分校） ； ChatSign Technology（ChatSign科技）
专题命中 其他LLM ：language model(abstract)；分类 cs.CL
AI总结 研究手语翻译问题，提出VTaMo框架，通过局部、全局对齐及位置对齐对比学习实现多粒度对齐，在多个数据集实验中展现领先性能，各组件贡献互补。
Comments 18 pages, 5 figures, 8 tables. Accepted to ECCV 2026
自利代理社会中市场稳定性的形式机制：市场模拟研究
机构 * DSO National Laboratories（国防科技研究院） ； National University of Singapore（新加坡国立大学）
专题命中 其他LLM ：LLM(abstract)；分类 cs.AI
AI总结 研究自利代理社会中市场稳定性的形式机制，通过多智能体市场模拟实验，比较八种机制，发现调解机制最佳，对其进行对抗性红队测试，结果表明该机制具有对抗鲁棒性，能在攻击下维持市场稳定。
Comments 23 pages, 8 figures
摩擦产生创造力：用于探索性结构设计的人机交互
机构 * Block Research Group, Department of Architecture, ETH Zurich（建筑系，苏黎世联邦理工学院） ； IVIA Lab, Department of Computer Science, ETH Zurich（计算机科学系，苏黎世联邦理工学院）
专题命中 其他LLM ：language model(abstract)；分类 cs.AI
AI总结 探讨当前生成式AI目标与结构设计师等创作者需求的偏差，提出允许受限人机共同创作的系统设计维度，通过试点设计界面和专家研究，展示其对设计空间探索的支持及设计师看法。
Comments Accepted at ICML 2026, Workshop on Human-AI Co-Creativity
AgoraSim：一个基于混合智能体的建模框架
机构 * Human-Agent Ally Lab (HAA Lab)（人机协作实验室（HAA实验室）） ； National Institute of Informatics, Japan（日本国立信息学研究所）
专题命中 其他LLM ：LLM(abstract)；分类 cs.AI
AI总结 针对大语言模型智能体模拟输出易被过度解读及难与社会动态比较的问题，提出AgoraSim框架，能将文本等解析为可编辑配置，运行混合智能体群体并比较场景，通过多种接口公开，助用户检查轨迹、比较假设及识别需验证的案例。
LEGATO 2：迈向多模态乐谱识别与理解
机构 * Paul G. Allen School of Computer Science & Engineering, University of Washington（保罗·G·艾伦计算机科学与工程学院，华盛顿大学）
专题命中 其他LLM ：language model(abstract)；分类 cs.AI
AI总结 LEGATO 2提出从乐谱图像提取符号与语义知识的新流程，结合系统级分割和自回归视觉语言模型，能生成含文本的符号转录，在多数据集上优于现有技术，还能补充语言模型视觉输入，提升乐谱理解水平。
Comments 23 pages. Equal contribution: Guang Yang and Brian Siyuan Zheng
人工智能代理实际改变了什么？性能改进拉取请求中突变模式的实证分类法
机构 * Edinburgh Napier University（爱丁堡纳皮尔大学） ； University of Stirling（斯特林大学）
专题命中 其他LLM ：LLM(abstract)；分类 cs.AI
AI总结 研究聚焦人工智能编码代理这一黑箱，通过对33596个代理拉取请求中1254个性能相关差异块进行分类，发现主导的三类突变模式，揭示代理身份和目标策略对缩小基于搜索的软件工程操作空间有参考价值。
战略性购买智能体
机构 * Rotman School of Management, University of Toronto（多伦多大学罗特曼管理学院）
专题命中 其他LLM ：language model(abstract)；分类 cs.AI
AI总结 该研究面向自主代客购物场景，分三类信息场景设计有限购物窗口内的最优购买策略，经真实电商价格数据验证，大模型更适配场景选择而非直接购买决策。
深度关系数据库学习模型的公平基准测试
机构 * Department of Computer Science（计算机科学系） ； Tennessee State University（田纳西州立大学） ； SAP AI Research and Innovation（SAP人工智能研究与创新） ； SAP Labs（SAP实验室）
专题命中 其他LLM ：foundation model(abstract)；分类 cs.AI
AI总结 研究针对关系数据库深度学习方法实验协议不一致问题，通过在五个关系数据库上进行系统基准测试，重构模型确保实验一致性，发现关系变压器方法性能最佳，多表学习有优势但高跳数收益递减。
Mnemosyne: 用于验证和修复AI生成工作流的代理事务处理
机构 * Stanford University（斯坦福大学） ； QuadriumAI
专题命中 其他LLM ：LLM(abstract_cn)；分类 cs.AI
AI总结 提出代理事务处理（ATP）模型，将生成动作视为不可信提案，通过确定性约束集验证后才提交，并实现运行时修复，确保状态正确性独立于生成层。
Comments 41 pages, 25 tables, 6 figures
世界模型崩溃作为相变
机构 * Emory University（埃默里大学） ； The University of Tokyo（东京大学） ； LocationMind
专题命中 其他LLM ：language agent(abstract)；分类 cs.AI
AI总结 研究长时域语言代理隐式世界模型中的相变现象，通过确定性任务族的大规模网格搜索揭示从解决平台到崩溃的相图，并证明世界状态保真度先于动作有效性失效。
Comments Under Review
低困惑度即重复：连续扩散语言模型中的一维自调节吸引子
机构 * Zhejiang University（浙江大学） ； Westlake University（西湖大学） ； Ant Group（蚂蚁集团）
专题命中 其他LLM ：language model(abstract)；分类 cs.CL
AI总结 发现连续扩散语言模型（如ELF）的低困惑度源于过度重复，提出一维吸引子机制并设计ACE方法消除重复，提升文本质量。
通过奖励门控实现CLIP的选择性测试时去偏
机构 * Department of Artificial Intelligence, Chung-Ang University（中央大学人工智能系）
专题命中 其他LLM ：language model(abstract)；分类 cs.CL
AI总结 提出基于强化学习的测试时自适应框架RG-TTA，根据输入对偏见的敏感性选择性应用去偏，在减少偏见的同时保持零样本性能。
Comments 15 pages, 7 figures, 11 tables
面向室内环境的模块化视觉-语言-动作机器人框架
机构 * TCS Research, Tata Consultancy Services（塔塔咨询服务公司TCS研究部） ； CMU（卡内基梅隆大学）
专题命中 其他LLM ：language model(abstract)；分类 cs.AI
AI总结 提出模块化架构，集成环境建图、问题处理和导航，通过双流并行处理（语义体素建图与语言分类）实现自然语言指令驱动的自主任务执行。
Comments IEEE IROS 2025 Workshop on Generative AI for Robotics and Smart Manufacturing
CoStream: 组合简单行为实现可泛化的复杂操作
专题命中 其他LLM ：foundation model(abstract)；分类 cs.AI
AI总结 提出CoStream框架，通过组合语义、预测和反应三种简单行为，在共享SE(3)接口上实现高精度、可泛化的复杂操作，在8个真实任务中验证了其有效性。
Comments Website: https://costream-simple.github.io
Aurora 是否编码了大气结构？潜在状态分析及归因
机构 * University of Amsterdam（阿姆斯特丹大学）
专题命中 其他LLM ：foundation model(abstract)；分类 cs.LG
AI总结 本文通过空间池化PCA和逐层相关性传播分析Aurora模型的内部表征，发现其潜在空间主要按季节周期组织，且模型关注与三维垂直结构一致的特征，表明模型无需显式指令即可学习气象一致性和垂直结构。
Comments Accepted at the FM4Science and Sci4DL workshops at ICLR 2026
实时语音AI能听到但不倾听
机构 * Together AI ； Stanford University（斯坦福大学）
专题命中 其他LLM ：prompting(abstract)；分类 cs.CL
AI总结 评估四个领先实时语音系统，发现它们依赖文字而非声学线索，在情感理解上存在感知与行动脱节，提示需谨慎用于依赖语调的场景。
黑盒辅助回归：相变与极小化最优性
机构 * School of Mathematics and Statistics（数学与统计学学院）
专题命中 其他LLM ：foundation model(abstract)；分类 cs.LG
AI总结 研究有限标注下利用固定黑盒预测器进行非参数回归的问题，发现风险在临界半径处发生相变，并提出安全残差估计器以避免负迁移，达到极小化最优。
Comments 23 pages, 3 figures. Accepted at the 43rd International Conference on Machine Learning (ICML 2026)
Journal ref Proceedings of the 43rd International Conference on Machine Learning, PMLR 306, 2026
超越拜耳：面向鲁棒自动驾驶分割的任务最优传感器协同设计
机构 * University Of Arkansas（阿肯色大学）
专题命中 其他LLM ：foundation model(abstract)；分类 cs.AI
AI总结 提出可微RAW到任务流水线，学习光谱滤色器阵列权重提升分割mIoU，发现光学点扩散函数协同设计为负收益，噪声优化效果微弱，增大CFA块反而有害。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈