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。
与人工智能谈论政治
专题命中 评测与基准 ：large language model(abstract)；language model(abstract)
AI总结 基于430万条人机对话数据，发现政治内容占3.9%，用户主要寻求信息而非表达观点；2024年美国大选结果公布后，美国用户的情感表达和意识形态极端性增加，表明AI对话是政治中介而非公共广场。
Comments 58 pages, 15 figures, 21 tables; includes appendices
所有关系通向罗马：自动化知识图谱构建与问题生成
专题命中 评测与基准 ：large language model(abstract)；language model(abstract)
AI总结 提出ARLtR框架，联合构建知识图谱、嵌入和基于事实的问答对，实现符号图与稠密检索的统一表示，并以罗马帝国历史数据集验证。
Comments 10 pages, 5 figures, version one
AutoRestTest 在 SBFT 2026 工具竞赛中
专题命中 评测与基准 ：large language model(abstract)；language model(abstract)
AI总结 提出结合语义属性依赖图、多智能体强化学习和大型语言模型的AutoRestTest方法，在SBFT 2026 REST联赛中11个API上三项评估均获第一。
Comments 2 pages, 1 figure. Published in the 19th Search-Based and Fuzz Testing Workshop (SBFT '26), co-located with ICSE 2026
Journal ref Proceedings of the 19th Search-Based and Fuzz Testing Workshop (SBFT '26), April 12-18, 2026, Rio de Janeiro, Brazil. ACM, New York, NY, USA, 2026
通过层次化实体探索实现高分辨率视觉感知
机构 * AMAP, Alibaba Group, China（阿里巴巴集团高德地图，中国） ； Monash University, Australia（莫纳什大学，澳大利亚）
专题命中 评测与基准 ：large language model(abstract)；language model(abstract)
AI总结 提出无训练、模型无关的层次化实体探索框架HEE，通过动态查询引导、双评分机制和置信度回溯，解决高分辨率图像中细粒度细节丢失问题，在多个基准上超越现有方法。
Comments Accepted by ECCV2026
ClarifyCodeBench: 评估大语言模型在代码生成中澄清模糊需求的能力
专题命中 评测与基准 ：large language model(abstract)；language model(abstract)
AI总结 提出ClarifyCodeBench基准，通过人工标注的模糊需求、澄清问题和指标，评估LLMs主动澄清需求的能力，发现代码生成能力与需求澄清能力脱钩，且多模糊场景下性能下降。
检索图像作为视觉思维：面向开放与封闭差距的无训练多模态上下文学习
专题命中 评测与基准 ：LLM(abstract,abstract_cn)
AI总结 提出无训练框架ReVisIT，通过检索图像-标签对作为视觉思维单元，结合结构化类定义、多模态检索和交替注入示例，在多个基准上显著提升性能，弥合开放与封闭任务差距。
Comments 12 pages, 6 figures. Includes appendix. Introduces the MAAC-Bench benchmark
分解、比较与决策：多模态大语言模型是隐式少样本学习者
机构 * Tuebingen AI Center, University of Tuebingen（图宾根大学图宾根人工智能中心）
专题命中 评测与基准 ：large language model(abstract)；language model(abstract)
AI总结 提出DeCoDe方法，通过将少样本分类分解为成对图像比较，利用现有多模态大语言模型（MLLM）的logit作为相似度分数，无需额外训练即可实现强少样本分类，在多个基准上显著超越现有方法。
AdaTrans: 通过错误自适应修复实现C到Rust的自动转换
专题命中 评测与基准 ：large language model(abstract)；language model(abstract)
AI总结 提出AdaTrans框架，通过策略驱动检索增强生成、错误分层转换策略和多阶段验证流水线，解决C到Rust自动转换中所有权和借用语义违反问题，在104个算法问题上实现95.51%编译通过率和81.09%解决率，不安全文件率仅1.19%。
Comments 37 pages, 10 figures
ForecastAgentSearch：面向地缘政治事件预测的多专家智能体搜索系统
专题命中 评测与基准 ：large language model(abstract)；language model(abstract)
AI总结 提出ForecastAgentSearch框架，将地缘政治事件预测建模为多专家智能体搜索问题，通过检索、排序和协调专业智能体生成预测，并讨论关键设计挑战与评估方案。
Journal ref SIGIR 2026 AgentSearch Workshop
超越单字符：评估多模态大语言模型在句子级甲骨文理解中的表现
机构 * Shanghai Jiao Tong University（上海交通大学） ； Nanjing University of Science and Technology（南京理工大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）
专题命中 评测与基准 ：large language model(abstract)；language model(abstract)
AI总结 提出S-OBI基准，通过字形替换与组合合成清晰标准的句子级甲骨文实例，设计语义匹配、语义槽提取和上下文推理任务，评估多模态大语言模型在句子级甲骨文理解中的表现，发现当前模型仍依赖字符级识别。
Comments 13 pages, 4 figures
临界Lin-Lunin-Maldacena几何
专题命中 评测与基准 ：LLM(abstract,abstract_cn)
AI总结 研究Lin-Lunin-Maldacena几何中液滴形成尖点时的临界行为，发现超引力对偶具有ISO(1,3)×SO(5)对称形式并出现裸奇点，粒子被奇点线捕获，轨迹在仿射时间内到达但观测时间发散。
Comments 10 pages, 3 figures
AirGroundBench: 异构多视角具身协作下多模态大模型的空间智能探测
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； QiYuanLab（启元实验室） ； Tsinghua University（清华大学） ； University of Electronic Science and Technology of China（电子科技大学）
专题命中 评测与基准 ：large language model(abstract)；language model(abstract)
AI总结 提出AirGroundBench基准，通过异构无人机-无人车协作的多视角任务（10类、约6.2万道视觉问答和115个导航任务），系统评估多模态大模型在空间感知、跨视角对齐、空间变换推理和具身决策中的几何一致性，发现模型在跨视角对齐和变换推理上存在瓶颈。
HumanMoveVQA：视频多模态大语言模型能否推理视频中的人类运动？
机构 * CVSSP, University of Surrey, Guildford, UK（萨里大学视觉、语音与信号处理中心，英国吉尔福德） ； Tesco, UK（乐购，英国）
专题命中 评测与基准 ：large language model(abstract)；language model(abstract)
AI总结 提出HumanMoveVQA基准，通过世界坐标系下的3D运动轨迹生成问答对，评估视频MLLM在全局轨迹和方向推理上的能力，发现现有模型存在显著差距。
Video-MME-Logical: 面向视频时序逻辑推理的受控诊断基准
机构 * HKUST（香港科技大学） ； Colab, Beihang University（北京航空航天大学合作实验室） ； CUHK（香港中文大学）
专题命中 评测与基准 ：large language model(abstract)；language model(abstract)
AI总结 为隔离评估多模态大模型在视频中的时序逻辑推理能力，提出包含五种时序逻辑操作和25个细粒度任务类别的受控基准，通过控制时间跨度和推理复杂度进行难度可控评估，并支持中间状态诊断。
通过预硅固件协同优化减轻3.5D异构封装中工艺引起的性能退化
专题命中 评测与基准 ：LLM(abstract,abstract_cn)
AI总结 提出一种物理感知的预测性固件调度层XRM-SSD V24/V7.0，通过热-电协同仿真和负载密度驱动的热提示，实现3.5D封装中电压轨预置，显著降低热漂移和泄漏电流，释放20-30%计算能力并减少65-68% EDA保护带。
Comments 22 pages, 6 figures
Ask, Solve, Generate: 通过自一致性奖励实现自我进化的统一多模态理解与生成
专题命中 评测与基准 ：post-training(abstract)；prompting(abstract)
AI总结 提出一个自我进化的训练框架，通过内部角色（提议者、求解者、生成者）和自一致性信号，无需人工标注或外部奖励模型，同时提升统一多模态模型的理解与生成能力。
CORTEX：用于可信3D胸部CT多模态大语言模型的结构化推理基准
机构 * MBZUAI（穆罕默德·本·扎耶德人工智能大学） ； Hasso Plattner Institute（哈索·普拉特纳研究所） ； Khalifa University（哈利法大学）
专题命中 评测与基准 ：large language model(abstract)；language model(abstract)
AI总结 提出CORTEX基准，通过四阶段诊断推理轨迹和阶段级评估协议，为3D胸部CT多模态大语言模型提供结构化监督与验证，包含76,177个验证推理轨迹。
PhysReflect-VLA：面向可靠视觉-语言-动作策略的物理可行性与自反思调节
机构 * Xiamen University（厦门大学） ； Aberystwyth University（阿伯里斯特威斯大学）
专题命中 评测与基准 ：LLM(abstract,abstract_cn)
AI总结 提出PhysReflect-VLA框架，通过物理可行性评估和结构化自反思增强VLA策略，在闭环控制中实现稳定多阶段操作，平均成功率提升5.4%。
DiCoBench: 通过差异性和共性视觉线索进行多图像细粒度感知的基准测试
机构 * Wangxuan Institute of Computer Technology, Peking University（北京大学王选计算机技术研究所）
专题命中 评测与基准 ：large language model(abstract)；language model(abstract)
AI总结 提出DiCoBench，一个包含765个样本的高分辨率多图像基准，通过差异性和共性视觉线索评估多模态大模型的细粒度感知能力，发现顶尖模型与人类准确率（98.3%）差距显著。
Comments Accepted by ECCV 2026. Project page with code: https://github.com/PKU-ICST-MIPL/DICO_Bench_ECCV2026
OSC2Runner: 在CARLA中实现符合OpenSCENARIO 2.x的高保真自动驾驶仿真
机构 * Southern Illinois University Edwardsville（南伊利诺伊大学爱德华兹维尔分校） ； Webster University（韦伯斯特大学）
专题命中 评测与基准 ：LLM(abstract,abstract_cn)
AI总结 提出OSC2Runner框架，通过多遍转译器架构将OpenSCENARIO v2.x DSL原生映射到CARLA，实现确定性行为树执行，解决现有仿真中的时空漂移和延迟问题。
Comments Accepted at 26th IEEE International Conference on Software Quality, Reliability, and Security (QRS 2026)
VIGIL：AI代理技能中行为规范的运行时执行
专题命中 评测与基准 ：LLM(abstract,abstract_cn)
AI总结 提出VIGIL框架，通过符号策略语言将自然语言规范转化为SMT约束，实现代理系统跨技能行为策略的运行时监控，检测违规召回率>95%。
面向《数字历史期刊》的交互式证据RAG同行评审工作空间
专题命中 评测与基准 ：large language model(abstract)；language model(abstract)
AI总结 提出一个交互式证据RAG工作空间，用于《数字历史期刊》的AI辅助同行评审编辑评估，通过链接评论、证据、检索痕迹和可重复性检查提高模型建议的可检查性，初步评估显示严格准确率70.0%，有用输出率90.0%。
Comments Preliminary version of a full paper. 9 pages, 1 figure, 5 tables. Associated with an accepted presentation at AI through History, History through AI, C2DH, University of Luxembourg, 15-16 June 2026
ShutterMuse: 基于多模态大语言模型的拍摄时刻摄影指导
机构 * Fudan University（复旦大学） ； StepFun
专题命中 评测与基准 ：large language model(abstract)；language model(abstract)
AI总结 提出CaptureGuide-Bench基准测试，评估MLLM在摄影师构图与主体姿态推荐方面的能力，并构建ShutterMuse统一模型，通过监督与强化微调实现最佳综合性能。
Comments Project Page:https://lijayutnt.github.io/ShutterMuse
SSMNBench: 通过单视图充分性与多视图必要性诊断基于图像的跨视角人-物理解
机构 * The University of Queensland（昆士兰大学） ； Australian Institute for Machine Learning, Adelaide University（阿德莱德大学澳大利亚机器学习研究所） ； University of Technology Sydney（悉尼科技大学） ； Follow Me AI Pty LTD（Follow Me AI有限公司）
专题命中 评测与基准 ：large language model(abstract)；language model(abstract)
AI总结 提出SSMNBench基准，通过单视图充分性(SVS)和多视图必要性(MVN)任务分类，诊断MLLM在跨视角人-物理解中的视觉干扰退化和跨视角融合失败问题。
Comments European Conference on Computer Vision (ECCV). 32 pages, 10 figures. The code is available at: $ \href{https://github.com/gtc-gh/SSMNBench}{\text{SSMNBench}} $
弥合出院后鸿沟：用于安全持续护理的可追溯多智能体框架
专题命中 评测与基准 ：large language model(abstract)；language model(abstract)
AI总结 提出Healink框架，通过记忆增强的多智能体架构和约束检索生成，实现基于处方的可追溯出院后随访，在回顾性和盲评中优于医生基线。
Comments 23 pages, 10 figures
MRI2Rep：3D肝脏MRI的自回归结构化报告生成
机构 * Department of Biomedical Engineering（生物医学工程系） ； Department of Radiology & Biomedical Imaging（放射学与生物医学影像系） ； Department of Electrical Engineering（电气工程系） ； Yale University（耶鲁大学） ； Johns Hopkins University（约翰霍普金斯大学） ； Johns Hopkins Medicine（约翰霍普金斯医学）
专题命中 评测与基准 ：LLM(abstract,abstract_cn)
AI总结 提出MRI2Rep自回归框架，通过报告到标签规范化模块将自由文本转换为结构化诊断序列，实现3D肝脏MRI的端到端结构化报告生成，在真实数据集上优于基线方法。
Comments MICCAI 2026
我们到了吗？探索多模态大语言模型在辅助人工智能应用中的能力
机构 * IIT BHU India（印度理工学院瓦拉纳西校区） ； CVIT, IIIT Hyderabad India（印度海得拉巴国际信息技术学院计算机视觉与信息技术中心）
专题命中 评测与基准 ：large language model(abstract)；language model(abstract)
AI总结 本文通过真实世界任务评估多模态大语言模型在辅助AI中的表现，开发NetraLink系统收集基准数据，揭示其优势与局限。
BenchX: 基于人口统计和协议偏差的癌症检测与定位AI模型基准测试
机构 * Johns Hopkins University（约翰霍普金斯大学） ； German Cancer Research Center（德国癌症研究中心） ； University Hospital Basel（巴塞尔大学医院） ； University of Zurich（苏黎世大学） ； ETH AI Center（苏黎世联邦理工学院AI中心） ； Istanbul Medipol University（伊斯坦布尔梅迪波尔大学） ； Stanford University（斯坦福大学） ； École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院） ； Nanyang Technological University（南洋理工大学） ； University of California, Santa Cruz（加州大学圣克鲁兹分校） ； University of California, San Francisco（加州大学旧金山分校） ； Johns Hopkins Medicine（约翰霍普金斯医学）
专题命中 评测与基准 ：large language model(abstract)；language model(abstract)
AI总结 提出BenchX基准，通过85,355次CT扫描系统评估12个肿瘤检测AI模型在肿瘤大小、位置、患者亚组和成像协议上的表现，揭示模型在罕见亚组中性能不佳。
用于修复破坏性更新的AST转换规则的智能体生成
专题命中 评测与基准 ：large language model(abstract)；language model(abstract)
AI总结 提出BigBag框架，通过智能体生成可复用的API级AST转换规则，修复依赖更新导致的编译错误，在BUMP基准上实现78.6%的修复率和跨项目33.3%的修复率。
VisChronos: 通过真实事件革新图像描述生成
机构 * University of Science, VNU-HCM（越南胡志明市国家大学） ； Vietnam National University（越南国家大学）
专题命中 评测与基准 ：large language model(abstract)；language model(abstract)
AI总结 提出VisChronos框架，利用大语言模型和密集描述模型从单张图像识别并描述真实事件，构建EventCap数据集，提升描述生成的上下文相关性和事件聚焦能力。
Comments SOICT 2024
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