语言大模型 / LLM

Dynamical Predictive Modelling of Cardiovascular Disease Progression Post-Myocardial Infarction via ECG-Trained Artificial Intelligence Model

心肌梗死后心血管疾病进展的动态预测建模：基于ECG训练的人工智能模型

Riccardo Cavarra, Lupo Lovatelli, Shaheim Ogbomo-Harmitt, Shahid Aziz, Adelaide De Vecchi, Andrew King, Oleg Aslanidi

机构 * King’s College London（伦敦国王学院） ； St Thomas’ Hospital（圣 Thomas 医院） ； North Bristol NHS Trust（北布里斯托尔国家健康服务信托） 纠错

专题命中 其他LLM ：foundation model(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出结合对比学习与监督多任务头的预训练模型，用于预测心肌梗死后心血管疾病进展，证明在数据有限时，临床结构化ECG建模能提升分类性能。

Comments submitted to the 9th International Conference on Computational and Mathematical Biomedical Engineering, 4 pages, 1 figure, 1 table

Exploring how EFL students talk to and through AI to develop texts

探索EFL学生如何与AI交流以发展文本

David James Woo, Yangyang Yu, Yilin Huang, Deliang Wang, Kai Guo, Chi Ho Yeung

机构 * Everwrite Limited（Everwrite有限公司） ； Shanghai Jiao Tong University（上海交通大学） ； The Education University of Hong Kong（香港教育大学） ； 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 其他LLM ：prompting(abstract)；分类 cs.CL、cs.AI

AI总结 本文研究EFL学生通过提示工程和协商作者身份与AI互动，探讨其对写作表现的影响，发现不同的人机对话责任模式对写作表现无显著影响。

Comments 37 pages, 5 figures

Routers Learn the Geometry of Their Experts: Geometric Coupling in Sparse Mixture-of-Experts

路由学习其专家的几何：稀疏混合专家中的几何耦合

Sagi Ahrac, Noya Hochwald, Mor Geva

机构 * Blavatnik School of Computer Science and AI, Tel Aviv University（塔夫茨大学比拉维克计算机科学与人工智能学院） 纠错

专题命中 其他LLM ：language model(abstract)；分类 cs.CL、cs.LG

AI总结 本文研究了稀疏混合专家模型中路由决策的形成机制，揭示了路由器与专家之间的几何耦合关系，并展示了几何耦合对有效路由的重要性。

Localization Boosting for Growth Markets: Mitigating Cross-Locale Behavioral Bias in Learning-to-Rank

增长市场中的定位增强：减轻跨本地化行为偏差在学习到排序中的影响

Suryaa Veerabathiran Seran, Ashwin Naresh Kumar, Tracy Holloway King, Jing Zheng

机构 * Adobe 纠错

专题命中 其他LLM ：language model(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出一种多目标框架，结合行为监督、VLM相关性信号和本地化增强，以改善学习到排序中的本地内容可见性。

A Theoretical Analysis of Why Masked Diffusion Models Mitigate the Reversal Curse

一种 masked 扩散模型缓解反转诅咒的理论分析

Moongyu Jeon, Sangwoo Shin, BumJun Kim, Kyelim Lee, Albert No

机构 * Department of Artificial Intelligence, Yonsei University（燕山大学人工智能学院） 纠错

专题命中 其他LLM ：language model(abstract)；分类 cs.CL、cs.AI

AI总结 本文探讨了 masked 扩散模型如何通过参数级耦合缓解反转诅咒，证明了其在反向查询中的有效性。

Why Low-Resource NLP Needs More Than Cross-Lingual Transfer: Lessons Learned from Luxembourgish

为何低资源NLP需要比跨语言迁移更多：从卢森堡语学到的教训

Fred Philippy, Siwen Guo, Jacques Klein, Tegawendé F. Bissyandé

机构 * SnT, University of Luxembourg（卢森堡大学SnT学院） ； Luxembourg Institute of Science and Technology（卢森堡科学技术研究院） 纠错

专题命中 其他LLM ：language model(abstract)；分类 cs.CL、cs.AI

AI总结 本文探讨了低资源语言处理中跨语言迁移与语言特定努力的互补性，指出两者需结合以构建可持续的NLP流程。

Comments Accepted at BigPicture Workshop 2026 (co-located with ACL 2026)

CrossVL: Complexity-Aware Feature Routing and Paired Curriculum for Cross-View Vision-Language Detection

CrossVL: 用于跨视角视觉语言检测的复杂度感知特征路由与配对课程学习

Zhipeng Liu, Chunbo Luo

机构 * Department of Computer Science, University of Exeter（埃克塞特大学计算机科学系） 纠错

专题命中 其他LLM ：language model(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出CrossVL框架，结合复杂度感知路径聚合和配对课程学习，提升跨视角视觉语言模型的检测性能，实验显示其在MAVREC数据集上提升了aerial mAP并缩小了地面与空中视角的性能差距。

Comments Accepted to CVPR 2026. Code available at https://github.com/1nyourlife/Crossvl_cvpr2026

Workspace Optimization: How to Train Your Agent

工作区优化：如何训练你的智能体

Elad Sarafian, Gal Kaplun, Ron Banner, Daniel Soudry, Boris Ginsburg

机构 * NVIDIA 纠错

专题命中 其他LLM ：language model(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出通过优化智能体的工作区结构来提升其在多轮任务中的表现，通过模拟权重空间训练方法，利用人工制品、证据、反例和文本反馈来改进智能体的执行能力。

Mitigating Misalignment Contagion by Steering with Implicit Traits

通过隐含特征引导缓解对齐传染

Maria Chang, Ronny Luss, Miao Liu, Keerthiram Murugesan, Karthikeyan Ramamurthy, Djallel Bouneffouf

机构 * IBM Research Yorktown Heights（IBM研究院Yorktown Heights） 纠错

专题命中 其他LLM ：language model(abstract)；分类 cs.CL、cs.AI

AI总结 研究探讨了多智能体交互中对齐传染问题，提出通过隐含特征引导技术维持模型初始亲社会行为，有效缓解因恶意引导导致的反社会倾向。

OrScale: Orthogonalised Optimization with Layer-Wise Trust-Ratio Scaling

OrScale：基于层间信任比缩放的正交化优化

Yuxuan Lou, Yang You

机构 * National University of Singapore（新加坡国立大学） 纠错

专题命中 其他LLM ：language model(abstract)；分类 cs.CL、cs.LG

AI总结 OrScale通过引入信任比缩放改进Muon算法，通过层间正交化优化提升训练稳定性，实现更高效的收敛与泛化性能。

The ART of Composition: Attention-Regularized Training for Compositional Visual Grounding

构图的艺术：用于组合视觉定位的注意力正则化训练

Jiayun Luo, Mir Rayat Imtiaz Hossain, Pritam Sarkar, Boyang Li, Leonid Sigal

机构 * The University of British Columbia（不列颠哥伦比亚大学） ； Nanyang Technological University（南洋理工大学） 纠错

专题命中 其他LLM ：language model(abstract)；分类 cs.CL、cs.LG

AI总结 本文提出CompART，通过分解标题为以对象为中心的短语并构建复合短语，提升多对象定位能力，验证了其在多种视觉语言模型上的有效性。

The Case for ESM3 as a General-Purpose AI Model with Systemic Risk Under the EU AI Act

ESM3作为具有系统性风险的通用人工智能模型在欧盟人工智能法案中的案例

Taro Qureshi, Jacob Griffith, Koen Holtman, Marcel Mir Teijeiro, Ze Shen Chin, Rokas Gipiškis

机构 * AI Standards Lab（人工智能标准实验室） ； Vilnius University（维尔纽斯大学） ； Northeastern University London（伦敦东北大学） ； London School of Economics（伦敦政治经济学院） 纠错

专题命中 其他LLM ：foundation model(abstract)；分类 cs.AI、cs.LG

AI总结 本文探讨ESM3等前沿生物基础模型在欧盟人工智能法案下的监管问题，分析其是否受通用人工智能模型系统性风险义务约束，并提出改进建议。

Comments 8 pages, 1 figure, Technical AI Safety Conference

Autonomous Knowledge Graph Exploration with Adaptive Breadth-Depth Retrieval

自主知识图谱探索与自适应广度-深度检索

Joaquín Polonuer, Lucas Vittor, Iñaki Arango, Ayush Noori, David A. Clifton, Luciano Del Corro, Marinka Zitnik

机构 * Department of Biomedical Informatics, Harvard Medical School（哈佛医学院生物医学信息学系） ； Departamento de Computación, FCEyN, Universidad de Buenos Aires（布宜诺斯艾利斯大学计算机系） ； Department of Engineering Science, University of Oxford（牛津大学工程科学系） ； Oxford Suzhou Centre for Advanced Research, University of Oxford（牛津大学苏州市先进研究中心） ； ELIAS Lab, Departamento de Ingeniería, Universidad de San Andrés（圣安德鲁大学工程系ELIAS实验室） ； Kempner Institute for the Study of Natural and Artificial Intelligence, Allston, MA, USA（自然与人工智能研究所，马萨诸塞州阿利斯顿） ； Broad Institute of MIT and Harvard, Cambridge, MA, USA（MIT和哈佛大学Broad研究所） ； Harvard Data Science Initiative, Cambridge, MA, USA（哈佛大学数据科学倡议） 纠错

专题命中 其他LLM ：language model(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出ARK工具，通过全局词搜索和邻域探索平衡知识图谱的广度与深度检索，提升多跳遍历效率，在STaRK上达到59.1%的平均Hit@1和67.4的平均MRR，优于其他方法。

Comments Accepted at ACL 2026 Main Conference

Residual Feature Integration is Sufficient to Prevent Negative Transfer

残差特征整合足以防止负迁移

Yichen Xu, Ryumei Nakada, Linjun Zhang, Lexin Li

机构 * University of California, Berkeley（加州大学伯克利分校） ； Harvard University（哈佛大学） ； Rutgers University（罗格斯大学） 纠错

专题命中 其他LLM ：foundation model(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出通过整合冻结的预训练源特征与可训练的目标编码器，有效防止负迁移，理论证明其收敛率不低于从头训练，并在多个数据集上验证了方法的鲁棒性与广泛适用性。

Journal ref The Fourteenth International Conference on Learning Representations (ICLR 2026)

In-Context Learning Under Regime Change

情境学习中的制度转变

Carson Dudley, Yutong Bi, Xiaofeng Liu, Samet Oymak

机构 * Department of Mathematics, University of Michigan（数学系，密歇根大学） ； Department of Electrical Engineering and Computer Science, University of Michigan（电气工程与计算机科学系，密歇根大学） ； Michigan Institute for AI and Data in Society, University of Michigan（密歇根人工智能与社会数据研究院，密歇根大学） 纠错

专题命中 其他LLM ：foundation model(abstract)；分类 cs.AI、cs.LG

AI总结 本文研究了在非平稳环境中，基于Transformer的模型如何通过情境学习检测和适应制度转变，通过实验验证了模型复杂性与制度转变信息的关系，并展示了在实际应用中的有效性。

Zero-shot Multivariate Time Series Forecasting Using Tabular Prior Fitted Networks

基于表格先验拟合网络的零样本多变量时间序列预测

Mayuka Jayawardhana, Nihal Sharma, Kazem Meidani, Bayan Bruss, Tom Goldstein, Doron Bergman

机构 * University of Maryland（马里兰大学） ； Capital One（第一资本） 纠错

专题命中 其他LLM ：foundation model(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出利用表格基础模型进行多变量时间序列预测，通过将问题转化为标量回归问题，实现零样本预测，使用TabPFN-TS验证方法并对比现有最佳表格方法。

Automating Database-Native Function Code Synthesis with LLMs

利用大型语言模型自动合成数据库原生函数代码

Wei Zhou, Xuanhe Zhou, Qikang He, Guoliang Li, Bingsheng He, Quanqing Xu, Fan Wu

机构 * Shanghai Jiao Tong University（上海交通大学） ； Tsinghua University（清华大学） ； National University of Singapore（新加坡国立大学） 纠错

专题命中 其他LLM ：LLM(abstract)；分类 cs.CL、cs.AI

AI总结 本文提出DBCooker系统，通过多模块协同解决数据库原生函数合成难题，实现更高精度的自动代码生成，实验显示在SQLite、PostgreSQL和DuckDB上准确率提升34.55%。

Comments Please visit our homepage at: https://code4db.github.io/hi-opencook/. The code is available at: https://github.com/weAIDB/OpenCook

Compressible Softmax-Attended Language under Incompressible Attention

可压缩的softmax注意力语言在不可压缩的注意力下

Wonsuk Lee

机构 * Seoul National University（首尔大学） ； SK Hynix America（SK海力士美国） 纠错

专题命中 其他LLM ：language model(abstract)；分类 cs.CL、cs.AI

AI总结 研究通过分解注意力logit场，发现语言数据的可压缩性是数据属性而非分析框架，核心方法测量logit能量场的谱，主要贡献展示有效秩与谱间隙的关系。

Comments 6 pages

Metriplector: From Field Theory to Neural Architecture

Metriplector：从场论到神经架构

Dan Oprisa, Peter Toth

机构 * Spheroid Labs 纠错

专题命中 其他LLM ：language model(abstract)；分类 cs.AI、cs.LG

AI总结 Metriplector是一种基于场论的神经网络基本单元，通过耦合的度量三重动力学模拟物理系统，利用诺特定理推导出应力能张量作为输出，应用于图像识别、语言模型和机器人控制等领域。

Comments 37 pages, 15 figures, 8 tables

FIRE: Frobenius-Isometry Reinitialization for Balancing the Stability-Plasticity Tradeoff

FIRE：弗罗贝尼乌斯-等距重初始化以平衡稳定性-可塑性权衡

Isaac Han, Sangyeon Park, Seungwon Oh, Donghu Kim, Hojoon Lee, Kyung-Joong Kim

机构 * Gwangju Institute of Science and Technology (GIST)（光州科学技术院） ； Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院） ； Holiday Robotics 纠错

专题命中 其他LLM ：language model(abstract)；分类 cs.AI、cs.LG

AI总结 FIRE通过量化稳定性与可塑性，平衡神经网络在非平稳数据训练中的稳定性与可塑性权衡，优于传统重初始化方法。

Comments ICLR'26 (oral)

Frayed RoPE and Long Inputs: A Geometric Perspective

断裂的RoPE与长输入：一种几何视角

Davis Wertheimer, Aozhong Zhang, Derrick Liu, Penghang Yin, Naigang Wang

机构 * IBM Research（IBM研究院） ； University at Albany, SUNY（纽约州立大学阿尔巴尼分校） 纠错

专题命中 其他LLM ：language model(abstract)；分类 cs.CL、cs.LG

AI总结 本文从几何角度分析RoPE在长输入下的问题，发现注意力机制导致键和查询向量紧密聚类，而RoPE在长输入时破坏这种聚类，产生病态行为。提出RoPE-ID方法通过高频率应用部分通道解决此问题。

Comments Accepted by ICLR 2026

The Agentic Researcher: A Practical Guide to AI-Assisted Research in Mathematics and Machine Learning

代理研究员：人工智能辅助数学和机器学习研究的实用指南

Max Zimmer, Nico Pelleriti, Christophe Roux, Sebastian Pokutta

机构 * Department for AI in Society, Science, and Technology（人工智能与社会、科学和技术部门） ； Zuse Institute Berlin（柏林Zuse研究所） ； Institute of Mathematics（数学研究所） ； Technische Universität Berlin（柏林技术大学） 纠错

专题命中 其他LLM ：LLM(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出了一种开源框架，通过方法学规则将CLI编码代理转化为自主研究助手，并通过深度学习和数学案例研究，指导研究人员如何有效利用AI工具进行研究。

ContiGuard: A Framework for Continual Toxicity Detection Against Evolving Evasive Perturbations

ContiGuard：一种针对持续演变逃避扰动的持续毒性检测框架

Hankun Kang, Xin Miao, Jianhao Chen, Jintao Wen, Mayi Xu, Weiyu Zhang, Wenpeng Lu, Tieyun Qian

机构 * School of Computer Science（计算机科学学院） ； Wuhan University（武汉大学） ； Zhongguancun Academy（中关村学院） ； Key Laboratory of Computing Power Network and Information Security, Ministry of Education, Shandong Computer Science Center (National Supercomputer Center in Jinan)（计算能力网络与信息安全重点实验室，教育部，山东计算机科学中心（济南国家超级计算机中心）） ； Qilu University of Technology (Shandong Academy of Sciences)（齐鲁工业大学（山东科学院）） ； Shandong Provincial Key Laboratory of Computing Power Internet and Service Computing（山东省计算能力互联网与服务计算重点实验室） ； Shandong Fundamental Research Center for Computer Science（山东省计算机科学基础研究中心） 纠错

专题命中 其他LLM ：LLM(abstract)；分类 cs.CL、cs.AI

AI总结 本文提出ContiGuard框架，通过LLM增强语义和判别性特征学习，解决持续演变扰动下的毒性检测问题，提升检测器的持续学习与鲁棒性。

EvoX: Meta-Evolution for Automated Discovery

EvoX：面向自动发现的元进化

Shu Liu, Shubham Agarwal, Monishwaran Maheswaran, Mert Cemri, Zhifei Li, Qiuyang Mang, Ashwin Naren, Ethan Boneh, Audrey Cheng, Melissa Z. Pan, Alexander Du, Kurt Keutzer, Alvin Cheung, Alexandros G. Dimakis, Koushik Sen, Matei Zaharia, Ion Stoica

专题命中 其他LLM ：LLM(abstract)；分类 cs.CL、cs.LG

AI总结 EvoX通过自适应进化方法优化进化过程，动态调整搜索策略，提升多领域优化任务性能。

Scalable Machines with Intrinsic Higher Mental-State Dynamics

可扩展的内在高心理状态动力学机器

Ahsan Adeel, M. Bilal

机构 * TREND Project: Funded by the UK Advanced Research + Invention Agency (ARIA)（TREND项目：由英国高级研究与发明局（ARIA）资助） 纠错

专题命中 其他LLM ：language model(abstract)；分类 cs.AI、cs.LG

AI总结 本文基于神经生物学突破，提出通过数学框架实现模型在清醒想象思维中的计算原理，通过三元调节环预选信息，提升ImageNet-1K的训练效率，复杂度为O(N)。

Exclusive Self Attention

独占自注意力

Shuangfei Zhai

机构 * Apple（苹果公司） 纠错

专题命中 其他LLM ：language model(abstract)；分类 cs.CL、cs.LG

AI总结 独占自注意力通过限制注意力机制捕捉与令牌自身价值正交的信息，提升了Transformer在序列建模任务中的性能。

New Insights into Optimal Alignment of Acoustic and Linguistic Representations for Knowledge Transfer in ASR

对ASR中知识转移的声学与语言表示最优对齐的新见解

Xugang Lu, Peng Shen, Hisashi Kawai

机构 * National Institute of Information and Communications Technology, Japan（日本信息与通信技术研究所） 纠错

专题命中 其他LLM ：language model(abstract)；分类 cs.CL、cs.LG

AI总结 本文提出了一种基于不平衡最优传输的对齐模型，用于改进ASR中声学与语言表示的对齐，提升知识转移效果。

Comments Accepted to ICASSP 2026

Know When to Abstain: Optimal Selective Classification with Likelihood Ratios

知何时退避：基于似然比的最优选择性分类

Alvin Heng, Harold Soh

机构 * Department of Computer Science, National University of Singapore（计算机科学系，国立新加坡大学） ； Smart Systems Institute, National University of Singapore（智能系统研究所，国立新加坡大学） 纠错

专题命中 其他LLM ：language model(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出基于似然比的最优选择性分类方法，通过 Neyman-Pearson 引理统一并改进了选择性分类在协变量偏移下的性能。

MVR: Multi-view Video Reward Shaping for Reinforcement Learning

MVR：多视图视频奖励塑造用于强化学习

Lirui Luo, Guoxi Zhang, Hongming Xu, Yaodong Yang, Cong Fang, Qing Li

机构 * School of Intelligence Science and Technology, Peking University（北京大学智能科学与技术学院） ； State Key Laboratory of General Artificial Intelligence, BIGAI（通用人工智能国家重点实验室） 纠错

专题命中 其他LLM ：language model(abstract)；分类 cs.AI、cs.LG

AI总结 MVR通过多视角视频和视觉语言模型提升强化学习中的奖励塑造，有效解决复杂动态任务中的状态相关性和视角偏见问题。

Comments ICLR 2026

Mixed-Initiative Dialog for Human-Robot Collaborative Manipulation

混合发起对话用于人机协作操作

Albert Yu, Chengshu Li, Luca Macesanu, Arnav Balaji, Ruchira Ray, Raymond Mooney, Roberto Martín-Martín

机构 * UT Austin（得克萨斯大学） ； OpenAI ； NYU（纽约大学） ； University of Edinburgh（爱丁堡大学） 纠错

专题命中 其他LLM ：LLM(abstract)；分类 cs.CL、cs.LG

AI总结 MICoBot通过混合发起对话范式提升人机协作任务的成功率和用户体验。

Comments Project website at https://robin-lab.cs.utexas.edu/MicoBot/