语言大模型 / LLM

Multi-Image Visual Token Pruning in Large Visual Language Models

多图像视觉语言模型中的多图像视觉令牌剪枝

Rongyang Zhang, Chengqiang Lu, Cong Li, Hongchao Gu, Tingjia Shen, Xuyang Zhi, Qimeng Wang, Yan Gao, Yi Wu, Yao Hu, Hao Wang, Enhong Chen

机构 * University of Science and Technology of China（中国科学技术大学） ； Xiaohongshu Inc.（小红书科技有限公司） 纠错

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

AI总结 本文针对现有LVLMs多图像剪枝方法的局限，提出无需训练的AVTP框架，在多类LVLMs上实现显著推理加速，同时保持较高准确率，部分模型性能甚至优于基线。

Comments 14 pages, 3 figures

Cross-Architecture Knowledge Distillation from a Vision Foundation Model to a Lightweight Visual State Space Model for Tea Leaf Disease Classification

面向茶叶病害分类的、从视觉基础模型到轻量视觉状态空间模型的跨架构知识蒸馏

Zibo Zhou, Zongsen Qiu, Rui Chen, Yujie Yao, Yue Zhou, Jianjun Wang

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

AI总结 本文针对茶叶病害分类，通过跨架构知识蒸馏将DINOv2教师模型的知识迁移到轻量LVSSM学生模型，提升了边缘部署的轻量模型准确率，参数仅为教师模型的1/5，准确率保留98.3%。

Towards Purified Multi-Label Test-Time Adaptation of Vision-Language Models

面向视觉-语言模型的纯化多标签测试时自适应方法

Yiwen Liang, Hui Chen, Yizhe Xiong, Mengyao Lyu, Yuhan Cao, Zijia Lin, Shuaicheng Niu, Sicheng Zhao, Jungong Han, Guiguang Ding

机构 * Tsinghua University（清华大学） ； Nanyang Technological University（南洋理工大学） ； University of Washington（华盛顿大学） 纠错

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

AI总结 针对视觉-语言模型多标签测试时自适应的缓存方法PuRF，通过区域与缓存纯化解决现有方法的偏差与校准问题，在五项数据集上使ViT-B/32的mAP提升4.05%，性能优于现有最优方法。

Comments Accepted by ECCV 2026

Semi-Supervised Adaptation of Vision-Language Models for Image Classification

面向图像分类的视觉-语言模型半监督适配

Mohamed L. Mekhalfi, Mohamad M. Al Rahhal, Yakoub Bazi, Salah E. Khenfer, Mingdeng Shi, Hua Zou, Mansour Zuair

机构 * Fondazione Bruno Kessler（布鲁诺·凯塞勒基金会） ； King Saud University（沙特国王大学） ； Tarim University（塔里木大学） ； Wuhan University（武汉大学） 纠错

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

AI总结 本研究针对视觉-语言模型适配遥感卫星图像时标注样本匮乏的问题，提出SE-CLIP半监督框架，通过双阶段流程与类平衡选择策略提升性能，在UCM、NWPU基准上优于现有方法。

Privacy Preserving Semantic Communications in Wireless Edge Networks with Vision Language Models

基于视觉语言模型的无线边缘网络中隐私保护语义通信

Haoran Chang, Mingzhe Chen, Qianqian Zhang

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

AI总结 该研究针对无线边缘网络语义通信的隐私泄露问题，提出基于VLM的隐私保护语义通信框架，通过私有区域移除、加密收发器和语义信息瓶颈实现隐私保护，同时保证重构质量并抑制跨设备冗余。

PowerSlider: Exploiting Phase Asymmetry for LLM Serving under Demand Response

PowerSlider：利用相位不对称性实现需求响应下的大语言模型服务

Yueying Li, Jiayang Chen, Yuanfan Chen, Leo Han, Haoran Qiu, Esha Choukse, Rodrigo Fonseca, Udit Gupta

专题命中 效率与部署 ：LLM(title,abstract)

AI总结 PowerSlider通过分解大语言模型服务阶段并结合KKT在线求解器，在电网需求响应的时变功率上限下，显著提升了服务吞吐量与延迟性能。

Supporting The Many Lives of Personal Data with Rebite: LLM-Powered Goal-Directed Framing in Food Journaling

通过Rebite支持个人数据的多重生命周期：大语言模型驱动的食品记录中目标导向的框架构建

Weijun Li, Daniel A. Epstein

专题命中 效率与部署 ：LLM(title)；prompting(abstract)

AI总结 该研究针对个人信息系统难以适应用户变化目标的问题，提出目标导向的框架构建方法，实现为Rebite系统，经21名参与者一周测试，可优化用户对饮食目标的互动与反思。

Comments To appear at UIST 2026 (The 39th Annual ACM Symposium on User Interface Software and Technology), Detroit, MI, USA. 14 pages, 6 figures

StreamOPD: A Post-Training Recipe with Spatio-Temporal Cue Gating for Streaming Video Understanding

StreamOPD：用于流视频理解的时空线索门控后训练方案

Keming Wu, Baoyi Wang, Kaichen Zhang, Xiang An, Zuhao Yang, Sudong Wang, Haowei Zhu, Tingxuan Huang, Hongcheng Gao, Bin Wang

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

AI总结 本研究提出 StreamOPD 方案，结合可验证流视频数据、思考模式 OPD 与指令模式部署，提升了 StreamingBench、OVO-Bench 等流视频理解基准性能，为相关开源研究提供参考。

Comments Project page: https://unix-ai-lab.github.io/StreamOPD

Semantic Error Control Coding with Foundation Models for Future Communications

面向未来通信的、基于基础模型的语义差错控制编码

Chentao Yue, Gaoyang Pang, Branka Vucetic, Yonghui Li

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

AI总结 本文提出基于基础模型的语义差错控制编码（SECC）框架，将信源语义结构融入编解码，在AWGN信道上较传统解码获数分贝编码增益，错误率低于正态近似界，同时指出相关开放挑战。

Comments This work has been submitted to the IEEE for possible publication

Multi-View Relational Distillation for Spatial Reasoning with Vision-Language Models

面向视觉语言模型空间推理的多视图关系蒸馏

Kiet T. Nguyen, Hanbo Shim, Jinwoo Kim, Seunghoon Hong

机构 * 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 针对视觉语言模型空间推理的几何脆弱性问题，提出多视图关系蒸馏方法，在保留语言对齐的同时提升视觉空间推理性能，可泛化至3D场景理解任务。

Tabular foundation models for the estimation of probabilistic quasar photometric redshifts in S-PLUS

用于S-PLUS中类星体概率测光红移估计的表格基础模型

Raquel R. Valença, Lilianne Nakazono, Rafael Izbicki, Marco Henrique de Almeida Inácio, Bruno Marcondes e Resende, Maycon Jorge Deláqua da Silva, Kiana Coimbra Buin Lins, Natanael M. Cardoso, Claudia Mendes de Oliveira

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

AI总结 本研究以S-PLUS DR6类星体为对象，对比表格基础模型与8种基线模型，发现TabPFN 2.5在概率测光红移估计中表现最优，尤其适用于小训练集或协变量偏移场景。

Comments 28 pages, 10 figures, 6 tables. Submitted to the AAS Journals

The Frontier LLM Trap in Network Automation

网络自动化中的前沿大语言模型陷阱

Minhao Jin, Sean Wang, Aarti Gupta, Maria Apostolaki

专题命中 效率与部署 ：LLM(title,abstract_cn)

AI总结 针对网络自动化中前沿大语言模型成本高、依赖AI提供商等问题，提出用模糊测试与验证构建离线循环生成规则，指导小型模型实现低成本、可审计的自动化，且知识在网络本地积累。

Local Margin Restoration for Test-Time Adaptation of Vision-Language Models

用于视觉-语言模型测试时适应的局部间隔恢复

Yan Huang, Guowei Wang, Xu Wang, Kangjun Liu, Xin Lin

机构 * Guangzhou University（广州大学） ； The Second Affiliated Hospital of Guangzhou University of Chinese Medicine（广州中医药大学第二附属医院） ； Jinan University（暨南大学） ； Pengcheng Laboratory（鹏城实验室） 纠错

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

AI总结 针对视觉-语言模型测试时分布偏移导致的性能下降问题，提出局部间隔恢复框架，通过样本级受保护间隔恢复与流级双阶段稳定机制，在多数据集上实现优于现有基线的性能。

Comments Accepted by ACM MM 2026

Two Sides of the Same Coin: Co-Evolving Search for Cross-Task Attacks on Vision-Language Models

同一硬币的两面：面向视觉-语言模型跨任务攻击的协同演化搜索

Xuanhui Lin, Junhao Dong, Mingrong Gong, Yucheng Chen, Xinghua Qu, Yew-Soon Ong

机构 * College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院） ； Center for Frontier AI Research, Agency for Science, Technology and Research (A*STAR)（新加坡科技研究局前沿人工智能研究中心） ； School of Electrical Engineering and Automation, Fuzhou University（福州大学电气工程与自动化学院） ； ByteDance（字节跳动） 纠错

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

AI总结 针对视觉-语言模型易受对抗扰动的问题，提出协同演化跨模态攻击框架，联合优化文本与视觉空间，在多任务上展现出强攻击性能与跨任务可迁移性。

Comments 15 pages, 7 figures, and 8 tables; includes supplementary material

An Internet for the KV Cache: Rethinking Classical Infrastructure Boundaries in the LLM Inference Age

面向KV缓存的互联网：在大语言模型推理时代重新思考经典基础设施边界

Siddhant Ray, Nick Feamster, Junchen Jiang

专题命中 效率与部署 ：LLM(title,abstract)

AI总结 该研究提出面向KV缓存的互联网愿景，主张跨云与数据中心解耦计算与KV缓存存储，将KV缓存管理作为内容分发系统，以最小化大语言模型推理的延迟与成本。

Understanding Synergistic Interactions among Pathology Foundation Models via Adaptive Fusion

通过自适应融合理解病理基础模型间的协同交互作用

Yuxiang Xiao, Yang Hu, Bin Li, Tianyang Zhang, Zexi Li, Huazhu Fu, Jens Rittscher, Kaixiang Yang

机构 * School of Computer Science and Engineering, South China University of Technology（华南理工大学计算机科学与工程学院） ； School of Computing and Mathematical Sciences, University of Leicester（莱斯特大学计算与数学科学学院） ； Leicester Cancer Research Centre, University of Leicester（莱斯特大学莱斯特癌症研究中心） ； Department of Engineering Science, University of Oxford（牛津大学工程科学系） ； Nuffield Department of Medicine, University of Oxford（牛津大学纳菲尔德医学院） ； A*STAR, Singapore（新加坡科技研究局） 纠错

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

AI总结 本研究针对病理基础模型存在的表示偏差问题，提出AdaFusion自适应融合框架，在三个公共基准上验证其性能优于单个模型及其他融合方法，还可提供可解释的组织可视化。

Comments 11 pages, 2 figures, 3 tables

Fast and Accurate Foundation Models for Equivariant Machine-Learned Interatomic Potentials

用于等变机器学习原子间势的快速且准确的基础模型

Seán R. Kavanagh, Chuin Wei Tan, Menghang Wang, Marc L. Descoteaux, Gabriel de Miranda Nascimento, Ulrik Unneberg, Laura Zichi, Francesco Libbi, Norma Rivano, Austin Glover, Vivek Bharadwaj, Anders Johansson, William C. Witt, Albert Musaelian, Boris Kozinsky

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

AI总结 该研究提出基于NequIP和Allegro架构的等变MLIP基础势，解决速度与准确性的权衡问题，兼具高推理速度、强可扩展性及出色准确性，可降低超大规模数据集训练的计算成本。

Wireless Intelligence Needs a Cerebellum: Score-Based Foundation Models Toward Real-Time Physical-Layer Inference

无线智能需要一个小脑：基于分数的基础模型实现实时物理层推理

Chang Cai, Boyu Teng, Xiaojun Yuan, Ying-Jun Angela Zhang

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

AI总结 研究针对无线智能中物理层快速精确推理需求，提出轻量级ScoreFM基础模型。它学习可重复使用分数函数，推理时嵌入特定任务算法作去噪器，支持多样下游任务，案例研究验证其灵活性与有效性。

Development of Vision-Language Model-based GNSS Spoofing Detection for Autonomous Vehicle Navigation

基于视觉语言模型的自动驾驶车辆导航GNSS欺骗检测技术发展

Mohammed Aldeen, Muhammad Sami Irfan, Sagar Dasgupta, Long Cheng, Mizanur Rahman, Mashrur Chowdhury

机构 * Clemson University（克莱姆森大学） ； The University of Alabama（阿拉巴马大学） 纠错

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

AI总结 研究自动驾驶车辆GNSS欺骗检测问题，提出基于视觉语言模型的框架，融合多源数据，经三阶段微调及自适应推理策略，大幅提升检测准确率与效率，并生成数据集验证跨区域泛化能力，为自动驾驶提供实用道路防御层。

EGR: Embedding-Native Generative Retrieval with a Shared LLM

EGR：使用共享语言模型的嵌入原生生成式检索

Xiaodong Liu, Congfei Zhang, Hsiang-wei Chao, Siman Wang, Tong Zhao, Xiao Bai, Vincent Zhang, Jingxiao Ma, Zhe Liu, Wenfeng Zhuo, Zichu Li, Jitin Krishnan, Yunzhi Zhou, Yajun Wang, Jinchao Li, Yu Zhang

专题命中 效率与部署 ：LLM(title,abstract)

AI总结 研究针对生成式检索在推荐和广告系统中的问题，提出EGR框架，利用共享语言模型在同一嵌入空间学习项目与用户表示，经联合对比训练，在多场景评估中表现出色，提升了转化率，简化了系统设计。

Comments Accepted to RecSys 2026

StepX-Edge: An On-Device UI Vision-Language Model via Architecture-Training-Deployment Co-Design

StepX-Edge：一种通过架构-训练-部署协同设计的端侧用户界面视觉语言模型

Yin Wang, Haotian Hu, Jineng Han, Wentao Qiu, Zhenhua Ge, Liujian Tang, Fanyi Wang

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

AI总结 研究旨在解决端侧视觉语言模型在准确性和效率间的矛盾，提出StepX-Edge模型，通过架构、训练和部署协同设计，在多项任务中表现出色，参数少且运行稳定，还将开源相关数据、方法和管道。

SLIP: Segmentation with Low-latency Interactive Prompting for 3D Medical Images

SLIP：用于3D医学图像的低延迟交互式提示分割

Baptiste Podvin, Alexandre Ancel, Flavio Milana, Chiara Innocenzi, Davide Arrigo, Federico Espinola Schulze, Guido Torzilli, Jacques Marescaux, Daniel George, Alexandre Hostettler, Toby Collins

机构 * IRCAD France（法国国际消化道疾病研究中心） ； Université de Strasbourg, CNRS, ICube（斯特拉斯堡大学、法国国家科学研究中心、ICube实验室） ； IRCCS Humanitas Research Hospital（圣心研究医院） ； Humanitas University（圣心大学） ； Fondazione Policlinico Universitario A. Gemelli, Istituto di Ricovero e Cura a Carattere Scientifico (IRCCS)（圣心综合大学医院） 纠错

专题命中 效率与部署 ：prompting(title,abstract)

AI总结 研究针对3D医学图像交互式分割中现有方法的问题，提出SLIP框架，解耦图像编码与提示细化，通过复用特征和维护交互感知状态降低延迟，支持可逆提示，经用户研究验证其在多方面优于现有方法，实现SOTA性能。

Rethinking Layer-Wise Information Allocation for Vision Foundation Model Adaptation

重新思考视觉基础模型适应中的逐层信息分配

Yuqi Li, Xi Xiao, Yunbei Zhang, Lin Zhao, Yu Li, Aiden Zhao, Tianyang Wang, Hao Xu, Yingli Tian

机构 * City College of New York, CUNY（纽约市立大学城市学院） ； University of Alabama at Birmingham（阿拉巴马大学伯明翰分校） ； Tulane University（杜兰大学） ； Northeastern University（东北大学） ； George Washington University（乔治华盛顿大学） ； Capital One（第一资本金融公司） ； Harvard University（哈佛大学） 纠错

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

AI总结 研究视觉基础模型适应中的逐层信息分配问题，提出基于信息瓶颈原理的PIB框架，规范逐层压缩与充分性权衡，促进跨层信息连贯，实验表明该方法在多数据集上表现出色，能解释提示容量缩放行为等。

Comments Accepted by ACM MM 2026

Which Model Is Actually Serving You? IRIS: Budgeted Black-Box Auditing of Model Substitution and Routing Dilution in LLM Gateways

哪个模型真正在为你服务？IRIS：大语言模型网关中模型替换和路由稀释的预算黑盒审计

Yuewei Zhang, Zhi-Hai Zhang, Hanzhang Qin

专题命中 效率与部署 ：LLM(title,abstract)

AI总结 研究大语言模型网关中模型替换和路由稀释问题，提出IRIS审计方法，仅需返回文本，能结合多种检测与估计，通过实验验证其在不同场景下的有效性，相比其他审计方法有优势，还进行了多方面拓展实验。

Induce to Empower: Improving Lightweight Baselines via Foundation Model Induction for Generalized Polyp Segmentation

诱导赋能：通过基础模型归纳改进轻量级基线以实现广义息肉分割

Shivanshu Agnihotri, Snehashis Majhi, Deepak Ranjan Nayak, Dwarikanath Mahapatra, Debesh Jha

机构 * Malaviya National Institute of Technology Jaipur（斋浦尔马尔维亚国家技术学院） ； Côte d’Azur University（蔚蓝海岸大学） ； Khalifa University（哈里发大学） ； Biomedical Perception & Intelligence Lab, University of South Dakota（南达科他大学的生物医学感知与智能实验室） 纠错

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

AI总结 针对结肠镜息肉分割难题，提出Lite-Polyp Inductor框架，通过基础模型归纳生成特定原型表示并语义对齐，引入Transformer融合突出相关表示，显著改进轻量级基线，以低计算开销实现卓越泛化性能。

Robust KV Cache Management for LLM Serving under Output Token Length Uncertainty

输出令牌长度不确定情况下用于大语言模型服务的鲁棒键值缓存管理

Jiaming Cheng, Duong The Do, Duong Tung Nguyen

专题命中 效率与部署 ：LLM(title,abstract)

AI总结 针对大语言模型服务中键值缓存管理难题，提出鲁棒框架，联合优化多项配置，纳入延迟SLO约束。开发DRO公式及算法应对输出令牌长度不确定等问题，分析出关键分位数结构，经评估比基线成本降56%，保持相关性能。

Comments 10 figures, 10 pages

LLM Latent Edge Measurement: Point-in-Time Economic Graphs for Quantitative Investing from Corporate Disclosures

大语言模型潜在边缘测量：基于公司披露的定量投资实时经济图谱

Fan Yang, Lin Zhang

专题命中 效率与部署 ：LLM(title,abstract)

AI总结 研究从公司披露文本构建公司网络，提出基于大语言模型的流程，应用于纳斯达克100指数成份股公司文件，生成含149条边的网络，经审计确认部分边有效，恢复跨行业关系，消融研究表明相关方法对网络质量有贡献。

Comments 9 pages, 4 figures and 4 tables

When Can Test-Time Adaptation Help Zero-Shot CT Vision-Language Models?

测试时自适应何时能帮助零样本CT视觉语言模型？

Ailar Mahdizadeh, Puria Azadi Moghadam, Xiangteng He, Leonid Sigal

机构 * University of British Columbia（英属哥伦比亚大学） ； Vector Institute（向量研究所） 纠错

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

AI总结 研究零样本3D CT视觉语言模型中测试时自适应（TTA）的作用，通过控制诊断分析表明其具有条件性，引入CARVE方法，在基础模型有判别力时能带来一致改进，确立多标签TTA问题及CARVE为基数感知解决方案。

Communication-Efficient Relative Pose Estimation with Vision Foundation Models for Ephemeral Collaborative Perception

用于短暂协作感知的基于视觉基础模型的通信高效相对位姿估计

Qihang Li, Jo-Hao Huang, Jiewen Liu, Suyoung Kang, Hao Zhang, Peng Gao

机构 * North Carolina State University（北卡罗来纳州立大学） ； University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） 纠错

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

AI总结 针对现实中机器人短交互窗口及有限通信带宽下的相对位姿估计难题，提出通信高效相对位姿估计框架CERPE，利用固定大小描述符减少原始观测交换，通过自身运动传播相对位姿，提升了短暂协作感知中的6自由度相对位姿估计。

Comments 8 pages, 6 figures

CIMERA: Compute-in-Interconnect and Memory with Reconfigurable Precision for LLM Inference

CIMERA：用于大语言模型推理的具有可重构精度的互连和内存计算

Yue Jiet Chong, Yimin Wang, Wei Zhang, Xuanyao Fong

专题命中 效率与部署 ：LLM(title,abstract)

AI总结 针对大语言模型推理能耗高的问题，提出CIMERA可重构精度推理加速器，集成计算与内存，缓解内存墙，实现精度感知执行，相比英伟达H100，处理1B和13B模型时能源效率分别提升25倍和10倍。

Comments Accepted to 2026 IEEE 8th International Conference on Artificial Intelligence Circuits and Systems (AICAS'26)