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。
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。
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
ARLArena：用于稳定智能体强化学习的统一框架
机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校）
专题命中 其他LLM ：LLM(abstract)；分类 cs.AI
AI总结 研究针对智能体强化学习不稳定问题，提出ARLArena框架。先构建测试平台，将策略梯度分解为四个维度分析，据此提出稳定的智能体策略优化方法SAMPO，实现稳定训练与良好性能。
Comments To appear at ICML 2026
VLMGuard：从野生未标记视觉语言提示中引导恶意提示检测器
机构 * College of Computing and Data Science（计算与数据科学学院） ； Nanyang Technological University（南洋理工大学） ； School of Physical and Mathematical Sciences（物理与数学科学学院） ； Microsoft Corp.（微软公司） ； Department of Computer Sciences（计算机科学系） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校）
专题命中 其他LLM ：language model(abstract)；分类 cs.LG
AI总结 研究针对视觉语言模型易受恶意输入影响的问题，提出VLMGuard框架，利用野生未标记用户提示，通过自动恶意估计分数区分良性和恶意样本，训练二进制提示分类器，无需额外人工标注，效果优于现有方法。
Comments Accepted to Transactions on Machine Learning Research (07/2026)
迈向可信AI软件开发辅助
机构 * Technische Universität Darmstadt（德累斯顿技术大学） ； Hessian Center for Artificial Intelligence (hessian.AI)（黑森人工智能中心） ； National Research Center for Applied Cybersecurity ATHENE（应用网络安全国家研究中心ATHENE）
专题命中 其他LLM ：LLM(abstract)；分类 cs.LG
AI总结 本文提出可信AI软件开发助手的架构，通过基础LLM训练、图表示和模块化框架提升代码质量和安全性。
Comments 6 pages, 1 figure; to be published in New Ideas and Emerging Results (ICSE-NIER'24), April 14-20, 2024, Lisbon, Portugal; updated version to reflect the information provided by ACM
Journal ref NIER@ICSE (2024) 112-116
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
Interact3D: 交互式物体的组合3D生成
机构 * Zhejiang University（浙江大学） ； Shanghai Innovation Institute（上海创新研究院） ； Westlake University（西湖大学） ； Adobe ； Fudan University（复旦大学）
专题命中 其他LLM ：language model(abstract)；分类 cs.AI
AI总结 提出Interact3D框架，通过统一3D引导场景、两阶段组合流水线（全局到局部几何对齐和基于SDF的优化）以及闭环智能体修正策略，从单张图像生成物理合理的交互式3D组合物体，解决遮挡和空间关系保持问题。
Comments Accepted to ECCV 2026
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
打破刹车，而非车轮：通过熵最大化实现无目标越狱
机构 * Australian National University（澳大利亚国立大学） ； The University Of Queensland（昆士兰大学） ； Peking University（北京大学） ； GE research（通用电气研究院） ； CSIRO（澳大利亚联邦科学与工业研究组织）
专题命中 其他LLM ：language model(abstract)；分类 cs.AI
AI总结 提出UJEM-KL攻击方法，通过最大化决策令牌的熵来翻转视觉-语言模型的拒绝输出，实现高迁移性的无目标越狱。
Comments Preprint. 17 pages, 8 figures, 6 tables
选择你的代理：在多方谈判中采用AI顾问、教练和代理的权衡
机构 * Harvard University（哈佛大学） ； Google DeepMind Canada（谷歌深Mind加拿大） ； Google DeepMind United States（谷歌深Mind美国） ； Google DeepMind New York United States（谷歌深Mind纽约美国）
专题命中 其他LLM ：LLM(abstract)；分类 cs.AI
AI总结 研究探讨了在多方谈判中采用AI顾问、教练和代理的权衡，发现尽管参与者更偏好具有更高控制权的顾问，但代理模式能显著提升集体收益，揭示了AI生成提议与人类行为之间的过滤效应。
多周期过程：具有亚线性熵的遍历源
机构 * Institute of Computer Science, Polish Academy of Sciences（波兰科学院计算机科学研究所）
专题命中 其他LLM ：language model(abstract)；分类 cs.LG
AI总结 本文提出多周期过程，一种由随机位移生成的确定性多周期序列构成的平稳遍历过程，具有消失的香农熵率，并满足齐夫定律和希尔伯格定律。
Comments 28 pages; 1 figure
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
ZeroWBC: 从人类自我中心数据学习自然全身人形交互
机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Northwestern Polytechnical University（西北工业大学） ； Tsinghua University（清华大学） ； Shanghai Jiao Tong University（上海交通大学） ； TeleAI, China Telecom（TeleAI，中国电信）
专题命中 其他LLM ：language model(abstract)；分类 cs.AI
AI总结 提出ZeroWBC框架，利用人类自我中心视频和同步全身运动数据，通过生成-跟踪方法实现无遥操作的人形机器人全身交互控制。
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。
双重要求：人工智能时代中的创新与监管
机构 * Harvard Kennedy School（哈佛肯尼迪学院） ； Mossavar-Rahmani Center for Business and Government（摩萨瓦拉-拉赫马尼商业与政府中心）
专题命中 其他LLM ：foundation model(abstract)；分类 cs.AI
AI总结 本文探讨了人工智能缺乏监管的社会成本，提出结合创新与监管的框架，旨在平衡技术进步与风险控制。
Comments This is an original manuscript of an article published by Inderscience in the International Journal of Technology Policy and Law Vol. 3, No. 3 on November 28, 2024, available online: https://doi.org/10.1504/IJTPL.2024.142861
因式化Gossip DiLoCo：减少DiLoCo中的阻塞通信
机构 * Pluralis Research
专题命中 其他LLM ：language model(abstract)；分类 cs.LG
AI总结 提出因式化Gossip DiLoCo，通过非阻塞混合与阻塞混合分解同步，在低带宽环境下提升计算利用率并保持优化稳定性。
Comments Accepted at ICML 2026. 29 pages, 7 figures
OTTER：一种用于规避毒性检测的越狱提示优化的红队系统
机构 * National Chengchi University, Taipei, Taiwan（国立中正大学，台北，台湾） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
专题命中 其他LLM ：LLM(abstract_cn)；分类 cs.CL
AI总结 提出OTTER系统，通过替换少量令牌解耦表面毒性与对抗意图，在四个GPT模型上将平均攻击成功率从7.0%提升至84.0%，并首次量化分析毒性-绕过关系。
Video2Code: 通过动作感知重访从UI视频生成交互式网页
机构 * University of Waterloo（滑铁卢大学） ； Tsinghua University（清华大学） ； Zhipu AI（智谱AI） ； Beihang University（北京航空航天大学）
专题命中 其他LLM ：language model(abstract)；分类 cs.AI
AI总结 提出Video2Code方法，通过动作感知重访UI视频中的关键区域，恢复可执行的状态转换，生成HTML/CSS/JavaScript代码，提升多步交互的代码功能正确性。
Comments 31 pages, 21 figures
GEESE: 基因型感知的端到端时空嵌入用于行为表型分析
机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； Department of Radiology（放射学系）
专题命中 其他LLM ：foundation model(abstract)；分类 cs.LG
AI总结 提出GEESE框架，利用预训练时间序列基础模型从3D姿态动力学中直接学习行为表征，无需手工特征，在三个自闭症相关基因模型上超越传统方法，并开发了交互式工具HONK。
CLAR: 通过融合掩码重建与多层级对比对齐学习用于机器人操作的3D表示
机构 * SKL-MAIS, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所SKL-MAIS） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； Carnegie Mellon University（卡内基梅隆大学） ； Galbot ； CFCS, School of Computer Science, Peking University（北京大学计算机科学与技术学院CFCS）
专题命中 其他LLM ：foundation model(abstract)；分类 cs.AI
AI总结 提出CLAR框架，融合掩码自编码与全局跨模态对比学习，并引入基于可变形注意力的局部自适应对齐机制，解决3D预训练中空间几何与语义细节的权衡问题，在视觉运动策略学习中达到最优性能。
通过印度语言的视角看多语言分词：挑战与洞见
机构 * Department of CSE, Indian Institute of Technology Hyderabad（印度理工学院海得拉巴分校计算机科学与工程系） ； Department of CSE, Indian Institute of Technology Bombay（印度理工学院孟买分校计算机科学与工程系） ； SCEE, Indian Institute of Technology Mandi（印度理工学院曼迪分校软件工程系） ； Adobe Research（Adobe研究）
专题命中 其他LLM ：language model(abstract)；分类 cs.CL
AI总结 本研究针对17种印度语言，系统评估了子词算法、标准化方法、词汇量及词汇构建策略对多语言分词的影响，发现脚本特定标准化、Unigram LM保留形态边界及聚类词汇构建可提升性能。
Comments Accepted at ACL 2026 (Findings - Long paper)
Intent-Handover：在人类使用区域中接地语言以实现可信的机器人到人交接
机构 * DANiLab, University of Leicester（莱斯特大学DANiLab） ； University of Leicester（莱斯特大学） ； School of Computing and Mathematical Sciences, University of Leicester（莱斯特大学计算与数学科学学院） ； School of Metallurgy and Materials, University of Birmingham（伯明翰大学冶金与材料学院）
专题命中 其他LLM ：language model(abstract)；分类 cs.LG
AI总结 提出Intent-Handover方法，通过视觉语言模型识别目标物体和人类使用区域，结合抓取优化和人体姿态跟踪，实现安全、可信的机器人到人物体交接。
Comments Accepted at the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)
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