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。
反馈对齐在自蒸馏中的作用
机构 * Gensyn
专题命中 效率与部署 ：language model(abstract)；分类 cs.AI、cs.LG
AI总结 研究通过自蒸馏提升语言模型性能时，反馈与模型推理的结构对齐是关键因素，步级对齐批评比二元奖励或参考解更有效。
Comments Accepted to the ICML 2026 Workshop on RL from World Feedback (RLxF)
ReCoVLA: VLM引导的奖励编译用于视觉-语言-动作策略的故障恢复
机构 * University of Southern California（南加州大学） ； Mitsubishi Electric Research Laboratories (MERL)（三菱电机研究实验室） ； Harvard University（哈佛大学）
专题命中 效率与部署 ：language model(abstract)；分类 cs.AI、cs.LG
AI总结 提出ReCoVLA框架，通过冻结预训练VLA策略，利用外部VLM推断故障模式并编译结构化奖励，训练残差恢复策略，实现零样本仿真到真实部署，在多种操作任务中提升成功率。
Comments 19 pages, 7 figures
Q-Delta：超越键值关联状态演化
机构 * Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院）
专题命中 效率与部署 ：language model(abstract)；分类 cs.AI、cs.LG
AI总结 提出Q-Delta，一种查询感知的delta规则，将混合键-查询预测误差融入状态演化，实现联合校正动态，在语言建模和长上下文检索任务上优于强基线。
Comments Accepted at ICML 2026
设计AI驱动的高性能计算工作流的十二条快速技巧
机构 * Department of Computer Science（计算机科学系） ； Royal Holloway University of London（伦敦皇家霍洛威大学）
专题命中 效率与部署 ：foundation model(abstract)；分类 cs.AI、cs.LG
AI总结 本文针对AI与HPC融合带来的新挑战，提出十二条实用技巧，涵盖容器化、作业数组、反馈循环和I/O优化，帮助设计高效、可扩展、可复现的AI驱动HPC工作流。
Comments 12 pages, 1 figure. Formatted using the bioRxiv LaTeX preprint style
自回归模型中的总变差距离估计
机构 * University of Texas at Austin（德克萨斯大学奥斯汀分校）
专题命中 效率与部署 ：LLM(abstract,comments)；分类 cs.LG
AI总结 研究自回归模型中两个分布的总变差距离估计问题。在样本、对数概率、噪声对数概率三种访问模型下，分别给出不同查询次数的估计方法，并通过实验验证算法的稳健性和实用性，即便KL散度无穷时也能估计。
Comments 39 pages, 11 figures, code is available at https://github.com/XunZhiyang/llm-tv-estimation
渐进式结晶：将代理探索转化为生产中确定性、低成本的工作流程
专题命中 效率与部署 ：LLM(abstract,comments)；分类 cs.AI
AI总结 研究针对IT运营中AI代理成本高问题，提出渐进式结晶方法，通过三阶段执行分类法及证据提升机制，将代理探索转化为低成本工作流程，在生产云网络AIOps系统上评估效果良好，提升确定性执行、降低成本并提高安全性。
Comments Conference-style paper; 10 pages (estimated from manuscript formatting if applicable); focuses on agentic AI, AIOps, workflow automation, deterministic execution, and LLM cost optimization
TabPATE: 无需公开数据的差分隐私表格上下文学习
机构 * CISPA（CISPA亥姆霍兹信息安全中心） ； Anthropic ； Layer 6 AI
专题命中 效率与部署 ：foundation model(abstract,comments)；分类 cs.LG
AI总结 提出TabPATE，一种无需公开数据的差分隐私PATE风格防御方法，通过教师模型分区和私有聚合生成学生上下文，在表格基准上保持可用性并将成员推断降至随机水平。
Comments Presented at the 2nd ICML Workshop on Foundation Models for Structured Data (2026)
关系过正则化：基于句子转移偏差的AI生成文本检测
机构 * Chung-Ang University（中央大学）
专题命中 效率与部署 ：LLM(abstract_cn)；分类 cs.AI
AI总结 该研究提出关系过正则化（ROR），构建基于图的CSFG框架检测AI生成文本，在四个基准上验证，准确率达97.14%，泛化性能优异。
Comments Presented in EMNLP 2026
RTNav：迈向实时零样本目标导航
机构 * Duke University（杜克大学）
专题命中 效率与部署 ：foundation model(abstract)；分类 cs.AI
AI总结 针对零样本目标导航方法在现实实时场景下的性能下降问题，提出RTNav架构，在HM3D系列数据集的实时变体上实现了成功率与完成时间加权成功率的显著提升。
无遗憾的隐私：差分隐私推理时对齐
机构 * Indian Institute of Technology Kanpur（坎普尔印度理工学院）
专题命中 效率与部署 ：language model(abstract)；分类 cs.LG
AI总结 该研究针对最佳N采样的奖励黑客攻击与偏好数据隐私问题，提出PrivBoN和PrivITP方法，实现差分隐私推理时对齐，经实验验证其性能优于原有策略。
EXAONE Tabular 1.0：技术报告
机构 * LG AI Research（LG AI研究院）
专题命中 效率与部署 ：foundation model(abstract)；分类 cs.LG
AI总结 EXAONE Tabular 1.0 是一款紧凑表格基础模型系列，通过重新设计架构实现高效表格上下文学习，在多个公开基准测试中展现出优于同类模型的预测性能与推理效率。
Comments 18 pages, 8 figures
ConfAL-WM：用于动作条件世界模型的置信度引导主动学习
机构 * Tsinghua University（清华大学）
专题命中 效率与部署 ：post-training(abstract)；分类 cs.AI
AI总结 针对动作条件世界模型在新场景下的局部错误问题，提出ConfAL-WM框架，基于EVAC和UNet实现置信度引导的高效数据选择与局部训练增强，在RoboTwin2.0上验证了其提升训练效率与预测质量的效果。
Comments Project page: https://ConfAL-WM.github.io
面向商业果园早期解剖结构青果分类的轻量级多模态视觉-语言框架
机构 * Cornell University（康奈尔大学） ； University of Central Florida（中佛罗里达大学） ； Institute of Artificial Intelligence (IAI)（人工智能研究所（IAI））
专题命中 效率与部署 ：language model(abstract)；分类 cs.AI
AI总结 本研究提出适配TinyCLIP的轻量级多模态视觉-语言框架，实现复杂果园环境下幼果解剖结构细粒度分类，在NVIDIA T4上取得0.93宏F1，经优化可边缘部署，支撑自动化幼果分析与机器人疏果系统。
EncoTESS：基于原始TESS光变曲线的年龄敏感编码
机构 * University of Toronto（多伦多大学） ； Dunlap Institute for Astronomy & Astrophysics, University of Toronto（多伦多大学邓拉普天文与天体物理研究所） ； University of California San Diego（加利福尼亚大学圣迭戈分校） ； McMaster University（麦克马斯特大学） ； Data Sciences Institute, University of Toronto（多伦多大学数据科学研究所）
专题命中 效率与部署 ：foundation model(abstract)；分类 cs.LG
AI总结 EncoTESS是针对TESS数据特性开发的小型时间序列基础模型，可将光变曲线编码为潜在参数空间，用于恒星年龄推断等任务，性能优于传统年龄指标，框架与编码库公开可用。
Comments 36 pages, 23 figures (including appendices)
MetaRAG：面向智能体检索增强生成的信念-行动对齐策略优化
机构 * Zhejiang University（浙江大学） ； Ant Group（蚂蚁集团） ； City University of Hong Kong（香港城市大学）
专题命中 效率与部署 ：language model(abstract)；分类 cs.AI
AI总结 MetaRAG是面向智能体RAG的信念-行动对齐策略优化框架，通过优先验证的行动生成与内部信念探测，提升了智能体RAG的准确率-效率权衡，收益可迁移至多种场景与模型。
Comments EMNLP 2026 MainConference
通道专家混合：用于逐点投影的具有输入自适应混合的静态稀疏支持
机构 * School of Computer Science, Ariel University（阿里尔大学计算机科学学院）
专题命中 效率与部署 ：language model(abstract)；分类 cs.LG
AI总结 该研究针对MoE应用于卷积网络的结构缺陷，提出MoCE层替代逐点投影，在减少16.7% MAC和延迟的同时，性能匹配或优于基线与现有通道选择方法。
Comments 8 pages, 4 figures
基于局部蒸馏的可解释人工智能
机构 * University of Michigan（密歇根大学）
专题命中 效率与部署 ：foundation model(abstract)；分类 cs.LG
AI总结 本文提出局部蒸馏方法，以黑箱教师模型指导正则化线性学生模型，在17个基准数据集上近匹配教师模型准确性，还能识别癌症患者基因表达异质性。
用于成员推断与AI生成文本检测的令牌级似然数组回归
机构 * Xiamen University（厦门大学） ； University of Hong Kong（香港大学）
专题命中 效率与部署 ：language model(abstract)；分类 cs.LG
AI总结 提出似然数组回归（LAR）方法，通过嵌套左上下文窗口组织似然特征，在成员推断与AI生成文本检测任务上显著优于基线方法，且揭示短上下文似然及二阶特征的额外价值。
SkillAlchemy：开放世界智能体技能创建
专题命中 效率与部署 ：language agent(abstract)；分类 cs.AI
AI总结 SkillAlchemy是一个以准入为中心的基于源的开放世界智能体技能创建框架，在87个SkillsBench v1.1任务上，其技能通过率较无技能执行提升19.9个百分点、较最强自动化基线提升8.6个百分点，性能接近人工策划技能。
Comments 33 pages, 7 figures, 8 tables. Includes appendices
TSWAP：多语言检索增强型泰国健康顾问
机构 * Digital Touch Point Co., Ltd.（数字触点有限公司） ； iApp Technology Co., Ltd.（iApp技术有限公司）
专题命中 效率与部署 ：LLM(abstract)；分类 cs.CL
AI总结 研究提出多语言检索增强型泰国健康顾问TSWAP，基于泰国传统医学知识库，采用混合检索等技术，发布相关基准与日志，发现量化及强制检索的部署要点。
Comments 8 pages, 2 tables. Data and evaluation logs: https://huggingface.co/datasets/iapp/tswap-wellness-benchmark
GSAR：面向移动GUI智能体的目标-状态-锚点奖励，结合自进化数据合成技术
机构 * Wuhan University（武汉大学） ； Xiaomi Inc.（小米公司）
专题命中 效率与部署 ：language model(abstract)；分类 cs.AI
AI总结 本研究提出GSAR奖励框架，结合自进化数据合成与状态-锚点机制，解决VLM-GUI智能体训练中数据合成及奖励信号的问题，在多基准测试中表现优异，为GUI智能体训练提供可扩展方案。
请勿复制粘贴：AI辅助编程中的复制软屏障
机构 * University of Luxembourg（卢森堡大学）
专题命中 效率与部署 ：LLM(abstract_cn)；分类 cs.AI
AI总结 本文针对AI辅助编程中代码复制粘贴的问题，提出软屏障机制，通过Unicode扰动实现高复制粘贴抗性，可引导用户转向编辑重构，为AI代码交接研究提供方向。
Comments Accepted ASE 2026
WAM-OPD：面向世界动作模型的策略内蒸馏
机构 * University College London（伦敦大学学院）
专题命中 效率与部署 ：post-training(abstract)；分类 cs.AI
AI总结 本研究提出WAM-OPD策略内蒸馏方案，用于修复世界动作模型学生模型，在RoboTwin 2.0两项机器人任务中提升了Flash-WAM的任务成功率，为视频优先WAM提供了有前景的后训练方法。
面向未修剪自我中心视频的预算受限视觉-语言字幕生成的预解码音频分诊
机构 * Aalto University（阿尔托大学）
专题命中 效率与部署 ：language model(abstract)；分类 cs.AI
AI总结 本研究针对预算受限的未修剪自我中心视频视觉-语言字幕生成问题，提出预解码音频分诊策略，通过音频优先选择窗口减少VLM调用，提升动作覆盖率，在多个数据集上优于现有方法。
Comments 18 pages, 5 figures, 9 tables. Under review at IEEE BigData 2026, Industrial and Government Track. Code: https://github.com/masjalayer/PreDecoding-AcousticTriage
ReMAP：用于揭示大脑表征与脆弱性的自监督学习
机构 * AP-HP（巴黎公立医院集团） ； Inserm（法国国家健康与医学研究院） ； Université Paris Cité（巴黎城市大学） ； Université Paris-Saclay（巴黎-萨克雷大学） ； Inria（法国国家信息与自动化研究所） ； CEA（法国原子能和替代能源委员会） ； Sorbonne Université（索邦大学）
专题命中 效率与部署 ：foundation model(abstract)；分类 cs.LG
AI总结 本研究提出ReMAP自监督学习方法，基于EEG揭示大脑表征与脆弱性，可准确预测麻醉深度，其紧凑模型性能可媲美大规模EEG基础模型，还能关联临床结局与神经生理学特征。
SSDi8：面向状态空间对偶的精准高效8比特量化方法
机构 * Chung-Ang University（中央大学） ； Soongsil University（崇实大学） ； Seoul National University（首尔大学）
专题命中 效率与部署 ：post-training(abstract)；分类 cs.AI
AI总结 本研究针对结构化状态空间对偶（SSD）架构的内存与延迟开销问题，提出首个专为SSD设计的后训练量化框架SSDi8，通过解耦乘法、自适应量化等技术，在保持FP16精度的同时实现最高1.4倍加速，且适配资源受限环境。
Comments Accepted to ICLR 2026
Journal ref International Conference on Learning Representations (ICLR), 2026
Tydra：一种高效的表格数据混合模型
专题命中 效率与部署 ：foundation model(abstract)；分类 cs.LG
AI总结 本文提出Tydra混合架构，平衡了表格基础模型的性能与效率，在30个OpenML数据集上较TabPFN提速30%，且优于规模大10倍的Hydra模型，为表格基础模型提供了新方向。
Llama-Mobile：视觉语言模型的高效2.7位量化
机构 * Graphcore Research（Graphcore研究院） ； Arm（Arm公司）
专题命中 效率与部署 ：language model(abstract)；分类 cs.LG
AI总结 针对VLMs部署于移动设备的资源瓶颈，提出结合自生成训练数据的量化流水线与2.7位参数格式的框架，将Llama 3.2 11B Vision Instruct模型压缩至3.7 GB且保留视觉问答任务性能。
GRAFT：基于自适应DLM的草稿树构建与目标蒸馏边评分
专题命中 效率与部署 ：language model(abstract)；分类 cs.CL
AI总结 GRAFT 是用于基于 DLM 的推测解码的草稿树构建框架，通过 TDES 和 SABA 解决现有方法的父子兼容性与预算适配问题，实现了 2.13 倍至 6.36 倍的端到端加速，每轮开销不足 0.5 毫秒。
基于嵌套序贯蒙特卡洛的离散扩散推理时控制
机构 * University of Amsterdam（阿姆斯特丹大学）
专题命中 效率与部署 ：language model(abstract)；分类 cs.LG
AI总结 该研究针对离散扩散语言模型文本生成的推理时控制问题，提出NSMC与FA-NSMC方法，修正了现有粒子方法的缺陷，在毒性和流畅度引导任务上表现优于n-best采样与bootstrap SMC。
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