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。
整体最优标签选择用于在部分标签下的鲁棒提示学习
机构 * Shandong University, Jinan, China（山东大学（济南，中国））
专题命中 评测与基准 ：language model(abstract)；分类 cs.LG
AI总结 本文提出Holistic Optimal Label Selection方法，通过局部密度过滤和全局最优传输策略，提升部分标签下的提示学习性能，实验表明其在八个基准数据集上表现优异。
Comments ECCV 2026
1D-Bench: 一个用于具有实时反馈的现实世界迭代UI代码生成的基准
专题命中 评测与基准 ：post-training(abstract)；分类 cs.AI
AI总结 1D-Bench通过现实电商工作流提供迭代UI代码生成基准，测试模型在中间表示缺陷下的鲁棒性，实验表明迭代编辑能提升渲染成功率和视觉相似性。
克服语言障碍：对2023年瑞士隐私法影响的多语言分析
机构 * ETH Zurich（苏黎世联邦理工学院） ； Carnegie Mellon University（卡内基梅隆大学）
专题命中 评测与基准 ：LLM(abstract)；分类 cs.CL
AI总结 研究2023年瑞士隐私法与欧盟法规对齐对瑞士网站隐私政策的影响，开发基于大语言模型的管道提取法律信息，应用于超35000个网站隐私政策，发现政策中数据主体权利披露增加，还揭示了政策生成器对披露率的影响。
Journal ref Proceedings on Privacy Enhancing Technologies 2026(4) 703-723
GRADIEND Python包：一种基于梯度的特征学习端到端系统
机构 * Faculty of Computer Science and Mathematics University of Passau（计算机科学与数学学院 巴伐利亚大学）
专题命中 评测与基准 ：language model(abstract)；分类 cs.CL
AI总结 GRADIEND Python包提供端到端系统，通过语言模型中的事实-反事实MLM和CLM梯度学习特征方向，并支持特征数据创建、训练、评估及多特征比较。
《相似轨迹：拉丁文学中互文性提取的基准》
机构 * Department of Computer and Information Science, University of Konstanz（计算机与信息科学系，康斯坦茨大学） ； Department of Latin Philology, University of Konstanz（拉丁语言学系，康斯坦茨大学） ； Department of Archaeology, Classical Philology and Ancient Studies, University of Zurich（考古学、古典语言学与古代研究系，苏黎世大学）
专题命中 评测与基准 ：language model(abstract)；分类 cs.CL
AI总结 该研究针对拉丁文学互文性提取任务，因缺乏标准化基准和数据集阻碍新方法发展的问题，引入“相似轨迹”基准，利用约172k文本片段数据集及545个相似之处，用先进语言模型建立互文性检索和分类基线。
PRiSM：语音模型中电话实现的基准测试
机构 * CMU（卡内基梅隆大学） ； Gwangju Institute of Science and Technology（光州科学技术院） ； UT Austin（得克萨斯大学奥斯汀分校） ； LMU Munich（慕尼黑路德维希-马克西米利安大学） ； UC Berkeley（伯克利加州大学） ； NVIDIA（英伟达） ； UBC（不列颠哥伦比亚大学）
专题命中 评测与基准 ：language model(abstract)；分类 cs.CL
AI总结 该研究针对语音模型中电话实现进行基准测试，引入PRiSM开源基准用内在和外在评估揭示语音感知盲点，标准化评估并通过探针评估下游效用，发现训练语言接触对PR性能关键，编码器-CTC模型稳定，专门PR模型优于大型音频语言模型，还发布相关资源推动多语言语音模型发展。
Comments Presented at ACL 2026
自监督视觉Transformer中的类人物体分组
专题命中 评测与基准 ：foundation model(abstract)；分类 cs.AI
AI总结 本文通过行为基准测试，探讨自监督视觉模型在物体感知上的类人特性，发现基于DINO目标的Transformer模型在预测人类反应时间方面表现最佳，且Gram矩阵结构对感知对齐有驱动作用。
建模网络代理中不同的人类交互
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Duke University（杜克大学）
专题命中 评测与基准 ：language model(abstract)；分类 cs.CL
AI总结 本文通过收集400条真实用户网络导航轨迹，识别四种人机交互模式，并训练语言模型预测用户干预时机，将干预预测准确率提升61.4%-63.4%，用户评价的代理有用性提高36.8%。
Comments Preprint
提前思考：多模态语言模型和世界模型中的预见智能
机构 * College of Software, Nankai University, China（南开大学软件学院） ； The University of Hong Kong, China（香港大学） ； NKIARI, Shenzhen Futian, China（NKIARI，深圳福田，中国） ； AAIS & VCIP, Nankai University, China（AAIS与VCIP，南开大学，中国） ； A*STAR Institute of Advanced Intelligence and Computing, Singapore（新加坡A*STAR先进智能与计算研究所）
专题命中 评测与基准 ：language model(abstract)；分类 cs.AI
AI总结 研究定义预见智能，引入FSU-QA数据集，对视觉语言模型在预见任务中全面研究，发现当前模型不足。该数据集可评估世界模型，增强预见推理，微调小模型能超大型先进模型，为开发下一代模型提供基础，还验证了评估协议。
Comments Accepted by ECCV 2026
CLAY：视觉相似性模拟能力在视觉-语言嵌入空间中的条件性
机构 * KAIST（韩国科学技术院）
专题命中 评测与基准 ：language model(abstract)；分类 cs.AI
AI总结 CLAY通过重构预训练视觉-语言模型的嵌入空间，实现基于文本条件的灵活相似性计算，提升多条件检索效率与准确性。
Comments CVPR 2026, Project page: https://sohwi-lim.github.io/CLAY
SWITCH：在长时程具身场景中评估和处理具象接口的基准测试
专题命中 评测与基准 ：LLM(abstract)；分类 cs.AI
AI总结 SWITCH基准测试通过1170个时间交互视频，评估具象接口在真实第一人称环境中的闭环交互推理，揭示多模态模型在细粒度视觉-时间感知、结果验证和错误恢复方面的不足。
Comments The dataset is available at https://huggingface.co/datasets/BAAI-Agents/SWITCH
用局部解释量化检索生成模型（RAG）中的检索器-生成器对齐
机构 * Department of Computer and Systems Sciences, Stockholm University（斯德哥尔摩大学计算机与系统科学系） ； BIFOLD, Technische Universität Berlin（柏林技术大学BIFOLD） ； Department of Informatics, Athens University of Economics and Business（雅典经济与商业大学信息系） ； Archimedes, Athena Research Centre（雅典研究中心Archimedes）
专题命中 评测与基准 ：language model(abstract)；分类 cs.CL
AI总结 研究RAG系统中检索器与生成器交互不透明问题，提出RAG-E框架，用数学归因方法量化二者对齐，通过实验表明WARG能更好捕捉对齐情况，为审计交互提供实用框架，提升RAG系统可靠性与透明度。
PPTArena: 一个用于PowerPoint编辑的基准测试
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of California, Berkeley（加州大学伯克利分校）
专题命中 评测与基准 ：language model(abstract)；分类 cs.AI
AI总结 提出PPTArena基准，包含2125张幻灯片的1300+人工编辑任务，并设计PPTPilot智能体通过结构感知的规划-编辑-验证循环，在复合、布局敏感和跨幻灯片编辑上超越强基线10个百分点以上。
Comments ECCV 2026
UniSE：一种基于仅解码器自回归语言模型的统一语音增强框架
机构 * Qwen Business Unit of Alibaba, China（阿里巴巴Qwen业务单元，中国） ； Tongyi AI Lab of Alibaba, China（阿里巴巴通义AI实验室，中国）
专题命中 评测与基准 ：language model(abstract)；分类 cs.AI
AI总结 提出UniSE，一种统一的仅解码器LM框架，通过自回归生成离散令牌处理语音恢复、目标说话人提取和语音分离任务，并引入渐进强化学习优化质量，在多个基准上取得竞争性表现。
Comments Accepted by Interspeech 2026
IRIS：从单目视频进行物理动态系统逆恢复与识别的真实世界基准
机构 * Hamad Bin Khalifa University（哈马德·本·哈利法大学）
专题命中 评测与基准 ：prompting(abstract)；分类 cs.LG
AI总结 提出IRIS基准，包含240个4K/60fps真实视频，覆盖单体和多体动力学，提供真实参数和不确定度，定义标准化评估协议，评估多种基线方法，揭示系统失败模式。
不要赌博，GAMBLe：AI驱动研究系统的分析框架
机构 * IBM Research（IBM研究院）
专题命中 评测与基准 ：LLM(abstract_cn)；分类 cs.AI
AI总结 提出GAMBLe框架，通过四个参数（生成器G、评估器A、发现机制M、预算B）和一个有效景观L_eff = A ∘ G分解AI驱动研究系统行为，实验表明组件选择可显著提升性能和搜索效率。
Comments Preprint. 23 pages (10 main, 13 appendix). 6 figures (2 in main, 4 in appendix)
GAIA: 用于训练GUI测试时缩放评论模型的数据飞轮系统
专题命中 评测与基准 ：language model(abstract)；分类 cs.AI
AI总结 提出GAIA数据飞轮系统，通过训练直觉评论模型（ICM）评估GUI代理动作的正确性，利用正负样本迭代提升代理测试时性能，实验表明该方法能持续改进多种模型。
Comments Accepted by ECCV 2026
使用Transformer进行慢性肾脏病预后预测
专题命中 评测与基准 ：language model(abstract)；分类 cs.AI
AI总结 提出基于Transformer的ProQ-BERT框架，利用多模态电子健康记录预测CKD进展，在9万余名患者数据上实现高达0.995的ROC-AUC。
Comments 5 pages, 2 figures, 2 tables
语用如何塑造发音：STEM ASL 话语的计算案例研究
机构 * Northeastern University（东北大学） ； Gallaudet University（盖尔道特大学） ； University of Pittsburgh（匹兹堡大学）
专题命中 评测与基准 ：language model(abstract)；分类 cs.CL
AI总结 通过采集 STEM 领域美国手语对话的运动捕捉数据，量化分析对话、独白和翻译场景中手语发音的时空变化，发现对话中手语持续时间显著缩短，并评估了手语嵌入模型对 STEM 手语的识别能力。
语音优先的印度语言国家偏好：面向印度语言TTS的大规模成对评估与偏好分析
机构 * Indian Institute of Technology, Madras, India（印度理工学院马德拉斯分校） ； AI4Bharat, India（AI4Bharat） ； Josh Talks, India（Josh Talks）
专题命中 评测与基准 ：foundation model(abstract)；分类 cs.CL
AI总结 本文通过大规模成对评估和分析，探讨印度语言TTS系统在多语言环境下的偏好，结合语言控制与感知注解，评估7种先进系统，揭示人类偏好与模型性能的多维关系。
逐步测量信息：超越情绪的AI评估
机构 * Department of Computer Science（计算机科学系）
专题命中 评测与基准 ：prompting(abstract)；分类 cs.LG
AI总结 本文提出基于AI的评估方法，通过战略游戏与信息损失的联系，分析对抗操纵下鲁棒的机制，证明总变差距离在对抗攻击下保持多项式保证，提升信息关系提示的鲁棒性。
Comments Accepted to TMLR (2026). Updated appendix to restore the proof of Theorem 3.3
ViMedCSS：越南语医学术语代码转换语音数据集与基准
机构 * College of Engineering and Computer Science（工程与计算机科学学院） ； Center for AI Research（人工智能研究中心） ； College of Health Sciences（健康科学学院） ； University of Technology Sydney（悉尼科技大学）
专题命中 评测与基准 ：pretraining(abstract)；分类 cs.CL
AI总结 针对越南语医学术语代码转换问题，构建了34小时语音数据集ViMedCSS，评估多种ASR模型并探索微调策略，发现越南语优化模型与多语言预训练结合效果最佳。
Comments Accepted at LREC 2026
你还会称它为Dax吗？VLM与人类中的新颖视觉参照
机构 * McGill University（麦吉尔大学） ； Mila Quebec AI Institute（魁北克人工智能研究所） ； University of Michigan - Ann Arbor（密歇根大学安娜堡分校） ； Canada CIFAR AI Chair（加拿大CIFAR人工智能主席）
专题命中 评测与基准 ：language model(abstract)；分类 cs.CL
AI总结 提出新颖视觉参照数据集（NVRD），通过对比VLM和人类对新颖视觉概念的泛化能力，发现模型在矛盾先验知识时难以习得新概念，且过度泛化。
对比正则化用于口音鲁棒的ASR
机构 * Air Traffic Management Research Institute, Nanyang Technological University, Singapore（新加坡南洋理工大学航空交通管理研究所） ； Center of AI Research, VinUniversity, Vietnam（越南Vin大学人工智能研究中心）
专题命中 评测与基准 ：pretraining(abstract)；分类 cs.LG
AI总结 提出使用监督对比学习作为轻量级口音不变辅助目标，在CTC微调中正则化编码器表示，无需架构修改或显式口音监督，在L2-ARCTIC基准上实现高达25-29%的未见口音词错误率降低。
Comments Accepted by Interspeech 2026
MacrOData：用于表格异常检测的数千个数据集的新基准
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Technical University of Dortmund（多特蒙德技术大学）
专题命中 评测与基准 ：foundation model(abstract)；分类 cs.LG
AI总结 提出大规模表格异常检测基准MacrOData，包含2446个数据集，覆盖真实与合成异常，支持全面鲁棒的评估。
Comments 29 pages, KDD 2026
ChildGuard：针对儿童仇恨言论的专用数据集
机构 * Macquarie University（麦考瑞大学） ； MBZUAI（穆罕默德·本·拉希德人工智能研究所） ； DSEU（德里国家理工学院） ； Department of Information and Computer Science, KFUPM（科威特石油大学信息与计算机科学系） ； Stanford University（斯坦福大学）
专题命中 评测与基准 ：LLM(abstract_cn)；分类 cs.CL
AI总结 针对社交媒体上针对儿童的仇恨言论问题，构建了大规模英文数据集ChildGuard，包含351,877条标注实例，覆盖三个年龄段，并评估了多种模型性能。
Comments Updated Version
弥合差距：通过文本到NoSQL翻译实现NoSQL数据库的自然语言查询
机构 * University of Science and Technology of China（中国科学技术大学） ； Tsinghua University（清华大学） ； The University of Hong Kong（香港大学）
专题命中 评测与基准 ：LLM(abstract_cn)；分类 cs.AI
AI总结 本文研究Text-to-NoSQL任务，提出TEND基准和SAG求解器，用于将自然语言请求翻译为MongoDB聚合管道，验证了无模式文档推理的独特挑战。
Pix2Fact: 当视觉不够时——基于网络验证的细粒度VQA基准测试
机构 * GADE Union (Global AI Data Experts Union)（GADE联盟（全球人工智能数据专家联盟）） ； Shanghai Jiao Tong University（上海交通大学） ； Nanyang Technological University（南洋理工大学） ； New York University（纽约大学） ； Cambridge University（剑桥大学） ； The University of Hong Kong（香港大学）
专题命中 评测与基准 ：language model(abstract)；分类 cs.LG
AI总结 本文提出Pix2Fact基准测试，通过高分辨率真实场景中的网络验证，评估细粒度视觉问答中的专家级视觉感知和知识搜索能力，发现现有模型在复杂任务中存在显著不足。
自动化代理评估的实证研究
机构 * AWS AI Labs（AWS人工智能实验室）
专题命中 评测与基准 ：prompting(abstract)；分类 cs.CL
AI总结 本文研究了自动化代理评估的可行性，提出EvalAgent系统，通过编码技能和领域知识提升评估效率，实验显示其在评估准确性和人类偏好上显著优于基线方法。
查询通道：基于掩码的解释的信息论极限
机构 * Department of Electrical and Computer Engineering, University of Maryland, College Park, USA（美国马里兰大学电气与计算机工程系） ； Faculty of Engineering and Natural Sciences, Sabanci University, Turkiye（土耳其萨班奇大学工程与自然科学学院）
专题命中 评测与基准 ：language model(abstract)；分类 cs.AI
AI总结 本文提出查询通道框架，将掩码后解释建模为通信过程，推导解释率与识别容量之间的信息论极限，并证明稀疏最大似然解码器可实现可靠恢复。
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