语言大模型 / LLM

FSD-VLN: Fast-Slow Dual-System Modeling for Aerial Long-Horizon Vision-Language Navigation

FSD-VLN：用于空中长距离视觉语言导航的快慢双系统建模

Xueke Zhu, Qingyan Meng, Liutao Yu, Wei Zhang, Zhengyu Ma, Huihui Zhou, Yonghong Tian

机构 * Pengcheng Laboratory（鹏城实验室） ； Shenzhen Institutes of Advanced Technology（中国科学院深圳先进技术研究院） ； Peking University（北京大学） 纠错

专题命中 效率与部署 ：language model(abstract)；分类 cs.AI

AI总结 研究空中长距离视觉语言导航问题，提出FSD-VLN快慢双系统架构，将语义推理与低延迟飞行命令解耦，通过两个异步分支及时间感知自适应优化器实现，实验表明该方法提升导航成功率，减少推理延迟和运行时间。

Closing the Null Space: Guidance-Aware Quantization for Classifier-Free Diffusion

消除零空间：用于无分类器扩散的引导感知量化

Abdullah Al Shafi, Sumaiya Rahim Suma

专题命中 效率与部署 ：post-training(abstract)；分类 cs.LG

AI总结 研究在实际计算预算下部署CFG扩散模型的量化问题，针对现有方法忽略其结构导致的问题，提出引导感知混合精度方法，通过直接校准引导预测等操作防止无条件分支漂移，实现更好量化效果。

Comments 6 pages, 5 figures, 3 tables

Understanding Layer Patching in Model Size Interpolation

理解模型大小插值中的层修补

Sara Kangaslahti, Jonathan Geuter, Nihal V. Nayak, Marco Fumero, Francesco Locatello, David Alvarez-Melis

机构 * Harvard University（哈佛大学） ； Kempner Institute（肯普纳研究所） ； IST Austria（奥地利科学技术研究所） 纠错

专题命中 效率与部署 ：language model(abstract)；分类 cs.LG

AI总结 研究零样本模型大小插值中如何选择学生层，将其转化为优化问题并证明可看作无环图最短路径问题。通过实验揭示修补对插值行为的影响，介绍KLPatch算法，为模型大小插值提供理解与实用指导。

Comments 10 pages, 5 figures

Does Mixture-of-Experts Actually Help Inference on Consumer and Edge Hardware? An Empirical Study

混合专家模型是否真的有助于消费级和边缘硬件上的推理？一项实证研究

Alfarizy Alfarizy, Hung Truong Thanh Nguyen, René Richard, Roozbeh Razavi-Far, Hung Cao

机构 * TSAI Lab, University of New Brunswick, Fredericton, NB, Canada（TSAI实验室，新不伦瑞克大学，弗雷德里克顿，NB，加拿大） ； Analytics Everywhere Lab, University of New Brunswick, Fredericton, NB, Canada（全方位分析实验室，新不伦瑞克大学，弗雷德里克顿，NB，加拿大） 纠错

专题命中 效率与部署 ：language model(abstract)；分类 cs.AI

AI总结 通过实测OLMoE-1B-7B与稠密模型在Apple M2 Pro和Jetson Orin Nano上的性能，发现MoE的活跃参数优势在笔记本电脑上部分实现，在边缘设备上完全丧失，推理成本与总参数而非活跃参数相关。

Comments 18 pages, 7 tables, 4 figures. Submitted to FAIEMA 2026. Code available at https://github.com/Analytics-Everywhere-Lab/edge-moe

DeLS-Spec: Decoupled Long-Short Contexts for Parallel Speculative Drafting

DeLS-Spec：用于并行推测性草稿的解耦长短上下文

Hong-Kai Zheng, Piji Li

机构 * College of Artificial Intelligence, Nanjing University of Aeronautics and Astronautics（南京航空航天大学人工智能学院） ； MIIT Key Laboratory of Pattern Analysis and Machine Intelligence（工业和信息化部模式分析与机器智能重点实验室） ； The Key Laboratory of Brain-Machine Intelligence Technology, Ministry of Education（教育部脑机智能技术重点实验室） 纠错

专题命中 效率与部署 ：LLM(abstract)；分类 cs.CL

AI总结 研究提出DeLS-Spec解耦长短上下文推测性解码方法，将DFlash模型作长上下文专家，引入轻量级本地头作短上下文专家，可独立训练降低成本，推理时结合二者逻辑，实验显示在多基准测试中比DFlash提升加速比和接受长度。

CarbonCLIP: Enhance Carbon Prediction from Satellite Imagery via Integrated Street-View Semantics and Temporal Context Training

CarbonCLIP：通过集成街景语义和时间上下文训练增强卫星图像的碳排放预测

Zeru Yang, Fang-Ying Gong, Steve H. L. Yim, Chau Yuen

机构 * Energy Research Institute at NTU（国立理工学院能源研究所） ； Interdisciplinary Graduate Programme（跨学科研究生项目） ； School of Electrical and Electronic Engineering（电气电子工程学院） ； School of Public Administration and Policy（公共管理与政策学院） ； Asian School of the Environment（亚洲环境学院） ； Center for Climate Change and Environmental Health（气候变化与环境健康中心） 纠错

专题命中 效率与部署 ：pretraining(abstract)；分类 cs.AI

AI总结 针对城市碳排放预测难题，CarbonCLIP提出多模态蒸馏框架，通过双分支对比学习，利用街景语义和时间上下文训练增强卫星图像碳排放预测，实验证明该方法优于基线，为卫星碳建模提供有力支持。

Comments Accepted by IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing. 21 pages, 6 figures, 9 tables

Quantize the Target, Quantize the Drafter: Efficient Inference with Qwen3.5-4B

量化目标，量化草稿生成器：使用Qwen3.5 - 4B进行高效推理

Jaeyeon Kim, Jewon Lee, Bo-Kyeong Kim

机构 * Nota Inc.（Nota公司） 纠错

专题命中 效率与部署 ：LLM(abstract)；分类 cs.LG

AI总结 研究旨在在资源受限的NVIDIA A10G GPU上实现Qwen3.5 - 4B的低延迟服务。核心方法是结合量化目标模型与推测性解码，通过量化感知蒸馏恢复精度，训练专用草稿生成器加速解码，还用量化等减少开销。贡献是实现加速并满足质量阈值，排名第三。

Comments All authors contributed equally. Our submission to Efficient Qwen Competition, ICML 2026 Workshop on AdaptFM

When Words Predict Workload

当单词预测工作量时

Anubhab Banerjee

机构 * Nokia Germany（诺基亚德国） 纠错

专题命中 效率与部署 ：LLM(abstract)；分类 cs.CL

AI总结 研究标准分布式语言模型调度器问题，提出CPU端语言资源预测网关，提取文本结构向量并用XGBoost预测器，经实时延迟遥测计算路由阈值，有效降低操作错误路由率，保障边缘VRAM安全。

Comments This work has been submitted to the IEEE for possible publication. Permission from the author must be obtained for all uses

IRIS: An Intelligent Vision-Language System for Ocular Surface Diseases via Topic Tree and Scene-Driven VQA Generation

IRIS：一种通过主题树和场景驱动的VQA生成用于眼表疾病的智能视觉语言系统

Hao Wei, Wenjin Qi, Dasen Dai, Minqing Zhang, Wu Yuan

机构 * The Chinese University of Hong Kong（香港中文大学） ； Westlake University（西湖大学） 纠错

专题命中 效率与部署 ：language model(abstract)；分类 cs.AI

AI总结 针对眼表疾病领域缺乏多模态数据问题，引入IRIS系统。构建IRIS-120K数据集，提出协同数据生成范式，含主题发现树和场景驱动策略，使4B参数VLM性能达最优。

Comments 11 pages, 3 figures

Sangam: Efficiently Serving Diffusion LLMs with the AR Stack

Sangam：使用AR堆栈高效服务扩散语言模型

Nitin Kedia, Saurabh Agarwal, Myungjin Lee, Aditya Akella

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Cisco Research（思科研究） 纠错

专题命中 效率与部署 ：language model(abstract)；分类 cs.LG

AI总结 研究扩散语言模型服务问题，提出Sangam系统，用赤字令牌预算调度器实现摊还无停顿调度，采用混合服务策略缓解预填充资源不足，揭示服务设计空间受预填充-解码干扰等因素影响。

CineMobile: On-Device Image-to-Video Diffusion for Cinematic Camera Motion Generation

CineMobile：用于电影级相机运动生成的设备端图像到视频扩散

Xuyao Huang, Zelai Deng, Xu Wang, Xizhong Xiao, Zhijie Deng

机构 * Shanghai Jiao Tong University（上海交通大学） ； Nankai University（南开大学） ； Transsion（传音） 纠错

专题命中 效率与部署 ：post-training(abstract)；分类 cs.AI

AI总结 针对移动设备图像到视频创作需求，提出CineMobile。采用蒸馏引导剪枝、扩散蒸馏与强化学习优化及混合后训练量化策略，在保持视觉质量的同时大幅加速生成，证明其在移动图像到视频创作中的实用性。

Embodied Operators and Benchmarking: Toward Reusable and Deployable Embodied Intelligence Systems

具身算子与基准测试：迈向可复用和可部署的具身智能系统

Junwu Xiong, Jiaxuan Gao, Wei Chai, Renxing Chen, Yuzhen Li, Yu Guo, Yucheng Guo, Mingxi Luo, Wenyang Ma, Yiyun Mou, Yifei Zhang, Chen Zhou, Yongjian Guo

机构 * JDT ； Tsinghua University（清华大学） ； Tianjin University（天津大学） ； Beihang University（北京航空航天大学） 纠错

专题命中 效率与部署 ：foundation model(abstract)；分类 cs.AI

AI总结 研究具身智能系统中可复用功能模块即具身算子，明确其定义边界、构建分类法，提出多维度基准框架，探讨加速及挑战，为具身智能系统提供基础。

PhenoNEST: A Neuro-Symbolic Framework for Ontology-Aware Multimodal Plant Phenotyping and Trait Discovery

PhenoNEST：用于本体感知多模态植物表型分析和性状发现的神经符号框架

Jayant Ghadge, Soumyashree Kar, Surya S. Durbha

机构 * Centre of Studies in Resources Engineering (CSRE)（资源工程研究中心） ； Indian Institute of Technology Bombay（孟买印度理工学院） 纠错

专题命中 效率与部署 ：language model(abstract)；分类 cs.LG

AI总结 提出构建多模态粒状知识图谱框架，以弥合语义鸿沟，通过蒸馏野外记录提取实体和关系，结合模型与本体对齐，经视觉语言模型生成软图，引入节点连接多模态子图，成功映射野外观察，助力小麦育种。

CoACT: Action-Preserving Observation Compression for Coding Agents

CoACT：用于编码智能体的动作保持观测压缩

Haorui Chen, Yuancheng Zhu, Yitong Zhang, Jia Li

专题命中 效率与部署 ：LLM(abstract)；分类 cs.AI

AI总结 研究编码智能体观测压缩问题，提出基于动作保持的CoACT方法，通过检查智能体下一个动作来筛选压缩候选，训练时用两种奖励过滤并选择候选，实验表明该方法能降成本且保持任务解决有效性。

An Efficient vLLM-Based Inference Pipeline for Unified Audio Understanding and Generation

基于vLLM的高效统一音频理解与生成推理管线

Haoran Wang, Jinchuan Tian, Siddhant Arora, Shinji Watanabe

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

专题命中 效率与部署 ：language model(abstract)；分类 cs.AI

AI总结 提出基于vLLM的推理管线，通过扩展自回归解码支持多流采样和延迟模式解交织，并利用协同调度实现CFG下80%的非CFG吞吐量。

The Rollout Infrastructure Tax in Coding-Agent Reinforcement Learning

编码智能体强化学习中的回滚基础设施开销

Daniel Thi Graviet, Lovre Pesut, Ivan Dagelic, Vedran Jukic, Ivan Burazin

机构 * Daytona 纠错

专题命中 效率与部署 ：post-training(abstract)；分类 cs.LG

AI总结 研究四种执行环境（单容器、托管沙箱、Kubernetes编排容器、云虚拟机）在编码智能体RL中的冷启动延迟和工人工时差异，发现优化执行基础设施可显著提升训练效率。

Comments Preprint. 6 pages, 6 figures, 2 tables. Submitted to ACM SoCC 2026

The Token Not Taken: Sampling, State, and the Stochasticity of AI Agents

未被选取的令牌：采样、状态与AI智能体输出的变异性

Muhammad Zia Hydari, Raja Iqbal

机构 * University of Pittsburgh（匹兹堡大学） ； Ejento.ai 纠错

专题命中 效率与部署 ：foundation model(abstract)；分类 cs.AI

AI总结 本文分析AI智能体系统输出变异性的来源，区分令牌采样的内在随机性与环境、数据等外在因素，并讨论在匹配条件下变异性的可复现性及确定性执行在部署中未必导致相同行为的原因。

MaRS: Robust Out-of-Distribution Detection via Mahalanobis Residual Scoring

MaRS：通过马氏残差评分进行鲁棒的分布外检测

Francesco Di Salvo, Sebastian Doerrich, Christian Ledig

机构 * xAILab Bamberg, University of Bamberg, Germany（班贝格大学 xAILab 班贝格实验室，德国） 纠错

专题命中 效率与部署 ：foundation model(abstract)；分类 cs.LG

AI总结 提出MaRS方法，利用轻量自编码器学习分布内流形，通过马氏距离度量重建残差，实现方差感知的分布外检测，在多种医学影像模态和分布偏移下优于现有基线。

Comments Accepted to MICCAI 2026

Risk-Aware Selective Multimodal Driver Monitoring with Driver-State World Modeling

风险感知的选择性多模态驾驶员监控与驾驶员状态世界建模

Daosheng Qiu, Haozhuang Chi, Hao Su, Shu Long, Xinyue Miao, Yongle Dong, Wei Zhang

机构 * Hubei University（湖北大学） ； Nanyang Technological University（南洋理工大学） ； Osaka University（大阪大学） 纠错

专题命中 效率与部署 ：language model(abstract)；分类 cs.AI

AI总结 提出成本感知的选择性推理框架，结合轻量级RGB-生理学生网络和门控机制，在低延迟下减少不安全决策，实现可部署的多模态驾驶员监控。

OPID: On-Policy Skill Distillation for Agentic Reinforcement Learning

OPID: 面向智能体强化学习的在策略技能蒸馏

Shuo Yang, Jinyang Wu, Zhengxi Lu, Yuhao Shen, Fan Zhang, Lang Feng, Shuai Zhang, Haoran Luo, Zheng Lian, Zhengqi Wen, Jianhua Tao

机构 * Tsinghua University（清华大学） ； Zhejiang University（浙江大学） ； The Chinese University of Hong Kong（香港中文大学） ； Nanyang Technological University（南洋理工大学） ； Tongji University（同济大学） 纠错

专题命中 效率与部署 ：language agent(abstract)；分类 cs.CL

AI总结 提出OPID框架，通过从在策略轨迹中提取层级技能（回合级和步骤级）提供密集标记级监督，结合结果优势进行策略优化，提升智能体性能、样本效率和鲁棒性。

Otter Weather: Skillful and Computationally Efficient Medium-Range Weather Forecasting

Otter Weather：熟练且计算高效的中期天气预报

Cristiana Diaconu, Jonas Scholz, Aliaksandra Shysheya, Stratis Markou, Payel Mukhopadhyay, Miles Cranmer, Richard E. Turner

机构 * University of Cambridge（剑桥大学） 纠错

专题命中 效率与部署 ：foundation model(abstract)；分类 cs.LG

AI总结 提出Otter Weather模型，通过高效时空预测架构在1.5°分辨率ERA5数据上以极低训练成本超越传统数值天气预报和前沿AI模型，实现技能-计算帕累托前沿的显著推进。

Learning Action Priors for Cross-embodiment Robot Manipulation

跨具身机器人操作的动作先验学习

Dong Jing, Tianqi Zhang, Jiaqi Liu, Jinman Zhao, Zelong Sun, Li Erran Li, Zhiwu Lu, Mingyu Ding

机构 * Renmin University of China（中国人民大学） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； University of Toronto（多伦多大学） ； Amazon（亚马逊） 纠错

专题命中 效率与部署 ：language model(abstract)；分类 cs.AI

AI总结 提出两阶段训练框架，先通过流匹配预训练动作模块学习跨具身时间运动结构，再迁移至VLA训练，提升数据效率与任务成功率。

Edges Before Embeddings: A Confidence-Aware Blur Gate for Vision-Language Pipelines

边缘先于嵌入：面向视觉语言管线的置信感知模糊门控

Duy Tran Thanh

机构 * OneMount Group（OneMount集团） 纠错

专题命中 效率与部署 ：language model(abstract)；分类 cs.AI

AI总结 提出MagikaDocumentFromPixel轻量级图像质量门控，通过边缘先验模块和置信感知路由，在7ms内分类图像清晰度，F1达0.9803。

Comments 7 pages, 2 figures, 6 tables. Preprint

Causal-rCM: A Unified Teacher-Forcing and Self-Forcing Open Recipe for Autoregressive Diffusion Distillation in Streaming Video Generation and Interactive World Models

Causal-rCM：一种用于流式视频生成和交互式世界模型中自回归扩散蒸馏的统一教师强制与自我强制开放配方

Kaiwen Zheng, Guande He, Min Zhao, Jintao Zhang, Huayu Chen, Jianfei Chen, Chen-Hsuan Lin, Ming-Yu Liu, Jun Zhu, Qianli Ma

机构 * Tsinghua University（清华大学） ； UT Austin（德克萨斯大学奥斯汀分校） ； NVIDIA（英伟达） 纠错

专题命中 效率与部署 ：foundation model(abstract)；分类 cs.LG

AI总结 提出Causal-rCM框架，将扩散蒸馏扩展到自回归视频扩散，通过教师强制（前向散度）与自我强制（反向散度）互补，实现流式视频生成和交互式世界模型，在帧级和块级设置中达到最先进性能。

Comments Technical Report

Efficient Adaptive Data Acquisition via Pretrained Belief Representations

通过预训练信念表示的高效自适应数据获取

Daolang Huang, Zhuoyue Huang, Conor Hassan, Luigi Acerbi, Samuel Kaski, Tom Rainforth

机构 * ELLIS Institute Finland（芬兰ELLIS研究所） ； Department of Computer Science, Aalto University, Finland（芬兰阿尔托大学计算机科学系） ； Department of Computer Science, University of Helsinki, Finland（芬兰赫尔辛基大学计算机科学系） ； Department of Computer Science, University of Manchester, UK（英国曼彻斯特大学计算机科学系） ； Department of Statistics, University of Oxford, UK（英国牛津大学统计系） 纠错

专题命中 效率与部署 ：foundation model(abstract)；分类 cs.LG

AI总结 提出POLAR框架，利用预训练预测模型作为信念状态编码器，解耦表示学习与策略学习，在贝叶斯实验设计、贝叶斯优化和主动学习中实现高效自适应数据获取。

Comments Preprint

Posterior Refinement: Fast Language Generation via Any-Order Flow Maps

后验精炼：通过任意阶流映射实现快速语言生成

Manan Agarwal, Sheel Shah, Chanhyuk Lee, Jaehoon Yoo, Jerry Huang, Seunghoon Hong, Aditi Raghunathan, Jinwoo Kim, Nicholas M. Boffi

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

专题命中 效率与部署 ：language model(abstract)；分类 cs.CL

AI总结 提出FMLM+框架，结合掩码噪声调度实现单步生成，并利用后验评分进行自适应精炼，在32倍更少NFE下达到离散基线性能，改善速度-质量权衡。

Comments 24 pages, 23 figures

Parallel Manifold Steering: Efficient Adaptation of Large Associative Memories via Residual Energy Shaping

并行流形引导：通过残差能量塑形实现大型联想记忆的高效适应

Kanishk Awadhiya

机构 * Independent Researcher（独立研究员） 纠错

专题命中 效率与部署 ：foundation model(abstract)；分类 cs.LG

AI总结 提出H-Res机制，通过残差能量塑形在不改变全局平衡或扩展序列长度的情况下调节Transformer的能量景观，实现高效任务适应，在联想检索任务上比全局权重修改提升26%并消除提示方法的计算开销。

Comments Accepted at ICLR Workshop 2026

Efficient Network Inference via Hardware-Aware Architecture Search, Model Pruning & Quantization

通过硬件感知架构搜索、模型剪枝与量化实现高效网络推理

Lucas Heublein, Mark Deutel, Axel Plinge, Felix Ott

机构 * Fraunhofer Institute for Integrated Circuits IIS（弗劳恩霍夫集成电路研究所） 纠错

专题命中 效率与部署 ：post-training(abstract)；分类 cs.LG

AI总结 针对嵌入式GNSS干扰监测中资源受限与模型性能的矛盾，研究结合迭代结构化剪枝、训练后静态量化和硬件感知零样本神经架构搜索，在MCUNet基础上压缩模型并优化架构，实现实时干扰分类与表征。

Comments 7 pages, 7 figures

Adaptive Recurrent Message Passing for Test Time Computing on Graphs

自适应递归消息传递用于图上的测试时计算

Junshu Sun, Wanxing Chang, Qingming Huang, Shuhui Wang

机构 * State Key Laboratory of AI Safety, Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所人工智能安全国家重点实验室） ； University of Chinese Academy of Sciences（中国科学院大学） ； DAMO Academy, Alibaba Group（阿里巴巴集团达摩院） 纠错

专题命中 效率与部署 ：foundation model(abstract)；分类 cs.LG

AI总结 针对图数据与固定架构不匹配的问题，提出自适应递归图模型AdaR，通过理论推导步依赖作为自适应收敛的充要条件，并利用归一化步信息和梯度监督实现灵活测试时计算，在归纳和直推设置中优于强基线。

Comments Accepted by ICML 2026

Multi-cancer detection using a computationally efficient CNN with transfer learning

使用计算高效的CNN与迁移学习进行多癌症检测

Vasileios E. Papageorgiou, Georgios Petmezas, Dimitrios-Panagiotis Papageorgiou, Leandros Stefanopoulos, Nicos Maglaveras

机构 * School of Medicine, Aristotle University of Thessaloniki（阿利卡大学索拉尔尼基医学院） ； Department of Mathematics, Aristotle University of Thessaloniki（阿利卡大学索拉尔尼基数学系） ； Department of Mathematics, National and Kapodistrian University of Athens（雅典国家与卡波迪斯蒂亚大学数学系） ； Department of Electrical and Computer Engineering, Northwestern University（西北大学电气与计算机工程系） 纠错

专题命中 效率与部署 ：pretraining(abstract)；分类 cs.LG

AI总结 提出一种轻量级CNN架构结合迁移学习，在脑、肺和肾癌数据集上分别达到90.85%、98.64%和99.92%的准确率，计算效率高且适合资源受限环境。

Journal ref Communications in Statistics - Simulation and Computation (2026)