语言大模型 / LLM

Multi-channel Optical Vision Model

多通道光学视觉模型

Ali Momeni, Guillaume Noetinger, Tim Tuuva, Romain Fleury

专题命中 效率与部署 ：language model(abstract)

AI总结 本文利用光学神经网络中的空间复用，将通道作为可训练表示坐标，通过在线物理前向/代理反向训练，在图像分类和回归任务中实现多通道功能，并构建了混合光电视觉语言模型。

Comments 24 pages, 4 figures

ALETHEIA: Autonomous Loop for Experimental Theory and HEP Inference Across-data

ALETHEIA：用于跨数据实验理论与高能物理推断的自主循环

Vincent Alexander Croft

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

AI总结 提出ALETHEIA自主循环工具，通过主动学习构建排列不变的事件表示，用于SMEFT系数估计和算子扩展，实现表示完成与物理扩展的分离。

MosaicIMU: Composing Carrier Experts for Generalizable Neural Inertial Odometry

MosaicIMU：面向可泛化神经惯性里程计的载体专家组合

Junye Zou, Huiyi Yan, Xinning Xu, Xiaolei Li, Pengkun Zhou, Jinhui Zhang, Ziyang Meng

机构 * Tsinghua University（清华大学） ； Xi'an Jiaotong University（西安交通大学） ； Beijing University of Chemical Technology（北京化工大学） ； Beijing Information Science and Technology University（北京信息科技大学） ； Beijing Institute of Technology（北京理工大学） 纠错

专题命中 效率与部署 ：pretraining(abstract)

AI总结 提出MosaicIMU框架，通过原型路由组合载体特定专家特征，结合历史感知EKF，实现跨载体泛化；冻结预训练模型并学习轻量专家残差分支适应新领域，边缘部署时利用路由器选择在线样本高效增量更新，平均ATE和RTE-10s分别降低40%和34%。

Parameter-Efficient Continual Learning for Automatic Speech Recognition

参数高效持续学习用于自动语音识别

Steven Vander Eeckt, Hugo Van hamme

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

AI总结 提出一种基于奇异值分解的头部-尾部子空间划分方法，在低能量尾部子空间进行近似旋转适应，结合权重平均减少遗忘，实现参数高效的持续学习ASR。

Comments Accepted at Interspeech 2026

Learnable Token Sparsification for Efficient Gigapixel Whole Slide Image Reasoning

可学习的令牌稀疏化用于高效十亿像素全切片图像推理

Jingzhi Chen, Landi He, Zhuo Chen, Shawn Young, Lijian Xu

机构 * Shenzhen University of Advanced Technology（深圳先进技术大学） 纠错

专题命中 效率与部署 ：language model(abstract)

AI总结 针对视觉语言模型中全切片图像令牌过多的问题，提出可学习的稀疏化方法，通过SparseLearn组件和可微分的Soft Top-K算子实现训练，推理时仅保留32个令牌，在SlideBench上达到73.32%准确率。

Aqua Boundary-Saliency Attention Module for Lightweight Underwater Salient Instance Segmentation Detection Transformer

Aqua边界显著性注意力模块：用于轻量级水下显著实例分割检测Transformer

M. Fazri Nizar, Julian Supardi, Muhammad Naufal Rachmatullah

机构 * Universitas Sriwijaya（斯里维贾亚大学） 纠错

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

AI总结 提出轻量级水下显著实例分割检测Transformer（LUSIS-DETR），通过Aqua边界显著性注意力模块嵌入水下先验线索，在四个数据集上达到领先性能，并在NVIDIA T4 GPU上实现4.31-6.34毫秒延迟。

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

ANNS-AMP: Accelerating Approximate Nearest Neighbor Search via Adaptive Mixed-Precision Computing

ANNS-AMP：通过自适应混合精度计算加速近似最近邻搜索

Mingkai Chen, Cheng Liu, Shengwen Liang, Lei Zhang, Xiaowei Li, Huawei Li

专题命中 效率与部署 ：LLM(abstract)

AI总结 提出自适应混合精度框架ANNS-AMP，利用PQ索引的聚类结构预测精度，设计位串行加速器，在保持精度损失低于2.7%时实现平均163.76倍性能提升和1100倍能耗降低。

When CLIP Sees More, It Fights Back Harder: Multi-View Guided Adaptive Counterattacks for Test-Time Adversarial Robustness

当CLIP看得更多，它反击得更猛烈：多视图引导的自适应对抗攻击用于测试时对抗鲁棒性

Sunoh Kim, Daeho Um

机构 * Dankook University（Dankook 大学） ； University of Seoul（首尔大学） ； Yongin, South Korea（韩国 Yongin） ； Seoul, South Korea（首尔, 韩国） 纠错

专题命中 效率与部署 ：language model(abstract)

AI总结 提出多视图引导的自适应对抗攻击（MAC），通过构建输入图像的增强视图、执行对抗攻击精炼嵌入、自适应调整攻击强度并聚合视图，显著提升CLIP在测试时的对抗鲁棒性。

Comments Accepted in CVPR2026

Distilling first-principles accuracy into compact machine learning potentials for condensed-phase chemistry

将第一性原理精度蒸馏为凝聚相化学的紧凑机器学习势

Sijia Chen, Niamh O'Neill, Benjamin X. Shi, Venkat Kapil

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

AI总结 通过迁移学习和知识蒸馏，将大型教师模型的精度压缩到紧凑学生模型中，使高精度采样在凝聚相化学中实用，并在冰、液态水和TiO2/水界面三个问题上验证了其可靠性。