Carnegie Mellon University（卡内基梅隆大学）

Everybody Prune Now: Structured Pruning of LLMs with only Forward Passes

人人都现在剪枝：仅前向传递的LLM结构剪枝

Steven Kolawole, Lucio Dery, Jean-François Kagy, Virginia Smith, Graham Neubig, Ameet Talwalkar

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Google Research（谷歌研究） 纠错

AI总结 Bonsai通过仅前向传递的扰动剪枝方法，实现了无需反向传播的高效结构化剪枝，显著降低内存和计算成本，同时提升模型压缩效率和性能。

Comments 19 pages, 6 fiigures, 16 tables

Airflow Source Seeking on Small Quadrotors Using a Single Flow Sensor

利用单个流传感器的小型四旋翼无人机进行空气流动源寻找

Lenworth Thomas, Tjaden Bridges, Sarah Bergbreiter

机构 * Mechanical Engineering, Carnegie Mellon University（机械工程系，卡内基梅隆大学） 纠错

AI总结 本文提出利用单个流传感器的小型四旋翼无人机进行空气流动源寻找，通过改进的'Cast and Surge'算法实现可靠源定位。

FUGC: Benchmarking Semi-Supervised Learning Methods for Cervical Segmentation

FUGC：用于宫颈分割的半监督学习方法基准测试

Jieyun Bai, Yitong Tang, Zihao Zhou, Mahdi Islam, Musarrat Tabassum, Enrique Almar-Munoz, Hongyu Liu, Hui Meng, Nianjiang Lv, Bo Deng, Yu Chen, Zilun Peng, Yusong Xiao, Li Xiao, Nam-Khanh Tran, Dac-Phu Phan-Le, Hai-Dang Nguyen, Xiao Liu, Jiale Hu, Mingxu Huang, Jitao Liang, Chaolu Feng, Xuezhi Zhang, Lyuyang Tong, Bo Du, Ha-Hieu Pham, Thanh-Huy Nguyen, Min Xu, Juntao Jiang, Jiangning Zhang, Yong Liu, Md. Kamrul Hasan, Jie Gan, Zhuonan Liang, Weidong Cai, Yuxin Huang, Gongning Luo, Mohammad Yaqub, Karim Lekadir

机构 * Department of Cardiovascular Surgery, The First Affiliated Hospital, Jinan University（心血管外科部，济南大学第一附属医院） ； Imperial College London（帝国理工学院伦敦分校） ； University of Sydney（悉尼大学） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； Zhejiang University（浙江大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Medical University of Innsbruck（因斯布鲁克医科大学） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

AI总结 FUGC通过提供首个宫颈分割半监督学习基准测试，展示了在少量标记数据下半监督方法的有效性，并为早产风险评估提供了AI辅助的基础。

TDFlow: Agentic Workflows for Test Driven Development

TDFlow: 为测试驱动开发设计的代理工作流

Kevin Han, Siddharth Maddikayala, Tim Knappe, Om Patel, Austen Liao, Amir Barati Farimani

机构 * Carnegie Mellon University（卡内基梅隆大学） ； UC San Diego（南加州大学） ； Johns Hopkins University（约翰霍普金斯大学） 纠错

AI总结 TDFlow通过测试驱动的工作流实现人类水平的测试解析，提升软件修复性能。

Comments Published in the 19th Conference of the European Chapter of the Association for Computational Linguistics (EACL 2026 Main Conference)

R-KV: Redundancy-aware KV Cache Compression for Reasoning Models

R-KV：面向推理模型的冗余感知KV缓存压缩

Zefan Cai, Wen Xiao, Hanshi Sun, Cheng Luo, Yikai Zhang, Ke Wan, Yucheng Li, Yeyang Zhou, Li-Wen Chang, Jiuxiang Gu, Zhen Dong, Anima Anandkumar, Abedelkadir Asi, Junjie Hu

机构 * University of Wisconsin - Madison（威斯康星大学麦迪逊分校） ； Microsoft（微软） ； Carnegie Mellon University（卡内基梅隆大学） ； California Institute of Technology（加州理工学院） ； University of California - San Diego（加州大学圣地亚哥分校） ； University of Surrey（萨里大学） ； University of California - Berkeley（加州大学伯克利分校） 纠错

AI总结 R-KV通过冗余感知机制实现推理模型KV缓存压缩，以10%的缓存占用率达到接近100%的性能，显著优于现有方法。