University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）

Serving Heterogeneous LoRA Adapters in Distributed LLM Inference Systems

在分布式大语言模型推理系统中服务异构LoRA适配器

Shashwat Jaiswal, Shrikara Arun, Anjaly Parayil, Ankur Mallick, Spyros Mastorakis, Alind Khare, Chloi Alverti, Renee St Amant, Chetan Bansal, Victor Rühle, Josep Torrellas

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Microsoft（微软） ； National Technical University of Athens（雅典国家技术大学） 纠错

AI总结 LoRAServe通过动态适配器放置和路由框架，有效解决异构LoRA适配器在分布式大语言模型推理中的性能偏斜问题，提升吞吐量并降低延迟。

CoFiRec: Coarse-to-Fine Tokenization for Generative Recommendation

CoFiRec: 生成推荐中的粗到细分词

Tianxin Wei, Xuying Ning, Xuxing Chen, Ruizhong Qiu, Yupeng Hou, Yan Xie, Shuang Yang, Zhigang Hua, Jingrui He

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Meta ； University of California San Diego（加州大学圣地亚哥分校） 纠错

AI总结 CoFiRec通过粗到细分词提升生成推荐效果，有效捕捉用户意图演变。

Toward Honest Language Models for Deductive Reasoning

迈向演绎推理中的诚实语言模型

Jiarui Liu, Kaustubh Dhole, Yingheng Wang, Haoyang Wen, Sarah Zhang, Haitao Mao, Gaotang Li, Neeraj Varshney, Jingguo Liu, Xiaoman Pan

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Amazon（亚马逊） ； Emory University（埃默里大学） ； Cornell University（康奈尔大学） ； UIUC（伊利诺伊大学厄巴纳-香槟分校） 纠错

AI总结 本文提出ACNCHOR方法，通过注入真实轨迹防止训练崩溃，提升语言模型在演绎推理中的诚实推理能力。

ShieldAgent: Shielding Agents via Verifiable Safety Policy Reasoning

ShieldAgent: 通过可验证的安全策略推理实现安全代理

Zhaorun Chen, Mintong Kang, Bo Li

机构 * University of Chicago, Chicago IL, USA（芝加哥大学） ； University of Illinois at Urbana-Champaign, Champaign IL, USA（伊利诺伊大学厄巴纳-香槟分校） 纠错

AI总结 ShieldAgent通过逻辑推理实现对代理动作轨迹的安全策略合规性，有效提升代理防护性能。

Toward Diffusible High-Dimensional Latent Spaces: A Frequency Perspective

迈向可扩散的高维潜在空间：从频率视角出发

Bolin Lai, Xudong Wang, Saketh Rambhatla, James M. Rehg, Zsolt Kira, Rohit Girdhar, Ishan Misra

机构 * Meta AI ； Georgia Institute of Technology（佐治亚理工学院） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

AI总结 本文提出FreqWarm方法，通过增加高频潜在信号的早期曝光，提升高维潜在空间的可扩散性，有效改善生成质量。

Comments 11 pages, 7 figures, 4 tables

Cue3D: Quantifying the Role of Image Cues in Single-Image 3D Generation

Cue3D: 量化图像提示在单图像3D生成中的作用

Xiang Li, Zirui Wang, Zixuan Huang, James M. Rehg

机构 * University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

AI总结 Cue3D通过量化图像提示在单图像3D生成中的作用，揭示了形状意义和几何提示的重要性，为开发更稳健的3D生成模型提供指导。

Comments NeurIPS 2025 Highlight; Project page:https://ryanxli.github.io/cue3d/index.html

ResearchArcade: Graph Interface for Academic Tasks

ResearchArcade: 用于学术任务的图界面

Jingjun Xu, Chongshan Lin, Haofei Yu, Tao Feng, Jiaxuan You

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

AI总结 ResearchArcade是一种基于图的学术任务接口，通过统一多源数据和多模态信息，提升机器学习模型在学术研究中的性能与应用范围。