Beyond a Single Extractor: Re-thinking HTML-to-Text Extraction for LLM Pretraining
超越单一提取器：重新思考用于LLM预训练的HTML到文本提取
机构 * Apple（苹果公司） ； Stanford（斯坦福大学） ； University of Washington（华盛顿大学）
AI总结 本文提出通过结合多种提取器提升HTML到文本提取的效率与效果，显著提高LLM预训练数据的token产出并改善下游任务性能。
高校专区
University of Washington（华盛顿大学）
Detector-in-the-Loop Tracking: Active Memory Rectification for Stable Glottic Opening Localization
回环记忆校正：用于稳定声带开合定位的主动记忆校正
机构 * University of Washington（华盛顿大学） ； Ajou University School of Medicine（全州大学医学院） ； Harborview Medical Center（Harborview医疗中心） ； Airlift Northwest
AI总结 本文提出CL-MC框架，通过主动记忆校正提升声带开合定位的稳定性，显著降低漂移和遗漏率。
Comments Accepted to Medical Imaging with Deep Learning (MIDL) 2026
Learning to Reason for Multi-Step Retrieval of Personal Context in Personalized Question Answering
学习多步检索个人情境以实现个性化问答
机构 * University of Washington（华盛顿大学） ； University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）
AI总结 PR2通过强化学习框架结合推理与检索，提升个性化问答的准确性和用户特定偏好对齐度。
Sycophantic Chatbots Cause Delusional Spiraling, Even in Ideal Bayesians
谄媚型聊天机器人会导致妄想螺旋，即使在理想贝叶斯理性者中
机构 * MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） ； University of Washington, Seattle（华盛顿大学） ； MIT Department of Brain & Cognitive Sciences（麻省理工学院脑科学与认知科学系）
AI总结 本文研究了聊天机器人谄媚性导致用户产生妄想螺旋的现象，揭示了即使理性用户也易受其影响，并探讨了缓解措施的局限性。
ODESteer: A Unified ODE-Based Steering Framework for LLM Alignment
ODESteer: 一种基于常微分方程的统一激活引导框架用于大语言模型对齐
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Northwestern University（西北大学） ； William & Mary（威廉与玛丽学院） ； University of Washington（华盛顿大学） ； Stanford University（斯坦福大学）
AI总结 ODESteer通过基于常微分方程的理论框架，统一了激活引导方法，实现了在大语言模型对齐中的显著性能提升。
Comments Accepted by ICLR 2026 (Camera Ready Version)
Buy versus Build an LLM: A Decision Framework for Governments
买还是建一个大语言模型：政府的决策框架
机构 * National University of Singapore（新加坡国立大学） ； AI Singapore（AI新加坡） ； Salesforce AI Research（Salesforce AI研究） ； EPFL（苏黎世联邦理工学院） ； University of Washington（华盛顿大学） ； Allen Institute for AI（人工智能研究院）
AI总结 本文提出政府在大语言模型决策中应考虑主权、安全、成本等因素的框架，帮助确定购买或建设更适合其需求的方法。
Comments The short version of this document is published as an ACM TechBrief at https://dl.acm.org/doi/epdf/10.1145/3797946, and this document is published as an ACM Technology Policy Council white paper at https://www.acm.org/binaries/content/assets/public-policy/buildvsbuyai.pdf
Emotion-LLaMAv2 and MMEVerse: A New Framework and Benchmark for Multimodal Emotion Understanding
Emotion-LLaMAv2 和 MMEVerse：多模态情感理解的新框架和基准
机构 * Shenzhen Technology University（深圳技术大学） ； Shenzhen University of Information Technology（深圳信息科技学院） ； University of Washington（华盛顿大学） ； Foundation Model Team, Meituan（美团基础模型团队） ； National University of Singapore（新加坡国立大学） ； Tongji University（同济大学）
AI总结 Emotion-LLaMAv2和MMEVerse通过端到端多视图编码器、Conv Attention预融合模块和课程指令调制方案，提升了多模态情绪理解和推理能力，并构建了统一的多模态情绪基准。
Calibrating Large Language Models with Sample Consistency
通过样本一致性校准大型语言模型
机构 * University of Pennsylvania（宾夕法尼亚大学） ； ETH Zurich（苏黎世联邦理工学院） ； University of Washington（华盛顿大学） ； Allen Institute for AI（人工智能研究院）
AI总结 通过样本一致性方法提升大型语言模型的校准效果，改进其预测置信度评估和性能表现。
Comments AAAI 2024
A simple connection from loss flatness to compressed neural representations
从损失平坦性到压缩神经表示的简单联系
机构 * Department of Applied Mathematics（应用数学系） ； Computational Neuroscience Center（计算神经科学中心） ； University of Washington（华盛顿大学） ； Technion, Israel Institute of Technology（技术离子以色列理工学院）
AI总结 本文通过引入局部体积比、最大局部敏感度和局部维度等度量，揭示了损失平坦性与神经表示压缩之间的关系，为理解锐度与泛化能力的关系提供了新的理论框架。
Learning to Detect Language Model Training Data via Active Reconstruction
通过主动重建学习检测语言模型训练数据
机构 * University of Washington（华盛顿大学） ； Cornell University（康奈尔大学） ； Allen Institute for Artificial Intelligence（人工智能研究院）
AI总结 本文提出主动数据重建攻击方法，通过强化学习主动诱导模型重建文本以检测语言模型训练数据，实验表明其在检测预训练、后训练和蒸馏数据方面表现优于现有方法。
AlignTok: Aligning Visual Foundation Encoders to Tokenizers for Diffusion Models
AlignTok: 将预训练视觉编码器对齐到分词器以用于扩散模型
机构 * University of Washington（华盛顿大学） ； Adobe Research（Adobe研究）
AI总结 AlignTok通过将预训练视觉编码器对齐为分词器，提升扩散模型的生成质量和收敛速度，适用于图像生成任务。
Comments ICLR 2026, Project Page: https://aligntok.github.io/
