CVPR 2026思路很新：EVIS把视频分成事件再分割
视频里常常不止一个事件，硬把它们当成“一锅粥”来分割，模型就容易看花眼。EVIS干脆先把视频拆成简单事件，再一段一段对齐文本，思路挺顺手。
标签：大语言模型
共 340 篇
从3%到91%：Aalto让LLM学会修系统模型
这篇论文不跟语法错误死磕，而是专门盯住“看起来没毛病、其实物理上不对劲”的语义Bug。Aalto University用知识图谱给小模型喂规则，还让它输出补丁而不是整段重写，工程师看一眼就能决定要不要采纳。
IWSLT 2026实战：30秒切分稳住长语音
这篇是 IWSLT 2026 指令跟随赛道的实战型提交，重点不在“花活”，而在“怎么把长语音稳稳切开、别让模型开始胡说八道”。固定 30 秒切分拿到最优 HIFS，幻觉还主要是重复插入，结论很接地气。
GPT-5.4领跑SEUS：代码模型也怕版本变化
这篇论文专治“代码模型只会背最新版 API”的毛病。LibEvoBench把版本演化这件事摊开来测，结果很直接：文档一给就明显涨分，版本一说基本白搭，挺适合做代码大模型能力体检。😊
一张嵌入管两用：推荐提升1.88%还可解释
这篇论文很实在：不跟你玩虚的，直接把金融网站的点击流拆成“可预测的嵌入”和“人能看懂的意图标签”。更妙的是，LLM 负责起名，小模型负责上生产，速度和效果都没掉链子。
Capital One新招：点击流蒸馏成意图，提升1.88%
金融推荐最难的地方，不是“看见了什么”，而是“没登录时到底想干啥”。这篇论文把点击流拆成可用的向量和可读的意图标签，既能提效果，又能撑解释，挺适合落地。
CORTEX来了：3D胸部CT推理首次变成可验证结构
这篇工作最有意思的地方，不是又做了一个医疗问答集，而是把“医生怎么想”这件事拆成了能检查、能打分、能复核的结构。对3D胸部CT来说，这比只看最终答案靠谱多了。
英特尔CAT-Q来了：512样本把大模型压成1.58位
CAT-Q把“训练到位才能三元化”的老路，改成了更省钱的后训练方案。512个校准样本，就想把1.58位大模型做得又稳又准，思路很硬。
ACL 2026新法：摘要模型被投毒后还能恢复？
这篇论文很实用，专治“摘要模型表面正常、背后作妖”。白盒能顺藤摸瓜找出毒样本，黑盒还能只靠模型行为做审计，最后连被污染的摘要习惯都能拉回来，属于防御论文里少见的“检测+修复”双保险。
ICML 2026新发现：RL工具调用竟能压到一个神经元？
这篇论文把“RL到底把工具调用能力藏在哪儿”这件事，直接追到跨编码器里的单个特征上了。更有意思的是，它不仅能定位，还能在推理时把能力拧出来，甚至让基础模型也跟着“蹭到一点”。
阿里开源百万级SAE：Qwen3黑箱被拆开了？
这篇论文最有意思的地方，不是“又训练了一个SAE”，而是把Qwen3的内部表示拆成了能看、能评、还能直接干预的特征字典。更妙的是，它不只讲“重构得像不像”，还真的拿拒答行为做了因果干预，实用味很足。
清华协和新模型RaDaR：32B也能做罕见病诊断
罕见病最怕的不是治不了，而是来得太晚。RaDaR把自由文本、合成数据和推理增强揉成一套开源方案，还做了随机医生辅助试验，终于不是“纸上谈兵”的医疗大模型了。
