低资源非洲语言中大型语言模型的对抗测试:约鲁巴语与尼日利亚皮钦语案例研究
研究评估了6个LLM在约鲁巴语和尼日利亚皮钦语上的安全性,使用400条对抗性提示。多数模型拒绝率达0%并非更安全,而是因语言理解失败。 GPT-4o Mini在约鲁巴语上的跨语言安全差距最大(+0.23)。
研究评估了6个LLM在约鲁巴语和尼日利亚皮钦语上的安全性,使用400条对抗性提示。多数模型拒绝率达0%并非更安全,而是因语言理解失败。 GPT-4o Mini在约鲁巴语上的跨语言安全差距最大(+0.23)。
Raincheck 提出延迟多模态预填充框架,在生成期间利用空闲算力预填充被剪枝 token,解决长多模态输入导致的 TTFT 增加问题。该框架结合注意力可见性控制与仿射状态映射,使 Qwen3-VL-8B 和 Qwen3.5-9B 在多轮对话中恢复平均 77.7% 的 MultiVerse 任务质量,且首轮 TTFT 降低 24.1%。
发布 Unlimited OCR 2 文档解析模型,通过 Sparse Reference Sliding Window Attention 将计算成本固定,支持近乎无限长的文档解析。
提出多模态强化学习框架 EVAN,通过构建“证据消融负样本”抑制语言先验捷径,改善多模态推理。 EVAN 利用图像信息增益识别高视觉依赖样本,掩码关键图像 patch 生成视觉未接地但合理的负样本,并在策略优化中将其作为有界辅助信号。 实验在多项多模态推理基准上超越强 RLVR 基线,缓解模态不平衡,代码已开源。
研究团队提出HEAR框架,评估7款闭源及开源权重LALM对疼痛信息的声学感知能力。 在仅含语音疼痛暗示的Harvard句子上,所有模型表现仅达随机水平,即使使用同一说话人参考或少样本示例,平衡准确率提升也不超过6分;而在带有口头评分的语境中,模型平衡准确率可达87.5%-99.7%。
研究提出关系可识别性假设,认为共享世界中的关系可通过排除备选对应促进实体对齐。实验显示在双语言Transformer中,减法使零在任务层面可识别,诱发选择性对齐,而顺序敏感操作产生广泛对齐。 这些模式预测了零样本跨语言迁移的成功,表明关系结构有助于实体对齐并实现迁移。
研究对比了13个决策模型与15种生成式LLM配置,在1,273道MedQA四选一题目中测试表现。 决策模型准确率在67.71%至89.08%之间,生成式配置达78.32%至96.86%;Mercury Decide单次成本最低(每千题0.0069美元),Clef Omni中位请求时长最短(0.291秒)。 决策模型在资源效率上占优但峰值准确率较低,模型选择需综合考量概率质量、重复性及纠错资源需求。
研究提出冻结LLM探测框架MCRP,通过匹配条件探测生成文本,提升对意义保留型修订的鲁棒性。 在重写、润色和扩写场景下,MCRP达到93.97% F1和96.24% ROC-AUC,比最强基线高19.50和25.77个百分点。 方法保持探测LLM冻结并训练轻量随机森林分类器,消融实验证明响应特征组贡献互补。
研究者基于 MahaSum 语料库构建跨语言训练数据,结合 PMIndiaSum 数据集微调 IndicTrans2 模型,实现 Marathi 到 English 的摘要生成。 模型在 ROUGE、chrF 等指标上显著优于 IndicBART 和 mBART-50 基线,实验证实预训练翻译模型能有效提升跨语言摘要性能。
发布 3DCodeEdit 基准,包含 108 个 Blender 程序和 2592 个指令引导的编辑任务。 17 个模型平均成功率仅 37%,即使最强模型结构编辑成功率也低于 60%。 研究证实分离评审模型的多轮反馈效果最优,可使 27B 模型单轮成功率超越 2.8T 模型。
研究提出组件反转翻译方法,固定行为与译文数量,独立分配英、中、西语言以评估9种配置。在Gemini 2.5 Flash和DeepSeek上,拒绝率互换效应未通过Holm校正;Mistral Small 4显示13.7点的西班牙语互换效应,且通过敏感性校正。 该评估框架强调记录组件语言与译文数量,将拒绝与不安全顺从分开解读,为多语言安全测试提供额外维度。
NVIDIA 发布 Nemotron 3.5 Super 和 Nemotron 3.5 Lightning,两款开源高效的混合 Mamba-Transformer 专家模型。Super 是 120B 参数、12B 激活的多模态模型,在 SWE-bench Pro 上得分 51.78%,Lightning 是 30B 参数、3B 激活的文本模型。
针对在线西班牙语L2课堂,使用LoRA在人工校正的领域数据上适配开源ASR模型MOSS-Transcribe-Diarize和Whisper large-v3。
论文提出一种多模态Transformer框架,通过将金融表格转化为语义增强token序列,并结合交叉注意力机制处理长文本,实现跨模态依赖捕捉。 该框架利用变量的文本定义生成语义嵌入,增强了对数值大小和经济意义的编码,相比仅值嵌入更具表达力且参数效率更高。基于财务报表数据集实验表明,结构化数值特征是主要预测信号,而文本信息通过交叉注意力能带来一致的增量收益。
研究发现指令暴露量决定 LLM 中类比修辞方向的激活能力,Qwen-2.5 基础模型已具备部分可访问性,而 Gemma-2 表现惰性。 通过残差流提取的“类比向量”在 Gemma-2-9B-IT 上使和谐均值从 3.22 提升至 3.94,Qwen 基础与指令模型向量余弦相似度高达 0.94-0.97,验证了行为可及性的连续梯度。
NVIDIA Nemotron 3.5 Super VL 已在 AWS 上线,该 120B 参数的多模态 MoE 模型支持文本、图像、文档和视频理解,并融合了推理与工具使用能力。
Mistral 发布 1 万亿参数多模态模型 Mistral Large 4,现已开放权重并强调编码与防御网络安全能力。
同一新闻,精选展示《Mistral Large 4 (Le Chonk) 上线 Hugging Face:多模态 MoE 开放权重模型》
Mistral Large 4(代号 Le Chonk)是一款由 Mistral 发布的 1T 总参、49B 激活参的多模态 MoE 开放权重模型,支持 1M 上下文窗口,并已在 Hugging Face 开源部署。
推荐理由:Mistral Large 4 侧重网络安全与多模态编码能力,Hugging Face 给出了具体推理部署细节与微调路径。
Granite Switch 4.1.1 作为补丁版本发布,与 4.1 完全向后兼容,无需迁移。 该版本更新了支持 10 种语言、自动添加标点的大小写的 Granite Speech ASR 模型,并优化了 granitelib-core 中 Decision adapter 在 Jev Decision Index 测试集上的表现,基础模型未做重算。
NVIDIA 在 Hugging Face 与 ModelScope 开源 Nemotron 3.5 Transcribe 模型及 Granary v2 数据处理管线,将多语言语音转录、说话人归属与音频问答功能整合在同一权重中。
推荐理由:模型集成转录、说话人归属与音频问答,配套开源数据管线,读者可据此判断如何将其适配到特定领域场景。
讯飞输入法 16.0 正式发布,推出第三代“意图成稿”AI 键盘功能。 该版本支持结合用户提供的信息自动整理汇报或计划,并具备“恋爱军师”等场景技能。 官方定位为专属表达伙伴,旨在帮助用户更高效地完成复杂信息输入。
研究利用包含 39,941 张图像的深度学习目标检测框架,识别大象、穿山虎和老虎制品。 最佳模型采用 Faster R-CNN 架构,综合准确率达 84.2%,其中穿山虎制品检测准确率最高为 93.6%。 部署的智能手机原型应用在独立测试集上达到 91.3% 准确率,支持实时监测与快速分诊。
研究采用薄膜铌酸锂马赫-曾德尔调制器作为模拟计算单元,在Vision Transformers和GPT-2上接近数字基线性能。 实验在10 GBaud符号率下表征电光响应,并在4-bit输入输出量化条件下验证模型鲁棒性。分析显示整体延迟比现有电子及光子Softmax实现降低一个数量级以上。
零样本多模态框架在130个足球事件测试集上实现72.0%的F1@5s,超越CALF和NetVLAD++。 通过紧凑的视觉故事板和语音转录将推理成本降低72%,支持高光生成与视频索引。 研究已被ISM 2026主会议接收。
该研究实证比较了 Attention、卷积及 Mamba 架构的视觉基础模型在 Visual Prompting (VP)、Linear Probing (LP)、Full Fine-tuning (FFT) 及 LoRA 下的性能。
PDRVLA 提出轻量级物理动力学模块,直接从视觉-语言特征提取物理 token 条件化动作生成,避免在线视频生成带来的高延迟。 该模块通过直接预测未来 RGB、深度和光流特征学习,并采用冻结预训练视频世界模型辅助监督;训练使用公开数据及人形到机器人合成等技术。 在 LIBERO 等四个仿真基准上成功率最高达 99.3%,消融实验验证了世界模型监督对未来预测及动作成功的提升作用。
研究者提出 ShredBench 基准,通过 Markdown 自动管线生成碎片化文档,以测试多模态大语言模型在视觉丰富文档理解中的语义推理能力。 该基准覆盖英语、中文、代码、表格四种场景,包含 8、12、16 碎片三种细粒度。对最先进模型的评测显示,文档碎片化后 NED 指标急剧下降。 研究发现当前模型缺乏跨模态细粒度推理能力,无法有效桥接视觉不连续性。
研究利用 CONUS 和印度北部田块数据,构建了涵盖几何可分性、时间动态及跨域泛化的评估框架,基准测试了 64 维 AlphaEarth 嵌入。 AlphaEarth 嵌入在光谱相似作物(如玉米/大豆)上的 Bhattacharyya 距离达 3.9,多轮作物轮作可分性比率为 1.784,均显著优于传统特征。
新框架利用共享的生物画像将神经元路由至潜在组,支持无需重训练即可向未见动物迁移。 该框架在斑马鱼幼鱼全脑钙成像及小鼠视觉皮层大规模电生理学数据上取得最先进水平,显著提升了行为解码和流形分析性能。 结果表明,按多模态生物特征组织神经群体是推广跨主体动态的有效途径。
研究人员提出 SMEBench,一个包含 3600 个样本的神经音乐编辑基准,涵盖 12 种 MIDI 操作并配备配对目标音频。 该基准支持独立评估源保持、目标一致性及文本兼容性,并展示了 6 个代表性编辑系统的表现。
TOFU 提出了一种基于 token 的知识图谱基础模型,通过离散化结构、视觉和文本信息为模态特异性 token,实现了在 17 个多模态知识图谱上的强泛化性能。 该模型采用层级融合架构和混合消息机制处理多模态 token,在 transductive、inductive 和 fully-inductive 设置下均优于现有的知识图谱基础模型和多模态知识图谱推理基线。
提出 AZeroS 模型,基于 Qwen2.5-7B-Instruct,通过自生成无指令调优(SIFT)范式扩展 LLM 至语音领域,无需收集任务特定问答对。 利用约 25,000 小时带 ASR 转录的语音和 3,000 小时带副语言标签的语音进行训练,仅更新两个 23.80M 参数的轻量投影模块,保持 LLM 和音频编码器冻结。
研究揭示了多模态大语言模型在视觉证据不足时的拒绝行为由指令、后训练和内部激活共同塑造。 指令的含义和位置对拒绝率影响显著,且存在模型特定的样本级变化;后训练会增加拒绝率,但可能诱发“拒绝语言+尝试回答”的混合响应。 发现激活干预能产生跨提示条件可迁移的小幅变化,提示需将证据识别与模型固有的拒绝倾向解耦。
EmbeddingGemma 2 是一个开源的多模态嵌入模型,能在统一空间中表示文本、图像、音频和视频。该模型在多种嵌入基准测试中优于专业模型及体积大两到十二倍的模型,支持选择性加载模态编码器、调整视觉 token 预算及量化权重,模型已在 HuggingFace 和 LiteRT 上发布。
推荐理由:新模型在基准测试中展现出跨模态优势,其可裁剪架构为资源受限场景的部署提供了参考。
针对多模态假新闻检测中稀疏冲突捕捉不足的问题,提出多级一致性与冲突解耦(MLCCD)方法。 该方法利用多模态大语言模型(MLLM)不同层级的表征,通过筛选相关token并解耦各层新增知识,分别聚合一致性与冲突证据。 在三个基准测试上,MLCCD的表现优于现有方法。
PRISM-BENCH 基准涵盖 1000 个专家精选问题,感知探针显示前沿模型约 85% 的失败源于感知错误。 涵盖 25 个系统(含 GPT-5 和 Claude Opus 4.6),最佳准确率 66.0%,较人类基线低 18.4 分。 CORE 指标在效率感知下重新排序 24.2% 的模型对,且与响应长度无关。
该研究提出 Live-OPSD 在线策略自蒸馏方法,利用特权提示监督模型在流式上下文中的自身输出分布,以优化响应时机与内容。在 Qwen3-Omni-30B-A3B 上,该方法在 LiveProBench 获得 59.64 分,比最强 SFT 基线高 5.26 分。
研究揭示统一多模态模型中跨模态导向向量的存在及其零样本迁移能力。 导向向量可在文本与图像模态间双向零样本迁移以控制情感、物体大小等概念,甚至对模态特有概念产生一致可解释效应。 这些发现阐明了视觉与语言在模型内部的交互机制,为模态无关的行为控制方法提供方向。
TDLM 提出时间自条件机制,允许未解决位置关注自身隐藏表示历史,复用已执行的计算。 在 LLaDA 上,时间模块仅增加约 0.84% 可训练参数;在 LLaDA 和 Dream 上,生成速度最高快 7.15 倍,答案质量具有竞争力。
BrailleBench 基准包含 259 张真实世界一级和二级盲文图像,通用视觉语言模型直接转写表现差,而工具辅助系统表现更好。 基于 2B VLM 在合成盲文数据上训练后,在一级盲文上达到 87% 精确匹配,在二级盲文上达到 61% 精确匹配,优于独立运行的 VLM。 结果表明合成数据监督可改进真实场景下的盲文转写,但在合成验证集上高达 96% 准确率并不保证在真实照片上表现良好。