标签
本文介绍了面向 CLEF 2026 CheckThat! 任务2 的系统，该系统利用基于 LLM 的推理轨迹排序和分组奖励建模来验证英语和阿拉伯语的数值声明，并比较了微调验证器与轻量级奖励模型。
本文提出，人工智能记忆巩固应跨域重组知识（如同梦境），而非单纯重放经验，并证明跨域巩固在神经（LoRA微调）和符号系统中均能提升性能。
本文提出一种策略，利用LoRA微调、替代文本问答数据集以及多任务目标，将开源口语语言模型适配至新加坡内政团队语境，在新加坡四种官方语言的五项语音任务上实现了具有竞争力的性能。
本文系统评估了时间序列基础模型（TSFMs）在预测野火烟雾导致的极端PM2.5浓度方面的表现，使用了加州12年的数据集。结果表明，像BiLSTM这样完全训练的循环基线模型优于TSFMs，挑战了更大预训练模型主导环境预测的假设。
LayerRoute是一种轻量级适配器，能够根据输入类型在推理过程中选择性跳过Transformer块，通过门控路由和LoRA自适应实现计算节省，同时保持或提升模型质量。在代理语言模型上，它实现了12.91%的跳跃差异。
Warp-as-History 提出了一种新颖的接口，将相机引起的扭曲转换为伪历史表示，使冻结的视频生成模型无需训练或测试时优化即可遵循相机轨迹。在单个视频上进行轻量级 LoRA 微调可进一步提高相机遵从性并泛化到未见过的视频。
TrackCraft3R 改造视频扩散变换器，用于从单目视频进行密集3D追踪。它采用双潜在表示和时间RoPE对齐，以比先前方法快1.3倍的速度和少4.6倍的峰值内存，实现了最先进的性能。
本文提出 CAP-TTA，一个测试时适应框架，利用由偏差风险分数触发的预调节 LoRA 更新，在叙述生成过程中缓解大语言模型的毒性和偏差问题，实现更快的优化和相比标准基线更好的流畅性。
LiconStudio 发布了一个针对 LTX-2.3 的 LoRA 适配器，该适配器在 VBVR 数据集上进行了微调，以增强视频生成能力，改善提示理解、运动动态和时间一致性，用于复杂的视频推理任务。