Be My Eyes：通过多智能体协作将大型语言模型扩展到新模态
（arxiv 2025）2511.19417
把MoE整合进LLaVA
（ICLR 2025）《LLaVA-MoD: Making LLaVA Tiny via MoE Knowledge Distillation》 （TMM 2025）《MoE-LLaVA: Mixture of Experts for Large Vision-Language Models》
Do Not Merge My Model！ Safeguarding Open-Source LLMs Against Unauthorized Model Merging
（AAAI 2026） 创新性很强，理论性很强的一篇论文。是不是可以拿个Oral。
非文本的上下文学习
《VECTOR-ICL: IN-CONTEXT LEARNING WITH CONTINUOUS VECTOR REPRESENTATIONS》（ICLR 2025） 《Can LLMs Reason Over Non-Text Modalities in a Training-Free Manner? A Case Study with In-Context Representation Lea
借助主动检索增强缓解大型视觉语言模型的幻觉问题
TOMM，CCF-B类，三区 方法主动触发检索置信度感知 (Confidence-aware)：基于输出token的置信度 。如果置信度低于阈值则触发。实验证明这种方法不稳定 。 图像感知 (Image-aware)：比较模型对“原始图像”和“加噪图像”的回答概率差异 。 问题感知 (Question-aware)：（本文最终采用的方法） “问题感知”详解： 此方法的核心是评估模型在多大程度上
模型后面的层是否无用？
大模型的扩展始终强调深度增加，实证证据表明模型性能随着层数增加而提高——尽管收益递减。早年的深度学习也强调深度比宽度更重要，且深度能提高模型性能。 但是也有不少文章（比如博客之前写过的一些）指出，后面的层会扼杀模型原有的能力。 模型后面的层究竟执行什么样的任务？ 这次进行四篇论文的串读。一篇ICLR2025，一篇NIPS workshop，两篇arxiv。