提出Goldfish系列单语模型，针对350种低资源语言，参数为125M，显著优于多语模型在困惑度和语法任务中的表现。

Tyler A. Chang, Catherine Arnett, Zhuowen Tu 等

Anim-Director利用GPT-4驱动多模态模型，实现动画视频的自动化生成与控制。

Yunxin Li, Haoyuan Shi, Baotian Hu 等

ConVerSum利用对比学习在无大规模数据条件下实现跨语言摘要，显著优于现有方法。

Sanzana Karim Lora, M. Sohel Rahman, Rifat Shahriyar

Math-PUMA以692K对齐样本和三阶段训练缩小数学图文推理差距。

Wenwen Zhuang, Xin Huang, Xiantao Zhang 等

提出OpenEP任务与OpenEPBench数据集，结合StkFEP框架进行开放式未来事件预测，利用多角度、多样化结果实现更真实场景模拟。

Yong Guan, Hao Peng, Xiaozhi Wang 等

提出Speculative Diffusion Decoding（SpecDiff），结合离散扩散模型实现语言生成的7.2倍加速。

Jacob K Christopher, Brian R Bartoldson, Tal Ben-Nun 等

SWIFT为大模型微调提供支持，支持550+ LLM和200+ MLLM，集成多种训练技术。

Yuze Zhao, Jintao Huang, Jinghan Hu 等

提出多智能体LLM框架自动生成数据故事，涵盖1494个真实案例。

Mohammed Saidul Islam, Md Tahmid Rahman Laskar, Md Rizwan Parvez 等

ToolSandbox是一种支持状态保持和对话交互的LLM工具使用评估基准，涵盖隐式状态依赖和动态里程碑。

Jiarui Lu, Thomas Holleis, Yizhe Zhang 等

通过微调小模型，提升其在心智理论任务中的表现，达到大模型的46%对齐度。

Nunzio Lore, Sepehr Ilami, Babak Heydari

研究发现多模态大语言模型在GUI环境中易受环境干扰，影响其忠实性。

Xinbei Ma, Yiting Wang, Yao Yao 等

本研究比较GPT-4、Llama 2和Gemini在低资源语言中的零样本性能，发现英语优越。

Md. Arid Hasan, Prerona Tarannum, Krishno Dey 等

通过负注意力分数对齐方法，减少大型语言模型中的负偏差，提升准确率和召回率。

Sangwon Yu, Jongyoon Song, Bongkyu Hwang 等

提出Meta-Reward机制，利用模型自评自我提升，显著改善Llama-3-8B-Instruct在指令遵循和判断能力上的表现。

Tianhao Wu, Weizhe Yuan, Olga Golovneva 等

本研究比较RAG与长上下文LLMs，提出Self-Route实现成本优化，性能接近长上下文模型。

Zhuowan Li, Cheng Li, Mingyang Zhang 等

提出三种方法预测LLMs最优词汇规模，发现大模型需配备更大词汇。

Chaofan Tao, Qian Liu, Longxu Dou 等

提出LMMS-EVAL、LMMS-EVAL LITE与LIVEBENCH，覆盖50+任务，解决多模模型评估中的三难困境。

Kaichen Zhang, Bo Li, Peiyuan Zhang 等

Case2Code任务通过大规模合成数据提升代码生成性能。

Yunfan Shao, Linyang Li, Yichuan Ma 等

NeedleBench框架评估LLM在不同信息密度下的检索与推理能力，揭示模型在信息稠密任务中的不足。

Mo Li, Songyang Zhang, Taolin Zhang 等

论文以MidEast-TE-mini评测图、文及混合LLM预测，发现GPT-4抽取事件达72.6%，文本微调和RAG最有潜力。

He Chang, Chenchen Ye, Zhulin Tao 等