← Reading List
📰 技术速递

LLM推理优化 · 模型加速 · 系统级AI研究(2026-06-16)

Tech多源前沿

📰 2026-06-16 · 每日技术速递

今日精选 6 篇深度技术文章,覆盖 cs.AR / cs.LG / cs.CL。


1. Efficient On-Device Diffusion LLM Inference with Mobile NPU

来源:cs.LG
链接:https://arxiv.org/abs/2606.13740
标签:LLM · 推理优化 · NPU · 扩散模型

2606.13740v1

核心要点:

  • 详见原文
  • 详见原文
  • 详见原文

2. Natively Unlearnable Large Language Models

来源:cs.LG
链接:https://arxiv.org/abs/2606.13873
标签:LLM · 训练加速

2606.13873v1

核心要点:

  • 详见原文
  • 详见原文
  • 详见原文

3. Can Post-Training Turn LLMs into Good Medical Coders? An Empirical Study of Generative ICD Coding

来源:cs.CL
链接:https://arxiv.org/abs/2606.13940
标签:LLM · 推理优化 · 训练加速

2606.13940v1

核心要点:

  • 详见原文
  • 详见原文
  • 详见原文

4. Decoupled Mixture-of-Experts for Parametric Knowledge Injection

来源:cs.CL
链接:https://arxiv.org/abs/2606.14243
标签:LLM · 训练加速

2606.14243v1

核心要点:

  • 详见原文
  • 详见原文
  • 详见原文

5. A Fast Locality Simulator for GEMM Design-Space Exploration on Multi-Chiplet GPUs

来源:cs.AR
链接:https://arxiv.org/abs/2606.11716
标签:LLM · GPU · 算子优化 · 内存优化

2606.11716v2

核心要点:

  • 详见原文
  • 详见原文
  • 详见原文

6. The Culture Funnel: You Can’t Align What isn’t in the Data

来源:cs.CL
链接:https://arxiv.org/abs/2606.13808
标签:LLM · 推理优化 · 微调 · 训练加速

2606.13808v1

核心要点:

  • 详见原文
  • 详见原文
  • 详见原文

📊 今日速览

# 标题摘要 来源 方向
1 Efficient On-Device Diffusion LLM Infere cs.LG LLM/推理/系统
2 Natively Unlearnable Large Language Mode cs.LG LLM/推理/系统
3 Can Post-Training Turn LLMs into Good Me cs.CL LLM/推理/系统
4 Decoupled Mixture-of-Experts for Paramet cs.CL LLM/推理/系统
5 A Fast Locality Simulator for GEMM Desig cs.AR LLM/推理/系统
6 The Culture Funnel: You Can’t Align What cs.CL LLM/推理/系统

自动生成 · 2026-06-16 · jeffinchen daily tech reading list

评论