HiRO-Nav: Hybrid ReasOning Enables Efficient Embodied Navigation
HiRO-Nav：混合推理实现高效具身导航
机构 * Nanyang Technological University（南洋理工大学） ； Tencent（腾讯） ； Independent Researcher（独立研究员）
AI总结 HiRO-Nav通过混合推理策略，在导航任务中根据动作熵动态决定是否进行推理，提升决策质量并降低计算开销。
高校专区
Nanyang Technological University（南洋理工大学）
Stacked from One: Multi-Scale Self-Injection for Context Window Extension
从一叠起：多尺度自我注入用于上下文窗口扩展
机构 * Singapore University of Technology and Design (SUTD)（新加坡科技设计大学） ； Singapore Management University (SMU)（新加坡管理大学） ； Nanyang Technological University (NTU)（南洋理工大学） ； National University of Singapore (NUS)（新加坡国立大学）
AI总结 本文提出多尺度自我注入框架，通过压缩和查询感知信息获取扩展上下文窗口，实现高效且准确的长上下文处理。
Comments 20 pages, 6 figures
BADiff: Bandwidth Adaptive Diffusion Model
BADiff：带宽自适应扩散模型
机构 * Nanyang Technological University（南洋理工大学） ； Alibaba Group（阿里巴巴集团）
AI总结 本文提出一种带宽自适应扩散模型，通过端到端训练策略使模型根据实时网络带宽调整生成质量，提升带宽受限环境下的图像传输效率。
Comments NeurIPS 2025 Poster
A Systematic Framework for Tabular Data Disentanglement
表格数据解耦的系统框架
机构 * Nanyang Technological University（南洋理工大学）
AI总结 本文提出一个系统框架，将表格数据解耦过程模块化为四个核心组件，以解决现有方法在可扩展性、模式崩溃和外推能力上的不足。
PanoSAM2: Lightweight Distortion- and Memory-aware Adaptions of SAM2 for 360 Video Object Segmentation
PanoSAM2：轻量级的失真和内存感知的SAM2改进用于360视频对象分割
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出PanoSAM2，通过改进SAM2以应对360视频中的失真和内存问题，提升分割可靠性，同时保持用户友好的提示设计。
PyVRP$^+$: LLM-Driven Metacognitive Heuristic Evolution for Hybrid Genetic Search in Vehicle Routing Problems
PyVRP$^+$：基于LLM的元认知启发式进化方法用于车辆路径问题中的混合遗传搜索
机构 * Singapore Management University（新加坡管理大学） ； Nanyang Technological University（南洋理工大学） ； University of Oxford（牛津大学）
AI总结 本文提出PyVRP$^+$，通过LLM驱动的元认知启发式进化方法改进混合遗传搜索算法，发现更高效的启发式策略，提升VRP问题的求解性能。
Comments 18 pages, accepted to the 25th International Conference on Autonomous Agents and Multiagent Systems (AAMAS 2026)
Networking-Aware Energy Efficiency in Agentic AI Inference: A Survey
面向网络的代理AI推理能效：综述
机构 * Shanghai University（上海大学） ； Nanyang Technological University（南洋理工大学） ； Edith Cowan University（埃迪斯科文大学） ； Fudan University（复旦大学） ； Xi'an Jiaotong-Liverpool University（西交利物浦大学）
AI总结 本文综述了代理AI推理中网络感知能效问题，探讨了计算与通信能耗的统一分类，提出跨层协同设计策略，并指出联邦绿色学习、6G代理AI等开放挑战。
The Art of (Mis)alignment: How Fine-Tuning Methods Effectively Misalign and Realign LLMs in Post-Training
对齐的艺术：细调方法如何有效地对齐和重新对齐训练后的LLM
机构 * University of Electronic Science and Technology of China（电子科技大学） ； Flexera ； CISPA Helmholtz Center for Information Security（CISPA亥姆霍兹信息安全中心） ； Nanyang Technological University（南洋理工大学）
AI总结 研究探讨细调方法在对齐和重新对齐LLM中的效果，揭示攻击与防御间的机制不对称，发现ORPO在对齐方面最有效，DPO在重新对齐中表现优异但牺牲了模型实用性，同时发现模型特定的抗性及多轮对抗动态的残留效应。
Comments Accepted by ACL Findings 2026
Know Thy Enemy: Securing LLMs Against Prompt Injection via Diverse Data Synthesis and Instruction-Level Chain-of-Thought Learning
知彼者智：通过多样化数据合成和指令级推理学习增强大语言模型抗提示注入能力
机构 * State Key Laboratory of Complex System Modeling and Simulation Technology（复杂系统建模与仿真技术国家重点实验室） ； Science and Technology on Integrated Information System Laboratory, Institute of Software Chinese Academy of Sciences（中国科学院软件研究所综合信息系统技术国家级重点实验室） ； University of Chinese Academy of Sciences（中国科学院大学） ； Nanyang Technological University（南洋理工大学） ； Beijing Forestry University（北京林业大学）
AI总结 本文提出InstruCoT方法，通过多样化数据合成和指令级推理学习提升大语言模型对提示注入攻击的防御能力，实验表明其在行为偏差、隐私泄露和有害输出方面显著优于基线方法。
Comments 19 pages, 6 figures; accepted by ACL 2026 Findings
One Shot Dominance: Knowledge Poisoning Attack on Retrieval-Augmented Generation Systems
单文档支配：面向检索增强生成系统的知识污染攻击
机构 * State Key Laboratory of Intelligent Game（智能游戏国家重点实验室） ； Science and Technology on Integrated Information System Laboratory, Institute of Software Chinese Academy of Sciences（中国科学院软件研究所综合信息系统技术国家级重点实验室） ； University of Chinese Academy of Sciences（中国科学院大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出AuthChain攻击方法，通过单文档污染实现对检索增强生成系统更有效的知识污染攻击，提升攻击成功率并保持隐蔽性。
Comments 15pages, 4 figures; accepted by EMNLP 2025 Findings
