高校专区
SPIKE：一种适应性双控制器框架，用于成本效益高的长周期游戏智能体
机构 * Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出SPIKE框架，通过双控制器设计实现成本高效长周期游戏智能体，通过事件触发机制和分层记忆结构提升目标导向性和任务完成率，实验表明在StarDojo数据集上显著提升成功率并降低资源消耗。
CATA: 通过冲突厌恶任务算术实现持续机器去学习
机构 * Fujian Normal University（福建师范大学） ； Nanyang Technological University（南洋理工大学） ； Xidian University（西安电子科技大学）
AI总结 本文首次研究了视觉语言模型的持续去学习问题，提出CATA方法，通过冲突厌恶任务算术有效解决去学习中的有效性、模型保真度和持续性挑战。
过度激进的编码代理：在良性任务中测量超出范围的动作
机构 * Griffith University（格里菲斯大学） ； Wake Forest University（威克森林大学） ； Nanyang Technological University（南洋理工大学） ； University of New South Wales（新南威尔士大学） ； Quantstamp
AI总结 本文提出OverEager-Gen基准，用于评估编码代理在良性任务中超出范围的行为。研究发现，当基准中明确列出授权范围时，代理会停止推断边界并开始匹配声明文本，从而影响测量有效性。通过行为梯度验证器和双通道堆栈审计内部工具调用，验证了不同框架下的过度激进行为差异。
同信号，不同语义：软件工程代理跨框架行为分析
机构 * Singapore Management University（新加坡国立大学） ； Nanjing University（南京大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本文通过大规模实验分析软件工程代理在不同框架下的行为表现，发现相同的行为信号在不同框架下可能具有相反的意义，强调了跨框架验证的重要性。
具有单侧反馈的隐私保护强化学习
机构 * Nanyang Technological University（南洋理工大学） ； National University of Singapore（国立新加坡大学） ； Cornell SC Johnson College of Business（康奈尔大学SC Johnson商学院）
AI总结 本文研究了在多维连续状态和动作空间中，代理仅接收状态部分观测并仅在每个时间步获得状态-动作空间子集奖励信息的强化学习问题，提出了一种新的隐私保护强化学习算法POOL，并通过理论分析证明其样本复杂度与非隐私强化学习的下界一致，展示了在保持高学习效率的同时实现强隐私保障的可行性。
Comments Accepted at IJCAI-ECAI 2026
CompassAD: 基于意图的多功能竞争物体3D affordance 地标
机构 * MARS Lab, Nanyang Technological University, Singapore（MARS实验室，南洋理工大学，新加坡）
AI总结 该研究提出了一种新的3D affordance设定，即意图驱动的可混淆地标，旨在预测多物体点云中正确物体的每点affordance掩码，基于隐含的自然语言意图。通过构建CompassAD基准，该研究展示了在具有隐含意图的多物体组合中的先进结果，并在机器人机械臂上验证了其在真实世界抓取中的有效性。
LURE: 用于扩散模型多概念重新唤醒的潜在空间解阻
机构 * Sichuan University（四川大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Nanyang Technological University（南洋理工大学） ； Yonsei University（延世大学）
AI总结 本文提出LURE方法，通过重建潜在空间和引导采样轨迹，实现多概念的高保真重新唤醒，解决了现有方法在多概念场景下的梯度冲突和特征纠缠问题。
ZeroSiam: 一种高效的非对称方法用于测试时熵优化而不发生崩溃
机构 * Nanyang Technological University（南洋理工大学） ； Joint WeBank-NTU Research Institute on Fintech（金融科技联合研究机构） ； South China University of Technology（华南理工大学）
AI总结 本文提出ZeroSiam，一种针对测试时熵最小化的高效非对称架构，通过非对称发散对齐防止崩溃，并通过可学习预测器和stop-gradient操作符有效实现，实验和理论证明其能防止崩溃并正则化偏见学习信号，提升性能，尤其在易崩溃的小模型上表现稳定。
FAM-HRI: 基于基础模型的多模态人机交互框架，结合目光和语音
机构 * University of Tuebingen（图宾根大学） ； Nanyang Technological University（南洋理工大学） ； Mercedes-Benz（梅赛德斯-奔驰）
AI总结 本文提出FAM-HRI，一种结合目光和语音的多模态人机交互框架，利用基础模型融合语言和目光输入，以提高任务执行的成功率和交互效率，为肢体障碍者提供实用解决方案。
Comments This work has been accepted for publication in IEEE Transactions on Automation Science and Engineering @ 2026 IEEE
噪声中的低语：通过多智能体框架引导的代理觉醒
机构 * Department of Electrical and Electronic Engineering, The Hong Kong Polytechnic University（香港理工大学电子与电气工程系） ； School of Cyber Science and Engineering, Sichuan University（四川大学网络空间安全学院） ； Lee Kong Chian School of Medicine, Nanyang Technological University（南洋理工大学李科钦医学院）
AI总结 本文研究了在黑盒约束下如何通过多智能体框架从预训练模型中恢复被擦除的概念，提出了一种无需训练的代理方法，通过引导噪声状态来实现可控的觉醒，展示了当前概念擦除方法的局限性。
谁生成了这个3D资产？学习生成3D模型的来源归属
机构 * College of Computing & Data Science, Nanyang Technological University, Singapore（南洋理工大学计算机与数据科学学院）
AI总结 该研究提出了一种方法，用于确定给定3D资产是由哪种生成模型创建的，通过构建首个被动来源归属基准，发现生成3D模型留下稳定的指纹特征，从而建立了可信的3D内容来源的新标准。
学习解决组合几何路由问题
机构 * National University of Singapore（新加坡国立大学） ； Nanyang Technological University（南洋理工大学） ； Central South University（中南大学）
AI总结 本文研究了组合几何路由问题（CGRP），这是一种涵盖点、线、面及任意混合任务几何的统一超类，为现实中的路由场景提供广泛抽象。为解决非点任务带来的不对称性和复杂性，作者提出DiCon框架，通过对比学习和差异注意力机制提升表示学习和决策能力。
Comments 27 pages, 10 figures
Babel: 通过混淆分布优化采样实现安全机制的 jailbreak 安全性
机构 * Wuhan University（武汉大学） ； Nanyang Technological University（南洋理工大学） ； Southeast University（东南大学） ； University of Hong Kong（香港大学）
AI总结 本文研究了大语言模型安全机制中的内在漏洞，提出了一种高效的黑盒攻击框架Babel，通过系统性的混淆采样和反馈驱动的分布优化，实现了高成功率的jailbreak攻击，展示了在LLM安全研究中的稳健方法。
Mamba-VGGT: 通过外部滑动窗口Mamba内存实现持久长序列视频几何 grounded 变换器
机构 * Shanghai Jiao Tong University（上海交通大学） ； ETH Zurich（苏黎世联邦理工学院） ； Cambridge University（剑桥大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出Mamba-VGGT框架，通过引入滑动窗口Mamba内存模块，解决传统VGGT在长序列视频中几何遗忘和累积漂移问题，提升3D场景重建的精度与稳定性。
DP-SelFT: 大语言模型的差分隐私选择性微调
机构 * Renmin University of China（中国人民大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出DP-SelFT框架，通过选择性微调方法在保持差分隐私的同时提升大语言模型的隐私-效用权衡。
面向个性化联邦智能的基础模型综述
机构 * School of Computing, Kyung Hee University（韩国庆熙大学计算机学院） ； Noakhali Science and Technology University（诺阿克利科学与技术大学） ； Korea Advanced Institute of Science and Technology（韩国科学技术院） ； College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院）
AI总结 本文综述了基础模型在个性化联邦智能中的应用，探讨了联邦学习与基础模型的结合，提出了一种新的个性化联邦智能范式，旨在为实现人工智能个性化提供基础支持。
Comments Accepted ACM Computing Survey
量子纠错码的最大似然解码
机构 * Science, Mathematics and Technology Cluster, Singapore University of Technology and Design（新加坡科技设计大学科技、数学与技术集群） ； College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算机与数据科学学院） ； School of Physical and Mathematical Sciences, Nanyang Technological University（南洋理工大学物理与数学科学学院）
AI总结 本文研究了量子纠错码最大似然解码问题，综述了统计力学、张量网络和人工智能三种方法在解码中的应用，探讨了其联系、在模拟和实验量子硬件中的应用以及面临的挑战。
Comments An invited topical review. Comments are welcome
从静态风险到动态轨迹：迈向世界模型启发的临床预测
机构 * Faculty of Applied Sciences, Macao Polytechnic University（澳门理工学院应用科学学院） ； School of Software & Microelectronics, Peking University（北京大学软件与微电子学院） ； School of Computing and Information Systems, Singapore Management University（新加坡管理学院计算机与信息系统学院） ； College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院） ； School of Public Health, Peking University（北京大学公共卫生学院） ； School of Computer Science and Technology, Xidian University（西安电子科技大学计算机科学与技术学院） ； School of Computer, Peking University（北京大学计算机学院） ； School of Computer Science and Technology, Beijing Institute of Technology（北京理工大学计算机科学与技术学院） ； Centre for Biomedical Data Science, Duke-NUS Medical School, National University of Singapore（新加坡国立大学杜克-国立新加坡医学学院生物医学数据科学中心） ； Duke-NUS AI + Medical Sciences Initiative, Duke-NUS Medical School（杜克-国立新加坡医学学院AI+医学科学计划）
AI总结 本文探讨了临床AI中干预感知的疾病轨迹建模方法，提出了统一框架，结合了预测、反事实轨迹和政策评估，以解决治疗分配、时间变化混杂和观察偏差问题，推动临床预测向决策级证据发展。
VGGT-Occ：基于几何和密度的门控融合用于3D占用预测
机构 * Nanyang Technological University（南洋理工大学） ； Shanghai Jiao Tong University（上海交通大学） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 本文提出VGGT-Occ，通过在整个管道中嵌入几何标记，引入投影感知可变形注意力（PA-DA）以注入几何信息，结合视图质量语义门控实现跨视图一致性，采用顺序粗到细解码器与门控融合优化效率和性能，实验证明其在3D语义占用预测中的有效性。
一种可扩展的测量方式用于发展语言研究中的方式和结果动词
机构 * University at Buffalo（布法罗大学） ； Nanyang Technological University（南洋理工大学） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校）
AI总结 本文提出一种利用大规模语言模型进行方式和结果动词识别的方法，通过MASC和InterCorp数据扩展至436类，并在三个数据集上验证，模型准确率达89.6%。
Comments 12 pages
ClickSeg3D: 通过语义嵌入实现少点击交互分割
机构 * School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电子与电气工程学院） ； University of Science and Technology of China（中国科学技术大学） ； Faculty of Architecture and the Built Environment, Delft University of Technology（代尔夫特理工大学建筑与环境学院）
AI总结 本文提出ClickSeg3D，通过语义嵌入实现高效3D实例分割，采用点集直接处理和多对象点击联合推理，提升分割精度与效率，适用于实时应用。
Comments 15 pages, 9 figures, 6 tables
QuadraSHAP：通过高斯-勒让德求积法实现产品游戏的稳定且可扩展的Shapley值
机构 * AI Technology for Life, Information and Computing Sciences, Utrecht University, The Netherlands（荷兰乌得勒支大学人工智能技术与信息计算科学系） ； Biomolecular Mass Spectrometry and Proteomics, Pharmaceutical Sciences, Utrecht University, The Netherlands（荷兰乌得勒支大学生物分子质谱与蛋白质组学，药学科学系） ； Rational Intelligence Lab, CISPA Helmholtz Center for Information Security, Germany（德国CISPA海德堡信息安全中心理性智能实验室） ； Epistemic Intelligence & Computation Lab, College of Computing & Data Science, Nanyang Technological University, Singapore（新加坡南洋理工大学认知智能与计算实验室）
AI总结 本文提出QuadraSHAP方法，通过高斯-勒让德求积法高效计算产品游戏的Shapley值，实现稳定且可扩展的计算，适用于具有乘积结构的机器学习可解释性场景。
可部署的具身视觉-语言导航系统：具有层次认知和上下文感知探索
机构 * Center for Advanced Robotics Technology Innovation (CARTIN), School of Electrical and Electronic Engineering, Nanyang Technological University（先进机器人技术与创新中心（CARTIN）、电子工程学院、南洋理工大学） ； Spatial AI & Robotics Lab, Department of Computer Science and Engineering（空间人工智能与机器人实验室、计算机科学与工程系）
AI总结 本文提出一种可部署的具身视觉-语言导航系统，通过分层认知和上下文感知探索，在真实机器人上实现高效导航与强推理能力。
Comments 10 pages, 5 figures,
基于几何的思考：用于空间推理的主动几何整合
机构 * Shenzhen campus of Sun Yet-sen University（中山大学深圳校区） ； Yinwang Intelligent Technology Co. Ltd.（云网智能科技有限公司） ； Shanghai Jiao Tong University（上海交通大学） ； Shanghai innovation institute（上海创新研究院） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出GeoThinker框架，通过主动感知机制改进空间推理，通过空间接地融合和重要性门控实现几何与语义的精准整合，提升空间智能性能。
大型视觉-语言模型在视觉标记压缩下的对抗鲁棒性研究
机构 * The Hong Kong Polytechnic University, Hong Kong（香港理工大学） ； Nanyang Technological University, Singapore（南洋理工大学） ； Chongqing University, Chongqing, China（重庆大学） ； Research Centre for Privacy and Security Technologies in Future Smart Systems, PolyU（未来智能系统中的隐私与安全技术研究中心）
AI总结 本文研究了视觉标记压缩对大型视觉-语言模型对抗鲁棒性的影响，提出CAGE攻击方法，通过优化与压缩推理对齐，揭示压缩机制下的鲁棒性漏洞。
Comments Accepted by ICML 2026
基于图扩散模型的多LLM代理通信拓扑动态生成
机构 * University of California Los Angeles（加州大学洛杉矶分校） ； University of Washington（华盛顿大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出Guided Topology Diffusion框架，通过迭代构建过程生成适应任务需求的高效通信拓扑，优于现有方法。
Comments ACL 2026 Main
大语言模型能否拒绝它们不知道的问题？在事实性任务中测量知识感知的拒绝
机构 * Department of Computer Science, City University of Hong Kong（香港城市大学计算机科学系） ； Harbin Institute of Technology（哈尔滨工业大学） ； College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算机与数据科学学院） ； School of Computer Science and Engineering, Central South University（中南大学计算机科学与工程学院）
AI总结 本文提出Refusal Index（RI）作为衡量大语言模型知识感知拒绝能力的新指标，通过评估拒绝概率与错误概率的相关性，揭示模型在事实性任务中的可靠性问题。
Comments Accepted at ICLR 2026
评估大语言模型中的AI对齐：通过75个模型的人类基准测试分析价值优先级
机构 * School of Social Sciences, Nanyang Technological University（南洋理工大学社会科学学院） ； Interdisciplinary Graduate Programme, Nanyang Technological University（南洋理工大学跨学科研究生项目） ； Faculty of Arts and Social Sciences, National University of Singapore（新加坡国立大学人文与社会科学学院） ； School of Computing and Information Systems, Singapore Management University（新加坡管理学院计算与信息学院） ； School of Social Sciences, Singapore Management University（新加坡管理学院社会科学学院）
AI总结 本文通过分析75个大语言模型的输出，评估其价值优先级与人类判断的一致性，发现模型在价值优先级上存在差异，且模型大小、新旧和能力层级与价值一致性无直接关联。
联邦嵌套学习：为测试时间适应性协作训练自参考记忆
机构 * Nanyang Technological University（南洋理工大学） ； Jimei University（集美大学） ； Shanghai Jiao Tong University（上海交通大学） ； Xiamen University（厦门大学）
AI总结 本文提出FedNL框架，通过嵌套优化系统实现协作学习优化规则，提升非独立同分布数据下的推理与检索性能，保持恒定推理内存。
Flow-Direct: 通过非参数指导场实现反馈高效且可重用的流模型指导
机构 * College of Computing and Data Science, Nanyang Technological University, Singapore（南洋理工大学计算与数据科学学院，新加坡） ； Centre for Frontier AI Research, Agency for Science, Technology and Research, Singapore（前沿人工智能研究中心，新加坡科技研究局） ； Institute of High Performance Computing, Agency for Science, Technology and Research, Singapore（高性能计算研究所，新加坡科技研究局）
AI总结 本文提出Flow-Direct框架，通过持续指导场提升流模型的反馈效率和可重用性，利用累积的奖励评估样本构建非参数估计器，实现高效优化和多目标样本生成。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈