高校专区
大型语言模型能否处理话语标记？以口语马来语为例
机构 * Nanyang Technological University（南洋理工大学） ； University of Mississippi（密苏里大学） ； Indiana University（印第安纳大学）
AI总结 本文通过构建MalayPrag基准和提出五个属性，系统评估并改进了大型语言模型在口语马来语中处理话语标记的能力。
OSP-Next: 结合稀疏序列并行、HiF8量化和强化学习的高效高质量视频生成
机构 * Peking University（北京大学） ； Nanyang Technological University, Singapore（南洋理工大学）
AI总结 提出OSP-Next文本到视频生成模型，通过混合全稀疏注意力架构、稀疏序列并行（SSP）、HiF8量化和混合GRPO后训练，在保持高质量的同时显著提升效率，在NVIDIA H200和Ascend 950PR上实现1.5倍以上加速。
挖掘多模态时空线索用于视频重要人物识别
机构 * School of Computer Science and Technology, Wuhan University of Science and Technology（武汉科技大学计算机科学与技术学院） ； Hubei Province Key Laboratory of Intelligent Information Processing and Real-time Industrial System, Wuhan University of Science and Technology（湖北省智能信息处理与实时工业系统重点实验室） ； School of Computer Science, National Engineering Research Center for Multimedia Software, Hubei Key Laboratory of Multimedia and Network Communication Engineering, Wuhan University（计算机科学学院，国家多媒体软件工程技术研究中心，湖北省多媒体与网络通信工程重点实验室，武汉大学） ； College of Computing and Data Science, Nanyang Technological University（计算与数据科学学院，南洋理工大学）
AI总结 针对视频中人物重要性随时间变化的问题，提出VIP-Net框架，通过多模态时空线索融合与时间重要性矫正，在Temporal-VIP数据集上达到67.3%准确率。
SNARE: 自适应场景合成以诱发编码代理中的过度行为
机构 * Griffith University（格里菲斯大学） ； Quantstamp ； Nanyang Technological University（南洋理工大学） ； UNSW Sydney（悉尼大学） ； Wake Forest University（卫斯理大学）
AI总结 提出SNARE流水线，通过组合良性场景片段并使用无评判器预言机评分与汤普森采样，自适应地诱发编码代理的过度行为，并在4×5代理-模型矩阵上评估，发现19.51%的良性运行触发过度行为，且代理框架比模型影响更大。
MIRAGE：通过用户生成内容对移动GUI代理的上下文感知提示注入
机构 * Griffith University（格里菲斯大学） ； Quantstamp ； Nanyang Technological University（南洋理工大学） ； Singapore Management University（新加坡管理学院） ； University of New South Wales（新南威尔士大学） ； Wake Forest University（威克森林大学） ； Independent Researcher（独立研究者）
AI总结 提出MIRAGE管道，通过将攻击者控制的文本嵌入用户生成内容区域，在不修改代理、应用或操作系统的情况下，对视觉语言模型驱动的移动GUI代理实现高成功率的提示注入攻击。
StoryLens: 通过上下文感知叙事丰富实现偏好对齐的故事重写
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； AIM3 Lab, Renmin University of China（中国人民大学AIM3实验室） ； Nanyang Technological University（南洋理工大学）
AI总结 针对故事重写中读者偏好对齐问题，提出结合上下文感知叙事丰富的方法，构建基准STORYLENSBENCH、奖励模型STORYLENSEVAL和两阶段重写模型STORYLENSWRITER，实验表明上下文增强显著提升用户满意度。
Comments 16 pages, 7 figures, 15 tables
技能即伪代码：将技能库重构为面向LLM智能体的伪代码
机构 * Nanyang Technological University（南洋理工大学） ； Fudan University（复旦大学） ； Shanghai AI Laboratory（上海人工智能实验室）
AI总结 提出Skill-as-Pseudocode (SaP)方法，自动将Markdown技能库转换为带类型伪代码，通过确定性质量检查解决LLM智能体在检索技能时产生的混淆循环问题，在ALFWorld任务上显著优于基线。
Comments Preprint. Code: https://github.com/InternLM/Skill-as-Pseudocode
结构引导的视觉扰动中和用于大型视觉语言模型
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； University of Science and Technology of China（中国科学技术大学） ； JIUTIAN Research（JIUTIAN研究所） ； Nanyang Technological University（南洋理工大学） ； Chongqing University of Posts and Telecommunications（重庆邮电大学）
AI总结 提出结构诱导引导中和（SIGN）框架，通过先验结构提取和动态引导中和实现轻量级、即插即用的对抗性防御，在仅0.5%像素修改和0.16秒每图下达到87%以上防御成功率。
从语言输入角度重新思考视频-语言模型
机构 * School of Software Engineering, Huazhong University of Science and Technology（华中科技大学软件学院） ； Nanyang Technological University, Singapore（新加坡南洋理工大学） ； University College London（伦敦大学学院） ； Huazhong University of Science and Technology（华中科技大学） ； Wuhan University（武汉大学）
AI总结 本文从语言输入角度出发，提出一种即插即用的框架，通过生成正负文本、属性文本推理和自加权损失，提升视频-语言模型的性能。
Comments Published in AAAI 2026
面向不完整多模态输入的统一视觉-语言模型
机构 * School of Software Engineering, Huazhong University of Science and Technology（华中科技大学软件工程学院） ； Nanyang Technological University, Singapore（新加坡南洋理工大学） ； University College London（伦敦大学学院） ； Guangzhou University（广州大学） ； Wuhan University（武汉大学） ； Nanjing University（南京大学）
AI总结 针对视频-语言模型在传感器失效导致模态不完整数据下的训练-测试不一致问题，提出首个统一的不完整视频-语言模型作为即插即用模块，提升多模态任务性能。
Comments Published in AAAI 2026
STARS: 面向ANN到SNN无数据知识蒸馏的尖峰尾部感知关系合成
机构 * Nanyang Technological University（南洋理工大学） ； Jilin University（吉林大学） ； Wuhan University（武汉大学） ； Sun Yat-sen University（中山大学）
AI总结 提出STARS方法，通过关系一致性对齐和尾部感知正则化增强BN引导的合成数据，解决SNN学生网络在无数据知识蒸馏中约束不足的问题，在多个数据集上提升性能。
脉冲神经网络中的公平性基准测试：数据偏差、虚假特征和硬件效应
机构 * Jilin University（吉林大学） ； Nanyang Technological University（南洋理工大学） ； RMIT University（皇家墨尔本理工大学）
AI总结 本文首次提出脉冲神经网络公平性基准，通过引入人口统计覆盖缺口、虚假特征泄漏和部署环境不匹配三个现实维度，系统评估了12种先进SNN在资源约束下的公平性-性能权衡。
OralAgent: 融合推理、工具与知识的交互式牙科影像分析
机构 * Faculty of Dentistry, the University of Hongkong, Hong Kong SAR, China（香港大学牙科学院，中国香港特别行政区） ； Department of Electrical and Computer Engineering, University of Pittsburgh, Pittsburgh, PA, USA（匹兹堡大学电气与计算机工程系，美国宾夕法尼亚州匹兹堡） ； Shenzhen University, China（深圳大学，中国） ； Department of Craniomaxillofacial Surgery, Shanghai Ninth People’s Hospital, China（上海第九人民医院口腔颌面外科部，中国） ； Nanyang technological University, Singapore（南洋理工大学，新加坡） ； School of Biomedical Engineering, Southern Medical University, China（南方医科大学生物医学工程学院，中国） ； Singapore University of Technology and Design, Singapore（新加坡科技设计大学，新加坡） ； University of Auckland, new zealand（奥克兰大学，新西兰） ； Shanghai Artificial Intelligence Laboratory , China（上海人工智能实验室，中国）
AI总结 提出首个牙科专用AI智能体OralAgent，通过集成22种视觉分析工具和368本经典牙科教科书，实现多模态推理、工具决策与知识检索的自动化框架，在多个基准上达到最优性能。
Comments 14 pages, 7 figures, 6 tables
学习面向运行时智能体记忆的查询感知预算层级路由
机构 * Nanyang Technological University（南洋理工大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Illinois Chicago（伊利诺伊大学香槟分校） ； Tsinghua University（清华大学） ； Sun Yat-sen University（中山大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州））
AI总结 提出 BudgetMem 框架，通过强化学习训练的轻量级路由器实现查询感知的预算层级路由，以在运行时平衡任务性能与记忆构建成本。
Comments Accepted by ICML 2026. Code is available at https://github.com/ViktorAxelsen/BudgetMem
XTransfer: 面向边缘人体感知的模态无关小样本模型迁移
机构 * Macquarie University, Sydney, NSW, Australia（麦考瑞大学，悉尼，新南威尔士州，澳大利亚） ； Nanyang Technological University, Singapore（南洋理工大学，新加坡） ； The University of Auckland, Auckland, New Zealand（奥克兰大学，奥克兰，新西兰）
AI总结 提出XTransfer方法，通过模型修复和层重组实现模态无关的小样本模型迁移，降低传感器数据收集、模型训练和边缘部署成本。
Comments Accepted at ICML2026
Journal ref Proceedings of the 43rd International Conference on Machine Learning (ICML 2026), Seoul, South Korea, 6-11 July 2026
RouteProfile：基于图的冷启动LLM路由画像方法
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Nanyang Technological University（南洋理工大学）
AI总结 针对冷启动LLM路由中新模型缺乏交互数据的问题，提出基于图结构的RouteProfile框架，利用技术报告中的公开信号构建模型画像，实验表明结构化画像优于扁平基线，且模型家族元数据比基准域信息更可靠。
SaFeR-Steer：通过合成引导和反馈动力学进化多轮多模态大语言模型
机构 * Huazhong University of Science and Technology（华中科技大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； West China Biomedical Big Data Center, Sichuan University（四川大学西部生物医学大数据中心） ； School of Public Policy and Administration, Chongqing University（重庆大学公共政策与管理学院） ； Nanyang Technological University（南洋理工大学）
AI总结 提出SaFeR-Steer框架，通过分阶段合成引导和导师参与的GRPO训练单学生模型，并引入轨迹一致总结奖励（TCSR）以解决多轮安全对齐中的长上下文安全衰减问题，显著提升多轮安全性和有用性。
AlphaForgeBench：用大型语言模型对端到端交易策略设计进行基准测试
机构 * Nanyang Technological University（南洋理工大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Hong Kong Polytechnic University（香港理工大学）
AI总结 提出AlphaForgeBench框架，将LLM从随机交易代理重新定义为量化研究员，通过生成可执行alpha因子和基于因子的交易策略，消除执行不稳定，实现可复现的金融推理评估。
LUVE：基于双频专家的潜在级联超高分辨率视频生成
机构 * Nanjing University（南京大学） ； Nanyang Technological University（南洋理工大学）
AI总结 提出LUVE框架，通过三阶段潜在级联架构（低分辨率运动生成、潜在空间上采样、高分辨率内容精炼）结合双频专家，解决超高分辨率视频生成中的运动建模、语义规划和细节合成难题。
Comments ICML 2026
ChronosAudio: 用于评估音频大语言模型的综合长音频基准
机构 * Nanyang Technological University（南洋理工大学） ； Independent Researcher（独立研究者） ； United Arab Emirates University（阿联酋大学） ； North China Electric Power University（华北电力大学） ； Southwest Jiaotong University（西南交通大学） ； Squirrel AI Learning（Squirrel AI学习）
AI总结 提出首个针对音频大语言模型长音频理解的多任务基准ChronosAudio，包含6大任务类别和36000个测试实例，实验发现模型存在长上下文崩溃、注意力稀释等问题，现有缓解策略仅恢复50%性能。
审计医疗多智能体AI揭示虚假共识风险
机构 * National Engineering Research Center for Software Engineering, Peking University（北京大学软件工程国家工程研究中心） ； School of Computing and Data Science, The University of Hong Kong（香港大学计算机与数据科学学院） ； Department of Nephrology, Peking University Third Hospital（北京大学第三医院肾内科） ； Key Laboratory of Carcinogenesis and Translational Research (Ministry of Education), Department of Lymphoma, Peking University Cancer Hospital & Institute（教育部癌症发生与转化研究重点实验室、北京大学肿瘤医院淋巴瘤科） ； Department of Automation, Tsinghua University（清华大学自动化系） ； Centre for Medical Informatics, The University of Edinburgh（爱丁堡大学医学信息学中心） ； Health Data Research UK（英国健康数据研究机构） ； Lee Kong Chian School of Medicine, Nanyang Technological University（南洋理工大学李科贤医学院） ； State Key Laboratory for Novel Software Technology, School of Computer Science, Nanjing University（南京大学新型软件技术国家重点实验室、计算机科学学院）
AI总结 本研究提出MedAgentAudit框架，通过专家验证的审计流程诊断医疗多智能体系统中的协作失败模式，发现虚假共识、权威偏差等系统性风险。
Comments Code and Data: https://github.com/MedX-PKU/MedAgentAudit
重新审视图自编码器作为隐式对比学习器
机构 * Key Laboratory of Multimedia Trusted Perception and Efficient Computing, Ministry of Education of China, Xiamen University（教育部多媒体可信感知与高效计算重点实验室，厦门大学） ； Coupang Shanghai China（Coupang上海） ； Sun Yat-sen University（中山大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本文通过对比学习视角重新审视图自编码器，揭示其隐式对比学习本质，并强调对比视图设计的关键作用，提出非对称子图视图作为重要设计维度。
Comments KDD 2026 research track. Code available at https://github.com/EdisonLeeeee/lrGAE
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