高校专区
YARD: Y型架构寄存器解码用于大型视觉语言模型中的高效幻觉缓解
机构 * Guangdong University of Technology（广东工业大学） ； Nanyang Technological University（南洋理工大学） ； Shenzhen TENCLASS Technology Co., Ltd.（深圳TENCLASS科技有限公司）
AI总结 提出YARD框架，通过Y型架构共享浅层计算并在中间层分支，用寄存器令牌替换视觉令牌构建退化分支，实现无需训练的对比解码，有效缓解幻觉并降低推理延迟。
Comments 21 pages, 11 figures
Haptic Sorter: 一种用于在线形状估计和实时位姿推断的统一规划框架
机构 * School of Mechanical and Aerospace Engineering, Nanyang Technological University (NTU), Singapore（南洋理工大学机械与航空航天工程学院）
AI总结 提出一种基于模型的统一几何框架，结合贝叶斯优化引导的触觉探索、超椭圆形状近似、操作势能自适应公式以及在线常微分方程实时位姿推断，用于机器人操作中的形状估计和位姿跟踪。
EchoRL：通过回滚回响进行强化学习
机构 * Munich Center for Machine Learning（慕尼黑机器学习中心） ； Huawei Heisenberg Research Center（华为海森堡研究所以） ； University of Arizona（亚利桑那大学） ； College of Computing（计算学院） ； Data Science, Nanyang Technological University, Singapore（数据科学，南洋理工大学，新加坡） ； MemAgents Lab（MemAgents实验室）
AI总结 针对RLVR训练中优势退化问题，提出EchoRL模块，通过从成功回滚中提取EchoClip作为辅助监督信号，持续提升训练性能。
Comments ICML 2026
PRISM: 通过迭代槽记忆进行渐进推理的视觉架构
机构 * Deep NeuroCognition Lab, Nanyang Technological University, Singapore（深神经认知实验室，南洋理工大学，新加坡）
AI总结 提出PRISM架构，通过迭代槽记忆进行渐进推理，在图像分类、目标检测和语义分割等任务上取得竞争性能，并在遮挡等不完整观测下展现出更强的鲁棒性。
大型语言模型是否编码了制度经验？来自跨语言模糊道德推理的证据
机构 * Nanyang Technological University（南洋理工大学）
AI总结 通过跨语言道德困境实验，研究大型语言模型在模糊情境下是否通过语言编码制度经验，发现隐含制度线索会放大跨语言道德分歧，而明确框架则抑制这种差异。
Comments 44 pages
什么使LVLMs更少产生幻觉？揭示影响幻觉鲁棒性的架构因素
机构 * School of Computer Science, Engineering Research Center of Machine Learning and Industry Intelligence, Sichuan University（计算机科学学院，机器学习与产业智能工程研究中心，四川大学） ； School of Computer and Information Engineering, Xiamen University of Technology（计算机与信息工程学院，厦门理工大学） ； Department of Electrical and Computer Engineering, University of Hong Kong（电气与计算机工程系，香港大学） ； 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 本文通过将架构设计分解为语言基础、视觉表示和语义对齐三个维度，并引入CoSimUE基准，系统探索了架构因素对LVLMs幻觉鲁棒性的影响，发现模型参数扩展效果有限，而增强视觉编码器、语言基础和语义对齐能分别减少不同类型的幻觉。
共形可靠性：条件生成的新评估指标
机构 * Institute of Science and Technology for Brain-Inspired Intelligence（脑启发式智能科学与技术研究院） ； Shanghai Innovation Institute（上海创新研究院） ； School of Data Science（数据科学学院） ； Nanyang Technological University（南洋理工大学） ； School of Information Science and Technology（信息科学与技术学院）
AI总结 提出基于共形预测的可靠性分数作为条件生成模型的新评估指标，并开发CReL框架高效计算该分数，实验证明其有效性和可解释性。
Comments Accepted at ICML 2026
SLAP: 用于变分视频-语言建模的语义最小作用原理
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）
AI总结 提出语义最小作用原理(SLAP)，将视频插值建模为黎曼流形上的边界值问题，通过离散欧拉-拉格朗日方程保持对象持久性，解决大视频语言模型中的时间间隙问题。
Comments Accepted by ICML 2026
Immuno-VLM：通过生成式语义抗体实现大型视觉-语言模型的开放世界可信赖性
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） ； Nanjing University（南京大学）
AI总结 针对大型视觉-语言模型在开放世界部署中因缺乏负面知识而将未知异常高置信度误分类为已知类别的“语义傲慢”问题，提出受生物免疫负选择启发的Immuno-VLM框架，利用大语言模型的生成推理主动产生“语义抗体”（近分布异常文本描述）来约束已知类决策空间，在ImageNet-1K和四个OOD基准上达到新最优。
Comments Accepted by ICML 2026
ExpGraph: 面向LLM智能体的模型无关经验学习与图结构记忆
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） ； Meta Monetization AI（Meta 营收人工智能）
AI总结 提出ExpGraph框架，通过图结构记忆和强化学习实现冻结LLM执行器的外部经验复用，在问答、数学推理、代码生成和多步智能体任务上显著提升性能并减少交互步骤。
先见后议：用视觉证据对齐多智能体共识
机构 * Peking University（北京大学） ； Shanghai Jiao Tong University（上海交通大学） ； Nanyang Technological University（南洋理工大学） ； Renmin University of China（中国人民大学） ； Shandong University（山东大学）
AI总结 提出EAGLE框架，通过显式暴露各智能体的视觉证据区域并相互验证，实现无需训练的多智能体视觉问答协作，提升共识可靠性。
ElasticMem: 将潜在记忆作为LLM智能体的可学习资源
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 提出ElasticMem框架，通过可学习的弹性潜在记忆分配策略，在记忆密集型问答和具身智能体控制任务中显著提升准确率并降低token开销。
SpatialBench: 你的空间基础模型是全能选手吗？
机构 * Hong Kong University of Science and Technology（香港科技大学） ； Nanyang Technological University（南洋理工大学） ； Northwestern Polytechnical University（西北工业大学） ； Southeast University（东南大学） ； Huazhong University of Science and Technology（华中科技大学）
AI总结 提出SpatialBench基准，通过跨范式、多域、确定性采样的评估，揭示当前空间基础模型在多样化下游任务中的泛化能力不足，并引入DA-Next-5M数据集和DA-Next模型推动空间表示学习。
Comments Project Page: https://ropedia.github.io/SpatialBench/
基于EEG的多模态学习：曲率混合专家双曲空间方法
机构 * Nanyang Technological University, Singapore（新加坡南洋理工大学） ； BIFOLD, Berlin Institute for the Foundations of Learning（柏林学习与数据基础研究所） ； University of Cambridge, Cambridge, UK（剑桥大学）
AI总结 提出EEG-MoCE框架，通过可学习曲率的双曲空间为每个模态分配专家，并采用曲率感知融合策略，实现层次结构建模，在情绪识别、睡眠分期和认知评估任务上达到最优性能。
Comments Accepted at the Forty-third International Conference on Machine Learning (ICML 2026)
HypoSpace: 欠定性与次线性覆盖边界下集合值假设生成的诊断基准
机构 * National University of Singapore（国立新加坡大学） ； College of Computing（计算学院） ； Data Science（数据科学） ； Nanyang Technological University（南洋理工大学） ； Centre for Frontier AI Research (CFAR)（前沿人工智能研究中心 (CFAR)） ； Agency for Science, Technology and Research（科技研究局） ； Meta Superintelligence Labs（Meta超智能实验室）
AI总结 提出HypoSpace基准，通过三个结构化领域评估大语言模型在欠定假设空间中的采样能力，发现模型在高有效性下存在覆盖失败，并展示分层解码可部分缓解该问题。
MedCoG：通过元认知调节最大化医学推理中的LLM推理密度
机构 * College of Computer Science, VCIP, DISSec Center, Nankai University, China 300350（南开大学计算机学院、VCIP、DISSec中心、中国300350） ； Generative AI Lab, College of Computing and Data Science（生成式人工智能实验室、计算与数据科学学院） ； Nanyang Technological University, Singapore 639798（南洋理工大学，新加坡639798）
AI总结 提出MedCoG框架，利用元认知评估动态调节知识使用，以缓解推理扩展定律下的收益递减，提升推理效率与准确性。
Comments Accepted by ICML 2026
MultiPriv: 视觉语言模型中个体级隐私推理的基准测试
机构 * Xidian University（西安电子科技大学） ； Nanyang Technological University（南洋理工大学）
AI总结 针对视觉语言模型通过层次化链式推理关联多模态数据识别个体的隐私风险，提出首个系统评估个体级隐私推理的基准MultiPriv，包含隐私感知与推理框架、双语多模态数据集和九项挑战任务，对50多个开源和商业模型评估发现60%的模型能以高达80%的准确率进行个体级隐私推理。
测试时的自反生成
机构 * 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） ； University of Edinburgh（爱丁堡大学） ； City University of Hong Kong（香港城市大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
AI总结 提出SRGen框架，通过动态熵阈值识别高不确定性token并训练校正向量，在测试时进行自反生成以纠正概率分布，提升大模型推理的可靠性。
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