高校专区
iMaC: 将动作转化为运动与接触图像用于具身世界模型
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Tsinghua University（清华大学） ； GigaAI ； Nanyang Technological University（南洋理工大学）
AI总结 提出iMac框架，将原始视觉图像作为动作表示，通过图像-动作编码器和动态预测器实现高保真未来状态预测和闭环控制，在预测精度、任务成功率和跨场景泛化上优于传统向量动作控制。
Comments Project page: https://imac-wm.github.io/
大型语言模型中上下文特征敏感性的涌现
机构 * Nanyang Technological University（南洋理工大学） ； University of Copenhagen（哥本哈根大学）
AI总结 通过测量监督微调、直接偏好优化和可验证奖励强化学习三个阶段，发现大型语言模型对上下文特征的敏感性在指令微调过程中动态变化，其中监督微调使模型倾向于使用易理解的上下文，而后续阶段可能强化或改变这一偏好。
NüshuVoice：利用音高感知文本到语音技术复兴濒危女书的声音
机构 * Ocean University of China（中国海洋大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Cornell University（康奈尔大学） ； Nanyang Technological University（南洋理工大学） ； Shanghai Jiao Tong University（上海交通大学） ； University of Michigan–Ann Arbor（密歇根大学安娜堡分校） ； University of Science and Technology of China（中国科学技术大学） ； Harbin Institute of Technology（哈尔滨工业大学）
AI总结 针对女书语音数据稀缺问题，提出NüshuVoice基准和F0条件VITS框架Nüshu-PitchVITS，利用五级音高标注作为韵律先验，在频谱保真度、音高重建和可懂度上优于强基线。
Comments 12 pages, 3 figures
自监督学习至关重要：一种用于微手势识别的简单集成方案
机构 * Hefei University of Technology（合肥工业大学） ； United Arab Emirates University（阿拉伯联合酋长国大学） ； Institute of Artificial Intelligence, Hefei Comprehensive National Science Center（合肥综合性国家科学中心人工智能研究院） ； Anhui Evolution Technology Co., Ltd.（安徽进化科技有限公司） ； Nanyang Technological University（南洋理工大学） ； University College London（伦敦大学学院） ； The University of Sydney（悉尼大学） ； Beijing QBoson Quantum Technology Co., Ltd.（北京量子芯科技有限公司）
AI总结 提出一种集成自监督RGB模型与监督多流模型的框架，在MiGA挑战赛微手势分类赛道取得第一名，通过自监督预训练提升性能，在iMiGUE测试集上达到74.419%的top-1准确率。
EPS3D: 端到端前馈式3D全景分割
机构 * Nanyang Technological University（南洋理工大学）
AI总结 提出端到端前馈框架EPS3D，通过蒸馏训练和多视图图像预测3D感知特征，结合互增强模块实现语义-实例一致性，在Replica上语义mIoU提升13%，每场景仅需1秒。
Comments ICML 2026. The code is publicly available at \href{https://github.com/Runsong123/EPS3D}{https://github.com/Runsong123/EPS3D}
共同进化技能生成与策略优化
机构 * The Pennsylvania State University（宾夕法尼亚州立大学） ； Nanyang Technological University（南洋理工大学） ； University of California, San Diego（加州大学圣迭戈分校） ； University of Utah（犹他大学） ； Harvard University（哈佛大学）
AI总结 提出在线强化学习框架，通过对比基线和技能增强轨迹的奖励差距估计技能边际效用，实现存储前验证，并利用该信号训练策略作为技能生成器，减少对专有模型的依赖。
激活引导引发突现失调：一项更全面的评估
机构 * Nanyang Technological University（南洋理工大学） ； Sun Yat-sen University（中山大学） ； University of Science and Technology of China（中国科学技术大学） ； National University of Singapore（新加坡国立大学）
AI总结 研究激活引导是否引发突现失调，通过扩展评估范围，发现激活引导可导致广泛失调，且比微调产生更连贯的有害响应，并分析了关键因素。
数据代理遭受攻击：LLM驱动的分析系统中的漏洞
机构 * Nanyang Technological University, Singapore（南洋理工大学，新加坡） ； The Hong Kong Polytechnic University（香港理工大学） ； Tsinghua University（清华大学）
AI总结 本研究系统分析了LLM驱动的数据代理的安全漏洞，提出了分层漏洞框架和攻击分类法，并在六个系统上评估了攻击效果，揭示了当前系统的重大安全缺陷。
InA-Probe：面向LLM时间序列预测的指令感知主动探测
机构 * Nanyang Technological University（南洋理工大学） ； Khalifa University（哈利法大学） ； Nanjing University of Aeronautics and Astronautics（南京航空航天大学） ； Singapore University of Technology and Design（新加坡科技设计大学）
AI总结 提出指令感知主动探测（InA-Probe），通过多级指令注入和自适应查询生成，结合双阶段注意力机制，在7个基准上超越现有方法，跨域误差降低37%。
什么构成了关系深度学习的理想图？
机构 * Nanyang Technological University, College of Computing and Data Science（南洋理工大学计算机与数据科学学院）
AI总结 研究发现，从数据库模式直接导出的图存在信息过载和语义碎片化问题，通过过滤和注入操作平衡可提升性能，并开发了自动优化器。
Comments This article has been accepted by ICML 2026
当语言不一致时：自我进化的多语言LLM评判者
机构 * Nanyang Technological University（南洋理工大学）
AI总结 提出SEMJ方法，利用多语言评判中的跨语言不一致性进行迭代自我反思与重新评估，在多个基准上优于投票和反思基线，提升准确性和跨语言一致性。
IntentNav: 从人类演示中学习空间-视觉物体导航
机构 * Nanyang Technological University（南洋理工大学） ； Carnegie Mellon University（卡内基梅隆大学） ； The Chinese University of Hong Kong（香港中文大学） ； A*STAR Institute for Infocomm Research (I2R)（新加坡科技研究局资讯通信研究院）
AI总结 提出IntentNav框架，通过人类演示学习类人物体导航策略，利用前沿标注和意图对齐目标实现最优性能，并零样本迁移到多种机器人平台。
Comments 26 pages, 9 figures
IEA：通过三阶段多任务对齐的业余友好型对话式图像编辑代理
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institution（上海创新研究院） ； Huawei Technologies Ltd.（华为技术有限公司） ； Nanyang Technological University（南洋理工大学） ； Jiangsu Key Lab of Language Computing（江苏省语言计算重点实验室）
AI总结 提出IEA对话式图像编辑代理，通过三阶段多任务训练学习操作参数化工具，实现可解释编辑轨迹，在像素距离和ROUGE-L指标上优于基线，用户研究中指令跟随和感知质量表现最佳。
Comments [CVPR 2026 Findings] Our data and code are released at https://github.com/OpenDFM/Image_Edit_Agent
ChronoPhyBench：多模态大语言模型真正理解世界还是仅仅利用语言先验？
机构 * Peking University, Shenzhen Graduate School（北京大学深圳研究生院） ； Peng Cheng Laboratory（鹏城实验室） ； Rabbitpre Intelligence ； Nanyang Technological University（南洋理工大学） ； Tsinghua University（清华大学）
AI总结 提出ChronoPhyBench基准，通过视频上下文和文本描述强制模型进行物理状态推理，揭示当前开源模型物理推理能力仍处初级阶段。
AVI-Bench：迈向全模态大语言模型的人类级视听智能
机构 * Nanyang Technological University（南洋理工大学）
AI总结 提出AVI-Bench基准，通过感知、理解、推理三阶段跨模态任务评估全模态大语言模型的视听智能，并引入AVI-Bench-PriSe测试原始视听感知，揭示当前模型局限，构建四级AVI分类体系。
Comments 31 pages, 8 figures, ICML 2026
VisualLeakBench: 视觉语言智能体中可复现的动作边界传播失败
机构 * Nanyang Technological University（南洋理工大学）
AI总结 提出VisualLeakBench基准，评估视觉语言智能体在截图、文档等场景下将敏感文本从图像复制到工具参数中的动作边界传播失败，发现PII传播率达78.8%，不安全文本传播率达85.5%。
面向学习增强分页的最优鲁棒性
机构 * Department of XXX, University of YYY, Location, Country ； School of ZZZ, Institute of WWW, Location, Country ； Zhejiang University, Hangzhou, China ； Nanjing University of Aeronautics ； Nanyang Technological University, Singapore
AI总结 本文提出一种新框架，通过相对预测预算原语，在学习增强分页中实现最优鲁棒性界 H_k + O(1)，并实验验证其实际性能。
Comments ICML 2026
MOOSE-Copilot：一个基于网络的交互式助手，用于统一探索性和细粒度科学假设发现
机构 * Central Conservatory of Music（中央音乐学院） ； Nanyang Technological University（南洋理工大学）
AI总结 提出MOOSE-Copilot，通过形式化的人机交互协议，将发散性探索和收敛性细化统一，利用蓝图、路由和反馈三种信号引导生成，显著优于纯自主基线。
Comments Accepted to ACL 2026 (System Demonstrations)
COMPASS：通过代理令牌和共享空间实现完整的多模态融合以实现无处不在的感知
机构 * Universität Bern（伯恩大学） ； Xi’an Jiaotong University（西安交通大学） ； Nanyang Technological University（南洋理工大学）
AI总结 COMPASS通过代理令牌和共享空间实现多模态融合，解决缺失模态导致的信息丢失和融合接口不匹配问题，提升多模态感知的鲁棒性。
Swift-SVD：在低秩LLM压缩中理论最优与实用效率的结合
机构 * Nanyang Technological University（南洋理工大学）
AI总结 本文提出Swift-SVD框架，通过激活感知和闭式压缩方法，在保证理论最优的同时提升实用效率和数值稳定性，实验显示其在压缩精度和端到端压缩时间上有显著优势。
Comments Accepted to ICML 2026
AnyHand：一个大规模合成数据集用于RGB（-D）手姿态估计
机构 * University of California, San Diego（加州大学圣迭戈分校） ； Lambda, Inc（Lambda公司） ； Imperial College London（伦敦帝国理工学院） ； Nanyang Technological University（南洋理工大学）
AI总结 AnyHand通过提供大规模RGB-D图像和丰富的几何标注，提升了3D手姿态估计的性能，证明了数据多样性和质量对模型效果的重要性。
在移动边缘训练：一种在线验证的提示选择方法用于大型推理模型的高效强化学习训练
机构 * Southern University of Science and Technology（南方科技大学） ； The Hong Kong Polytechnic University（香港理工大学） ； The Hong Kong University of Science and Technology（香港科学理工大学） ； Nanyang Technological University（南洋理工大学） ； Rutgers University（罗格斯大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科学理工大学（广州））
AI总结 本文提出HIVE方法，通过历史奖励轨迹和实时提示熵实现高效RL训练，提升提示选择效率而不牺牲性能。
无训练的可懂度引导的噪声ASR观测添加
机构 * Nanyang Technological University（南洋理工大学） ； Nara Institute of Science and Technology（奈良科学技術大學）
AI总结 提出一种无训练的可懂度引导观测添加方法，通过后端ASR的可懂度估计推导融合权重，提升噪声环境下ASR鲁棒性，无需修改SE或ASR模型参数。
Comments Accepted to Interspeech2026
状态后门：针对状态空间中视觉-语言-动作模型的隐蔽现实世界投毒攻击
机构 * Laboratory Of Intelligent Collaborative Computing, University of Electronic Science and Technology of China（智能协同计算实验室，电子科学与技术大学） ； National Key Laboratory of Wireless Communications, University of Electronic Science and Technology of China（无线通信国家重点实验室，电子科学与技术大学） ； School of Computer Science and Engineering, University of Electronic Science and Technology of China（计算机科学与工程学院，电子科学与技术大学） ； College of Computer Science and Technology, Nanjing University of Aeronautics and Astronautics（计算机科学与技术学院，南京航空航天大学） ； 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 提出状态后门攻击，利用机器人手臂初始状态作为触发器，通过偏好引导遗传算法优化触发器的隐蔽性和有效性，在五个VLA模型和五个真实任务中实现超过90%的攻击成功率。
GenTSE: 通过粗到细的生成语言模型增强目标说话人提取
机构 * Nanyang Technological University, Singapore（南洋理工大学，新加坡） ； Southeast University, China（东南大学，中国） ； Schaeffler Hub for Advanced REsearch (SHARE) at Nanyang Technological University, Singapore（南洋理工大学Schaeffler先进研究 hub（SHARE），新加坡）
AI总结 提出GenTSE，一种两阶段解码器仅生成语言模型，先预测粗语义标记再生成细声学标记，结合冻结语言模型条件训练和直接偏好优化，在Libri2Mix上超越先前基于语言模型的系统。
Comments Accepted to Interspeech2026
基于LLM增强优化的无人机低空经济网络高效机载视觉-语言推理
机构 * College of Computing and Data Science, Nanyang Technological University, Singapore（计算与数据科学学院、新加坡国立科技大学） ； The University of Sydney, Sydney, Australia（悉尼大学、澳大利亚悉尼） ； Department of Electrical and Computer Engineering, Western University, London, Canada（电气与计算机工程系、西方大学、加拿大伦敦） ； Department of Electrical and Computer Engineering, Sungkyunkwan University, South Korea（电气与计算机工程系、全州大学、韩国）
AI总结 针对无人机低空经济网络中机载视觉-语言模型推理的准确性与通信效率挑战，提出分层优化框架，包括交替分辨率与功率优化算法及大语言模型增强的强化学习轨迹优化方法，有效提升推理性能与通信效率。
神经网络的密码学后门：福与祸
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） ； Applied Statistics Unit, Indian Statistical Institute（印度统计研究所应用统计单位）
AI总结 本文展示密码学后门在神经网络中的双重作用：既可发动强大隐形攻击，也可用于鲁棒水印、用户认证和知识产权追踪，并证明这些协议在标准假设下是鲁棒的。
Comments Preprint
FIT-Print：通过目标指纹实现抗虚假声明的模型所有权验证
机构 * State Key Laboratory of Blockchain and Data Security, Zhejiang University（区块链与数据安全国家重点实验室，浙江大学） ； Hangzhou High-Tech Zone (Binjiang) Institute of Blockchain and Data Security, Hangzhou（杭州高新技术区（滨江）区块链与数据安全研究院，杭州） ； 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） ； Department of Computer Science, City University of Hong Kong（香港城市大学计算机科学系）
AI总结 针对现有模型指纹易受虚假声明攻击的问题，提出目标指纹范式FIT-Print，通过优化将指纹转化为可验证目标签名，并设计两种黑盒方法，实现100%防御成功率和0%误报率。
Comments This paper has been accepted by IEEE Transactions on Information Forensics and Security
Bokeh Diffusion：文本到图像扩散模型中的散焦模糊控制
机构 * S-Lab, Nanyang Technological University（S实验室，南洋理工大学）
AI总结 提出Bokeh Diffusion框架，通过物理散焦模糊参数条件化扩散模型，结合混合训练流程和接地自注意力机制，实现场景一致的散景模糊控制，支持双向模糊强度调整和真实图像编辑。
Comments SIGGRAPH Asia 2025. Project page: https://atfortes.github.io/projects/bokeh-diffusion/
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