高校专区
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