高校专区
EvolveNav: 用于零样本目标导航的主动预反思与自进化记忆
机构 * HKUST(GZ)（香港科技大学（广州）） ； Nanyang Technological University（南洋理工大学） ； Xi’an Jiaotong University（西安交通大学） ； XGRIDS（深圳格物智联）
AI总结 提出自进化零样本目标导航框架，通过从历史轨迹提取规则并基于置信上界检索，结合记忆引导预反思模块，减少无效探索，成功率提升10.1%。
看见不等于筛查：针对智能体技能扫描仪的多模态隐藏指令攻击
机构 * Nanyang Technological University, Singapore（南洋理工大学，新加坡） ； Chongqing University, China（重庆大学） ； Northeastern University, China（东北大学） ； University of Chinese Academy of Sciences, China（中国科学院大学） ； Beihang University, China（北航大学）
AI总结 针对现有技能扫描仪忽视图像中恶意指令的盲点，提出SkillCamo多模态攻击将指令隐藏于图像，并设计ExecScan执行级扫描模块，通过意图提取、行为重建等检测隐藏指令，实验证明其有效性。
Next-Turn: 通过预测下一次语音开始时间进行持续时间感知的流式端点检测
机构 * Central Media Technology Institute, Huawei（华为中央媒体技术研究院） ； The Chinese University of Hong Kong（香港中文大学） ； Nanyang Technological University（南洋理工大学）
AI总结 提出Next-Turn方法，以到下一次语音开始的时间为训练目标，直接利用语音时间戳，无需额外标注，在端点检测中比最强基线提高25.9%的绝对准确率，且与持续时间感知目标联合训练可进一步提升性能。
Comments Interspeech 2026
上下文感知与关系感知的图检索增强生成统一框架
机构 * Zhejiang University（浙江大学） ； Nanyang Technological University（南洋理工大学） ； Finvolution Group（信也科技集团）
AI总结 提出HyGRAG分层图RAG框架，通过构建融合上下文与关系的摘要、跨层级检索及动态更新，将多跳推理准确率提升9.7%。
Comments Accepted at The ACM Web Conference 2026 (WWW '26)
先看后答：基于充分性驱动的强化学习实现视觉证据预对齐
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Nanyang Technological University（南洋理工大学） ； China Telecom（中国电信）
AI总结 提出视觉证据预对齐（VEPA）方法，在预训练与后训练之间引入充分性驱动的GRPO优化，以增强多模态大模型对细粒度视觉证据的利用，显著提升视觉密集型任务性能。
基准测试幻觉：剪枝后的大语言模型能通过多项选择但无法回答问题
机构 * Institute of Science Tokyo（东京科学大学） ； Tohoku University（东北大学） ； Nanyang Technological University（南洋理工大学） ； KTH Royal Institute of Technology（瑞典皇家理工学院） ； Shandong University（山东大学）
AI总结 研究发现，高稀疏度剪枝后的大语言模型在多项选择评估中表现良好，但在开放生成中无法正确回答相同问题，揭示了基准测试的盲点。
StereoFactory: 一种用于鲁棒立体匹配的统一合并框架
机构 * School of Computer Science, Wuhan University（武汉大学计算机学院） ； D-Star Robotics ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； 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 提出StereoFactory，一种粗到细的进化框架，通过遗传算法选择模型子集和CMA-ES优化模块级路由，实现自适应模型合并，在多个基准上降低误差并显著减少训练时间。
PermaVid: 通过解耦上下文记忆实现编辑下的一致视频生成
机构 * Shanghai Jiao Tong University（上海交通大学） ； Stanford University（斯坦福大学） ； S-Lab, Nanyang Technological University（南洋理工大学S-Lab） ； The Chinese University of Hong Kong（香港中文大学） ； Shanghai Innovation Institute（上海创新研究院）
AI总结 提出PermaVid框架，利用解耦为语义外观和几何结构的上下文记忆，结合编辑感知更新策略，实现编辑操作后视频的长期一致生成。
Comments Project page: https://ys-imtech.github.io/projects/PermaVid/
展示信号，隐藏噪声：像素空间扩散的频谱强制
机构 * S-Lab, Nanyang Technological University（南洋理工大学S-Lab）
AI总结 提出频谱强制方法，通过在像素空间扩散模型中对噪声输入施加时变低通滤波器，引导模型关注信号频带，提升训练效率和生成质量。
Comments Code link: https://github.com/WeichenFan/Spectral_Forcing
MOSAIC: 帕金森病步态评估中增量持续学习的模态特定适应
机构 * Nanyang Technological University（南洋理工大学） ； Pacific Parkinson's Research Centre, University of British Columbia（不列颠哥伦比亚大学太平洋帕金森研究中心）
AI总结 针对帕金森病步态评估中模态增量场景，提出MOSAIC框架，通过模态特定预热、统计解耦MSBN架构和课程引导排斥目标，解决跨模态蒸馏不可靠、统计偏移和可塑性下降问题。
SceneConductor: 基于多智能体编排的单图像3D场景生成
机构 * Nanyang Technological University（南洋理工大学） ； University of Oxford（牛津大学） ； Meshy AI
AI总结 提出多智能体编排框架，将单图像3D场景生成分解为场景初始化、环境构建和多智能体细化三个阶段，并引入几何感知布局预测器，在几何精度、空间一致性和感知真实性上超越现有方法。
OmniSapiens: 一种通过异质性感知相对策略优化进行社会行为处理的基础模型
机构 * Massachusetts Institute of Technology（麻省理工学院） ； National University of Singapore（新加坡国立大学） ； Nanyang Technological University（南洋理工大学） ； Prince Sattam bin Abdulaziz University（普森·萨塔姆·本·阿卜杜勒阿齐兹大学） ； University of Rochester（罗切斯特大学）
AI总结 针对行为数据异质性导致的训练不平衡问题，提出Omnisapiens-7B 2.0基础模型，采用异质性感知相对策略优化（HARPO）方法，在10个行为任务和5个零样本泛化基准上取得最佳性能。
Comments Accepted to ICML 2026 Main Conference
SkillJect：有效自动化基于技能的提示注入以针对具备技能的代理
机构 * Nanyang Technological University, Singapore（南洋理工大学，新加坡） ； Chongqing University, China（重庆大学） ； Northeastern University, China（东北大学） ； Sun Yat-sen University, China（中山大学） ； University of Oxford, UK（牛津大学）
AI总结 SkillJect 是首个自动化生成有效中毒技能的框架，通过隐藏恶意负载和重写指令通道，提升攻击效果，揭示可重用技能生态中的持久性攻击向量。
DPRM: 一种用于扩散语言模型的即插即用Doob h变换诱导的令牌排序模块
机构 * City University of Hong Kong（香港城市大学） ； The Institute of Statistical Mathematics（统计数学研究所） ； University of Sydney（悉尼大学） ； Nanyang Technological University（南洋理工大学） ； The University of Tokyo（东京大学）
AI总结 提出DPRM模块，通过在线估计从置信度驱动排序逐步过渡到过程奖励引导排序，改进扩散语言模型的令牌排序策略，在九种任务中提升性能。
FUSER: 前馈多视图3D配准Transformer与SE(3)^N扩散精化
机构 * Nanyang Technological University（南洋理工大学） ； Alibaba Group（阿里巴巴集团） ； Nanjing University（南京大学）
AI总结 提出FUSER，首个前馈多视图配准Transformer，在统一潜在空间中直接预测全局位姿，避免成对匹配；并引入SE(3)^N扩散精化框架FUSER-DF以校正估计。
Comments Accepted to CVPR 2026 (Oral)
代理世界建模：基础、能力、定律及更远
机构 * Hong Kong University of Science and Technology（香港科学与技术大学） ； National University of Singapore（新加坡国立大学） ； University of Oxford（牛津大学） ； Nanyang Technological University（南洋理工大学） ； Chinese University of Hong Kong（香港中文大学） ； University of Hong Kong（香港大学） ； University of Washington（华盛顿大学） ； University of Tokyo（东京大学） ； Carnegie Mellon University（卡内基梅隆大学） ； University of California, Berkeley（加州大学伯克利分校） ； University of Cambridge（剑桥大学） ； Singapore University of Technology and Design（新加坡科技设计大学） ； Singapore Management University（新加坡管理学院） ； XGEN Labs（XGEN实验室）
AI总结 本文提出'层次x定律'分类法，定义三个能力层级和四个约束领域，综合400余篇文献总结100余系统，分析方法、失败模式和评估实践，提出决策导向的评估原则和可复现评估包，展望从被动预测到重塑环境的代理世界建模路径。
BusterX：基于MLLM的AI生成视频伪造检测与解释
机构 * University of Liverpool, UK（利物浦大学） ； Nanyang Technological University, SG（南洋理工大学） ； The Chinese University of Hong Kong, Shenzhen, Guangdong, China（香港中文大学（深圳）） ； Wuhan University（武汉大学） ； Hangzhou Dianzi University（杭州电子科技大学）
AI总结 本文提出BusterX，一种基于多模态大语言模型的视频伪造检测系统，通过改进数据集和评估基准，提升检测准确性和解释质量。
大型语言模型中偏见的系统分析
机构 * Nanyang Technological University（南洋理工大学）
AI总结 本文系统分析了四种广泛使用的大型语言模型在政治、意识形态、联盟、语言和性别等维度上的偏见，通过多项实验揭示了模型在中立性、意识形态倾向、地缘政治倾向、多语言故事完成中的偏见以及性别倾向。
基于高斯过程的工具变量和近端因果推断
机构 * Department of Statistics and Actuarial Science, University of Hong Kong（香港大学统计与精算科学系） ； Rational Intelligence Lab, CISPA Helmholtz Center for Information Security（CISPA霍普夫信息安全中心理性智能实验室） ； Australian Institute for Machine Learning, Adelaide University（阿德莱德大学澳大利亚机器学习研究所） ； College of Computing & Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院）
AI总结 提出去条件高斯过程框架，用于存在未观测混杂时的因果推断，同时提供可靠的后验不确定性量化，并通过边际似然优化实现模型选择。
通过分布鲁棒优化学习信度集成
机构 * Department of Computer Science, KU Leuven, Belgium（比利时库勒万大学计算机科学系） ； College of Computing and Data Science, Nanyang Technological University, Singapore（新加坡南洋理工大学计算与数据科学学院） ； Department of Mechanical Engineering, KU Leuven, Belgium（比利时库勒万大学机械工程系） ； School of Engineering, Computing and Mathematics, Oxford Brookes University, U.K.（英国奥德赛布鲁克斯大学工程、计算与数学学院）
AI总结 提出CreDRO方法，通过分布鲁棒优化学习集成模型，捕获由训练与测试数据分布偏移导致的认知不确定性，在分布外检测和选择性分类任务上优于现有方法。
Comments Accepted by ICML 2026 as Spotlight paper (https://icml.cc/virtual/2026/poster/62862)
R1-SyntheticVL：生成模型的合成数据是否已为多模态大语言模型做好准备？
机构 * Hong Kong Polytechnic University（香港理工大学） ； Nanyang Technological University（南洋理工大学） ； Tsinghua University（清华大学） ； National University of Singapore（新加坡国立大学）
AI总结 提出集体对抗数据合成（CADS）方法，通过集体智能和对抗学习自动生成高质量、多样且具有挑战性的多模态数据，用于增强多模态大语言模型（MLLM）在复杂现实任务中的性能。
Comments ICML 2026 Camera Ready
增强型进化多目标深度强化学习用于可靠高效无线可充电传感器网络
机构 * College of Computer Science and Technology, Jilin University（吉林大学计算机科学与技术学院） ； Key Laboratory of Symbolic Computation and Knowledge Engineering of Ministry of Education, Jilin University（教育部符号计算与知识工程重点实验室） ； 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 Information and Communication Engineering, Hainan University（海南大学信息与通信工程学院） ； College of National Key Laboratory on Near-Surface Detection, Beijing（北京国家级近表面探测实验室）
AI总结 针对无线可充电传感器网络中节点存活率与充电能效的权衡问题，提出一种结合LSTM策略网络、MLP前瞻增量模型和时变Pareto策略评估的增强型进化多目标深度强化学习算法，显著优于现有方法。
Comments The article content needs to be significantly revised
基于LLM的多智能体系统实现自动化加密货币投资组合管理
机构 * University College London（伦敦大学学院） ； Nanyang Technological University（南洋理工大学） ； Exponential Science（指数科学）
AI总结 提出一个三智能体系统（市场、新闻、交易），通过分层、协作和辩论架构融合多模态信号，在2025年回测中实现133.52%累计收益和1.502夏普比率，优于单智能体和深度学习基线。
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