高校专区
ACE-Data-0：以人为中心的环境捕获作为具身数据引擎
机构 * S-Lab, Nanyang Technological University（新加坡南洋理工大学S-Lab） ； ACE Robotics（ACE机器人公司）
AI总结 本研究提出以人为中心的具身数据引擎ACE，构建含150小时数据的ACE-Data-0数据集，引入分层基准，暴露现有方法缺陷，为具身AI等领域提供基础。
Comments Project Page: https://ace-data-engine.github.io/ACE-Data-0/
MSCM-net：基于多尺度卷积和Mamba的高光谱图像分类方法
机构 * Qingdao University of Technology（青岛理工大学） ； Nanyang Technological University（南洋理工大学）
AI总结 该研究针对高光谱图像分类的局部性约束与高计算复杂度问题，提出结合多尺度CNN和Mamba的MSCM-net模型，经多组基准实验验证其在降复杂度的同时可实现先进分类性能。
GGC：面向可靠Text-to-SPARQL生成的选择性查询修正
机构 * Nanyang Technological University（南洋理工大学） ； Institute of High Performance Computing, Agency for Science, Technology and Research (A*STAR)（新加坡科技研究局高性能计算研究所）
AI总结 该研究针对LLM生成Text-to-SPARQL查询不可靠的问题，提出GGC框架，通过选择性修正高风险查询，在MCQA数据集上提升准确率并降低推理开销。
Comments 18 pages, 1 figure
S-CEReBrO：突破连续脑电图监测中的内存瓶颈
机构 * ETH Zurich（苏黎世联邦理工学院） ； Nanyang Technological University（南洋理工大学） ； University of Bologna（博洛尼亚大学）
AI总结 该研究针对连续EEG监测中Transformer架构的内存瓶颈，提出S-CEReBrO架构，通过窗口交替注意力实现内存恒定，在EEG下游任务中性能领先且效率提升。
Comments This is the pre-rebuttal version of a paper accepted at MICCAI 2026. The camera-ready version will be posted following the embargo
统一视觉-语言模型中的对抗鲁棒模型专家
机构 * College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院） ； Center for Frontier AI Research, Agency for Science, Technology and Research (A*STAR)（新加坡科技研究局前沿人工智能研究中心）
AI总结 针对视觉-语言模型对抗鲁棒性不足问题，提出CARE框架，通过维护并协同微调多个鲁棒模型专家，实现知识融合，在多任务上性能优于单独训练的专家。
SpecCal：面向红外光谱分子结构重建的歧义感知候选校准方法
机构 * College of Computer Science and Technology, Jilin University（吉林大学计算机科学与技术学院） ； School of Mathematics, Jilin University（吉林大学数学学院） ； Information Hub, HKUST(GZ)（香港科技大学（广州）信息中心） ； School of Chemistry, Chemical Engineering and Biotechnology (CCEB), Nanyang Technological University（南洋理工大学化学、化学工程与生物工程学院） ； School of Software Engineering, University of Science and Technology of China（中国科学技术大学软件学院）
AI总结 本研究针对红外光谱分子结构重建的歧义问题，提出即插即用、与模型无关的SpecCal校准框架，可提升不同基础模型在SMILES和骨架水平的top-k重建性能。
MedXplore：面向医学成像中可靠且无偏的广义类别发现
机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Nanyang Technological University（南洋理工大学）
AI总结 针对医学成像中广义类别发现存在的旧类偏差问题，提出MedXplore框架，通过FAAC与ACAM模块优化表征学习，在多基准上实现准确率提升且旧类误报率显著降低。
Comments accepted by ACM MM 26
语言模型中的隐藏API：从分叉未来中发现可复用的因果接口
机构 * Nanyang Technological University（南洋理工大学） ； Southern University of Science and Technology（南方科技大学） ； Tianjin University（天津大学） ； Sun Yat-sen University（中山大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Georgia Institute of Technology（佐治亚理工学院） ； The Hong Kong Polytechnic University（香港理工大学） ； Shenzhen University（深圳大学） ； Tsinghua University（清华大学） ； The Hong Kong University of Science and Technology（香港科技大学）
AI总结 本研究从分叉未来采样后续操作以比较语言模型隐藏状态，发现共享接口在多模型评估中表现最优，支持测试操作库中存在可复用因果接口。
卡尔曼与课程学习结合：面向自适应RL微调的高效动态提示选择
机构 * Beihang University（北京航空航天大学） ； Zhongguancun Academy（中关村学院） ； Nanyang Technological University（南洋理工大学） ； Communication University of China（中国传媒大学）
AI总结 本文提出KGPS方法，将提示选择转化为动态状态估计问题，适配RL训练动态，在多推理基准和RL算法上较基线提升准确率与rollout效率，在在线提示选择中达最优。
Bunraku：将单张插图转换为可编辑的Live2D角色
机构 * Tsinghua University（清华大学） ； Nanyang Technological University（南洋理工大学） ； SparcAI Inc.（SparcAI公司）
AI总结 本文提出Bunraku系统，可从单张插图端到端生成可编辑Live2D角色，构建分层扩散与联合位移预测方法，发布首个相关基准Live2D-Bench及8884模型语料库，解决了Live2D模型手动构建效率低的问题。
Comments Project page: https://bunraku-live2d.github.io/
PlatformBid：来自统一广告平台视角的自动竞价基准
机构 * Southeast University（东南大学） ； Kuaishou Technology（快手科技） ； Nanyang Technological University（南洋理工大学）
AI总结 该研究针对现有自动竞价算法仅聚焦DSP侧的问题，提出首个以统一广告平台为中心的自动竞价基准PlatformBid，定义三类竞争场景并评估多种方法，还提出BidFlow方法，在快手实验中目标成本提升0.68%。
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