高校专区
SafeCA：用于文本到视频越狱防御的安全交叉注意力定位与调控
机构 * Nanyang Technological University（南洋理工大学） ； National University of Singapore（新加坡国立大学）
AI总结 SafeCA是一种特征级T2V越狱防御机制，通过分析交叉注意力特征差异提出，可降低主流模型越狱成功率约20%，仅增0.1s推理开销且保持语义一致性，提供架构级可部署防护范式。
Comments 10 pages, 4 figures
思想树（Tree-of-Ideas）：基于学术演化跨轨迹推理的自动化研究构想生成
机构 * Guangdong Laboratory of Artificial Intelligence and Digital Economy (SZ)（广东省人工智能与数字经济实验室（深圳）） ； University of Melbourne（墨尔本大学） ； University of Sydney（悉尼大学） ； Shenzhen University（深圳大学） ； Nanyang Technological University（南洋理工大学） ； Tsinghua University（清华大学） ； Tencent Youtu Lab, Tencent（腾讯腾讯云图实验室）
AI总结 该研究提出两阶段框架Tree-of-Ideas，通过重构学术轨迹并跨轨迹推理生成研究构想，在6个人工智能主题上的自动方法中得分最高，接近人类水平。
通过采样BPE词元统计审计中文网页规模语料库
机构 * Tsinghua University（清华大学） ； SiliconProspect AI（硅景人工智能） ； Nanyang Technological University（南洋理工大学） ； Alibaba Group（阿里巴巴集团）
AI总结 针对中文网页污染审计的三项挑战，提出Sampled-BPE轻量级审计流程，在大幅降低运行时间和内存消耗的同时保持精度，审计多类语料库并发布分层中文网页词元数据集。
离散扩散的单纯形松弛
机构 * NTU Singapore（新加坡南洋理工大学） ； The University of Tokyo（东京大学） ； Purdue University（普渡大学） ； Institute for Advanced Intelligence and Computing (IAIC), A*STAR（新加坡科技研究局高级智能与计算研究所） ； Centre for Frontier AI Research (CFAR), A*STAR（新加坡科技研究局前沿人工智能研究中心）
AI总结 本研究提出Simplax方法，通过单纯形松弛丰富离散扩散模型的训练目标与反向转移，在OpenWebText和数独生成任务中取得了更优性能。
π-SUB：一种用于水下图像增强的物理感知合成水下基准数据集
机构 * Indian Institute of Science（印度科学学院） ； PES University（PES大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出物理感知框架π-SUB构建合成水下基准数据集，在超真实感和泛化能力上优于现有数据集，可用于开发下一代水下图像增强方法。
Comments 13 pages
基于混合态原型的量子增量学习
机构 * Northwestern Polytechnical University（西北工业大学） ； Nanyang Technological University（南洋理工大学） ； University of Alberta（阿尔伯塔大学） ； Macau University of Science and Technology（澳门科技大学） ； Polish Academy of Sciences（波兰科学院） ； Istinye University（伊斯蒂涅大学）
AI总结 该研究提出基于可训练混合态原型的量子增量学习框架，以添加类别原型替代增加电路宽度，仿真显示其在增量学习任务中性能优于经典基线
VisEditBench：视觉语言模型能否基于多模态反馈编辑可视化代码？
机构 * York University（约克大学） ； Nanyang Technological University（南洋理工大学） ； Salesforce AI Research（Salesforce人工智能研究）
AI总结 本研究推出可视化代码编辑基准VisEditBench，评估20种VLMs的编辑能力，提出基于渲染的VisEditAgent框架，显著提升了编辑任务的通过率。
DSAgentBench：智能体能否在真实计算机环境中自动化端到端数据科学工作流？
机构 * York University（约克大学） ； Nanyang Technological University（南洋理工大学） ； Salesforce AI Research（Salesforce AI研究院）
AI总结 DSAgentBench是首个评估智能体在真实计算机环境中自动化完整数据科学工作流的基准，含275项任务，实验显示现有智能体与实际需求存在显著能力差距。
UserToolBench：用于工具使用类大语言模型个性化决策的用户画像隐藏型基准测试集
机构 * Sun Yat-Sen University（中山大学） ； Nanyang Technological University（南洋理工大学）
AI总结 UserToolBench是针对工具使用类大语言模型的基准测试集，可评估模型从交互历史推断用户偏好等个性化决策能力，实验发现当前模型在多工具协调等方面仍存瓶颈。
Comments 21pages,4figures
MaskFlow：精准、一致且无缝的区域图像编辑
机构 * SenseTime Research（商汤科技研究院） ； Beihang University（北京航空航天大学） ； Nanyang Technological University（南洋理工大学）
AI总结 MaskFlow框架通过融合掩码的流匹配目标与Soft-Poisson去接缝模块，结合MEData数据集，实现了精准可控、无缝融合的区域图像编辑，性能优于现有方法。
Comments 18 pages, 6 figures. Project page: https://reychiaro.github.io/MaskFlow
LLM推理的周期表：推理范式、方法与失败模式的结构化综述
机构 * Singapore Institute of Technology（新加坡理工大学） ； Nvidia AI Center (SNAIC)（英伟达人工智能中心（SNAIC）） ； MIDAS Lab, IIIT Delhi（IIIT德里MIDAS实验室） ； MIDAS Lab, IIT Mandi（IIT曼迪MIDAS实验室） ； Owl Autonomous Imaging, Inc.（Owl自主成像公司） ； College of Computing & Data Science, NTU Singapore（新加坡南洋理工大学计算与数据科学学院） ； NVIDIA AI Technology Centre, Singapore（英伟达新加坡人工智能技术中心） ； Department of Computer Science and Engineering, IIT Kanpur（IIT坎普尔计算机科学与工程系）
AI总结 本文系统综述了300多篇论文，提出LLM推理研究的结构化分类法，涵盖多种推理范式，分析方法论趋势，并总结常见限制与失败模式，旨在为开发更鲁棒、可解释和可泛化的推理系统提供参考。
对抗性提示注入攻击多模态大语言模型
机构 * Rapid-Rich Object Search Lab, School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电气与电子工程学院快速丰富目标搜索实验室）
AI总结 本文研究了针对强大闭源多模态大语言模型的不可察觉视觉提示注入攻击，通过界文本叠加嵌入恶意提示并优化视觉扰动，提升攻击性能。
基于VGGT先验的几何基础密集语义匹配研究
机构 * S-Lab, Nanyang Technological University（南洋理工大学S实验室） ； Visual Geometry Group, University of Oxford（牛津大学视觉几何组）
AI总结 本文针对现有语义匹配方法的几何歧义与最近邻规则局限，采用VGGT先验，通过特征调整、循环训练等策略实现适配，在多方面性能优于基线。
Comments ECCV 2026
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