高校专区
超人：统一骨骼与视觉用于人体运动感知与生成
机构 * State Key Laboratory of General Artificial Intelligence, Peking University, Shenzhen Graduate School（通用人工智能国家重点实验室，北京大学深圳研究生院） ； Sony R&D Center（索尼研发中心） ； Nanyang Technological University（南洋理工大学）
AI总结 针对人体运动分析范式碎片化问题，提出Superman统一框架，通过视觉引导运动分词器创建跨模态运动词汇，训练单一MLLM架构处理多任务，实验表明该方法在运动任务中性能领先或具竞争力，为运动分析提供高效可扩展路径。
从全局到粒度：通过相关表面揭示图像质量评估模型性能
机构 * School of Computer Science, South China Normal University（华南师范大学计算机科学学院） ； College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院） ； School of Computer Science, City University of Hong Kong（香港城市大学计算机科学学院） ； School of Computer Science and Informatics, Cardiff University（卡迪夫大学计算机科学与信息学院） ； School of Computing and Artificial Intelligence, Jiangxi University of Finance and Economics（江西财经大学计算机科学与人工智能学院） ； Jiangxi Provincial Key Laboratory of Multimedia Intelligent Processing（江西省多媒体智能处理重点实验室）
AI总结 研究针对IQA模型评估受全局相关度量限制的问题，提出粒度调制相关（GMC）方法，通过粒度调制器和分布调节器分析IQA性能，以相关表面呈现结果，实验证明该方法能揭示标量度量不可见的性能特征，为IQA模型分析等提供更优范式。
BabyVision：超越语言的视觉推理
机构 * UniPat AI ； xbench ； Alibaba Group（阿里巴巴集团） ； MoonShot AI ； StepFun ； Peking University（北京大学） ； Tsinghua University（清华大学） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； Princeton University（普林斯顿大学） ； Nanyang Technological University（南洋理工大学） ； G Labs Equal Core Contributors（0G Labs 等核心贡献者）
AI总结 研究发现当代多模态语言模型依赖语言先验，在基本视觉任务上表现差。为此引入BabyVision基准评估其核心视觉能力，涵盖多任务。结果显示模型缺乏基本视觉原语，BabyVision的进展迈向人类水平视觉能力，还探索了用生成模型解决视觉推理的方法。
Comments 26 pages, Homepage at https://unipat.ai/blog/BabyVision
FailSafe: 视觉-语言-动作模型中的失败推理与恢复
机构 * Nanyang Technological University（南洋理工大学） ； Centre for Frontier AI Research, A*STAR（A*STAR前沿人工智能研究中心） ； Allen Institute for AI（艾伦人工智能研究所） ； University of Washington（华盛顿大学）
AI总结 提出FailSafe系统，自动生成多样化失败案例及可执行恢复动作，微调LLaVA-OV-7B构建FailSafe-VLM，使机器人检测并恢复失败，在ManiSkill任务上平均提升三个VLA模型性能达22.6%。
Comments IROS 2026. Project Page: https://jimntu.github.io/FailSafe
利用元记忆智能体增强大语言模型的无数据代码生成
机构 * College of Computing and Data Science, Nanyang Technological University, Singapore（南洋理工大学计算机与数据科学学院，新加坡） ； School of Computer Science, National Engineering Research Center for Multimedia Software, Wuhan University, Wuhan, China（多媒体软件国家工程研究中心计算机学院，武汉大学，中国） ； The University of Sydney, Sydney, Australia（悉尼大学，澳大利亚） ； Yunnan United Vision Technology Company Ltd., China（云南联合视界技术有限公司，中国） ； School of Computer Science, Wuhan University, Wuhan, China（武汉大学计算机学院，中国） ； School of Information Science and Engineering, Yunnan University, Kunming, China（云南大学信息科学与工程学院，中国）
AI总结 提出元记忆智能体，通过引导模型回忆、评估和选择性利用相关知识，无需外部示例即可提升无数据场景下的单次代码生成质量。
Syn4D：多视图合成4D数据集
机构 * VGG ； University of Oxford（牛津大学） ； Nanyang Technological University（南洋理工大学） ； Naver Labs Europe（Naver欧洲实验室）
AI总结 针对动态场景稠密3D重建跟踪缺高质量标注数据集的问题，构建含多类真值标注的Syn4D数据集，支撑多下游任务，助力相关研究。
Comments 33 pages, 11 figures, project page: https://jzr99.github.io/Syn4D/
从固定相机到自由相机：无需标定的视图鲁棒视觉-语言-动作模型
机构 * Nanyang Technological University（南洋理工大学） ； DAMO Academy, Alibaba Group（阿里巴巴达摩院） ； HuPan Lab（湖畔实验室） ； Alibaba Group（阿里巴巴集团）
AI总结 针对真实机器人部署中相机位姿变动问题，提出CamVLA模型，解耦操控控制与相机几何，实现无标定视图鲁棒的机器人任务执行。
PixWorld：在像素空间中统一3D场景生成与重建
机构 * Nanyang Technological University（南洋理工大学） ； AISphere（人工智能领域）
AI总结 针对3D场景生成与重建原有范式存在信息损失等缺陷，提出像素空间统一扩散框架PixWorld，引入几何感知损失，无需预训练自编码器，性能优于现有方法。
Comments Project page: https://sensengao.github.io/PixWorld/
当智能体的记忆留存却不外露：持久化个人智能体中的隐秘内存注入攻击
机构 * Nanyang Technological University（南洋理工大学） ； CFAR, A*STAR（CFAR，A*STAR） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 针对持久化个人智能体的隐秘内存注入威胁，构建多场景基准测试集WhisperBench，提出单次邮件投送的黑盒攻击框架MemGhost，可跨架构、跨防御实现高成功率的长期智能体入侵。
Comments 25 pages, 8 figures. Preprint
TacReasoner：面向真实场景交互推理的动态触觉-语言框架
机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Beijing Zhongguancun Academy（北京中关村科学城） ； Nanyang Technological University（南洋理工大学） ； Guangdong Institute of Artificial Intelligence and Advanced Computing（广东省人工智能与先进计算研究院）
AI总结 针对动态触觉信号建模不足、触觉基础模型易幻觉的问题，提出含动态触觉编码器的TacReasoner框架，配套构建TouchCoT-10k数据集与DynTac-Bench基准，推理性能优于主流大模型。
Comments 8 pages, 7 figures. Accepted at IROS 2026
研究工作室-创意：基于机器学习会议成果的有证据支持的研究创意技能套件
机构 * Nanyang Technological University（南洋理工大学） ； Microsoft Research（微软研究院） ； National University of Singapore（新加坡国立大学） ； CFAR, A*STAR（计算机辅助放射治疗中心，新加坡科技研究局）
AI总结 研究问题是提升研究创意，核心方法是构建包含多种技能的套件，主要贡献是揭示31个反复出现的创意子模式并整合为15个可复用模式，能将其转化为可追溯研究提案，经评估效果优于基线。
Comments Tech Report
SeeMe：通过有效的视觉令牌工程减轻大型视觉语言模型中的幻觉
机构 * State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University（北京大学计算机科学学院多媒体信息处理国家重点实验室） ； University of Pennsylvania（宾夕法尼亚大学） ； University of Electronic Science and Technology of China（电子科技大学） ； Nanyang Technological University（南洋理工大学） ； Tsinghua University（清华大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； De Artificial Intelligence Lab（德人工智能实验室）
AI总结 研究大型视觉语言模型易产生幻觉问题，提出无训练框架SeeMe，引入传统机器学习特征工程概念，经三阶段令牌工程重组视觉令牌抑制幻觉源，实验证明其能减轻幻觉并提高输出一致性。
Comments 12 pages, 4 figures, 6 tables
IPDiff：基于信息重构和多先验引导的扩散驱动光学遥感图像显著目标检测
机构 * School of Communication and Information Engineering, Shanghai University（上海大学通信与信息工程学院） ； Department of Medical Equipment, the First Affiliated Hospital of Zhengzhou University（郑州大学第一附属医院医学装备部） ； School of Control Science and Engineering, Shandong University（山东大学控制科学与工程学院） ； School of Computer Science and Engineering, Nanyang Technological University（南洋理工大学计算机科学与工程学院） ； Shenzhen Key Laboratory of Ubiquitous Data Enabling, Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院深圳泛在数据赋能重点实验室）
AI总结 提出IPDiff，一种基于独特动态优化策略的扩散驱动光学遥感图像显著目标检测方法，通过提取多先验信息，在去噪网络中迭代去噪生成显著图，并经混合损失函数监督训练，性能优于46种先进方法。
Comments 22 pages, 8 figures, accepted by IJCV 2026
LBTCap：用于实时遥感图像变化描述的轻量级双边变换器
机构 * School of Computing and Information Systems, The University of Melbourne（墨尔本大学计算与信息系统学院） ； Nanyang Technological University（南洋理工大学）
AI总结 提出轻量级RSICC框架LBTCap，基于双边变换器联合建模变化前后特征。引入双边注意力机制，结合截断主干和分组查询注意力，参数少且推理速度快，在公共数据集实验中实现精度与效率平衡。
文本作为部分约束：用于稳健视觉语言学习的核心-残差对齐
机构 * Nanyang Technological University (NTU)（南洋理工大学） ； Shenzhen Campus of Sun Yat-sen University（中山大学深圳校区）
AI总结 针对自然字幕不明确致视觉语言对齐脆弱的问题，提出文本作为部分约束框架，以多视图字幕为不完全监督，提炼共识语义核心，降低相似度对未提及残差的依赖，提升视觉语言表征可靠性。
DRBA：动态机器人平衡辅助——一种用于多功能训练的按需辅助步态和平衡康复机器人
机构 * School of Mechanical and Aerospace Engineering, Nanyang Technological University（南洋理工大学机械与航天工程学院） ； Guangdong Zhongxin Intelligent Rehabilitation Research Institute（广东众心智能康复研究院） ； Guangdong Jianxiang Hospital Group（广东健翔医院集团）
AI总结 针对现有地面机器人步态训练器的局限，提出动态机器人平衡辅助（DRBA），集成多种部件与算法，能按需提供体重和平衡支持，实验及患者试验验证其有效性，可提升康复效果。
超越启发式方法：用于人在回路仿真中物理人机交互的标准化真实到仿真管道
机构 * School of Mechanical and Aerospace Engineering, Nanyang Technological University（南洋理工大学机械与航天工程学院） ； Guangdong Zhongxin Intelligent Rehabilitation Research Institute（广东众鑫智能康复研究院）
AI总结 研究针对人在回路仿真中交互模型阻抗参数靠启发式调整的问题，提出Real2Sim管道，用协方差矩阵自适应进化策略识别动力学参数，提高仿真保真度，支持人体数字双胞胎用于个性化控制器临床前验证。
STAC：用于视频推理分割的选择性时空聚合与压缩
机构 * School of EEE, Nanyang Technological University, Singapore（新加坡南洋理工大学电气与电子工程学院） ； Institute for Infocomm Research, A*STAR, Singapore（新加坡资讯通信研究院） ； VCIP, CS, Nankai University, Tianjin, China（中国天津南开大学计算机科学学院视觉计算与模式识别实验室） ； AAIS, Nankai University, Tianjin, China（中国天津南开大学人工智能学院） ； NKIARI, Shenzhen Futian, China（中国深圳福田国家知识创新工程研究院） ； Guizhou University, Guizhou, China（中国贵州大学） ； Fudan University, Shanghai, China（中国上海复旦大学）
AI总结 视频推理分割面临高成本问题，现有方法有局限。基于状态空间模型，STAC通过解耦的空间和时间扫描丰富特征，利用冗余进行分层压缩，在零样本流兼容设置下减少令牌、加速并超越基线。
交易信心：算法交易中的综合不确定性估计
机构 * Nanyang Technological University（南洋理工大学） ； Centre for Frontier AI Research（前沿人工智能研究中心） ； A*STAR（新加坡科技研究局） ； Laval University（拉瓦尔大学）
AI总结 针对传统强化学习模型在金融交易动态环境中难以应对不确定性问题，提出含分布、认知和随机不确定性估计的框架，用多种方法增强估计，实验表明该框架下的强化学习智能体在收益和风险管理上表现更优。
Comments Accepted at the Pacific Asia Conference on Information Systems (PACIS 2025). 17 pages, 5 figures, 2 tables
双自适应SAM3：基于低秩专家层的分层路由用于参数高效的医学图像分割
机构 * Shenzhen Research Institute, The Chinese University of Hong Kong（香港中文大学深圳研究院） ； University of Science and Technology of China（中国科学技术大学） ； Nanyang Technological University（南洋理工大学） ； Imperial Global Singapore (IGS), Imperial College London（伦敦帝国理工学院新加坡帝国全球（IGS））
AI总结 提出双自适应SAM3框架，通过任务感知的动态专家路由器和参数感知的分解参数化专家设计，兼顾分割精度与参数效率，在医学图像分割上有高表现。
Comments Accepted by MICCAI 2026
ParetoPilot：通过推断-扰动-引导扩散实现零代理离线多目标优化
机构 * Nanyang Technological University（南洋理工大学）
AI总结 提出ParetoPilot，一种无需外部代理模型的零代理扩散框架，通过推断-扰动-引导引擎在无条件去噪步骤中隐式推断目标方向、正交化并行引力场和边缘感知排斥力，实现离线多目标优化的帕累托最优设计。
Glance-Say：通过粘性注视实现多模态人机协作与意图识别
机构 * University of Tuebingen（图宾根大学） ； Nanyang Technological University（南洋理工大学） ； Mercedes-Benz（梅赛德斯-奔驰）
AI总结 针对运动障碍者，本文提出多模态交互框架，用粘性注视算法稳定基于注视的意图，引入注视-语音交互范式及共享控制方案，实验表明其在目标跟踪、选择精度及任务时长上效果更佳。
Comments 8 pages, 6 figures
通过可微编程学习优化
机构 * Nanyang Technological University（南洋理工大学）
AI总结 本教程介绍利用可微编程学习设计一阶优化算法，通过端到端训练提升收敛性和解质量，并基于Fenchel-Rockafellar对偶性展示ADMM和PDHG等算法的学习与适应。
CLEANER：自我净化轨迹助力智能强化学习
机构 * Peking University（北京大学） ； NTU, Singapore（新加坡国立大学）
AI总结 研究参数受限模型探索阶段因执行失败产生噪声轨迹影响策略优化的问题，提出CLEANER，利用模型自我纠错能力净化轨迹，其SAAR机制提升平均准确率，减少训练步骤。
期权对冲的强化学习：静态隐含波动率拟合与短失意识表现
机构 * Department of Mathematics, University of Texas at Austin（德克萨斯大学奥斯汀分校数学系） ； Cornell Ann S. Bowers College of Computing and Information Science, Cornell University（康奈尔大学安·S·鲍威尔计算机与信息科学学院） ； School of Social Sciences, Nanyang Technological University（南洋理工大学社会科学学院） ； Krieger School of Arts and Sciences, Johns Hopkins University（约翰霍普金斯大学克里格尔艺术与科学学院）
AI总结 本文提出RLOP方法，通过结合风险厌恶和交易成本改进QLBS框架，评估期权定价模型在静态和动态维度的表现，强调实际对冲效果的重要性。
ChainReaction：用于模块化和可解释因果关系视频问答的因果链引导推理
机构 * Institute of High Performance Computing, Agency for Science, Technology and Research, Singapore（新加坡高性能计算研究所，科技研究局） ； Centre for Frontier AI Research, Agency for Science, Technology and Research, Singapore（科技研究局前沿人工智能研究中心，新加坡） ； 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）
AI总结 针对现有因果关系视频问答模型的问题，提出新的模块化范式，将因果推理与答案生成解耦，引入自然语言因果链，介绍两阶段架构及生成因果链方法，新指标，实验证明该方法性能优越。
Comments CVPR 2026
Re:Form——利用大语言模型中的强化学习减少可扩展形式化软件验证中的人工标注：关于Dafny的初步研究
机构 * Shanghai AI Lab（上海人工智能实验室） ； University of Alberta（阿尔伯塔大学） ； Tsinghua University（清华大学） ； Chinese University of Hong Kong, Shenzhen（香港大学（深圳）） ； Hong Kong University of Science and Technology（香港科技大学） ； Nanyang Technological University（南洋理工大学） ； University of Manchester（曼彻斯特大学） ； Peking University（北京大学）
AI总结 研究利用形式语言Dafny减少人工标注，核心方法是引入自动可扩展数据处理流程及结合形式语言验证器反馈的强化学习设计，主要贡献是提升模型在DafnyComp基准测试表现。
Comments Published in Transactions on Machine Learning Research (TMLR), 05/2026. Reviewed on OpenReview: https://openreview.net/forum?id=cAQmIS4GOe
通过结构化掩码的布局条件自回归文本到图像生成
机构 * Advanced Micro Devices Inc.（超威半导体公司） ； Dalian University of Technology（大连理工大学） ； S-Lab, Nanyang Technological University（南洋理工大学S-Lab）
AI总结 提出SMARLI框架，通过结构化掩码策略将布局约束注入自回归生成过程，并采用GRPO后训练缓解曝光偏差，实现高质量布局控制图像生成。
Comments ECCV 2026
SAVER：通过风格感知视觉早期修正减轻大型视觉语言模型中的幻觉
机构 * ROSE Lab, Interdisciplinary Graduate Programme, Nanyang Technological University, Singapore（南洋理工大学罗思实验室，跨学科研究生项目，新加坡） ； ROSE Lab, School of Electrical and Electronic Engineering, Nanyang Technological University, Singapore（南洋理工大学罗思实验室，电子与电气工程学院，新加坡） ； City University of Hong Kong, Hong Kong SAR（香港城市大学，香港特别行政区） ； Shanghai Jiao Tong University, China（上海交通大学，中国） ； Singapore University of Technology and Design, Singapore（新加坡科技设计大学，新加坡） ； VinUniversity, Hanoi, Vietnam（越南文大学，河内，越南）
AI总结 研究大型视觉语言模型幻觉问题，构建含照片及风格化图像数据集并对比，提出SAVER机制，利用早期层反馈基于视觉注意力模式动态调整输出，减轻风格化图像引起的幻觉，实验证明其性能先进。
Comments Accepted at AAAI 2026. 24 pages, 10 figures. Code: https://github.com/llizhaoxu/SAVER
令牌通信：一种用于跨模态上下文感知语义通信的大模型驱动框架
机构 * School of Information and Electronics, Beijing Institute of Technology, Beijing 100081, China（信息与电子学院，北京理工大学，北京） ； GIC & 6GIC, Institute for Communication Systems (ICS), University of Surrey, Guildford, United Kingdom（5GIC与6GIC，通信系统研究所（ICS）， Surrey大学， Guildford，英国） ； Centre for Wireless Communications, University of Oulu, 90014 Oulu, Finland（无线通信中心，奥卢大学， Oulu，芬兰） ； School of Computer Science and Engineering, Nanyang Technological University, Singapore 639798（计算机科学与工程学院，南洋理工大学， Singapore）
AI总结 介绍令牌通信框架，借助生成基础模型和多模态大语言模型，以令牌为通信单元，在语义通信中利用跨模态上下文信息，提升带宽效率，并给出关键原则与研究方向。
Comments Accepted at IEEE Wireless Communications Magazine
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