高校专区
激励感知的AI监管：一个信度特征刻画
机构 * CISPA Helmholtz Center for Information Security（CISPA亥姆霍兹信息安全中心） ； Department of Statistics, LMU Munich（慕尼黑大学统计系） ； UvA-Bosch Delta Lab, University of Amsterdam（阿姆斯特丹大学UvA-Bosch Delta实验室） ； Nanyang Technological University（南洋理工大学）
AI总结 提出机制设计框架，通过信度集刻画非合规证据分布，实现完美市场结果（PMO）的充要条件，并验证于虚假特征与公平性监管。
FeRA: 面向高效扩散自适应微调的频率能量约束路由
机构 * National University of Singapore（新加坡国立大学） ； University of Electronic Science and Technology of China（电子科技大学） ； Nanyang Technological University（南洋理工大学） ； vivo ； Tencent（腾讯） ； Nanjing University（南京大学）
AI总结 提出FeRA框架，通过揭示扩散模型去噪过程中的频率能量机制，利用频率能量指示器、软频率路由和频率能量一致性正则化，实现参数更新与内在频率能量进程对齐，从而高效稳定地微调扩散模型。
从错误中学习：面向自动驾驶的展开-检索终身策略学习
机构 * School of Mechanical Engineering, Beijing Institute of Technology（北京理工大学机械工程学院） ； School of Mechanical and Aerospace Engineering, Nanyang Technological University（南洋理工大学机械与航空航天工程学院）
AI总结 提出R²LPL框架，通过从可恢复的闭环驾驶错误中检索纠正目标并进行终身学习，将稀疏失败证据转化为监督知识，持续提升自动驾驶策略性能。
Comments 15 pages, 6 figures. Code available at: https://github.com/Engibacter/R2LPL
REAR: 通过奖励分解实现测试时偏好重对齐
机构 * Nanyang Technological University（新加坡国立大学） ； Nanjing University（南京大学）
AI总结 提出REAR框架，通过将奖励函数分解为问题相关和偏好相关两部分，推导出可线性组合的对齐奖励，实现无需训练的测试时偏好重对齐，适用于多种任务。
Comments Accepted by ICML 2026
ActiveVital：面向家庭医疗保健机器人的几何感知体感生命体征监测
机构 * MARS Lab, Nanyang Technological University, Singapore（MARS实验室，南洋理工大学，新加坡） ； Fudan University, Shanghai, China（复旦大学，上海，中国）
AI总结 提出ActiveVital框架，通过视觉引导机器人主动调整毫米波雷达与胸腔的几何对齐，将生命体征监测从被动信号恢复转为主动几何调控，显著降低呼吸和心率误差。
少样本领域增量学习通过持续视觉-语言整合
机构 * School of Computer Science and IT, Adelaide University, Australia（阿德莱德大学计算机科学与信息技术学院，澳大利亚） ； Faculty of Engineering and IT, University of Technology Sydney (UTS), Australia（悉尼大学工程与信息技术学院（UTS），澳大利亚） ； School of Artificial Intelligence and Computer Science, Nantong University, China（南通大学人工智能与计算机科学学院，中国） ； 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，新加坡）
AI总结 针对少样本领域增量学习问题，提出持续视觉-语言整合（CVLC）算法，通过基础域潜在空间预留和双共轭投影（DCP）参数高效微调，融合视觉与语言原型，在多个基准上性能提升高达16%。
非完全人类品味：LLM调查替代者的程式化杂食性
机构 * Nanyang Technological University Singapore（新加坡南洋理工大学）
AI总结 本研究使用多个大型语言模型生成大量调查替代者，发现其品味存在系统性正向偏差、丧失真实品味结构的复杂关系，且扭曲了品味与社会空间的关联。
MuseBench: 多模态大语言模型中意图级视听艺术理解的基准测试
机构 * NTU Singapore（南洋理工大学） ； The University of Hong Kong（香港大学） ； Johns Hopkins University（约翰霍普金斯大学） ； AI2（人工智能研究所） ； UNC-Chapel Hill（北卡罗来纳大学教堂山分校）
AI总结 提出MuseBench基准，通过4016道涵盖电影、视觉艺术、舞台表演和游戏艺术的选择题，评估多模态大模型对艺术创作意图的理解，发现最佳模型准确率仅48.29%，远低于人类专家的87.18%。
Comments Project page: https://musebench.github.io
ReMAP-PET：超越视觉理解——从脑PET学习区域引导的代谢对齐语义
机构 * The Chinese University of Hong Kong, HKSAR（香港中文大学） ； TReNDS Center (Georgia State, Georgia Tech, Emory)（TReNDS中心（佐治亚州立大学、佐治亚理工学院、埃默里大学）） ； ShanghaiTech University, Shanghai, P.R.China（上海科技大学） ； University of California, Berkeley, USA（加州大学伯克利分校） ； University of Texas Health Science Center at Houston, USA（德克萨斯大学健康科学中心（休斯顿）） ； Nanyang Technological University, Singapore（南洋理工大学）
AI总结 提出ReMAP-PET框架，通过联合回归和对比学习监督3D ResNet-50学习脑PET的区域代谢语义，在SUVR预测和检索上显著优于基线，并实现与临床语言的对齐及报告生成。
MotionAtlas: 面向运动中心视频的详细区域描述
机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Shanghai Jiao Tong University（上海交通大学） ； Nanyang Technological University（南洋理工大学） ； Peking University（北京大学） ； Wuhan University（武汉大学） ； Beijing Jiaotong University（北京交通大学）
AI总结 提出MotionAtlas系统，通过区域感知运动描述、自举精炼数据管道和定制训练策略，在运动中心视频描述中显著提升细粒度理解，超越现有模型。
Comments Accepted to ECCV 2026. Project page: https://kagura-0001.github.io/projects/MotionAtlas
Blackknife: 异构图神经网络上的硬标签、查询受限黑盒攻击
机构 * Nanyang Technological University（南洋理工大学） ； Computer Network Information Center, Chinese Academy of Sciences（中国科学院计算机网络信息中心）
AI总结 提出Blackknife框架，在仅依赖局部一跳异构结构和少量硬标签查询的严格黑盒约束下，通过局部关系感知替代模型和投影梯度下降优化离散结构扰动，实现对异构图神经网络的高效攻击。
LiftQuant: 通过维度提升和投影实现连续位宽的LLM
机构 * Nanyang Technological University（南洋理工大学）
AI总结 提出LiftQuant框架，通过“提升-投影”机制实现准连续位宽控制，以精确适配内存预算，在70B模型上以2.4位压缩超越现有2位模型。
Comments ICML 2026 Spotlight
一种训练高效的基于Transformer的反欺骗网络用于ASVspoof 5中的逻辑访问
机构 * Nanyang Technological University（南洋理工大学）
AI总结 针对ASVspoof 5 Track 1封闭条件，提出TFPARN网络，结合焦点分类损失和成对排序损失，通过Transformer编码器和注意力池化实现高效反欺骗，在minDCF和EER上优于AASIST和RawNet2，且推理内存更低、训练更快。
Comments 11 pages, 2 figures
超越SFT到RL：通过黑盒在线策略蒸馏进行预对齐以多模态RL
机构 * Hong Kong University of Science and Technology (Guangzhou)（香港理工大学（广州）） ； Tsinghua University（清华大学） ； Nanyang Technological University（南洋理工大学） ； Renmin University of China（中国人民大学） ； University of Science and Technology of China（中国科学技术大学） ； University of Chinese Academy of Sciences（中国科学院大学）
AI总结 本文提出PRISM框架，通过在SFT和RLVR之间插入显式分布对齐阶段，解决多模态RL中的分布漂移问题，利用基于策略蒸馏的对抗游戏提升对齐效果，实验显示在多个RL算法和基准上性能提升。
SpecMind：基于认知的、交互式多轮框架用于后置条件推断
机构 * The University of Texas at Dallas（德克萨斯大学达拉斯分校） ； FPT Software AI Center（FPT软件AI中心） ； VinUniversity（文大学） ； Nanyang Technological University（南洋理工大学）
AI总结 SpecMind通过多轮交互式提示方法提升后置条件生成的准确性和完整性，利用反馈驱动模型迭代优化，增强代码理解和程序行为对齐。
Comments Accepted in ACL 2026 Main
MonoSR: 从单目图像进行开放词汇空间推理
机构 * Technical University of Munich（慕尼黑工业大学） ； A*STAR Institute of Advanced Intelligence and Computing（新加坡科技研究局高级智能与计算研究所） ； Singapore University of Technology and Design（新加坡科技设计大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出MonoSR大规模单目空间推理数据集，涵盖多种场景并支持多种问题类型，评估先进视觉-语言模型并分析辅助信息对单目空间推理的重要性，为开放世界中的单目空间推理提供基础。
Comments Accepted by ECCV 2026
延迟机器人介导双人交互中的稳定性边界与运动表现
机构 * Robotics Research Centre, School of Mechanical and Aerospace Engineering, Nanyang Technological University（南洋理工大学机械与航空工程学院机器人研究中心） ； Department of Computer Science and Artificial Intelligence, University of Technology Nuremberg（纽伦堡工业大学计算机科学与人工智能系）
AI总结 本文通过频率域零穿越方法建立了考虑网络诱导时延的机器人介导双人交互系统的稳定性边界，分析了交互刚度对系统稳定性的影响，并通过实验验证了理论稳定性边界与实际运动表现的相关性。
EfficientUICoder: 一种用于高效基于多模态大语言模型的UI代码生成的双向标记压缩框架
机构 * The Chinese University of Hong Kong（香港中文大学） ； Huazhong University of Science and Technology（华中科技大学） ； Singapore Management University（新加坡管理大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出EfficientUICoder，通过元素和布局感知标记压缩、区域感知标记精炼和自适应重复标记抑制，有效压缩UI代码生成的标记数量，提升生成效率和代码质量。
Comments Published in the Proceedings of the 2026 ACM International Conference on the Foundations of Software Engineering (FSE 2026)
StarDojo：基于Stardew Valley的多模态大语言模型在生产-生活模拟中的开放性行为基准测试
机构 * Nanyang Technological University（南洋理工大学） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； East China University of Science and Technology（华东理工大学） ； Singapore Management University（新加坡管理大学）
AI总结 StarDojo通过Stardew Valley模拟评估多模态大语言模型在生产与社交活动中的综合能力，包含1000个任务，发现GPT-4.1在视觉理解与多模态推理方面存在显著不足。
Comments Accepted by ECCV 2026. Project website: https://weihaotan.github.io/StarDojo
GraphChase：城市网络安全博弈的平台与基准
机构 * City University of Hong Kong（香港城市大学） ； CAIR, Hong Kong Institute of Science & Innovation, CAS（中国科学院香港创新研究院人工智能与机器人创新中心） ； Nanyang Technological University（南洋理工大学） ； Georgia Institute of Technology（佐治亚理工学院） ； University of Toronto（多伦多大学） ； The University of Hong Kong（香港大学）
AI总结 GraphChase为城市网络安全博弈提供统一平台，支持算法开发与评估，揭示现有方法在鲁棒性和可扩展性上的不足，强调仿真到现实的泛化差距。
Driver-WM：以驾驶员为中心的交通条件潜在世界模型用于车内动态展开
机构 * Nanyang Technological University, Singapore（南洋理工大学，新加坡） ； Hubei University, Wuhan, China（湖北大学，武汉，中国） ； Osaka University, Osaka, Japan（大阪大学，大阪，日本）
AI总结 提出Driver-WM，一种以驾驶员为中心的潜在世界模型，通过门控因果注入机制在紧凑潜在空间中联合预测驾驶员物理运动、行为和情感，实现外部交通到内部动态的因果展开。
Comments Accepted to the 19th European Conference on Computer Vision (ECCV 2026). This version includes the supplementary material
ProMSA: 渐进式多模态搜索智能体用于基于知识的视觉问答
机构 * OPPO AI Center, OPPO Inc. China（OPPO AI中心，OPPO公司） ； The Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Nanyang Technological University, Singapore（新加坡南洋理工大学）
AI总结 提出渐进式多模态搜索智能体ProMSA，通过迭代选择图像搜索、文本搜索或停止，在显式工具调用预算和去重机制下，结合序列级强化学习优化，提升基于知识的视觉问答的检索和端到端准确性。
面向扩散模型的类别频率引导噪声调度
机构 * Hefei University of Technology（合肥工业大学） ； University of Science and Technology of China（中国科学技术大学） ； The University of Hong Kong（香港大学） ； The Chinese University of Hong Kong（香港中文大学） ； Nanyang Technological University（南洋理工大学）
AI总结 针对低频类别在扩散模型中因低密度区域导致评分估计不准和生成质量差的问题，提出类别频率引导的噪声调度（CFRG），为低频类别分配更大尺度噪声，在CIFAR-100-LT和ImageNet-LT上显著提升生成质量。
Comments technical report
从信号到迁移：基于探针的大语言模型不确定性估计的分解研究
机构 * Nanyang Technological University（南洋理工大学） ； Shanghai Jiao Tong University（上海交通大学） ； VinUniversity ； KAIST（韩国科学技术院）
AI总结 通过分解研究，发现原始隐藏状态和注意力特征在域内表现优异，但结构化压缩特征在分布偏移下更鲁棒，提示和标签构建显著影响探针行为，并训练出可迁移的预训练探针。
LA4VLA：通过语言-动作预训练实现无视觉行动学习
机构 * School of AI, Shanghai Jiao Tong University（上海交通大学人工智能学院） ； Alibaba Group（阿里巴巴集团） ； Nanyang Technological University（南洋理工大学） ； KAUST（阿卜杜拉国王科技大学）
AI总结 提出LA4VLA框架，通过语言-动作预训练学习动作先验，减少对视觉线索的依赖，提升VLA策略的鲁棒性，在仿真和真实任务中成功率显著提升。
Comments Github: https://github.com/MINT-SJTU/LA4VLA
DIVER：强化扩散突破端到端自动驾驶的模仿瓶颈
机构 * School of Artificial Intelligence (School of Software), Yanshan University（燕山大学人工智能学院（软件学院）） ； Beijing Key Laboratory of Traffic Data Mining and Embodied Intelligence, School of Computer Science and Technology, Beijing Jiaotong University（北京交通大数据挖掘与具身智能关键实验室，北京交通大学计算机科学与技术学院） ； Horizon Robotics（地平线机器人） ； School of Mechanical and Aerospace Engineering, Nanyang Technological University（南洋理工大学机械与航空航天工程学院） ； University of Macau（澳门大学） ； School of Electrical Engineering and Computer Science, The University of Queensland（昆士兰大学电子工程与计算机科学学院）
AI总结 DIVER通过融合强化学习与扩散生成，生成多样化可行轨迹，提升自动驾驶的泛化能力，解决模仿学习中的模式崩溃问题。
Comments 17 pages, 10 figures
DMind Benchmark：面向Web3领域LLM能力的全面评估
机构 * Zhejiang University（浙江大学） ； Nanyang Technological University（南洋理工大学）
AI总结 提出DMind Benchmark，覆盖Web3九个子领域，结合客观知识与开放推理任务，评估31个LLM，发现模型在安全审计等高推理任务中存在显著弱点。
桥接对话与思维：理解协作问题解决情境中的对话动态
机构 * Nanyang Technological University（南洋理工大学） ； Agency for Science, Technology and Research (A*STAR)（新加坡科技研究局） ； National University of Singapore（新加坡国立大学）
AI总结 提出一个双层编码框架，整合认知与非认知问题解决及元认知调节机制，分析人机与多智能体协作对话，发现元认知调节是深度协作的关键区分因素。
TOPS：通过构建令牌最优保留集实现高效多模态大语言模型推理的第一性原理视觉令牌剪枝
机构 * State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University（北京大学计算机学院多媒体信息处理国家重点实验室） ； University of Electronic Science and Technology of China（电子科技大学） ； Nanyang Technological University（南洋理工大学） ； Beijing Academy of Artificial Intelligence (BAAI)（北京人工智能研究院）
AI总结 提出TOPS方法，基于信息论分析确立任务相关性、信息覆盖和语义多样性三大原则，无训练且模型无关地剪枝视觉令牌，在LLaVA-NeXT上剪除77.8%令牌仍保持甚至提升性能。
Comments 27 pages, 18 figures
风险感知的选择性多模态驾驶员监控与驾驶员状态世界建模
机构 * Hubei University（湖北大学） ； Nanyang Technological University（南洋理工大学） ； Osaka University（大阪大学）
AI总结 提出成本感知的选择性推理框架，结合轻量级RGB-生理学生网络和门控机制，在低延迟下减少不安全决策，实现可部署的多模态驾驶员监控。
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