高校专区
ICRL: 通过强化学习学习内化自我批评
机构 * Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Nanjing University（南京大学） ； Sun Yat-sen University（中山大学） ； National University of Singapore（新加坡国立大学） ； Nanyang Technological University（南洋理工大学） ； SAP ； Microsoft Research（微软研究院）
AI总结 本文提出ICRL框架，通过联合训练求解器和批评者，使求解器在无外部批评时也能自我改进，提升代理和数学推理任务性能。
ICED: 通过可解释的概念分解实现概念级机器去学习
机构 * Fujian Normal University（福建师范大学） ； Nanyang Technological University（南洋理工大学） ； University of New South Wales（新南威尔士大学） ； Data61 CSIRO（Data61澳大利亚联邦科学与工业研究组织）
AI总结 本文提出ICED框架，通过多模态大语言模型构建任务特定概念词汇，实现VLMs中概念级去学习，有效去除目标知识并保留非目标语义，实验表明其在目标遗忘和模型效用方面表现优异。
强制等变性的弊端及其通过表达能力的视角进行补偿
机构 * University of Science and Technology of China（中国科学技术大学） ； University of Edinburgh（爱丁堡大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本文研究了强制等变性对表达能力的影响，发现其会降低表达能力，但通过扩大模型规模可补偿，并证明了补偿所需的规模上限，同时发现扩大后的架构具有更优的泛化能力。
全身运动规划与安全关键控制用于空中操作
机构 * School of Mechanical and Aerospace Engineering, Nanyang Technological University, Singapore（机械与航空航天工程学院，南洋理工大学，新加坡） ； Department of Aerospace Engineering, Seoul National University, South Korea（航空航天工程系，首尔国立大学，韩国）
AI总结 本文提出基于超级二次曲面的空中操作器全身运动规划与安全关键控制框架，通过融合Voronoi图与平衡流形生成平滑轨迹，并设计高阶控制屏障函数实现碰撞避让，实验验证其在复杂环境中的高效性和鲁棒性。
Comments Will be presented in 23rd IFAC World Congress 2026
RAR：用于视觉识别的检索与排序增强多模态大语言模型
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； The Chinese University of Hong Kong（香港中文大学） ； MThreads, Inc.（MThreads公司） ； Nanyang Technological University（南洋理工大学）
AI总结 RAR结合CLIP的检索与MLLM的排序，提升细粒度识别精度，增强少样本和零样本任务表现。
Comments Project: https://github.com/Liuziyu77/RAR
Articraft: 一种可扩展的拟人化3D资产生成代理系统
机构 * University of Cambridge（剑桥大学） ； University of Oxford（牛津大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出Articraft代理系统，利用大语言模型生成大规模拟人化3D资产，构建了包含10000+资产的Articraft-10K数据集，应用于机器人仿真和虚拟现实等下游任务。
Comments Project page: https://articraft3d.github.io/
BiTrajDiff: 用于离线强化学习的双向轨迹生成扩散模型
机构 * Zhejiang University（浙江大学） ； Zhejiang Lab（浙江省实验室） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Nanyang Technological University（南洋理工大学） ； Rutgers University（罗格斯大学）
AI总结 本文提出BiTrajDiff，通过双向扩散模型生成轨迹，解决离线强化学习中数据分布偏差问题，提升数据集多样性。
Evo-Depth：一种轻量化的深度增强视觉-语言-动作模型
机构 * School of AI, Shanghai Jiao Tong University（上海交通大学人工智能学院） ； King Abdullah University of Science and Technology（卡塔尔国王 Abdullah 大学科学与技术大学） ； Nanyang Technological University（南洋理工大学） ； SJTU-Quic Robot Joint Lab（上海交通大学-Quick 机器人联合实验室）
AI总结 本文提出Evo-Depth模型，通过轻量隐式深度编码模块和空间增强模块提升视觉-语言-动作任务中的空间感知能力，实现高效部署与高精度操作。
BiFedKD：非独立同分布和长尾ECG监控的双向联邦知识蒸馏框架
机构 * School of Electrical and Electronic Engineering, Nanyang Technological University, Republic of Singapore（南洋理工大学电子与电气工程学院） ； Lee Kong Chian School of Medicine, Nanyang Technological University, Republic of Singapore（南洋理工大学李科钦医学院）
AI总结 针对ECG监控中非IID和长尾标签分布问题，提出BiFedKD框架，通过聚合-蒸馏流程和温度缩放提升模型精度与F1分数，同时降低通信和计算开销。
去噪-GS：具有空间感知去噪的高斯点云
机构 * School of Computer Science and Artificial Intelligence（计算机科学与人工智能学院） ； Fudan University（复旦大学） ； Software of Engineering（软件工程系） ； Dalian University of Technology（大连理工大学） ； Department of Information Engineering（信息工程系） ； The Chinese University of Hong Kong（香港中文大学） ； College of Computing and Data Science（计算与数据科学学院） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出Denoising-GS，通过空间感知去噪框架改进3D高斯点云的优化过程，提升视点合成的保真度并保持表示紧凑性。
COAL: 基于反事实和观察增强的对齐学习用于判别性参照多目标跟踪
机构 * School of Automation, Southeast University, Nanjing, China（东南大学自动化学院，南京，中国） ； Key Laboratory of Measurement and Control of Complex Systems of Engineering, Ministry of Education, Nanjing, China（工程复杂系统测量与控制国家重点实验室，教育部，南京，中国） ； School of Physical & Mathematical Sciences, Nanyang Technological University, Singapore（南洋理工大学物理与数学科学学院，新加坡） ； Big Data Institute, Central South University, Changsha, China（中南大学大数据研究院，长沙，中国）
AI总结 COAL通过知识正则化解决RMOT中高判别性需求与稀疏语义监督的矛盾，引入显式语义注入和反事实学习提升多目标跟踪的判别能力。
超越选择范围：一种插拔式振荡数据量调度用于高效模型训练
机构 * National University of Singapore（国立新加坡大学） ； Nanjing University（南京大学） ； Hokkaido University（北海道大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出PODS框架，通过动态调节数据选择比例，在保持优化稳定性的同时提升训练效率，实验显示其在多种任务中均能提升效率与泛化能力。
MindGap：一种用于创伤后应激障碍上游神经可塑性干预的对话式AI框架
机构 * Old Dominion University（旧 Dominion 大学） ； AI Motion Labs（AI Motion 实验室） ； Nanyang Technological University（南洋理工大学） ； University of Colombo（科伦坡大学） ； Accenture Technology Labs（Accenture 技术实验室） ； Department of Psychiatry and Neurobehavioral Sciences（精神病学与神经行为科学系） ； University of Virginia School of Medicine（弗吉尼亚大学医学院） ； Blanchfield Army Community Hospital（Blanchfield 军队社区医院） ； McDonald Army Health Center（McDonald 军队健康中心）
AI总结 MindGap通过依赖起源于佛教心理框架的三层观察层，实现对PTSD患者神经可塑性康复的结构化干预，通过设备端运行的轻量级大语言模型提供每日校准暴露训练，实现对神经可塑性路径的上游溶解。
在权重空间中发现物理方向：组合神经PDE专家
机构 * The Hong Kong Polytechnic University（香港理工大学） ； Zhejiang University（浙江大学） ； Tsinghua University（清华大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本文研究了神经PDE专家在连续物理家族中多模式微调后的权重空间更新性质，提出CCM方法通过物理方向整合专家模型，提升跨物理域的预测性能。
面向离散不确定性的两阶段鲁棒优化场景缩减学习
机构 * Nanyang Technological University（南洋理工大学） ； Eindhoven University of Technology（埃因霍温理工大学） ； Shandong University（山东大学） ； Singapore Management University（新加坡国立大学）
AI总结 本文提出NeurPRISE，通过图神经网络和Transformer构建神经代理模型，实现高效场景缩减，提升计算效率并具备零样本泛化能力。
POMDP策略合成：通过学习融合采样与模型检查
机构 * Nanyang Technological University, Singapore（新加坡南洋理工大学） ； Tata Institute of Fundamental Research, Mumbai, India（印度孟买印度理工学院基础研究所以） ； Université Libre de Bruxelles, Brussels, Belgium（比利时布鲁塞尔自由大学） ； IITB Trust Lab, Department of CSE, IIT Bombay, Mumbai, India（印度孟买印度理工学院 Bombay 电子与计算机科学系信托实验室）
AI总结 本文提出整合采样、自动机构建与模型检查的POMDP策略合成框架，通过采样作为成员 oracle 和模型检查作为等价 oracle，实现具有形式保证的有限状态控制器合成。
Comments Paper accepted at 38th International Conference on Computer Aided Verification (CAV 2026), Lisbon, Portugal, July 2026
无需训练的生成采样 via 动量匹配的分数平滑
机构 * College of Computing and Data Science（计算与数据科学学院） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出无需训练的动量匹配分数平滑过阻尼兰格-恩斯坦动力学（MM-SOLD），通过在采样轨迹中强制目标动量，实现高效的训练自由采样，实验显示其在CPU上能快速稳健地生成高质量样本。
Comments 35 pages
PhyMotion: 结构化3D运动奖励用于物理基础的人体视频生成
机构 * UNC Chapel Hill（UNC夏洛特希尔大学） ； FieldAI ； NTU Singapore（新加坡国立大学） ； AI2 ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 本文提出PhyMotion，一种结构化的3D运动奖励机制，通过物理模拟器评估人体运动的物理可行性，提升视频生成中人体动作的真实感。
Comments First two authors contributed equally, website: https://phy-motion.github.io/
高等教育中的代理AI生态系统：对AI代理在新兴包容性、代理多代理AI框架中学习、教学和机构智能的视角
机构 * College of Computing and Data Science, Nanyang Technological University, NTU, Singapore（南洋理工大学计算机与数据科学学院） ； DeepMed Ptd Ltd, India（印度DeepMed公司）
AI总结 本文探讨高等教育中代理多代理AI平台的整合，旨在解决教育机构复杂性中的碎片化问题，强调包容性和适应性决策的重要性。
Comments 50 pages, 14 figures, 3 tables
在感染蔓延前捕捉它：多智能体系统中的前瞻性引导防御
机构 * Sichuan University（四川大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出Foresight-Guided Local Purification框架，通过智能体模拟未来交互行为，消除感染。实验表明，该方法将最大累积感染率从95%降至5.47%，有效保持交互多样性。
Comments 12 pages
VGGT-360：几何一致的零样本全景深度估计
机构 * 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 VGGT-360通过利用VGGT基础模型的内在3D一致性，提出一种无需训练的零样本全景深度估计框架，整合三个模块实现全景到3D到深度的统一流程，提升估计精度和鲁棒性。
AutoMoT：一种基于异步混合变换器的统一视觉-语言-动作模型用于端到端自动驾驶
机构 * Nanyang Technological University, Singapore（南洋理工大学，新加坡） ； Harvard University, US（哈佛大学，美国）
AI总结 本文提出AutoMoT，一种统一视觉-语言-动作模型，通过异步混合变换器架构解决自动驾驶中推理与动作空间分布不一致、推理效率低等问题，实验证明其在多基准测试中表现优异。
MPU：面向大语言模型安全和隐私保护的知识遗忘
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） ； Alibaba-NTU Global e-Sustainability CorpLab (ANGEL)（阿里云-南洋理工大学全球可持续发展科技实验室） ； Tongyi Lab, Alibaba Group（通义实验室，阿里巴巴集团）
AI总结 MPU提出一种隐私保护的多扰动副本遗忘框架，通过预处理和后处理模块实现安全的知识遗忘，实验表明其性能与无噪声基线相当甚至更优。
FlowSteer：通过强化递进画布编辑设计代理工作流
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Nanyang Technological University（南洋理工大学） ； National University of Singapore（新加坡国立大学）
AI总结 本文提出FlowSteer，一种通过强化学习递进画布编辑设计代理工作流的新范式，解决传统工作流构建中依赖人类、缺乏图级执行反馈和无法在长周期内修复错误的问题。
Comments 51 pages, 6 figures, 5 tables. Project page: http://flowsteer.org/
非平稳在线结构预测与替代损失
机构 * CyberAgent, Tokyo, Japan（日本东京CyberAgent公司） ； National Institute of Informatics, Tokyo, Japan（日本东京信息机构） ； Center for Advanced Intelligence Project, RIKEN, Tokyo, Japan（日本东京RIKEN高级智能项目） ； The Institute of Statistical Mathematics, Tokyo, Japan（日本东京统计数学研究所） ； Tohoku University, Miyagi, Japan（日本宫城县立东大学） ； Nanyang Technological University, Singapore（新加坡南洋理工大学）
AI总结 本文提出在非平稳环境下，通过结合在线梯度下降的动态后悔分析与替代损失间隙技术，获得目标损失的上限，同时扩展到更广泛的设置，并证明依赖于F_T和P_T的紧性。
基于状态空间系统的随机动力学学习
机构 * Division of Mathematical Sciences, School of Physical and Mathematical Sciences, Nanyang Technological University（数学科学系，物理与数学科学学院，南洋理工大学）
AI总结 本文通过统一处理确定性和随机性下的衰减记忆与回声状态属性，拓展了回声状态计算的理论基础，揭示了其在无严格收缩条件下的鲁棒性。
Journal ref Mathematical Models and Methods in Applied Sciences, 2026
SkillFlow: 以流程驱动的递归技能进化用于代理编排
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； National University of Singapore（新加坡国立大学） ； Nanyang Technological University（南洋理工大学） ； Zhejiang University（浙江大学）
AI总结 SkillFlow通过流程驱动的递归技能进化解决代理编排中的策略崩溃、梯度方差高和无指导技能进化问题，实现高效任务编排。
Comments 49 pages, 5 figures, 6 tables
对比多模态超图推理用于3D人群网格重建
机构 * Tianjin University（天津大学） ； Nanyang Technological University（南洋理工大学） ； Sichuan University（四川大学）
AI总结 本文提出对比多模态超图推理方法，结合语义、几何和姿态线索，解决人群重建中的遮挡和深度模糊问题，通过超图建模高阶人群动态，提升特征融合与跨模态正交性。
Comments ICME 2026
利用代理进化
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； DeepWisdom ； Singapore University of Technology and Design（新加坡科技设计大学） ； Nanyang Technological University（南洋理工大学） ； Shanghai Jiao Tong University（上海交通大学） ； Tsinghua University（清华大学） ； Université de Montréal & Mila（蒙特利尔大学及Mila）
AI总结 本文提出AEvo框架，通过统一接口整合程序和代理进化，提升长周期搜索性能，在多个基准测试中优于现有方法。
宽视角闭合：多模态大语言模型中的表征-行动鸿沟
机构 * Nanyang Technological University（南洋理工大学） ； LMMs-Lab Team（多模态大模型实验室团队） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 研究发现多模态大语言模型在感知与行动之间存在鸿沟，通过IMAVB基准测试揭示模型在处理冲突信息时的不足，提出PGLA方法提升拒绝行为。
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