高校专区
基于闵可夫斯基运算的控制障碍函数用于多面体间的安全导航
机构 * University of Maryland（马里兰大学） ； Boston University（波士顿大学） ； Nanyang Technological University（南洋理工大学）
AI总结 该研究针对多面体环境的机器人安全导航问题，提出结合非光滑控制障碍函数与闵可夫斯基运算的精确符号距离函数方法，可实现非保守机动与安全恢复。
Comments 16 pages, 13 figures. Expanded version of a paper published in IEEE CDC 2025. Demo video: https://youtu.be/D0zVswzyxaE
视频模型作为原生4D渲染器：基于动画网格的世界 grounding 条件
机构 * Tsinghua University（清华大学） ； The Hong Kong Polytechnic University（香港理工大学） ； University of Electronic Science and Technology of China（电子科技大学） ； Sun Yat-sen University（中山大学） ； The University of Hong Kong（香港大学） ； University of Science and Technology of China（中国科学技术大学） ； Nanyang Technological University（南洋理工大学）
AI总结 该研究提出参考引导渲染器DAR，扩展Wan2.2相机控制，用跟踪和世界位置组成的4D G缓冲作为条件，在DAR-4D基准上实现优于现有方法的视频生成性能。
Comments 14 pages, 5 figures
HumanCLAW：视觉-语言模型能否通过实体身体执行动作
机构 * Meta ； Nanyang Technological University（南洋理工大学） ； University of Washington（华盛顿大学） ； Brown University（布朗大学） ； Northwestern University（西北大学）
AI总结 本研究提出HumanCLAW框架与HumanCLAW-Bench基准，测试9个先进VLM发现其均未解决具身动作任务，最优仅16.8%成功率，核心缺失具身自我意识。
Comments Project page: https://human-claw.github.io/
Token Buncher: 保护大语言模型免受有害强化学习微调的威胁
机构 * Nanyang Technological University（南洋理工大学） ； Centre for Frontier AI Research, A*STAR（前沿人工智能研究中心，A*STAR） ； Northwestern University（西北大学）
AI总结 本文提出TokenBuncher，通过限制模型响应熵来防御基于强化学习的有害微调，实验显示其能有效抑制有害行为同时保持正常任务性能。
Comments Accepted by ACM CCS 26
CHASE：对抗性假设用于意识化选择预测
机构 * Institute for Digital Molecular Analytics and Science, NTU, Singapore（数字分子分析与科学研究所，南洋理工大学，新加坡） ； School of Electrical and Electronic Engineering, NTU, Singapore（电子与电气工程学院，南洋理工大学，新加坡） ； School of Materials Science and Engineering, NTU, Singapore（材料科学与工程学院，南洋理工大学，新加坡） ； Singapore Centre for Environmental Life Sciences Engineering, NTU, Singapore（新加坡环境生命科学工程中心，南洋理工大学，新加坡）
AI总结 CHASE通过比较结构化时间解释来确定是否做出决策或 abstain，提升在部分可观测性下的选择预测性能，尤其在高模糊度情况下表现更优。
TransVLM：一种用于检测任意 shot 转换的视觉-语言框架和基准
机构 * University of Melbourne（墨尔本大学） ； HeyGen Research（HeyGen研究院） ； Nanyang Technological University（南洋理工大学）
AI总结 TransVLM 提出了一种视觉-语言框架，通过注入光流作为关键运动先验，提升对任意 shot 转换的检测能力，同时设计了可扩展的数据引擎和基准测试，实验表明其性能优于传统方法和现有 VLM。
Comments v2: Corrected an inaccurate statement in the abstract regarding production deployment. Accepted by ECCV 2026. For more related research, please visit HeyGen Research (https://www.heygen.com/research) and HeyGen Avatar-V (https://www.heygen.com/research/avatar-v-model). Project page: https://chence17.github.io/TransVLM/
Tarot-SAM3: 无需训练的SAM3用于任意指称表达分割
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Nanyang Technological University（南洋理工大学）
AI总结 Tarot-SAM3通过引入推理辅助提示和自修复机制，实现对任意指称表达的高效分割，有效解决传统方法对长或隐含表达的处理难题。
Comments We need to make a huge revision
SAMSEM -- 一种通用且可扩展的集成电路金属线分割方法
机构 * Max Planck Institute for Security and Privacy (MPI-SP)（安全与隐私研究所（MPI-SP）） ； Ruhr University Bochum (RUB)（博德姆鲁尔大学（RUB）） ； Nanyang Technological University (NTU)（南洋理工大学（NTU））
AI总结 本文提出SAMSEM，通过改进Meta的Segment Anything Model 2，实现跨不同IC技术节点和制造工艺的金属线分割，实验表明其在不同IC上的分割误差率低至0.62%。
具备知识意识的视觉-语言基础模型用于胎儿超声解读
机构 * National Engineering Research Center for Multimedia Software, School of Computer Science, Wuhan University（国家多媒体软件工程技术研究中心，武汉大学计算机学院） ； College of Computing and Data Science, Nanyang Technological University（computing and Data Science学院，南洋理工大学）
AI总结 FetalMind通过Salient Epistemic Disentanglement方法，提升胎儿超声解读的准确性和效率，实现多视图图像推理和疾病诊断的高效处理。
Comments KDD 2026
MAGENTA：面向长尾声音事件定位与检测的幅度与几何增强训练方法
机构 * Smart Nation TRANS Lab, School of Electrical and Electronic Engineering（智能国家TRANS实验室，电子与电气工程学院） ； Nanyang Technological University, Singapore（南洋理工大学，新加坡）
AI总结 针对长尾声学环境下SELD系统的检测怯懦问题，提出与架构无关的MAGENTA损失框架，通过几何分解回归误差、难度驱动退火等机制，在STARSS23数据集上使聚合SELD误差相对降低20.5%，同时提升尾类性能且不损失头类精度。
Comments Accepted for publication in IEEE Transactions on Audio, Speech, and Language Processing. Substantially expanded from v1
ScrambleToolBench：即使自身的“地图”指向下一步，智能体仍会进行穷尽式搜索
机构 * Nanyang Technological University（南洋理工大学） ； Agency for Science, Technology, and Research (A*STAR)（新加坡科学、技术与研究局）
AI总结 针对现有工具使用基准依赖先验知识的局限，推出ScrambleToolBench交互式终端基准，评估发现当前语言模型面对环境结构变化时难以实现稳健适应。
面向离线强化学习的带行为优势修正的扩散策略
机构 * School of Chemistry, Chemical Engineering and Biotechnology, Nanyang Technological University（南洋理工大学化学、化学工程与生物技术学院）
AI总结 该研究针对离线强化学习中分布偏移导致的Q值估计偏差问题，提出带行为优势修正的扩散策略（DPBAC）算法，结合BAC-PE与扩散模型，在D4RL任务上实现优于SOTA的性能。
Sen-Cap：基于激光雷达-相机融合的传感器灵活且抗噪的人体运动捕捉框架
机构 * ShanghaiTech University（上海科技大学） ； Digital Trust Centre, Nanyang Technological University（南洋理工大学数字信托中心）
AI总结 Sen-Cap是一种无需传感器间校准的激光雷达-相机融合人体运动捕捉框架，通过跨传感器运动估计器与抗噪轨迹跟踪器实现灵活部署与强鲁棒性，在多数据集上达最优性能，适用于真实场景。
Comments 16 pages, 8 figures, 4 tables. Accepted at ECCV 2026. Aoru Xue and Yujing Sun contributed equally. Yuexin Ma is the corresponding author
同一硬币的两面：面向视觉-语言模型跨任务攻击的协同演化搜索
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） ； School of Electrical Engineering and Automation, Fuzhou University（福州大学电气工程与自动化学院） ； ByteDance（字节跳动）
AI总结 针对视觉-语言模型易受对抗扰动的问题，提出协同演化跨模态攻击框架，联合优化文本与视觉空间，在多任务上展现出强攻击性能与跨任务可迁移性。
Comments 15 pages, 7 figures, and 8 tables; includes supplementary material
TextNCA：通过分层局部注意力实现语言建模的神经细胞自动机
机构 * Singapore Institute of Technology（新加坡理工学院） ； IIIT Delhi（德里印度信息技术学院） ； Nanyang Technological University（南洋理工大学） ； NVIDIA AI Technology Centre（英伟达人工智能技术中心）
AI总结 本研究提出分层局部注意力的TextNCA模型作为分析探针，发现其性能受从窄到宽的分阶段调度主导，迭代和GRU门控等仅带来小增益。
MANGO-Grasp：面向几何的三维高斯模型上的马氏场，用于跨 embodiments 的灵巧抓取
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） ； National University of Singapore（新加坡国立大学）
AI总结 MANGO-Grasp是面向几何的三维高斯模型上的马氏场框架，用于跨异构多指手的灵巧抓取，在仿真、零样本迁移及真实实验中均优于现有基准。
CultureVidBench：文本到视频生成中的文化理解基准测试
机构 * Nanyang Technological University（南洋理工大学） ； Centrale Supélec（中央高等电力学院） ； Singapore Management University（新加坡管理大学） ； University of Cambridge（剑桥大学）
AI总结 本研究推出CultureVidBench基准，评估7款T2V模型的文化理解能力，发现现有模型难捕捉细粒度文化细节，尤其针对代表性不足的文化区域与线索。
Comments Project page:https://hanxjing.github.io/CultureVidBench/
StreamTalk：基于关键姿态锚定的流式伴随语音手势生成
机构 * The University of Tokyo（东京大学） ； Alibaba Group（阿里巴巴集团） ； Nanyang Technological University（南洋理工大学） ； Renmin University of China（中国人民大学）
AI总结 StreamTalk是带周期性生成-检索-精调循环的闭环流式伴随语音手势生成框架，通过关键姿态锚定减少长程漂移，在BEAT2数据集上达到最优FGD指标，实时运行帧率达76 FPS。
Comments ECCV 2026
面向高效自我中心 grounding 的动态分辨率路由
机构 * National University of Singapore（新加坡国立大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； Nanyang Technological University（南洋理工大学）
AI总结 该研究针对自我中心视觉 grounding 中视觉 token 处理成本过高的问题，提出 SmartRes 框架，通过动态分辨率路由减少视觉 token，在 Ego4D 等数据集上实现 token 缩减与性能提升，代码将公开。
通过空间-光谱视觉锚学习缓解多模态大语言模型（MLLMs）中的视觉退化
机构 * China University of Petroleum (East China)（中国石油大学（华东）） ； Shanghai Jiao Tong University（上海交通大学） ； Wuhan University（武汉大学） ； Great Wall Motor（长城汽车） ； Nanyang Technological University（南洋理工大学） ； The University of Hong Kong（香港大学）
AI总结 针对MLLMs推理时的视觉表示退化问题，提出SSVAL方法，通过VAPI及辅助对齐损失实现稳定视觉锚，性能优于现有方法。
Comments This paper has been accepted by ACM MM 2026
AffordTrajDP：用于机器人操纵的动态 affordance 引导视觉运动策略学习
机构 * Nanyang Technological University（南洋理工大学）
AI总结 针对静态 affordance 导致的机器人操纵轨迹漂移问题，提出 AffordTrajDP 动态框架，以物体为中心传播锚点 affordance 生成轨迹，在 ManiSkill3 上成功率达70.0%，现实实验验证其鲁棒性与组件有效性。
逃离置信陷阱：扩散大语言模型数学推理的进化解码
机构 * Australian National University（澳大利亚国立大学） ； Nanyang Technological University（南洋理工大学） ； National University of Singapore（新加坡国立大学） ； Amazon（亚马逊） ； University of Technology Sydney（悉尼科技大学）
AI总结 针对扩散大语言模型数学推理的置信陷阱，提出无训练的进化解码框架，通过逐步选择与分块变异提升LLaDA 2.0的数学推理可靠性。
CoLT: 教会多模态模型通过潜在思维链进行思考
机构 * Nanyang Technological University（南洋理工大学） ； Shanghai Jiao Tong University（上海交通大学） ； NKIARI ； AAIS & VCIP, Nankai University（南开大学AAIS & VCIP） ； Tianjin University（天津大学）
AI总结 提出CoLT框架，用潜在思维链代替文本推理，通过前向和后向解码器监督及内部监督实现高效多模态推理，在8个基准上优于现有方法，推理时间减少10.1倍。
Comments Accepted by ECCV2026. Code is available at https://github.com/hulianyuyy/CoLT
大型音频语言模型综述：通用性、可信度与展望
机构 * Nanyang Technological University（南洋理工大学） ； Independent Researcher（独立研究者） ； The University of Melbourne（墨尔本大学） ； North China Electric Power University（华北电力大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； University of Science and Technology of China（中国科学技术大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Shanghai AI Laboratory（上海人工智能实验室） ； Huazhong University of Science and Technology（华中科技大学） ； Tsinghua University（清华大学） ； Fortemedia Singapore（富媒体新加坡） ； Tencent（腾讯） ； Fudan University（复旦大学） ； Wuhan University（武汉大学） ； Chinese University of Hong Kong（香港中文大学） ； Chongqing University of Posts and Telecommunications（重庆邮电大学） ； University of Illinois Chicago（伊利诺伊大学芝加哥分校）
AI总结 本文综述了大型音频语言模型的通用性、可信度及未来发展方向，探讨了其架构创新、对齐算法及安全风险，并提出了防御深入、因果音频世界建模等策略以提升音频智能的可信度。
NashPG: 一种通过迭代细化正则化寻找纳什均衡的策略梯度方法
机构 * University of Sydney（悉尼大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出NashPG算法，通过在策略优化目标中直接引入正则化，解决了多智能体强化学习中两玩家零和不完全信息游戏寻找纳什均衡的挑战，实现了在经典基准游戏和大型领域中的高效收敛与高收益。
Comments Transactions on Machine Learning Research (TMLR), 2026
专家知识驱动的强化学习用于自动驾驶赛车：通过轨迹引导和动力学约束
机构 * College of Automotive and Energy Engineering, Tongji University（同济大学汽车与能源工程学院） ； 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 本文提出TraD-RL方法，通过轨迹引导和动力学约束强化学习，提升自动驾驶赛车的性能与安全性。
具有坍缩高斯过程先验的非参数离散Hawkes模型
机构 * University of Edinburgh（爱丁堡大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出GP-DHP模型，通过高斯过程先验实现离散时间Hawkes过程的非参数化处理，提升预测性能并保持可解释性。
突破探索瓶颈：面向通用大语言模型推理的Rubric引导强化学习
机构 * Zhejiang University（浙江大学） ； Li Auto Inc.（力汽车公司） ； Nanyang Technological University（南洋理工大学） ； The Chinese University of Hong Kong（香港中文大学） ； Hangzhou City University（杭州市大学）
AI总结 本文提出Rubric-Scaffolded Reinforcement Learning，通过引入检查表式评分标准作为探索和利用的指导框架，突破通用大语言模型推理的探索瓶颈，提升推理能力。
iMontage：统一、多功能、高度动态的多对多图像生成
机构 * Nanyang Technological University（南洋理工大学） ； StepFun ； Shanghai Jiao Tong University（上海交通大学）
AI总结 iMontage通过整合视频模型的先验知识与图像数据的多样性，实现了统一、多功能且动态的多对多图像生成。
Comments Our homepage: https://kr1sjfu.github.io/iMontage-web/
具有$ω$-正则目标和约束的强化学习
机构 * NTU Singapore（南洋理工大学）
AI总结 本文提出了一种结合$ω$-正则目标与约束的强化学习算法，以解决安全性和性能之间的权衡问题。
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