Nanyang Technological University（南洋理工大学）

Monocular Normal Estimation via Shading Sequence Estimation

单目法线估计 via 阴影序列估计

Zongrui Li, Xinhua Ma, Minghui Hu, Yunqing Zhao, Yingchen Yu, Qian Zheng, Chang Liu, Xudong Jiang, Song Bai

机构 * School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电气与电子工程学院） ； ByteDance（字节跳动） ； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； The State Key Lab of Brain-Machine Intelligence, Zhejiang University（浙江大学脑机智能全国重点实验室） ； MoE Key Laboratory of Interdisciplinary Research of Computation and Economics, Shanghai University of Finance and Economics（上海财经大学计算与经济学交叉学科教育部重点实验室） 纠错

AI总结 本文提出通过阴影序列估计改进单目法线估计，通过生成阴影序列并求解普通最小二乘问题生成法线图，在合成数据集MultiShade上训练以增强鲁棒性，实验显示在真实数据集上达到最先进的性能。

Comments ICLR 2026 (Oral), Project page: https://xinhua694.github.io/RoSE.github.io/

DiffuGuard: How Intrinsic Safety is Lost and Found in Diffusion Large Language Models

DiffuGuard: 差分扩散语言模型中内在安全的丧失与恢复

Zherui Li, Zheng Nie, Zhenhong Zhou, Yue Liu, Yitong Zhang, Yu Cheng, Qingsong Wen, Kun Wang, Yufei Guo, Jiaheng Zhang

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； National University of Singapore（新加坡国立大学） ； Nanyang Technological University（南洋理工大学） ； Tsinghua University（清华大学） ； The Chinese University of Hong Kong（香港中文大学） ； Squirrel Ai Learning（松鼠AI） ； Peking University（北京大学） 纠错

AI总结 本文分析了差分扩散语言模型在对抗攻击中的脆弱性，提出DiffuGuard框架通过随机退火重标记和块级审计修复提升模型安全性，有效降低攻击成功率。

Comments Accepted by ICLR2026

Unleashing Vision-Language Semantics for Deepfake Video Detection

释放视觉-语言语义以进行深度伪造视频检测

Jiawen Zhu, Yunqi Miao, Xueyi Zhang, Jiankang Deng, Guansong Pang

机构 * Singapore Management University（新加坡管理学院） ； The University of Warwick（沃里克大学） ； Nanyang Technological University（南洋理工大学） ； Imperial College London（伦敦帝国理工学院） 纠错

AI总结 本文提出VLAForge框架，通过ForgePerceiver增强视觉感知并引入身份感知VLA评分，利用跨模态语义提升深度伪造检测的判别能力。

Comments 14 pages, 7 figures, accepted by CVPR 2026

Accelerating Diffusion-based Video Editing via Heterogeneous Caching: Beyond Full Computing at Sampled Denoising Timestep

通过异构缓存加速基于扩散的视频编辑：超越采样去噪时间步的全计算

Tianyi Liu, Ye Lu, Linfeng Zhang, Chen Cai, Jianjun Gao, Yi Wang, Kim-Hui Yap, Lap-Pui Chau

机构 * Nanyang Technological University（南洋理工大学） ； Shanghai Jiao Tong University（上海交通大学） ； The Hong Kong Polytechnic University（香港理工大学） 纠错

AI总结 本文提出HetCache框架，通过利用扩散基于掩码视频到视频生成中的异构性，减少冗余注意力运算，提升视频编辑效率与质量。

Comments 10 pages, 6 figures, accepted by CVPR2026

Heuristic-inspired Reasoning Priors Facilitate Data-Efficient Referring Object Detection

启发式推理先验促进数据高效的指代物体检测

Xu Zhang, Zhe Chen, Jing Zhang, Dacheng Tao

机构 * The University of Sydney（悉尼大学） ； La Trobe University（拉特罗布大学） ； Wuhan University（武汉大学） ； Nanyang Technological University（南洋理工大学） 纠错

AI总结 本文提出HeROD框架，通过注入启发式推理先验提升数据稀缺条件下的指代物体检测性能，实验表明其在低数据和少样本场景下优于现有基线。

Comments CVPR2026

Principled Steering via Null-space Projection for Jailbreak Defense in Vision-Language Models

通过空域投影实现原理化引导用于视觉-语言模型中的对抗防御

Xingyu Zhu, Beier Zhu, Shuo Wang, Junfeng Fang, Kesen Zhao, Hanwang Zhang, Xiangnan He

机构 * MoE Key Lab of BIPC, University of Science and Technology of China（北京信息科技大学MoE关键实验室，中国科学技术大学） ； National University of Singapore（新加坡国立大学） ； Nanyang Technological University（南洋理工大学） 纠错

AI总结 本文提出NullSteer框架，通过线性变换在模型激活中构建拒绝方向，在良性子空间保持零扰动，动态诱导拒绝有害方向，提升安全性而不损害模型能力。

Comments CVPR 2026

Adapting Point Cloud Analysis via Multimodal Bayesian Distribution Learning

通过多模态贝叶斯分布学习适应点云分析

Xingyu Zhu, Liang Yi, Shuo Wang, Wenbo Zhu, Yonglinag Wu, Beier Zhu, Hanwang Zhang

机构 * MoE Key Lab of BIPC, University of Science and Technology of China（脑信息处理实验室，中国科学技术大学） ； Opus AI Research（Opus AI研究院） ； Southeast University（东南大学） ； Nanyang Technological University（南洋理工大学） 纠错

AI总结 本文提出BayesMM框架，通过多模态贝叶斯分布学习实现测试时点云分析的持续适应，利用文本先验和流式视觉特征的高斯分布融合，提升在分布偏移下的鲁棒性。

Comments CVPR 2026

Fast3Dcache: Training-free 3D Geometry Synthesis Acceleration

Fast3Dcache: 无训练3D几何合成加速

Mengyu Yang, Yanming Yang, Chenyi Xu, Chenxi Song, Yufan Zuo, Tong Zhao, Ruibo Li, Chi Zhang

机构 * AGI Lab, Westlake University（西溪大学AGI实验室） ； University of Electronic Science and Technology of China（电子科学与技术大学） ； Nanyang Technological University（南洋理工大学） 纠错

AI总结 本文提出Fast3Dcache，一种无训练的几何感知缓存框架，通过动态缓存调度和时空稳定性准则，显著加速3D扩散模型推理，同时保持几何精度。

Comments Accepted by CVPR 2026; Project page: https://fast3dcache-agi.github.io

Event-Driven Proactive Assistive Manipulation with Grounded Vision-Language Planning

基于事件驱动的主动辅助操作与 grounded 视觉语言规划

Fengkai Liu, Hao Su, Haozhuang Chi, Rui Geng, Congzhi Ren, Xuqing Liu, Yucheng Xu, Yuichi Ohsita, Liyun Zhang

机构 * The University of Osaka（大阪大学） ； Nanyang Technological University（南洋理工大学） ； The University of Tokyo（东京大学） 纠错

AI总结 本文提出基于事件驱动的主动辅助操作方法，通过跟踪交互进度并分析状态转换，推断任务目标并生成辅助动作序列，提升人机协作效率。

High-Fidelity Face Content Recovery via Tamper-Resilient Versatile Watermarking

通过抗篡改的多功能水印实现高保真的面部内容恢复

Peipeng Yu, Jinfeng Xie, Chengfu Ou, Xiaoyu Zhou, Jianwei Fei, Yunshu Dai, Zhihua Xia, Chip Hong Chang

机构 * Jinan University（暨南大学） ； University of Macau（澳门大学） ； Sun Yat-sen University（中山大学） ； Nanyang Technological University（南洋理工大学） 纠错

AI总结 本文提出VeriFi框架，结合版权保护、像素级篡改定位和高保真面部内容恢复，通过紧凑语义潜在水印和AIGC攻击模拟器提升水印鲁棒性和恢复质量。

AnalogAgent: Self-Improving Analog Circuit Design Automation with LLM Agents

AnalogAgent: 基于LLM代理的自改进模拟电路设计自动化

Zhixuan Bao, Zhuoyi Lin, Jiageng Wang, Jinhai Hu, Yuan Gao, Yaoxin Wu, Xiaoli Li, Xun Xu

机构 * Nanyang Technological University（南洋理工大学） ； Institute for Infocomm Research（信息通信研究所） ； Institute of Microelectronics（微电子研究所） ； Eindhoven University of Technology（埃因霍温理工大学） ； Singapore University of Technology（新加坡科技学院） 纠错

AI总结 本文提出AnalogAgent，通过集成多代理系统与自演化记忆，实现模拟电路设计自动化，无需额外反馈，在多个基准测试中取得高通过率。

Comments 16 pages, 6 figures

Are LLMs Smarter Than Chimpanzees? An Evaluation on Perspective Taking and Knowledge State Estimation

LLMs比黑猩猩更聪明吗？对视角取和知识状态估计的评估

Dingyi Yang, Junqi Zhao, Xue Li, Ce Li, Boyang Li

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） ； University of Science and Technology of China（中国科学技术大学） ； China University of Mining and Technology（中国矿业大学） 纠错

AI总结 本文评估LLM在预测角色下一步行动及检测角色不应具备的知识能力，发现当前最先进的LLM在两项任务上表现接近随机，远低于人类。

Comments 23 pages, 11 figures

QUARK: Quantization-Enabled Circuit Sharing for Transformer Acceleration by Exploiting Common Patterns in Nonlinear Operations

QUARK：通过利用非线性操作中的共同模式实现变压器加速的量化启用电路共享

Zhixiong Zhao, Haomin Li, Fangxin Liu, Yuncheng Lu, Zongwu Wang, Tao Yang, Li Jiang, Haibing Guan

机构 * School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学学院） ； Shanghai Qi Zhi Institute（上海启智研究院） ； Nanyang Technological University（南洋理工大学） ； Huawei Technologies Co., Ltd（华为技术有限公司） 纠错

AI总结 QUARK通过利用非线性操作中的共同模式，实现高效电路共享，减少硬件资源需求，提升Transformer模型的推理速度和精度。

Comments Accepted by ICCAD 2025

SafeSeek: Universal Attribution of Safety Circuits in Language Models

SafeSeek: 语言模型中安全回路的通用归因

Miao Yu, Siyuan Fu, Moayad Aloqaily, Zhenhong Zhou, Safa Otoum, Xing fan, Kun Wang, Yufei Guo, Qingsong Wen

机构 * University of Science ； United Arab Emirates University ； Nanyang Technological University ； Zayed University ； Intelligent Science \& Technology Academy of CASIC 纠错

AI总结 本文提出SafeSeek框架，通过优化识别语言模型中的完整安全回路，验证了在后门攻击和安全对齐场景中的有效性，展示了安全回路的识别与利用方法。

GO-Renderer: Generative Object Rendering with 3D-aware Controllable Video Diffusion Models

GO-Renderer: 基于3D感知的可控视频扩散模型生成物体渲染

Zekai Gu, Shuoxuan Feng, Yansong Wang, Hanzhuo Huang, Zhongshuo Du, Chengfeng Zhao, Chengwei Ren, Peng Wang, Yuan Liu

机构 * HKUST（香港科技大学） ； VAST（中国航空无线电电子研究所） ； Nanyang Technological University（南洋理工大学） ； Tsinghua University（清华大学） ； ShanghaiTech University（上海交通大学） 纠错

AI总结 本文提出GO-Renderer框架，结合重建的3D模型引导视频生成模型，实现高质物体在任意视角和光照下的渲染，无需显式建模复杂材质和光照。

Comments Project page: https://igl-hkust.github.io/GO-Renderer

Q-Tacit: Image Quality Assessment via Latent Visual Reasoning

Q-Tacit: 通过潜在视觉推理进行图像质量评估

Yuxuan Jiang, Yixuan Li, Hanwei Zhu, Siyue Teng, Fan Zhang, David Bull

机构 * Visual Information Lab, University of Bristol（布里斯托大学视觉信息实验室） ； Nanyang Technological University（南洋理工大学） 纠错

AI总结 本文提出Q-Tacit方法，通过在潜在质量空间中超越自然语言进行视觉推理，提升图像质量评估效果，实验表明其在更少token下表现优异。

When Models Judge Themselves: Unsupervised Self-Evolution for Multimodal Reasoning

当模型自我评判：多模态推理的无监督自进化

Zhengxian Wu, Kai Shi, Chuanrui Zhang, Zirui Liao, Jun Yang, Ni Yang, Qiuying Peng, Luyuan Zhang, Hangrui Xu, Tianhuang Su, Zhenyu Yang, Haonan Lu, Haoqian Wang

机构 * OPPO AI Center（OPPO人工智能中心） ； Tsinghua University（清华大学） ； Nanyang Technological University（南洋理工大学） ； Hefei University of Technology（合肥工业大学） 纠错

AI总结 本文提出一种无监督自进化框架，通过自一致性信号和动态调节机制，在无需人工标注或外部奖励模型的情况下提升多模态推理性能。

Comments 21 pages, 7 figures

Where, What, Why: Toward Explainable 3D-GS Watermarking

何处、何物、为何：迈向可解释的3D-GS水印

Mingshu Cai, Jiajun Li, Osamu Yoshie, Yuya Ieiri, Yixuan Li

机构 * Waseda University（早稻田大学） ； Southeast University（东南大学） ； Nanyang Technological University（南洋理工大学） 纠错

AI总结 本文提出一种原生表示框架，通过三专家模块和安全预算感知门实现水印载体选择和质量保护，结合通道组掩码提升水印鲁棒性和可解释性，相比现有方法在PSNR和比特精度上均有提升。

Comments CVPR 2026

Obscure but Effective: Classical Chinese Jailbreak Prompt Optimization via Bio-Inspired Search

晦涩但有效的：基于生物启发搜索的古典中文 Jailbreak 提示优化

Xun Huang, Simeng Qin, Xiaoshuang Jia, Ranjie Duan, Huanqian Yan, Zhitao Zeng, Fei Yang, Yang Liu, Xiaojun Jia

机构 * Nanyang Technological University（南洋理工大学） ； BraneMatrix AI ； Nanjing University of Science and Technology（南京理工大学） ； Northeast University（东北大学） ； Renmin University of China（中国人民大学） ； Alibaba Group（阿里巴巴集团） ； Beihang University（北航） ； National University of Singapore（新加坡国立大学） ； Zhejiang Lab（浙江实验室） 纠错

AI总结 本文提出 CC-BOS 框架，利用多维果蝇优化算法生成古典中文对抗提示，提升黑盒 Jailbreak 攻击效果，通过八维政策维度迭代优化，实验表明其优于现有方法。

Comments ICLR 2026 Poster The source code relevant to this article has now been open-sourced; for details, please visit: https://github.com/xunhuang123/CC-BOS

U4D: Uncertainty-Aware 4D World Modeling from LiDAR Sequences

U4D：从LiDAR序列中构建不确定性感知的4D世界模型

Xiang Xu, Alan Liang, Youquan Liu, Linfeng Li, Lingdong Kong, Ziwei Liu, Qingshan Liu

机构 * Nanjing University of Aeronautics and Astronautics（南京航空航天大学） ； National University of Singapore（新加坡国立大学） ； Fudan University（复旦大学） ； S-Lab, Nanyang Technological University（南洋理工大学S实验室） ； Nanjing University of Posts and Telecommunications（南京邮电大学） ； SKL-TI 纠错

AI总结 本文提出U4D框架，通过估计空间不确定性图和分阶段生成方法，提升LiDAR序列的几何精度和时间一致性，推动自动驾驶感知与模拟的可靠性。

Comments CVPR 2026; 20 pages, 7 figures, 11 tables; Code at https://github.com/worldbench/U4D

Learning to See Through a Baby's Eyes: Early Visual Diets Enable Robust Visual Intelligence in Humans and Machines

学习通过婴儿之眼：早期视觉饮食使人类和机器具备稳健的视觉智能

Yusen Cai, Qing Lin, Bhargava Satya Nunna, Mengmi Zhang

机构 * Nanyang Technological University, Singapore（南洋理工大学，新加坡） ； Indian Institute Of Technology Madras（印度理工学院马德拉斯） 纠错

AI总结 本文通过模拟婴儿视觉阶段的'视觉饮食'，训练自监督学习模型，发现早期视觉经验能增强机器视觉鲁棒性，并在人类视觉发展方面提供新的理解框架。

Towards Self-Evolving Benchmarks: Synthesizing Agent Trajectories via Test-Time Exploration under Validate-by-Reproduce Paradigm

迈向自演化基准：通过验证-再生产范式下的测试时间探索合成代理轨迹

Dadi Guo, Tianyi Zhou, Dongrui Liu, Chen Qian, Qihan Ren, Shuai Shao, Zhiyuan Fan, Yi R. Fung, Kun Wang, Linfeng Zhang, Jing Shao

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Hong Kong University of Science and Technology（香港科技大学） ； University of Michigan（密歇根大学） ； Renmin University of China（中国人民大学） ； Shanghai Jiao Tong University（上海交通大学） ； Nanyang Technological University（南洋理工大学） 纠错

AI总结 本文提出TRACE框架，通过测试时间探索使代理在原有任务基础上自演化更复杂的任务，提升基准的动态性和可靠性，适应并改进了AIME-2024等推理数据集。

Comments This is a work in progress due to methodology refinement and further evaluation

From Context to Intent: Reasoning-Guided Function-Level Code Completion

从上下文到意图：基于推理的函数级代码补全

Yanzhou Li, Tianlin Li, Yiran Zhang, Shangqing Liu, Aishan Liu, Xianglong Liu, Yang Liu

机构 * Nanyang Technological University（南洋理工大学） ； Beihang University（北京航空航天大学） ； Nanjing University（南京大学） 纠错

AI总结 本文提出一种基于推理的提示框架，通过利用代码上下文中的隐含线索推断开发者意图，提升函数级代码补全的准确性，并通过实验验证其有效性。

Generalizable Heuristic Generation Through LLMs with Meta-Optimization

通过元优化实现通用启发式生成

Yiding Shi, Jianan Zhou, Wen Song, Jieyi Bi, Yaoxin Wu, Zhiguang Cao, Jie Zhang

机构 * Nanyang Technological University（南洋理工大学） ； Shandong University（山东大学） ； Singapore Management University（新加坡国立大学） ； Eindhoven University of Technology（埃因霍温理工大学） 纠错

AI总结 本文提出MoH框架，利用LLM进行元学习，自主构建多样化的启发式优化器，提升跨任务的泛化能力。

Comments Accepted at ICLR 2026

Spatio-Temporal Attention Enhanced Multi-Agent DRL for UAV-Assisted Wireless Networks with Limited Communications

时空注意力增强的多智能体深度强化学习用于受限制通信的无人机辅助无线网络

Che Chen, Lanhua Li, Shimin Gong, Yu Zhao, Yuming Fang, Dusit Niyato

机构 * School of Intelligent Systems Engineering, Shenzhen Campus of Sun Yat-sen University（中山大学智能系统工程学院深圳校区） ； Southern Marine Science and Engineering Guangdong Laboratory (Zhuhai)（广东海洋工程科学实验室（珠海）） ； Department of Equipment Management and Unmanned Aerial Vehicle Engineering, Air Force Engineering University（空军工程大学装备管理与无人机工程系） ； School of Computing and Artificial Intelligence, Jiangxi University of Finance and Economics（江西财经大学计算机与人工智能学院） ； College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算机与数据科学学院） 纠错

AI总结 本文提出一种延迟容忍的多智能体深度强化学习算法，结合延迟惩罚奖励促进无人机间信息共享，并优化轨迹规划、网络形成和传输控制策略，同时采用时空注意力预测方法恢复丢失信息，提升网络容量和吞吐量。

Multinoulli Extension: A Lossless Continuous Relaxation for Partition-Constrained Subset Selection

多努利扩展：一种无损的连续松弛方法用于分区约束子集选择

Qixin Zhang, Wei Huang, Yan Sun, Yao Shu, Yi Yu, Dacheng Tao

机构 * 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） ； Hong Kong University of Science and Technology（香港科学大学） 纠错

AI总结 本文提出Multinoulli-SCG算法，通过多努利扩展框架在满足分区约束下实现子集选择的无损连续松弛，提升效率并保证近似保证。

Comments 45 pages, 4 figures

Unified-MAS: Universally Generating Domain-Specific Nodes for Empowering Automatic Multi-Agent Systems

统一-MAS：通用领域节点生成以增强自动多智能体系统

Hehai Lin, Yu Yan, Zixuan Wang, Bo Xu, Sudong Wang, Weiquan Huang, Ruochen Zhao, Minzhi Li, Chengwei Qin

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） ； National University of Singapore（新加坡国立大学） ； Institute for Infocomm Research (I 2 R), A*STAR（信息通信研究院（I2R），A*STAR） 纠错

AI总结 本文提出统一-MAS，通过离线节点合成解耦细粒度节点实现与拓扑编排，提升多智能体系统在知识密集型领域的性能与成本效益。

Comments Code is available at https://github.com/linhh29/Unified-MAS

Beyond Correlation: Refutation-Validated Aspect-Based Sentiment Analysis for Explainable Energy Market Returns

超越相关性：基于反驳验证的可解释能源市场收益的方面情感分析

Wihan van der Heever, Keane Ong, Ranjan Satapathy, Erik Cambria

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） ； Institute of High Performance Computing, Agency for Science, Technology and Research（科技研究局高性能计算研究所） ； College of Design and Engineering, National University of Singapore（新加坡国立大学设计与工程学院） 纠错

AI总结 本文提出了一种基于反驳验证的方面情感分析框架，用于金融市场，解决相关性研究无法区分真实关联与虚假关联的局限性。通过能源领域数据测试方面情感信号与股票收益之间的稳健关系。

Comments 13 pages, 6 figures, submitted to Expert Systems with Applications

LEAF: Language-EEG Aligned Foundation Model for Brain-Computer Interfaces

LEAF：语言-脑电对齐的基础模型用于脑机接口

Muyun Jiang, Shuailei Zhang, Zhenjie Yang, Mengjun Wu, Weibang Jiang, Zhiwei Guo, Wei Zhang, Rui Liu, Shangen Zhang, Yong Li, Yi Ding, Cuntai Guan

机构 * Nanyang Technological University, Singapore（南洋理工大学，新加坡） ； Shanghai Jiao Tong University, China（上海交通大学，中国） ； University of Science and Technology Beijing, China（北京科技大学，中国） ； Southeast University, China（东南大学，中国） 纠错

AI总结 LEAF通过整合语义指导生成结构化的脑电嵌入，提升解码鲁棒性和迁移性，实现语言与脑电信号的对齐，取得12个数据集上的最佳性能。

Multilevel Picard approximations and deep neural networks with ReLU, leaky ReLU, and softplus activation overcome the curse of dimensionality when approximating semilinear parabolic partial differential equations in $L^p$-sense

多级皮卡尔近似与具有ReLU、漏式ReLU和softplus激活函数的深度神经网络在以L^p意义近似半线性抛物型偏微分方程时克服维度灾难

Ariel Neufeld, Tuan Anh Nguyen

机构 * Division of Mathematical Sciences, School of Physical and Mathematical Sciences, Nanyang Technological University, Singapore（数学科学系，物理与数学科学学院，南洋理工大学，新加坡） ； Faculty of Mathematics, Bielefeld University, Germany（数学学院，比勒菲尔德大学，德国） 纠错

AI总结 研究证明，多级皮卡尔近似与具有ReLU、leaky ReLU和softplus激活函数的深度神经网络能以L^p意义近似半线性Kolmogorov PDE解，且计算复杂度和参数数量随维度和精度要求呈多项式增长。