Fire on Motion: Optimizing Video Pass-bands for Efficient Spiking Action Recognition
运动中的火焰：为高效脉冲动作识别优化视频通过带
机构 * Ningbo University（宁波大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出PBO模块，通过优化时间通过带以提升动态视频中脉冲神经网络的动作识别性能。
高校专区
Nanyang Technological University（南洋理工大学）
SSL: Sweet Spot Learning for Differentiated Guidance in Agentic Optimization
SSL：在代理优化中差异化引导的甜蜜点学习
机构 * Tsinghua University（清华大学） ； Xiaomi Corporation（小米公司） ； Zhejiang University（浙江大学） ； Nanyang Technological University（南洋理工大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）
AI总结 SSL通过分层奖励引导代理优化，提升解空间中的方向性优化，实现样本效率提升和跨任务迁移能力。
Token-Guard: Towards Token-Level Hallucination Control via Self-Checking Decoding
Token-Guard: 通过自检解码实现token级幻觉控制
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Nanyang Technological University（南洋理工大学）
AI总结 Token-Guard通过自检解码技术，实现对大型语言模型中token级幻觉的有效控制，提升生成准确性与输出可靠性。
Comments Accepted by ICLR 2026 main conference
Journal ref ICLR 2026
LLM-ForcedAligner: A Non-Autoregressive and Accurate LLM-Based Forced Aligner for Multilingual and Long-Form Speech
LLM-ForcedAligner: 一种非自回归且准确的基于大语言模型的强制对齐器，适用于多语言和长文本语音
机构 * College of Computing and Data Science, Nanyang Technological University, Singapore（计算与数据科学学院，南洋理工大学，新加坡）
AI总结 LLM-ForcedAligner通过非自回归方法实现多语言和长文本语音的准确强制对齐，显著减少时间偏移。
EgoMem: Lifelong Memory Agent for Full-duplex Omnimodal Models
EgoMem：全双工多模态模型的终身记忆代理
机构 * Beijing Academy of Artificial Intelligence, Beijing, China（北京人工智能研究院） ； Institute of Computing Technology, Chinese Academy of Sciences, Beijing, China（中国科学院计算技术研究所） ； Harbin Institute of Technology, Shenzhen, China（哈尔滨工业大学深圳学院） ； Nanyang Technological University, Singapore（南洋理工大学）
AI总结 EgoMem是一种专为全双工多模态模型设计的终身记忆代理，通过异步过程实现用户识别、个性化响应和长期记忆管理，实验显示其在准确性和一致性方面表现优异。
FLM-Audio: Natural Monologues Improves Native Full-Duplex Chatbots via Dual Training
FLM-Audio: 自然独白提升原生全双工聊天机器人通过双训练
机构 * Beijing Academy of Artificial Intelligence, Beijing, China（北京人工智能研究院） ； Nanyang Technological University, Singapore（南洋理工大学）
AI总结 FLM-Audio通过双训练策略和连续独白提升全双工聊天机器人的响应质量和体验。
Spattack: Subgroup Poisoning Attacks on Federated Recommender Systems
Spattack：联邦推荐系统中的子群污染攻击
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Nanyang Technological University（南洋理工大学） ； Institute of Science Tokyo（东京科学研究所）
AI总结 Spattack是一种针对联邦推荐系统中特定用户子群的污染攻击，通过近似和推广策略实现高效推荐操纵，同时保持隐蔽性和低检测风险。
Comments Accepted by WWW 2026
Can Distillation Mitigate Backdoor Attacks in Pre-trained Encoders?
知识蒸馏能否缓解预训练编码器中的后门攻击？
机构 * State Key Laboratory for Novel Software Technology, Nanjing University（新型软件技术国家重点实验室，南京大学） ； Shenzhen Research Institute of Nanjing University（南京大学深圳研究院） ； School of Computer Science and Engineering, University of New South Wales（新南威尔士大学计算机科学与工程学院） ； 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）
AI总结 本文提出利用知识蒸馏技术缓解预训练编码器中的后门攻击，通过提取良性知识并去除后门，显著降低攻击成功率，同时保持模型性能。
DynamicVLA: A Vision-Language-Action Model for Dynamic Object Manipulation
DynamicVLA: 一种用于动态物体操控的视觉-语言-动作模型
机构 * S-Lab, Nanyang Technological University（南洋理工大学S实验室）
AI总结 DynamicVLA通过整合时间推理和闭环适应，提出了一种用于动态物体操控的视觉-语言-动作模型，提升了响应速度和泛化能力。
Comments Project Page: https://www.infinitescript.com/project/dynamic-vla/ GitHub: https://github.com/hzxie/DynamicVLA
Just Noticeable Difference Modeling for Deep Visual Features
深度视觉特征的可察觉差异建模
机构 * 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） ； Department of Computer Science and Technology, Harbin Institute of Technology, Harbin, China（哈尔滨工业大学计算机科学与技术学院） ； School of Artificial Intelligence, Beijing Normal University, Beijing, China（北京师范大学人工智能学院） ； School of Computer Science, Peking University, Beijing, China（北京大学计算机学院）
AI总结 本文提出FeatJND模型，用于深度视觉特征的可察觉差异建模，通过任务对齐的容忍边界提升特征质量控制和量化效率。
Edge Collaborative Gaussian Splatting with Integrated Rendering and Communication
边缘协同高斯点散布与集成渲染与通信
机构 * Southern University of Science and Technology（南方科技大学） ； Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究所） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Nanyang Technological University（南洋理工大学） ； University of Macau（澳门大学）
AI总结 本文提出边缘协同高斯点散布与集成渲染与通信方法，通过联合优化协作状态和边缘功率分配，解决低成本设备渲染质量退化问题，并通过PMM和ILO算法提升性能与效率。
Comments IEEE ICASSP, Barcelona, Spain, 2026
Epistemic Context Learning: Building Trust the Right Way in LLM-Based Multi-Agent Systems
知识上下文学习：在基于大语言模型的多智能体系统中以正确方式建立信任
机构 * National University of Singapore（国立新加坡大学） ； Singapore University of Technology（新加坡科技学院） ； Nanyang Technological University（南洋理工大学） ； Duke University（杜克大学） ； University of Waterloo（滑铁卢大学） ； Microsoft（微软公司） ； Peking University（北京大学） ； University of Pennsylvania（宾夕法尼亚大学）
AI总结 本文提出Epistemic Context Learning（ECL），通过历史交互构建同伴资料以提升多智能体系统中信任建模的准确性，使小型模型在性能上超越大模型，并在多种配置中表现出良好的泛化能力。
Comments Codes and data are available at https://github.com/skyriver-2000/epistemic-context-learning
Enhancing Language Models for Robust Greenwashing Detection
增强语言模型以实现稳健的绿色洗脑检测
机构 * National University of Singapore（新加坡国立大学） ； Massachusetts Institute of Technology（麻省理工学院） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出了一种参数高效框架，通过结合对比学习和顺序排名目标来增强语言模型在绿色洗脑检测中的鲁棒性。
RSGround-R1: Rethinking Remote Sensing Visual Grounding through Spatial Reasoning
RSGround-R1: 重新思考通过空间推理的遥感视觉定位
机构 * School of Electrical and Electronic Engineering, Nanyang Technological University（电气电子工程学院，南洋理工大学） ； MoE Key Laboratory of Interdisciplinary Research of Computation and Economics, Shanghai University of Finance and Economics（教育部计算与经济交叉学科重点实验室，上海财经大学）
AI总结 RSGround-R1通过引入空间推理引导的后训练框架，提升遥感图像中目标物体的定位精度与鲁棒性。
When should I search more: Adaptive Complex Query Optimization with Reinforcement Learning
我应该何时搜索更多：基于强化学习的自适应复杂查询优化
机构 * Tencent Youtu Lab（腾讯云图实验室） ； The University of Hong Kong（香港大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出自适应复杂查询优化框架ACQO，通过强化学习解决复杂查询优化中的子查询数量确定、文档排序与合并问题，实现更稳定高效的查询处理。
Comments 16 pages, 7 figures
MMGRid: Navigating Temporal-aware and Cross-domain Generative Recommendation via Model Merging
MMGRid: 通过模型融合实现时间感知和跨领域生成推荐
机构 * Nanyang Technological University（南洋理工大学） ； Zhejiang University（浙江大学） ； Singapore University of Technology and Design（新加坡科技设计大学）
AI总结 MMGRid通过模型融合解决跨领域生成推荐中的时间感知和上下文融合问题，揭示参数冲突和近期偏差的解决方法。
Comments https://github.com/Joinn99/MMGRid
UniHash: Unifying Pointwise and Pairwise Hashing Paradigms
UniHash：统一点对点和配对哈希范式
机构 * South China University of Technology（南方科技大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Nanyang Technological University（南洋理工大学）
AI总结 UniHash通过统一点对点和配对哈希范式，提升图像检索在已见过和未见过类别上的性能。
Evaluating SAM2 for Video Semantic Segmentation
评估SAM2用于视频语义分割
机构 * School of EEE（电子工程系） ； Nanyang Technological University（南洋理工大学） ； Institute for Infocomm Research（信息通信研究所） ； A*STAR ； College of Computer Science（计算机科学学院） ； Nankai University（南开大学） ； State Key Laboratory of Public Big Data（公共大数据国家重点实验室） ； Guizhou University（贵州大学） ； Fudan Vision and Learning Lab（复旦大学视觉与学习实验室）
AI总结 本文评估了SAM2在视频语义分割中的应用，通过两种方法提升分割性能，利用SAM2的精确边界预测增强整体效果。
Comments 17 pages, 3 figures and 7 tables
Journal ref Machine Intelligence Research (2025)
LLM$\times$MapReduce-V3: Enabling Interactive In-Depth Survey Generation through a MCP-Driven Hierarchically Modular Agent System
LLM×MapReduce-V3：通过MCP驱动的分层模块化代理系统实现交互式深入调研生成
机构 * Dept. of Comp. Sci. & Tech., Institute for AI, BNRist Center, Tsinghua University（计算机科学与技术系，人工智能研究院，BNRist中心，清华大学） ； Peking University（北京大学） ； Modelbest Inc.（Modelbest公司） ； Nanyang Technological University（南洋理工大学）
AI总结 LLM×MapReduce-V3通过MCP驱动的分层模块化代理系统实现交互式深入调研生成，提升调研内容深度与长度。
Comments Accepted by EMNLP2025 System Demonstration
Entropy Guided Dynamic Patch Segmentation for Time Series Transformers
熵引导的动态补丁分割用于时间序列变换器
机构 * School of Electrical and Electronic Engineering, Nanyang Technological University, Singapore（南洋理工大学电子与电气工程学院） ； Institute for Infocomm Research, A*STAR, Singapore（信息通信研究所，A*STAR，新加坡） ； Department of Computer Science, Khalifa University, UAE（计算机科学系，哈利法大学，阿联酋） ； Information Systems Technology and Design, Singapore University of Technology and Design, Singapore（信息系统技术与设计，新加坡科技与设计大学，新加坡）
AI总结 本文提出熵引导的动态补丁编码器，通过动态检测时间转换点来提升时间序列建模的准确性和效率。
Comments Preprint. Under Review
SEGA: A Transferable Signed Ensemble Gaussian Black-Box Attack against No-Reference Image Quality Assessment Models
SEGA：一种可转移的带符号集成高斯黑盒攻击，用于无参考图像质量评估模型
机构 * School of Computer Science, the National Key Laboratory for Multimedia Information Processing, National Engineering Research Center of Visual Technology, Peking University（计算机科学学院、多媒体信息处理国家级重点实验室、视觉技术工程研究中心、北京大学） ； College of Computing and Data Science, Nanyang Technological University（计算与数据科学学院、南洋理工大学） ； Department of Networked Intelligence, Pengcheng Laboratory（网络智能系、鹏城实验室）
AI总结 SEGA提出了一种可转移的黑盒攻击方法，通过高斯平滑和集成梯度来提升对无参考图像质量评估模型的攻击效果。
Neural Theorem Proving for Verification Conditions: A Real-World Benchmark
为验证条件进行神经定理证明：一个现实世界的基准测试
机构 * Nanyang Technological University（南洋理工大学） ； Peking University（北京大学） ； MBZUAI ； Imperial College London（帝国理工学院） ； East China Normal University（华东师范大学） ； University of Edinburgh（爱丁堡大学）
AI总结 本研究提出NTP4VC，首个现实世界多语言基准测试，评估LLMs在自动验证条件证明中的表现，揭示程序验证中的挑战与未来研究方向。
Comments Accepted in ICLR'26
E2HiL: Entropy-Guided Sample Selection for Efficient Real-World Human-in-the-Loop Reinforcement Learning
E2HiL: 基于熵引导的高效真实世界人机协同强化学习样本选择
机构 * Nanyang Technological University, Singapore（南洋理工大学） ； Beijing University of Posts and Telecommunications（北京邮电大学）
AI总结 E2HiL通过熵引导的样本选择方法，提高了真实世界人机协同强化学习的样本效率和成功率，减少了人工干预需求。
Comments Project page: https://e2hil.github.io/
Attribution Techniques for Mitigating Hallucinated Information in RAG Systems: A Survey
缓解RAG系统中幻觉信息的归因技术：综述
机构 * Nanyang Technological University（南洋理工大学）
AI总结 本文综述了RAG系统中缓解幻觉的归因技术，通过分类幻觉类型、统一流程和比较优劣，为实际应用提供指导。
Journal ref The 8th International Conference on Artifcial Intelligence in Information and Communication (ICAIIC 2026)
RubricHub: A Comprehensive and Highly Discriminative Rubric Dataset via Automated Coarse-to-Fine Generation
RubricHub: 通过自动化粗到细生成构建一个全面且高度判别性的评分标准数据集
机构 * Li Auto Inc. ； Zhejiang University（浙江大学） ； Nanyang Technological University（南洋理工大学） ； The Chinese University of Hong Kong, Shenzhen, China（香港中文大学（深圳））
AI总结 RubricHub通过自动化粗到细生成方法构建了一个大规模多领域评分标准数据集，通过后训练流程显著提升了模型在HealthBench上的表现。
Read as You See: Guiding Unimodal LLMs for Low-Resource Explainable Harmful Meme Detection
读取即可见：引导单模LLM进行低资源可解释有害迷因检测
机构 * Nanyang Technological University（南洋理工大学） ； Shanghai Jiao Tong University（上海交通大学） ； Ho Chi Minh City University of Technology（胡志明市技术大学） ； VinUniversity（文大学）
AI总结 U-CoT+通过轻量级单模LLM和高保真迷因到文本管道，实现低资源、可解释的有害迷因检测，有效提升模型灵活性和适应性。
Comments Accepted to ACM Web Conference 2026 (WWW '26)
SeedVR2: One-Step Video Restoration via Diffusion Adversarial Post-Training
SeedVR2: 通过扩散对抗后训练实现一步视频修复
机构 * Nanyang Technological University（南洋理工大学） ； ByteDance Seed（字节跳动实验室）
AI总结 SeedVR2通过引入自适应窗口注意力机制和改进的损失函数，实现高分辨率视频修复的一步式高效修复方法。
Comments Camera Ready of ICLR2026. Project page: https://iceclear.github.io/projects/seedvr2/
QVGen: Pushing the Limit of Quantized Video Generative Models
QVGen：推动量化视频生成模型的极限
机构 * Hong Kong University of Science and Technology（香港理工大学） ； Beihang University（北京航空航天大学） ； SenseTime Research（商汤科技研究院） ； Monash University（墨尔本大学） ； Nanyang Technological University（南洋理工大学） ； ETH Zürich（苏黎世联邦理工学院）
AI总结 QVGen通过量化感知训练框架在极低比特下实现高性能视频生成模型，首次达到全精度质量并优于现有方法。
Comments Accepted by ICLR 2026
Physics-Guided Multimodal Transformers are the Necessary Foundation for the Next Generation of Meteorological Science
物理引导的多模态Transformer是下一代气象科学的必要基础
机构 * School of Artificial Intelligence, Beijing University of Posts ； Huawei Noah's Ark Lab ； Department of Earth System Science, Tsinghua University ； College of Computing \& Data Science, Nanyang Technological University ； State Key Laboratory of Networking ； Switching Technology, Beijing University of Posts
AI总结 本文提出通过物理引导的多模态Transformer构建下一代气象科学的统一范式，以提升模型的科学一致性和物理约束能力。
Comments Perspective article
Enhancing Model Defense Against Jailbreaks with Proactive Safety Reasoning
通过主动安全推理增强模型对劫持的防御
机构 * School of Computing（计算学院） ； National University of Singapore（新加坡国立大学） ； School of Computer Science and Engineering（计算机科学与工程学院） ； Nanyang Technological University（南洋理工大学） ； Department of Computing（计算系） ； The Hong Kong Polytechnic University（香港理工大学）
AI总结 本文提出SCoT方法，通过主动安全推理提升模型对劫持的防御能力，有效减少对分布外问题和对抗操纵的易感性。
