高校专区
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: 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。
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: 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：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
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
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。
Video-KTR: 通过关键令牌 attribution 增强视频推理
机构 * ByteDance（字节跳动） ； School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电子与电气工程学院） ； National University of Singapore（国立新加坡大学） ； College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院）
AI总结 Video-KTR通过结合三种attribution信号，提升视频推理的准确性和可解释性，实现状态-of-the-art性能。
Comments Accepted to ICLR 2026
RoamScene3D: 通过自适应物体感知漫游实现沉浸式文本到3D场景生成
机构 * Faculty of Computing, Harbin Institute of Technology（计算机学院，哈尔滨工业大学） ； Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（深圳先进技术研究所，中国科学院） ； Nanyang Technological University（南洋理工大学） ； Peng Cheng Laboratory（鹏城实验室） ； Harbin Institute of Technology Suzhou Research Institute（哈尔滨工业大学苏州研究院）
AI总结 RoamScene3D通过自适应物体感知漫游实现沉浸式文本到3D场景生成，结合语义推理和几何约束提升场景一致性与逼真度。
在分布偏移下通过差分重建实现鲁棒不确定性估计
机构 * 1 Lee Kong Chian School of Medicine, Nanyang Technological University, Singapore 2 College of Computing ； Data Science, Nanyang Technological University, Singapore 3 Centre for Medical Technologies \& Innovations, National Health Group, Singapore
AI总结 本文提出DRUE方法，通过差分重建提升模型在分布偏移下的不确定性估计鲁棒性。
神经物理求解器的分布外泛化
机构 * Centre for Frontier AI Research (CFAR)（前沿人工智能研究中心） ； Agency for Science, Technology and Research (A*STAR)（科技研究局） ； Institute of High Performance Computing (IHPC)（高性能计算研究所） ； School of Mechanical Sciences（机械科学学院） ； Indian Institute of Technology Goa（果阿印度理工学院） ； 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 NOVA通过学习物理对齐的表示，实现了神经物理求解器在分布偏移下的高效泛化，提升了科学发现中长期动态预测和生成设计的能力。
DSSmoothing：通过双空间平滑实现预训练语言模型的认证数据集所有权验证
机构 * North China Electric Power University（华北电力大学） ； Research Institute, China Unicom（中国联合研究院） ； Wuhan University（武汉大学） ； Beihang University（北京航空航天大学） ； Nanyang Technological University（南洋理工大学）
AI总结 DSSmoothing通过双空间平滑在灰盒设置下实现预训练语言模型的数据集所有权验证，提供可证明的鲁棒性保证。
Comments To appear in WWW 2026. 12 pages
基于迭代积分与神经网络的混沌对冲
机构 * Nanyang Technological University, Division of Mathematical Sciences（南洋理工大学数学科学学院） ； ETH Zurich, Department of Mathematics（苏黎世联邦理工学院数学系）
AI总结 本文提出利用迭代积分与神经网络近似金融衍生品的$L^p$-对冲问题，提供了一种通用近似方法。
RouteMoA: 动态路由无需预推断提升高效混合代理
机构 * Shanghai Jiao Tong University（上海交通大学） ； CUHK（香港中文大学） ； Tencent（腾讯） ； Shanghai AI Laboratory（上海人工智能实验室） ； Nanyang Technological University（新加坡国立大学）
AI总结 RouteMoA通过动态路由机制无需预推断提升混合代理效率，显著降低推理成本和延迟。
SafeRBench: 解析大语言模型推理安全性的本质
机构 * Nanjing University（南京大学） ； Fudan University（复旦大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Chinese Academy of Sciences（中国科学院） ； Nanyang Technological University（南洋理工大学）
AI总结 SafeRBench通过端到端评估方法解析大语言模型推理过程中的安全性问题，提出风险分层探测、微思维分析和10项细粒度指标，揭示大模型在增强安全性的同时可能增加可操作风险的悖论。
Comments 29 pages, 8 figures
学习分组晶格向量量化器以实现低比特LLM压缩
机构 * Nanyang Technological University（南洋理工大学） ； Alibaba Group（阿里巴巴集团） ； Southwest Jiaotong University（西南交通大学）
AI总结 本文提出分组晶格向量量化器，通过学习生成矩阵优化低比特LLM压缩，实现模型大小与精度的平衡。
Comments NeurIPS 2025 Poster
DecompGAIL: 通过分解多智能体生成对抗模仿学习学习真实交通行为
机构 * Nanyang Technological University（南洋理工大学） ； Desay SV Automotive（德赛西威汽车）
AI总结 DecompGAIL通过分解多智能体生成对抗模仿学习方法，解决多智能体设置中GAIL的不稳定性问题，提升交通行为的真实性和整体性能。
Comments accepted by ICLR
利用神经网络在截断维纳混沌展开中求解随机偏微分方程
机构 * Nanyang Technological University, Division of Mathematical Sciences（南洋理工大学数学科学学院） ； ETH Zurich, Department of Mathematics（苏黎世联邦理工学院数学系）
AI总结 本文提出利用神经网络在维纳混沌展开中求解随机偏微分方程，并通过数值实验验证了方法的可行性与有效性。
机器人介导的双人交互中的延迟补偿刚度估计
机构 * Robotics Research Centre, School of Mechanical and Aerospace Engineering, Nanyang Technological University（机器人研究中心，机械与航空航天工程学院，南洋理工大学） ； Articares Pte. Ltd.（Articares私人有限公司）
AI总结 本文提出一种延迟补偿的刚度估计方法，通过代数估计器和归一化加权最小二乘算法，提升远程双人交互中刚度估计的准确性。
通过答案一致性表示塑造进行推理轨迹的幻觉检测
机构 * College of Computer Science, Sichuan University, China（四川大学计算机学院） ； School of Software Technology, Zhejiang University, China（浙江大学软件学院） ； College of Computing and Data Science, Nanyang Technological University, Singapore（南洋理工大学 computing and Data Science学院）
AI总结 本文提出ARS方法，通过塑造答案一致性表示来提高推理轨迹中幻觉检测的准确性，无需人工标注即可提升检测性能。
DREAM: 图学习中带标签噪声的双标准语义同质性与动态优化
机构 * National Key Laboratory for Multimedia Information Processing, School of Computer Science, Peking University-Anker Embodied AI Lab, Peking University（国家多媒体信息处理重点实验室，计算机科学学院，北京大学-安ker具身AI实验室，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 Computer Science, University of Illinois Chicago（计算机科学系，伊利诺伊大学香槟分校） ； Paul G. Allen School of Computer Science and Engineering, University of Washington（保罗·G·阿伦计算机科学与工程学院，华盛顿大学） ； Department of Statistics, University of Wisconsin–Madison（统计系，威斯康星大学麦迪逊分校）
AI总结 DREAM通过双标准策略和动态优化解决图学习中标签噪声问题，提升图结构中节点可靠性与关系信息的利用。
针对大视觉-语言模型的物理提示注入攻击
机构 * School of Cyber Science and Engineering, Wuhan University（武汉大学计算机科学与工程学院） ； College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院） ； College of Computer Science and Technology, Nanjing University of Aeronautics and Astronautics（南京航空航天大学计算机科学与技术学院）
AI总结 本研究提出了一种无需访问模型或输入的物理提示注入攻击方法，通过物理物体注入恶意指令，成功攻击多种大视觉-语言模型。
阴影自我：大型语言模型代理中的内在价值偏差
机构 * Nanyang Technological University（南洋理工大学） ； Wuhan University（武汉大学）
AI总结 研究提出IMPRESS框架，系统评估大型语言模型代理中的内在价值偏差风险，发现其在不同模型中普遍存在，且受上下文化和框架机制显著影响。
Comments 21 pages, 11 figures
精确校准与鲁棒的激光雷达-惯性里程计用于旋转驱动的激光雷达系统
机构 * Engineering Research Center of Low-Altitude Perception and Detection Technology & Intelligent IoT, Ministry of Education, School of Automation, Guangdong University of Technology（低空感知与探测技术及智能物联网工程研究中心，教育部，自动化学院，广东工业大学） ； School of Electrical and Electronic Engineering, Nanyang Technological University（电子与电气工程学院，南洋理工大学）
AI总结 本文提出了一种无目标的激光雷达-电机校准方法和环境自适应的激光雷达-惯性里程计，以提高旋转驱动激光雷达系统的校准精度和定位鲁棒性。
Comments This article has been accepted for publication in IEEE Robotics and Automation Letters (RA-L). Personal use is permitted. All other uses require IEEE permission
MAViS：一个用于长序列视频叙事的多智能体框架
机构 * Virginia Tech（弗吉尼亚理工大学） ； Nanyang Technological University（南洋理工大学） ； Eyeline Studios（Eyeline工作室）
AI总结 MAViS通过多智能体协作框架提升长序列视频生成的辅助能力、视觉质量和表达性，支持多模态输出。
Comments Video Generation Agent
推动专家专业化以提升MoE
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 本文提出正交性损失和方差损失，提升MoE模型专家专业化，显著提高性能并保持负载平衡。
Comments 33pages, 6figures(Accepted by Neurips 2025 Oral)
SeRL：基于有限数据的大型语言模型自我对抗强化学习
机构 * Zhejiang University（浙江大学） ； 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） ； Hangzhou City University（杭州城市大学） ； Hangzhou High-Tech Zone (Binjiang) Institute of Blockchain and Data Security（杭州高新技术区（滨江）区块链与数据安全研究院）
AI总结 SeRL通过自我指令和自我奖励机制，在有限数据条件下提升大型语言模型的推理能力。
The taggedPBC：为跨语言研究标注大规模平行语料库
机构 * Nanyang Technological University（南洋理工大学）
AI总结 taggedPBC为跨语言研究提供大规模标注平行语料库，包含1940种语言的词性标注数据，通过N1比值验证了其在识别不及物词序方面的有效性。
Journal ref Language Resources and Evaluation 2026, 60:20
GeneMAN: 从多源人类数据中通用的单图像3D人体重建
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Peking University（北京大学） ； Nanyang Technological University（南洋理工大学） ； SAIS & SCS, Shanghai Jiao Tong University（上海交通大学SAIS与SCS）
AI总结 GeneMAN通过多源高质量数据集和深度学习方法，实现从单张图像到高保真3D人体的通用重建。
Comments Accepted by NeurIPS 2025; Project page: https://roooooz.github.io/GeneMAN/
CARE Transformer: 通过解耦双交互实现高效的线性视觉Transformer
机构 * Nanyang Technological University（南洋理工大学） ； Beihang University（北京航空航天大学） ； Hefei University of Technology（合肥工业大学）
AI总结 CARE Transformer通过解耦双交互机制，实现高效的线性视觉Transformer，在移动端实现高精度与高效率的平衡。
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