Nanyang Technological University（南洋理工大学）

Generalized Logit Adjustment: Calibrating Fine-tuned Models by Removing Label Bias in Foundation Models

广义对数调整：通过消除基础模型中的标签偏见来校准微调模型

Beier Zhu, Kaihua Tang, Qianru Sun, Hanwang Zhang

机构 * Nanyang Technological University（南洋理工大学） ； Singapore Management University（新加坡管理学院） 纠错

AI总结 本文提出广义对数调整方法，通过消除基础模型中的标签偏见，提升多种任务的性能。

Comments Accepted by NeurIPS2023

ReCCur: A Recursive Corner-Case Curation Framework for Robust Vision-Language Understanding in Open and Edge Scenarios

ReCCur：一种递归角落案例校准框架，用于开放和边缘场景中的鲁棒视觉-语言理解

Yihan Wei, Shenghai Yuan, Tianchen Deng, Boyang Lou, Enwen Hu

机构 * Nanyang Technological University（南洋理工大学） ； Shanghai Jiao Tong University（上海交通大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） 纠错

AI总结 ReCCur通过递归框架实现低计算量的角落案例校准，提升开放和边缘场景下的视觉-语言理解鲁棒性。

Tree of Preferences for Diversified Recommendation

偏好树用于多样化推荐

Hanyang Yuan, Ning Tang, Tongya Zheng, Jiarong Xu, Xintong Hu, Renhong Huang, Shunyu Liu, Jiacong Hu, Jiawei Chen, Mingli Song

机构 * Zhejiang University（浙江大学） ； Fudan University（复旦大学） ； Hangzhou City University（杭州市大学） ； Nanyang Technological University（南洋理工大学） 纠错

AI总结 本文提出基于偏好树的多样化推荐方法，利用LLMs揭示用户未探索偏好，提升推荐多样性与相关性。

E$^2$AT: Multimodal Jailbreak Defense via Dynamic Joint Optimization for Multimodal Large Language Models

E$^2$AT: 通过动态联合优化实现多模态对抗防御

Liming Lu, Xiang Gu, Shuchao Pang, Siyuan Liang, Haotian Zhu, Xiyu Zeng, Xu Zheng, Yongbin Zhou

机构 * School of Cyber Science and Engineering, Nanjing University of Science and Technology, China（南京理工大学信息科学与工程学院） ； HKUST(GZ) and INSAIT, Sofia University St. Kliment Ohridski（香港科技大学（广州）及INSAIT，索菲亚大学圣克莱门特·奥赫里迪斯学院） ； 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） 纠错

AI总结 E$^2$AT通过动态联合优化提升多模态大语言模型对对抗攻击的鲁棒性，实验显示其在文本和图像模态上性能优于现有方法34%。

Streaming Hallucination Detection in Long Chain-of-Thought Reasoning

流式长推理链中的幻觉检测

Haolang Lu, Minghui Pan, Ripeng Li, Guoshun Nan, Jialin Zhuang, Zijie Zhao, Zhongxiang Sun, Kun Wang, Yang Liu

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Nanyang Technological University（南洋理工大学） ； Southwest Jiaotong University（西南交通大学） ； Renmin University of China（中国人民大学） 纠错

AI总结 本研究提出通过跟踪推理状态演变来检测长推理链中的幻觉，提供实时可解释的检测证据。

Coward: Collision-based Watermark for Proactive Federated Backdoor Detection

Coward: 基于碰撞的水印用于主动联邦后门检测

Wenjie Li, Siying Gu, Yiming Li, Kangjie Chen, Zhili Chen, Tianwei Zhang, Shu-Tao Xia, Dacheng Tao

机构 * Tsinghua University（清华大学） ； East China Normal University（华东师范大学） ； Nanyang Technological University（南洋理工大学） 纠错

AI总结 Coward通过多后门碰撞效应提出主动检测方法，利用分布外数据的双映射学习注入水印，有效缓解OOD偏见并提升检测性能。

Comments 13-page main body and 4-page appendix. Currently under review

Improving Flexible Image Tokenizers for Autoregressive Image Generation

改进灵活的图像标记器以用于自回归图像生成

Zixuan Fu, Lanqing Guo, Chong Wang, Binbin Song, Ding Liu, Bihan Wen

机构 * Nanyang Technological University（南洋理工大学） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Harbin Institute of Technology（哈尔滨工业大学） ； Meta AI 纠错

AI总结 ReToK通过冗余标记填充和层次语义正则化改进灵活图像标记器，提升自回归图像生成效果。

Advanced Global Wildfire Activity Modeling with Hierarchical Graph ODE

基于分层图微分方程的先进全球野火活动建模

Fan Xu, Wei Gong, Hao Wu, Lilan Peng, Nan Wang, Qingsong Wen, Xian Wu, Kun Wang, Xibin Zhao

机构 * University of Science and Technology of China（中国科学技术大学） ； Tsinghua University（清华大学） ； Southwest Jiaotong University（西南交通大学） ； Beijing Jiaotong University（北京交通大学） ； Tencent（腾讯） ； Nanyang Technological University（南洋理工大学） 纠错

AI总结 本文提出分层图微分方程框架HiGO，用于建模全球野火活动的多尺度连续动态，通过多级图结构和自适应信息传递机制提升预测性能。

Multi-Dimensional Prompt Chaining to Improve Open-Domain Dialogue Generation

多维提示链以提升开放域对话生成

Livia Leong Hui Teng

机构 * Nanyang Technological University（南洋理工大学） 纠错

AI总结 本文提出多维提示链框架，通过提升自然性、连贯性和吸引力，使小型模型在开放域对话生成中达到与大模型相当的性能。

Improving Code-Switching Speech Recognition with TTS Data Augmentation

通过TTS数据增强改进代码切换语音识别

Yue Heng Yeo, Yuchen Hu, Shreyas Gopal, Yizhou Peng, Hexin Liu, Eng Siong Chng

机构 * Institute for Infocomm Research (I 2 R), A*STAR, Singapore（信息通信研究所（I 2 R），A*STAR，新加坡） ； 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） 纠错

AI总结 利用多语言TTS模型生成合成语音数据，有效提升代码切换语音识别的准确率和鲁棒性。

Comments This paper was accepted by APSIPA 2025

CSSBench: Evaluating the Safety of Lightweight LLMs against Chinese-Specific Adversarial Patterns

CSSBench: 评估轻量级大语言模型对中文特定对抗模式的安全性

Zhenhong Zhou, Shilinlu Yan, Chuanpu Liu, Qiankun Li, Kun Wang, Zhigang Zeng

机构 * Nanyang Technological University（南洋理工大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； Huazhong University of Science and Technology（华中科技大学） 纠错

AI总结 CSSBench通过评估中文特定对抗模式，揭示轻量级大语言模型在中文环境下的安全挑战，为实际应用提供安全评估框架。

Comments 18 pages

Vision-Language-Action Models for Autonomous Driving: Past, Present, and Future

面向自动驾驶的视觉-语言-动作模型：过去、现在与未来

Tianshuai Hu, Xiaolu Liu, Song Wang, Yiyao Zhu, Ao Liang, Lingdong Kong, Guoyang Zhao, Zeying Gong, Jun Cen, Zhiyu Huang, Xiaoshuai Hao, Linfeng Li, Hang Song, Xiangtai Li, Jun Ma, Shaojie Shen, Jianke Zhu, Dacheng Tao, Ziwei Liu, Junwei Liang

机构 * HKUST（香港科技大学） ； Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学） ； HKUST(GZ)（香港科技大学（广州）） ； DAMO Academy, Alibaba（阿里巴巴达摩院） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Xiaomi EV（小米电动车） ； Xi'an Jiaotong University（西安交通大学） ； Nanyang Technological University, Singapore（新加坡南洋理工大学） 纠错

AI总结 本文探讨了自动驾驶中视觉-语言-动作模型的发展历程，提出两种主要范式并分析其挑战与未来方向。

Comments Survey; 47 pages, 7 figures, 9 tables; GitHub Repo at https://github.com/worldbench/awesome-vla-for-ad

Wukong's 72 Transformations: High-fidelity Textured 3D Morphing via Flow Models

悟空的72变：通过流模型实现高保真的纹理3D变形

Minghao Yin, Yukang Cao, Kai Han

机构 * Visual AI Lab, The University of Hong Kong（香港大学视觉人工智能实验室） ； S-Lab, Nanyang Technological University（南洋理工大学S实验室） 纠错

AI总结 WUKONG通过流模型实现高保真的纹理3D变形，无需训练，支持全局纹理过渡和身份保持的变形，优于现有方法。

A Multi-Scale Attention-Based Attack Diagnosis Mechanism for Parallel Cyber-Physical Attacks in Power Grids

一种基于多尺度注意力的并行网络物理攻击诊断机制

Junhao Ren, Kai Zhao, Guangxiao Zhang, Xinghua Liu, Chao Zhai, Gaoxi Xiao

机构 * School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电子与电气工程学院） ； Institute of Catastrophe Risk Management, Nanyang Technological University（南洋理工大学灾难风险管理研究所） ； School of Electrical Engineering, Xi’an University of Technology（西安理工大学电气工程学院） ； School of Automation, China University of Geosciences (Wuhan)（中国地质大学（武汉）自动化学院） 纠错

AI总结 本文提出一种基于多尺度注意力机制的攻击诊断框架，用于检测并行网络物理攻击，通过元混合整数规划优化攻击位置和规模估计。

Comments 10 pages, 3 figures, 5 tables, journal

Noise-Aware and Dynamically Adaptive Federated Defense Framework for SAR Image Target Recognition

具有噪声意识和动态适应的联邦防御框架用于SAR图像目标识别

Yuchao Hou, Zixuan Zhang, Jie Wang, Wenke Huang, Lianhui Liang, Di Wu, Zhiquan Liu, Youliang Tian, Jianming Zhu, Jisheng Dang, Junhao Dong, Zhongliang Guo

机构 * Shanxi Key Laboratory of Cryptography and Data Security, School of Computer Science and Artificial Intelligence, Shanxi Normal University（山西密码与数据安全重点实验室，计算机科学与人工智能学院，山西师范大学） ； School of Computer Science and Technology, Guizhou University（贵州大学计算机科学与技术学院） ； 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） ； School of Electrical Engineering, Guangxi University（广西大学电气工程学院） ； School of Computing, Engineering and Mathematical Science, La Trobe University（拉筹伯大学计算、工程与数学科学学院） ； College of Cyber Security, Jinan University（济南大学网络安全学院） 纠错

AI总结 NADAFD通过整合频域、空域和客户端行为分析，提升SAR图像目标识别在对抗攻击下的鲁棒性。

Comments This work was supported in part by the National Key Research and Development Program of China under Grant 2021YFB3101100, in part by the National Natural Science Foundation of China under Grant 62272123, 42371470, and 42461057, in part by the Fundamental Research Program of Shanxi Province under Grant 202303021212164. Corresponding authors: Zhongliang Guo and Junhao Dong

DepFlow: Disentangled Speech Generation to Mitigate Semantic Bias in Depression Detection

DepFlow：解耦语音生成以缓解抑郁检测中的语义偏差

Yuxin Li, Xiangyu Zhang, Yifei Li, Zhiwei Guo, Haoyang Zhang, Eng Siong Chng, Cuntai Guan

机构 * 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） ； School of Electrical Engineering and Telecommunications, UNSW（新南威尔士大学电信工程学院） ； School of Software and Microelectronics, Peking University（北京大学软件与微电子学院） ； Center for AI in Medicine (C-AIM), Lee Kong Chian School of Medicine, NTU（人工智能医学中心（C-AIM）、李光耀医学院、南洋理工大学） 纠错

AI总结 DepFlow通过三阶段框架解耦语音生成，缓解抑郁症检测中的语义偏差，提升模型鲁棒性并提供可控合成平台。

Modeling the One-to-Many Property in Open-Domain Dialogue with LLMs

在开放式对话中利用大语言模型建模一对一多属性

Jing Yang Lee, Kong-Aik Lee, Woon-Seng Gan

机构 * School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电子与电气工程学院） ； Department of Electrical and Electronic Engineering, The Hong Kong Polytechnic University（香港理工大学电子与电气工程系） 纠错

AI总结 本文提出通过分解生成任务和引入新策略，利用大语言模型提升开放式对话的回应多样性和质量。

WorldMem: Long-term Consistent World Simulation with Memory

WorldMem: 基于记忆的长期一致世界模拟

Zeqi Xiao, Yushi Lan, Yifan Zhou, Wenqi Ouyang, Shuai Yang, Yanhong Zeng, Xingang Pan

机构 * S-Lab, Nanyang Technological University（南洋理工大学S实验室） ； Wangxuan Institute of Computer Technology, Peking University（北京大学王轩计算机技术研究所） ； Shanghai AI Laboratory（上海人工智能实验室） 纠错

AI总结 WorldMem通过引入记忆库和注意力机制，实现了长期一致的世界模拟，提升了场景生成的准确性和动态建模能力。

Comments Project page at https://xizaoqu.github.io/worldmem/

Inner-Probe: Discovering Copyright-related Data Generation in LLM Architecture

Inner-Probe: 在LLM架构中发现与版权相关的数据生成

Qichao Ma, Rui-Jie Zhu, Peiye Liu, Renye Yan, Fahong Zhang, Ling Liang, Meng Li, Zhaofei Yu, Zongwei Wang, Yimao Cai, Tiejun Huang

机构 * School of Computer Science and the State Key Laboratory of Multimedia Information Processing, Peking University（计算机科学系和多媒体信息处理国家重点实验室，北京大学） ； Institute for Artificial Intelligence, Peking University（人工智能研究院，北京大学） ； department of Electrical and Computer Engineering, University of California, Santa Cruz（电气与计算机工程系，加州大学圣克鲁兹分校） ； Alibaba DAMO Academy, Beijing（阿里巴巴达摩院，北京） ； College of Computing and Data Science, Nanyang Technological University（计算与数据科学学院，南洋理工大学） ； School of Integrated Circuits, Peking University（集成电路系，北京大学） ； YanXin MicroElectronics Co., Ltd.(YXME), Shanghai, China（燕芯微电子有限公司（YXME），上海，中国） 纠错

AI总结 Inner-Probe通过分析LLM生成过程中多头注意力机制，实现对受版权数据子集影响的高效检测与非受版权文本识别。

Comments Accepted by IEEE Transactions on Artificial Intelligence

HeteroHBA: A Generative Structure-Manipulating Backdoor Attack on Heterogeneous Graphs

HeteroHBA：一种针对异构图的生成式结构操纵后门攻击

Honglin Gao, Lan Zhao, Junhao Ren, Xiang Li, Gaoxi Xiao

机构 * School of Electrical and Electronic Engineering（电子与电气工程学院） ； Nanyang Technological University（南洋理工大学） 纠错

AI总结 HeteroHBA通过生成式方法在异构图中实现高效后门攻击，提升隐蔽性和攻击成功率，同时保持干净准确率。

Controllable Human-centric Keyframe Interpolation with Generative Prior

可控的人本关键帧插值与生成先验

Zujin Guo, Size Wu, Zhongang Cai, Wei Li, Chen Change Loy

机构 * S-Lab, Nanyang Technological University（南洋理工大学S实验室） ； SenseTime Research（商汤科技研究院） 纠错

AI总结 本文提出PoseFuse3D-KI框架，通过整合3D人体指导信号提升关键帧插值的可控性和保真度，实验表明其在PSNR和LPIPS指标上均优于现有方法。

Comments Project Page: https://gseancdat.github.io/projects/PoseFuse3D_KI

Model Merging in LLMs, MLLMs, and Beyond: Methods, Theories, Applications and Opportunities

在大语言模型、多模态大语言模型及更广泛的领域中进行模型融合：方法、理论、应用与机遇

Enneng Yang, Li Shen, Guibing Guo, Xingwei Wang, Xiaochun Cao, Jie Zhang, Dacheng Tao

机构 * Shenzhen Campus of Sun Yat-sen University, China（中山大学深圳校区） ； Northeastern University China（东北大学） ； Shenzhen Campus of Sun Yat-sen University China（中山大学深圳校区） ； Nanyang Technological University Singapore（南洋理工大学） ； Northeastern University（东北大学） ； Shenzhen Campus of Sun Yat-sen University（中山大学深圳校区） ； Nanyang Technological University（南洋理工大学） ； Institute for Clarity in Documentation Dublin Ohio USA（文档清晰研究所） ； Inria Paris-Rocquencourt Rocquencourt France（巴黎-罗quentourt研究所） ； Rajiv Gandhi University Doimukh Arunachal Pradesh India（拉贾·甘地大学） ； Tsinghua University Haidian Qu Beijing Shi China（清华大学） ； Palmer Research Laboratories San Antonio Texas USA（帕勒研究中心） ； Institute for Clarity in Documentation（文档清晰研究所） ； Inria Paris-Rocquencourt（巴黎-罗quentourt研究所） ； Rajiv Gandhi University（拉贾·甘地大学） ； Tsinghua University（清华大学） ； Palmer Research Laboratories（帕勒研究中心） 纠错

AI总结 本文综述了模型融合的方法、理论、应用及未来方向，提出新的分类方法并探讨其在多个机器学习领域的应用及挑战。

FineFT: Efficient and Risk-Aware Ensemble Reinforcement Learning for Futures Trading

FineFT: 高效且风险感知的期货交易强化学习 ensemble 方法

Molei Qin, Xinyu Cai, Yewen Li, Haochong Xia, Chuqiao Zong, Shuo Sun, Xinrun Wang, Bo An

机构 * Nanyang Technological University（南洋理工大学） ； Hong Kong University of Science（香港科技大学） ； Singapore Management University（新加坡管理学院） 纠错

AI总结 FineFT 是一种高效的期货交易强化学习 ensemble 方法，通过三阶段框架实现稳定训练和风险控制，实验表明其在六个金融指标上优于 12 个基线方法，风险降低超过 40%。

Replay Failures as Successes: Sample-Efficient Reinforcement Learning for Instruction Following

重播失败作为成功：用于指令跟随的样本高效强化学习

Kongcheng Zhang, Qi Yao, Shunyu Liu, Wenjian Zhang, Min Cen, Yang Zhou, Wenkai Fang, Yiru Zhao, Baisheng Lai, Mingli Song

机构 * Zhejiang University（浙江大学） ； Nanyang Technological University（南洋理工大学） ； Dalian University of Technology（大连理工大学） ； University of Science and Technology of China（中国科学技术大学） ； Alibaba Cloud Computing（阿里云计算） ； Chinese Academy of Sciences（中国科学院） 纠错

AI总结 HiR 提出了一种样本高效强化学习框架，通过将失败尝试视为成功来提升指令跟随任务的性能，利用双偏好学习实现高效优化。

C2PO: Diagnosing and Disentangling Bias Shortcuts in LLMs

C2PO：诊断和解构大语言模型中的偏见捷径

Xuan Feng, Bo An, Tianlong Gu, Liang Chang, Fengrui Hao, Peipeng Yu, Shuai Zhao

机构 * Jinan University（济南大学） ； Nanyang Technological University（南洋理工大学） ； Engineering Research Center of Trustworthy AI (Ministry of Education)（可信人工智能工程研究中心） ； Guangxi Key Laboratory of Trusted Software（广西可信软件重点实验室） 纠错

AI总结 C2PO通过因果对比偏好优化框架，解决大语言模型中的偏见问题，同时保持推理能力。

Bridging Your Imagination with Audio-Video Generation via a Unified Director

通过统一导演模型实现想象力与音频视频生成的连接

Jiaxu Zhang, Tianshu Hu, Yuan Zhang, Zenan Li, Linjie Luo, Guosheng Lin, Xin Chen

机构 * Nanyang Technological University（南洋理工大学） 纠错

AI总结 UniMAGE通过统一导演模型整合脚本起草与关键帧生成，提升非专业人士制作多镜头电影的能力。

A Human-Oriented Cooperative Driving Approach: Integrating Driving Intention, State, and Conflict

面向人类的协作驾驶方法：整合驾驶意图、状态和冲突

Qin Wang, Shanmin Pang, Jianwu Fang, Shengye Dong, Fuhao Liu, Jianru Xue, Chen Lv

机构 * School of Software Engineering, Xi’an Jiaotong University（软件工程学院，西安交通大学） ； School of Artificial Intelligence, Xi’an Jiaotong University（人工智能学院，西安交通大学） ； School of Mechanical and Aerospace Engineering, Nanyang Technological University（机械与航空航天工程学院，南洋理工大学） 纠错

AI总结 本文提出面向人类的协作驾驶方法，通过意图感知轨迹规划和控制权分配策略，提升驾驶性能并减少人机冲突。

When Deepfake Detection Meets Graph Neural Network:a Unified and Lightweight Learning Framework

当深度伪造检测遇见图神经网络：一种统一且轻量级的学习框架

Haoyu Liu, Chaoyu Gong, Mengke He, Jiate Li, Kai Han, Siqiang Luo

机构 * Nanyang Technological University（南洋理工大学） ； University of Southern California（南加州大学） ； The University of Hong Kong（香港大学） 纠错

AI总结 本文提出SSTGNN，一种统一且轻量级的深度伪造检测框架，通过图神经网络联合处理空间、时间及频谱信息，实现高效且准确的伪造检测。

Comments Accepted to KDD 2026

Topic-FlipRAG: Topic-Orientated Adversarial Opinion Manipulation Attacks to Retrieval-Augmented Generation Models

Topic-FlipRAG: 面向主题的对抗性观点操控攻击用于检索增强生成模型

Yuyang Gong, Zhuo Chen, Jiawei Liu, Miaokun Chen, Fengchang Yu, Wei Lu, Xiaofeng Wang, Xiaozhong Liu

机构 * Wuhan University（武汉大学） ； Nanyang Technological University（南洋理工大学） ； Worcester Polytechnic Institute（沃思堡理工学院） 纠错

AI总结 本文提出Topic-FlipRAG，一种针对检索增强生成模型的面向主题对抗性观点操控攻击方法，通过两阶段流程影响模型输出观点，揭示了RAG系统安全防护的迫切需求。

Comments Accepted by USENIX Security 2025

Prompt Injection attack against LLM-integrated Applications

针对集成大语言模型应用的提示注入攻击

Yi Liu, Gelei Deng, Yuekang Li, Kailong Wang, Zihao Wang, Xiaofeng Wang, Tianwei Zhang, Yepang Liu, Haoyu Wang, Yan Zheng, Leo Yu Zhang, Yang Liu

机构 * Griffith University（格里菲斯大学） ； Nanyang Technological University（南洋理工大学） ； University of New South Wales（新南威尔士大学） ； Huazhong University of Science and Technology（华中科技大学） ； Indiana University at Bloomington（印第安纳大学布卢明顿分校） ； Southern University of Science and Technology（南方科技大学） ； Tianjin University（天津大学） 纠错

AI总结 本研究提出HouYi技术，揭示LLM集成应用中提示注入攻击的潜在风险及缓解方法。