高校专区
Evo-1：轻量级视觉-语言-动作模型，保持语义对齐
机构 * School of AI, Shanghai Jiao Tong University（上海交通大学人工智能学院） ； EvoMind Tech（EvoMind科技） ； IAAR-Shanghai（IAAR-上海） ； SII ； Carnegie Mellon University（卡内基梅隆大学） ； University of Cambridge（剑桥大学） ； Nanyang Technological University（南洋理工大学）
AI总结 Evo-1是一种轻量级的视觉-语言-动作模型，通过减少计算并保持语义对齐，实现了高效的部署和强大的性能。
Comments Github: https://github.com/MINT-SJTU/Evo-1
仅通过2D视觉-语言模型实现3D问答
机构 * Nanyang Technological University, Singapore ； Singapore Management University, Singapore ； National University of Singapore, Singapore ； Nanjing University of Science \& Technology, Nanjing, China
AI总结 本文提出cdViews方法，通过仅使用2D视觉-语言模型，实现3D问答任务的高性能表现。
Comments ICML2025
ASTRIDE：面向智能体AI应用的安全威胁建模平台
机构 * Old Dominion University（老奥布里恩大学） ； Accenture Technology Labs（埃森哲技术实验室） ； Florida International University（佛罗里达国际大学） ； Nanyang Technological University（南洋理工大学） ； University of Colombo（科伦坡大学）
AI总结 ASTRIDE是首个专为AI智能体应用设计的自动化威胁建模平台，通过扩展STRIDE框架并结合微调的视觉语言模型与推理LLM，实现基于图的威胁建模自动化。
针对基于潜在扩散模型的图像编辑的灰盒攻击
机构 * School of Computer Science, University of St Andrews（圣安德鲁大学计算机科学学院） ； Department of Data Science, City University of Hong Kong（香港城市大学数据科学系） ； College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院） ； School of Computer Science, University of Nottingham（诺丁汉大学计算机科学学院） ； Department of Data Science and Artificial Intelligence, Monash University（墨尔本大学数据科学与人工智能系） ； College of Information Science & Electronic Engineering, Zhejiang University（浙江大学信息科学与电子工程学院）
AI总结 本文提出了一种基于后验崩溃现象的灰盒攻击方法，通过调整参数实现两种崩溃类型，有效防止未经授权的图像编辑，且对模型依赖低，计算效率高。
Comments 15 pages, 9 figures, 9 tables
机器人何时应说'我不知道'：身体化问答中退避的基准测试
机构 * Nanyang Technological University（南洋理工大学） ； Peking University（北京大学）
AI总结 本文研究了身体化问答中退避机制的重要性，通过构建AbstainEQA数据集，发现人类在退避任务中表现优异，而模型退避能力有限。
Nexus：Transformer中的高阶注意力机制
机构 * Nanyang Technological University（南洋理工大学） ； Huawei Noah's Ark Lab（华为诺亚实验室）
AI总结 Nexus通过递归框架和动态注意力机制提升Transformer的表示能力，突破线性瓶颈并优于标准Transformer。
FusionBench: 一种统一的库和全面的深度模型融合基准
机构 * School of Computer Science, National Engineering Research Center for Multimedia Software and Hubei Key Laboratory of Multimedia and Network Communication Engineering, Wuhan University, Wuhan, China（计算机学院、多媒体软件国家工程研究中心、多媒体与网络通信工程湖北省重点实验室、武汉大学） ； Shenzhen Campus of Sun Yat-sen University, China（中山大学深圳校区） ； Beijing Institute of Technology, Beijing, China（北京理工大学） ； Nanyang Technological University, Singapore（南洋理工大学）
AI总结 FusionBench 是首个用于深度模型融合的统一库和基准，提供多种任务和设置以评估融合方法的有效性和鲁棒性。
Comments Project homepage: https://github.com/tanganke/fusion_bench Online documentation: https://tanganke.github.io/fusion_bench
MUT3R：面向动态3D重建的运动感知更新Transformer
机构 * Shanghai Jiao Tong University（上海交通大学） ； Nanyang Technological University（南洋理工大学）
AI总结 MUT3R通过利用预训练Transformer的运动线索，在无需训练的情况下抑制动态内容，提升动态场景下的3D重建时间一致性和姿态鲁棒性。
无监督视频翻译与编辑中的帧空间-时间对应
机构 * Wangxuan Institute of Computer Technology, Peking University（北京大学王轩计算机技术研究所） ； S-Lab, Nanyang Technological University（南洋理工大学S实验室）
AI总结 FRESCO通过整合帧内与帧间对应关系，提升视频翻译与编辑的空间-时间一致性，实现高质量、一致的视频生成。
Comments Code: https://github.com/Sunnycookies/FRESCO-v2, Project: https://williamyang1991.github.io/projects/FRESCOv2/
安全且可持续的电动巴士充电调度与受约束的分层深度强化学习
机构 * College of Engineering, University of Guelph（圭尔夫大学工程学院） ； EthicalAI ； 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 本文提出了一种安全且可持续的电动巴士充电调度方法，采用受约束的分层深度强化学习框架，通过整合拉格朗日松弛实现安全与成本的优化。
AGI 的定义
机构 * Center for AI Safety（AI安全中心） ； University of California, Berkeley（加州大学伯克利分校） ； Virtue AI ； Morph Labs（Morph实验室） ； University of Michigan（密歇根大学） ； LG AI Research（LG人工智能研究） ； University of Oxford（牛津大学） ； Stanford University（斯坦福大学） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； Gray Swan AI ； Carnegie Mellon University（卡内基梅隆大学） ； Cornell University（康奈尔大学） ； Hong Kong Baptist University（香港 Baptist大学） ； HKUST（香港科技大学） ； Nanyang Technological University（南洋理工大学） ； KAIST（韩国科学技术院） ； University of California, Santa Cruz（加州大学圣克鲁兹分校） ； Massachusetts Institute of Technology（麻省理工学院） ； University of Tübingen（图宾根大学） ； University of Washington（华盛顿大学） ； University of Toronto（多伦多大学） ； Vector Institute（向量研究所） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Beneficial AI Research（有益AI研究） ； Conjecture ； Institute for Applied Psychometrics（应用心理测量研究所） ； New York University（纽约大学） ； CSER ； Université de Montréal（蒙特利尔大学） ； LawZero
AI总结 本文提出了一种基于卡特尔-霍恩-卡罗尔理论的可量化框架，定义AGI为与受过良好教育的成年人认知能力相匹配，并通过心理测量电池评估AI系统，揭示当前AI在基础认知机制上的不足。
IW-Bench: 评估大规模多模态模型的图像到网页转换能力
机构 * Beihang University（北京航空航天大学） ； Alibaba Group（阿里巴巴集团） ； Tsinghua University（清华大学） ； Nanyang Technological University（南洋理工大学） ； National University of Singapore（新加坡国立大学）
AI总结 IW-Bench提出了一种新的基准，用于评估大规模多模态模型在图像到网页转换中的性能，通过元素准确率和布局准确率以及五跳提示方法来提升评估效果。
驯服受控摄像机视频生成的可验证几何奖励
机构 * AIsphere ； National University of Singapore（新加坡国立大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出了一种在线强化学习框架，通过可验证的几何奖励提升摄像机控制的视频生成精度与一致性。
Comments 11 pages, 4 figures, 7 tables
PhyCustom: 向文本到图像生成中的真实物理定制迈进
机构 * Nanyang Technological University（南洋理工大学） ； Goertek Alpha Labs（歌尔声学Alpha实验室） ； Tencent（腾讯）
AI总结 PhyCustom通过引入两个新正则化损失，提升文本到图像生成中对物理概念的真实定制能力。
Comments codes:https://github.com/wufan-cse/PhyCustom
IC-World：基于上下文的共享世界建模生成
机构 * Nanyang Technological University（南洋理工大学） ； Goertek Alpha Labs（歌尔声学实验室） ； Tencent（腾讯）
AI总结 IC-World通过激活大视频模型的上下文生成能力，实现了多视角共享世界建模，通过强化学习和奖励模型提升生成视频的几何和运动一致性。
Comments codes:https://github.com/wufan-cse/IC-World
OpenREAD: 基于LLM作为批评者的开放性推理端到端自动驾驶框架
机构 * Nanyang Technological University, Singapore（南洋理工大学） ； Harvard University, USA（哈佛大学）
AI总结 OpenREAD通过端到端强化微调框架，结合LLM作为批评者，提升自动驾驶中的推理与规划能力，实现从高层推理到低层轨迹规划的全面优化。
LeechHijack: 智能代理系统中的隐蔽计算资源利用
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Hangzhou Dianzi University（杭州电子科技大学） ； Nanyang Technological University（南洋理工大学） ； CFAR ； North China Electric Power University（华北电力大学） ； Chongqing University of Posts（重庆邮电大学）
AI总结 LeechHijack通过隐式毒性攻击利用MCP框架中的信任边界，隐蔽劫持代理计算资源，揭示对计算溯源和资源认证机制的迫切需求。
VeriLoRA: 通过零知识证明实现通过验证的安全大语言模型微调
机构 * Shenzhen University（深圳大学） ； Nanjing University of Science（南京理工大学） ； Nanyang Technological University（南洋理工大学）
AI总结 VeriLoRA通过整合零知识证明与LoRA微调，实现了大语言模型在敏感环境中的安全可信部署。
Comments This paper has been accepted for publication at the Network and Distributed System Security Symposium (NDSS) 2026
AirSim360：无人机视角下的全景模拟平台
机构 * Insta360 Research（Insta360研究机构） ； Wuhan University（武汉大学） ； University of California, San Diego（加州大学圣地亚哥分校） ； Nanyang Technological University（南洋理工大学） ； University of California, Merced（加州大学默塞德分校） ； Shenzhen University（深圳大学）
AI总结 AirSim360 是一个基于无人机视角的全景模拟平台，通过渲染对齐的数据标注、交互式行人建模和自动轨迹生成，实现全方位场景采样和空间智能研究。
Comments Project Website: https://insta360-research-team.github.io/AirSim360-website/
SpriteHand: 实时多样的手-物体交互与自回归视频生成
机构 * HKUST (Guangzhou)（香港科技大学（广州）） ； XMax.AI Ltd.（XMax人工智能有限公司） ； Nanyang Technological University（南洋理工大学）
AI总结 SpriteHand通过自回归视频生成框架实现实时高质量手-物体交互视频合成，支持多种物体和运动模式，具有高视觉真实性和物理合理性。
M³A策略：通过光度重渲染的可变材料操控增强策略
机构 * Tsinghua University（清华大学） ； MARS Lab, Nanyang Technological University（南洋理工大学MARS实验室） ； University of California, Berkeley（加州大学伯克利分校） ； The University of Tokyo（东京大学）
AI总结 M³A策略通过光度重渲染生成多样化演示，提升机器人跨材料操控的泛化能力。
Comments under submission
EmoRAG：评估RAG对符号扰动的鲁棒性
机构 * ZJU Hangzhou China（浙江大学杭州校区） ； NTU Singapore（南洋理工大学） ； Hengxin Tech. Singapore（新加坡恒心科技） ； NUS Singapore（国立新加坡大学） ； NJU Nanjing China（南京大学） ； PKU Beijing China（北京大学）
AI总结 EmoRAG研究揭示RAG系统对细微表情符号扰动的鲁棒性问题，发现单个表情符号可导致检索严重误导，并提出针对性防御措施。
Comments Accepted to ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD) 2026
S$^2$-MLLM：通过结构指导提升多模态大语言模型在3D视觉定位中的空间推理能力
机构 * Shanghai Jiao Tong University（上海交通大学） ； Nanyang Technological University（南洋理工大学）
AI总结 S$^2$-MLLM通过隐式空间推理提升多模态大语言模型在3D视觉定位中的空间推理能力，实现高效且准确的3D场景理解。
Comments 18 pages, 9 figures
基于可及性的分解方法用于视频-语言理解中的持续学习
机构 * University of Sydney（悉尼大学） ； University of California, Santa Barbara（加州大学圣巴巴拉分校） ； Nanjing Normal University（南京师范大学） ； Nanyang Technological University（南洋理工大学） ； Shenzhen Campus of Sun Yat-sen University（中山大学深圳校区）
AI总结 AFD通过显式分解视频-语言理解中的稳定性与适应性，实现了在持续学习中的高性能表现。
Comments Under review
从系数到方向：重新思考模型融合与方向对齐
机构 * University of Oxford（牛津大学） ； Tsinghua University（清华大学） ； Nanyang Technological University（南洋理工大学） ； East China Normal University（华东师范大学） ； RIKEN（日本研究机构） ； The University of Tokyo（东京大学） ； Southern University of Science and Technology（南方科技大学）
AI总结 本文提出方向对齐融合方法，通过统一几何框架对齐参数和特征空间的方向结构，提升模型融合的结构一致性与性能。
视觉-语言模型中的动态多模态原型学习
机构 * University of Science and Technology of China（中国科学技术大学） ； Nanyang Technological University（南洋理工大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Sichuan University（四川大学） ； National University of Singapore（新加坡国立大学） ； Shenzhen University（深圳大学）
AI总结 本文提出ProtoMM框架，通过动态更新视觉粒子和多模态原型学习，提升视觉-语言模型在测试时的适应性能。
Comments ICCV 2025
PointNSP: 通过下一尺度细节预测实现自回归3D点云生成
机构 * National University of Singapore（新加坡国立大学） ； Nanyang Technological University（南洋理工大学） ； University of Hong Kong（香港大学） ； University of Cambridge（剑桥大学） ； The Chinese University of Hong Kong（香港中文大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 PointNSP通过下一尺度细节预测实现自回归3D点云生成，首次在自回归范式中达到最先进的生成质量，并在参数、训练和推理效率上超越扩散基线。
Comments 24 pages; Previously this version appeared as arXiv:2510.05613 which was submitted as a new work by accident
Prism: 在非独立同分布的IMU数据中挖掘任务感知域以实现灵活的用户感知
机构 * Shanghai Jiao Tong University（上海交通大学） ； Nanyang Technological University（新加坡国立大学） ； Ant Group（蚂蚁集团） ； Donghua University（东华大学）
AI总结 Prism通过挖掘任务感知的IMU数据域，实现移动设备上的灵活用户感知，提升预测精度并降低延迟。
Comments in Proceedings of IEEE INFOCOM 2025, London, United Kingdom
Journal ref Proceedings of IEEE Conference on Computer Communications (INFOCOM), 2025
IoT-LLM: 一个增强大语言模型现实世界传感器数据推理能力的框架
机构 * MARS Lab, School of Mechanical and Aerospace Engineering, Nanyang Technological University, Singapore（MARS实验室，机械与航空航天工程学院，南洋理工大学，新加坡） ； School of Mechanical and Aerospace Engineering, Nanyang Technological University, Singapore（机械与航空航天工程学院，南洋理工大学，新加坡）
AI总结 IoT-LLM通过整合物联网数据与常识知识，提升大语言模型在现实世界传感任务中的推理能力。
Comments 33 pages, 13 figures
SMamDiff: 基于空间Mamba的随机人体运动预测
机构 * School of Computer Science, Nanyang Technological University（计算机科学学院，南洋理工大学）
AI总结 SMamDiff通过空间Mamba和余数-DCT编码提升随机人体运动预测的时空一致性，实现更高效且准确的预测性能。
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