Nanyang Technological University（南洋理工大学）

ComBodied Agents: a New Paradigm of Human-Centric Agentic AI

具身融合智能体：以人为中心的智能体人工智能新范式

Qianggang Ding, Xingyao Wang, Rui Feng, Zhibin Wang, Feixiang Yao, Kelong Mao, Hao Sun, Zhiyao Luo, Jiankai Tang, Lei Li, Jiadong Guo, Minheng Ni, Weicong Lin, Chenxi Yang, Hongxiang Gao, Zhenghua Chen, Yang Bai, Min Wu, Jun Cheng, Huazhu Fu, Dacheng Tao, Bang Liu

机构 * Université de Montréal（蒙特利尔大学） ； Mila – Quebec Artificial Intelligence Institute（米拉-魁北克人工智能研究所） ； Institute of Advanced Intelligence and Computing (IAIC), A*STAR（新加坡科技研究局高级智能与计算研究所） ； Nanjing Medical University（南京医科大学） ； Nanjing University（南京大学） ； Renmin University of China（中国人民大学） ； University of Cambridge（剑桥大学） ； University of Oxford（牛津大学） ； Tsinghua University（清华大学） ； National University of Singapore（新加坡国立大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Southern University of Science and Technology（南方科技大学） ； Southeast University（东南大学） ； University of Glasgow（格拉斯哥大学） ； Nanyang Technological University（南洋理工大学） 纠错

AI总结 该研究提出以人为中心的 Combodied Agents 新范式，整合多类智能体能力形成闭环，聚焦人类状态轨迹建模，推动智能体 AI 从任务完成转向人类持续福祉。

Comments 38 pages, 6 figures, 10 tables

The Path to Self-Evolving Clinical Systems: Scaling Medical Agents from Assistance to Autonomy

自我进化临床系统之路：将医疗智能体从辅助扩展到自主

Chunzheng Zhu, Lei Tian, Bohan Tan, Ziqi Zhou, Yuxuan Sun, Yijun Wang, Chengchao Lv, Yilin Wen, Yijun He, Jinghao Lin, Yihang Chen, Chee Wei Tan, Qianshan Wei, Lei Zhao, Bin Pu, Kenli Li, Yuan Xue, Jianxin Lin

机构 * Hunan University（湖南大学） ； ByteDance（字节跳动） ； Duke University（杜克大学） ； Westlake University（西湖大学） ； The University of Hong Kong（香港大学） ； 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） ； University of Macau（澳门大学） ； The Ohio State University（俄亥俄州立大学） 纠错

AI总结 研究探讨大语言模型等对医疗智能体的重塑，从临床部署出发，将其形式化为决策系统并给出自主性分类。沿统一框架扩展，强调临床环境扩展为关键方向，定位临床自我进化为前沿，还研究了多领域应用及挑战，提供医学成像系统路线图。

Comments Project page: https://github.com/zhcz328/Awesome-Medical-Agents

Optimization-Guided Diffusion for Interactive Scene Generation

基于优化的扩散生成交互场景

Shihao Li, Naisheng Ye, Tianyu Li, Kashyap Chitta, Tuo An, Peng Su, Boyang Wang, Haiou Liu, Chen Lv, Hongyang Li

机构 * Beijing Institute of Technology（北京理工大学） ； OpenDriveLab at The University of Hong Kong（香港大学OpenDriveLab） ； Nanyang Technological University（南洋理工大学） ； NVIDIA Research（英伟达研究院） ； Yinwang Intelligent Tech. Co. Ltd.（银网智能科技有限公司） 纠错

AI总结 本文提出OMEGA框架，通过优化引导扩散过程生成符合物理和行为约束的多智能体驾驶场景，提升生成场景的真实性和可控性。

3D Scene Generation: A Survey

3D场景生成：一项综述

Haozhe Xie, Beichen Wen, Zhaoxi Chen, Fangzhou Hong, Ziwei Liu

机构 * S-Lab, Nanyang Technological University, Singapore（南洋理工大学S实验室） 纠错

AI总结 本综述系统梳理3D场景生成的四大范式方法，分析其技术基础与挑战，展望物理感知生成等方向，为该领域发展提供参考。

Comments Accepted by IJCV. Project Page: https://github.com/hzxie/Awesome-3D-Scene-Generation

MaskFlow: Precise, Consistent and Seamless Regional Image Editing

MaskFlow：精准、一致且无缝的区域图像编辑

Rui Xu, Yang Yong, Shunzi Yang, Ruihao Gong, Chengtao Lv

机构 * SenseTime Research（商汤科技研究院） ； Beihang University（北京航空航天大学） ； Nanyang Technological University（南洋理工大学） 纠错

AI总结 MaskFlow框架通过融合掩码的流匹配目标与Soft-Poisson去接缝模块，结合MEData数据集，实现了精准可控、无缝融合的区域图像编辑，性能优于现有方法。

Comments 18 pages, 6 figures. Project page: https://reychiaro.github.io/MaskFlow

The Periodic Table of LLM Reasoning: A Structured Survey of Reasoning Paradigms, Methods, and Failure Modes

LLM推理的周期表：推理范式、方法与失败模式的结构化综述

Avinash Anand, Mahisha Ramesh, Avni Mittal, Ashutosh Kumar, Rishitej Reddy Vyalla, Erik Cambria, Zhengkui Wang, Timothy Liu, Aik Beng Ng, Simon See, Rajiv Ratn Shah

机构 * Singapore Institute of Technology（新加坡理工大学） ； Nvidia AI Center (SNAIC)（英伟达人工智能中心（SNAIC）） ； MIDAS Lab, IIIT Delhi（IIIT德里MIDAS实验室） ； MIDAS Lab, IIT Mandi（IIT曼迪MIDAS实验室） ； Owl Autonomous Imaging, Inc.（Owl自主成像公司） ； College of Computing & Data Science, NTU Singapore（新加坡南洋理工大学计算与数据科学学院） ； NVIDIA AI Technology Centre, Singapore（英伟达新加坡人工智能技术中心） ； Department of Computer Science and Engineering, IIT Kanpur（IIT坎普尔计算机科学与工程系） 纠错

AI总结 本文系统综述了300多篇论文，提出LLM推理研究的结构化分类法，涵盖多种推理范式，分析方法论趋势，并总结常见限制与失败模式，旨在为开发更鲁棒、可解释和可泛化的推理系统提供参考。

Covert Visual Prompt Injection against Commercial Multimodal Large Language Models

对抗性提示注入攻击多模态大语言模型

Meiwen Ding, Song Xia, Chenqi Kong, Xudong Jiang

机构 * Rapid-Rich Object Search Lab, School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电气与电子工程学院快速丰富目标搜索实验室） 纠错

AI总结 本文研究了针对强大闭源多模态大语言模型的不可察觉视觉提示注入攻击，通过界文本叠加嵌入恶意提示并优化视觉扰动，提升攻击性能。

Towards Geometry-Grounded Dense Semantic Matching with VGGT Priors

基于VGGT先验的几何基础密集语义匹配研究

Songlin Yang, Tianyi Wei, Yushi Lan, Zeqi Xiao, Anyi Rao, Xingang Pan

机构 * S-Lab, Nanyang Technological University（南洋理工大学S实验室） ； Visual Geometry Group, University of Oxford（牛津大学视觉几何组） 纠错

AI总结 本文针对现有语义匹配方法的几何歧义与最近邻规则局限，采用VGGT先验，通过特征调整、循环训练等策略实现适配，在多方面性能优于基线。

Comments ECCV 2026

Physical AI Governance: From Theory to Practice Across Life Cycle

物理人工智能治理：跨越生命周期从理论到实践

Wang Yang, Shaobo Wang, Hongxuan Liu, Xiaoran Cai, Yunyu He, Jingzong Zhou, Mengzhong Ma, Yi Yu, Rohit Sharma, Jingjing Fu, Peng Qi

机构 * Case Western Reserve University（凯斯西储大学） ； Shanghai Jiao Tong University（上海交通大学） ； Massachusetts Institute of Technology（麻省理工学院） ； Columbia University（哥伦比亚大学） ； University of California, Riverside（加州大学河滨分校） ； Nanyang Technological University（南洋理工大学） ； New York University（纽约大学） ； Salesforce（Salesforce公司） ； Harvard University（哈佛大学） ； Stanford University（斯坦福大学） 纠错

AI总结 本文对物理人工智能治理进行全面综述，综合现有原则形成统一框架，提出五阶段生命周期，通过具体实践展示各阶段治理操作，为构建安全可信且符合社会价值的物理人工智能系统提供参考。

Demonstrating TOFFEE: A Learned System for Synthesizing Data Agent Trajectories at Scale

展示TOFFEE：一个大规模合成数据代理轨迹的学习系统

Ziting Wang, Yin Li, Zuhao Yang, Xiuchang Li, Jiale Bai, Gao Cong

机构 * Nanyang Technological University（南洋理工大学） ； Huawei（华为） ； Industrial and Commercial Bank of China Limited（中国工商银行） 纠错

AI总结 针对现有数据代理难以适应新环境的问题，提出TOFFEE系统，通过蒙特卡洛树搜索等方法，能从给定数据环境合成高质量数据代理轨迹，可用于监督微调与上下文学习，还展示了系统框架、界面及工作流程与应用场景。

Comments Accepted to VLDB 2026

ContextSniper: AntTrail's Token-Efficient Code Memory for Repository-Level Program Repair

ContextSniper: AntTrail的令牌高效代码记忆用于仓库级程序修复

Chiwang Luk, Matin Mohammad Najafi, Zhifeng Jia, Wei Yang, Xiuchang Li, Jinwei Zhu, Yang Ren, Lei Chen, Gao Cong

机构 * Huawei（华为） ； HKUST(GZ)（香港科技大学（广州）） ； Nanyang Technological University（南洋理工大学） 纠错

AI总结 提出ContextSniper，一种令牌高效的代码记忆层，通过精准证据选择、混合检索排序和意图感知上下文门控，在SWE-bench Lite上减少51.5%令牌使用和36.4%成本，修复率仅轻微下降。

ATLAS: Agentic Taxonomy of Large-Scale Software Ecosystems

ATLAS: 大规模软件生态系统的智能体分类体系

Junyi Lu, Mengyao Lyu, Jiahui Wu, Lei Yu, Chengwei Liu, Fengjun Zhang, Li Yang, Chun Zuo, Yang Liu

机构 * Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Nanyang Technological University（南洋理工大学） ； Nankai University（南开大学） ； Sinosoft Company Limited（中软国际有限公司） 纠错

AI总结 提出ATLAS框架，结合LLM全局知识与实际仓库分布，通过智能体协作和自修正循环自动构建软件仓库的层次化分类体系，在54,387个GitHub仓库上评估，分类质量F1达83.13%，优于基线15个百分点。

Comments Accepted at the 41st IEEE/ACM International Conference on Automated Software Engineering (ASE 2026)

Mitigating Barren Plateaus in Quantum Denoising Diffusion Probabilistic Model

缓解量子去噪扩散概率模型中的 barren plateau 问题

Haipeng Cao, Kaining Zhang, Dacheng Tao, Zhaofeng Su

机构 * School of Computer Science and Technology, University of Science and Technology of China（中国科学技术大学计算机科学与技术学院） ； College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算机科学与数据科学学院） ； Research Institute of Quantum Technology, The Hong Kong Polytechnic University（香港理工大学量子技术研究所） 纠错

AI总结 本文研究了量子去噪扩散概率模型在大规模系统中的 barren plateau 问题，提出架构改进方案以恢复训练稳定性，并提出条件 QuDDPM 用于生成基态，扩展了量子生成模型在复杂量子态制备中的应用。

Comments 17 pages, 8 figures

Journal ref Physical Review A 114, 022418, August, 2026

DATAREEL: Automated Data-Driven Video Story Generation with Animations

DATAREEL：基于动画的自动化数据驱动视频故事生成

Ridwan Mahbub, Syem Aziz, Mizanur Rahman, Mahir Ahmed, Shadikur Rahman, Shafiq Joty, Enamul Hoque

机构 * York University（约克大学） ； Bangladesh University of Business and Technology（孟加拉国商业与技术大学） ； RBC, Canada（加拿大RBC） ； Nanyang Technological University（南洋理工大学） ； Salesforce AI Research（Salesforce人工智能研究） 纠错

AI总结 本文提出DataReel基准，通过328个真实故事评估模型生成动画数据视频故事的能力，采用多智能体框架提升自动化生成效果。

Comments Under Review

CoCo: Code as CoT for Text-to-Image Preview and Rare Concept Generation

CoCo：用于文本到图像预览和稀有概念生成的代码作为CoT

Haodong Li, Chunmei Qing, Huanyu Zhang, Dongzhi Jiang, Yihang Zou, Hongbo Peng, Dingming Li, Yuhong Dai, ZePeng Lin, Juanxi Tian, Yi Zhou, Siqi Dai, Jingwei Wu, Pheng-Ann Heng

机构 * South China University of Technology（南方科技大学） ； StepFun ； Institute of Automation Chinese Academy of Sciences（中国科学院自动化研究所） ； Nanyang Technological University（南洋理工大学） ； The Chinese University of Hong Kong（香港中文大学） 纠错

AI总结 CoCo通过代码驱动的推理框架，提升文本到图像生成的精度和可控性，实现结构化图像生成和稀有概念生成。

Comments 21 pages, 7 figures, and 3 tables. Accepted to ECCV 2026

Invariant Representation Learning for Source-Free Time Series Forecasting with LLM-Centric Proxy Denoising

面向无源时间序列预测的不变表示学习：以大语言模型为中心的代理去噪方法

Kangjia Yan, Chenxi Liu, Hao Miao, Xinle Wu, Yan Zhao, Chenjuan Guo, Bin Yang

机构 * East China Normal University（东华大学） ； Nanyang Technological University（南洋理工大学） ； Hong Kong Polytechnic University（香港理工大学） ； National University of Singapore（新加坡国立大学） ； University of Electronic Science and Technology of China（电子科技大学） 纠错

AI总结 本研究针对无源时间序列预测问题，提出以LLM为中心的TimeID框架，通过双分支不变解耦特征学习、代理去噪与知识蒸馏，在实际数据集上较最优基线平均降低MSE 10.7%、MAE 9.3%。

Comments Accepted by ICML2026

MetaView: Monocular Novel View Synthesis with Scale-Aware Implicit Geometry Priors

MetaView：基于尺度感知隐式几何先验的单目新视图合成

Yufei Cai, Xuesong Niu, Hao Lu, Kun Gai, Kai Wu, Guosheng Lin

机构 * Nanyang Technological University（南洋理工大学） ； Kolors Team, Kuaishou Technology（快手科技色彩团队） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） 纠错

AI总结 研究提出MetaView框架，结合隐式几何建模与少量显式3D线索，利用前馈几何感知网络隐式几何先验及度量深度，实现大视角下单目新视图合成，实验证明该方法在挑战性场景中显著优于现有方法且泛化能力强。

Comments accepted to ECCV 2026

RESample: A Robust Data Augmentation Framework via Exploratory Sampling for Robotic Manipulation

RESample：通过探索性采样构建鲁棒数据增强框架用于机器人操控

Yuquan Xue, Guanxing Lu, Zhenyu Wu, Chuanrui Zhang, Bofang Jia, Zhengyi Gu, Ziwei Wang

机构 * Nanyang Technological University（南洋理工大学） ； Tsinghua University（清华大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） 纠错

AI总结 本文提出RESample框架，通过探索性采样机制提升VLA训练数据分布覆盖，有效解决分布外场景下的能力瓶颈问题，实验证明在LIBERO基准和真实机器人任务中性能提升12%。

Comments 8 pages, submitted to RA-L

Learning to Diagnose and Correct Moral Errors: Beyond Shallow Heuristics in Moral Alignment

学习诊断和纠正错误：大型语言模型中的道德敏感性获取

Bocheng Chen, Xi Chen, Han Zi, Haitao Mao, Zimo Qi, Xitong Zhang, Kristen Johnson, Guangliang Liu

机构 * University of Mississippi（密西根州立大学） ； Nanyang Technological University（南洋理工大学） ； Northeastern University（东北大学） ； AWS AI Labs（AWS AI实验室） ； Johns Hopkins University（约翰霍普金斯大学） ； Qualcomm（高通） ； Michigan State University（密西根州立大学） ； Indiana University Indianapolis（印第安纳大学印第安纳波利斯分校） 纠错

AI总结 提出一种实用推理方法，通过让大型语言模型诊断和纠正道德错误来获取道德敏感性，并在多个任务上验证了其有效性。

Dynamic Jailbreaking Attack

动态目标攻击

Kedong Xiu, Yunhan Yang, Churui Zeng, Tianhang Zheng, Xinzhe Huang, Di Wang, Puning Zhao, Zhan Qin, Kui Ren

机构 * The State Key Laboratory of Blockchain and Data Security, Zhejiang University（区块链与数据安全国家重点实验室，浙江大学） ； 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） ； Nanyang Technological University（南洋理工大学） ； King Abdullah University of Science and Technology（国王阿卜杜勒阿齐兹科技大学） ； SUN YAT-SEN UNIVERSITY（孙中山大学） 纠错

AI总结 动态目标攻击通过利用目标模型自身响应作为自适应目标，提高了对抗攻击的成功率和效率。

Video Models as Native 4D Renderers: World-Grounded Conditioning from Animated Mesh

视频模型作为原生4D渲染器：基于动画网格的世界 grounding 条件

Junhao Chen, Mingjin Chen, Henghaofan Zhang, Minglin Chen, Liaoyuan Fan, Boran Zhang, Saining Zhang, Mingze Sun, Hao Zhao, Ruqi Huang, Zhihao Li, Yufei Wang

机构 * Tsinghua University（清华大学） ； The Hong Kong Polytechnic University（香港理工大学） ； University of Electronic Science and Technology of China（电子科技大学） ； Sun Yat-sen University（中山大学） ； The University of Hong Kong（香港大学） ； University of Science and Technology of China（中国科学技术大学） ； Nanyang Technological University（南洋理工大学） 纠错

AI总结 该研究提出参考引导渲染器DAR，扩展Wan2.2相机控制，用跟踪和世界位置组成的4D G缓冲作为条件，在DAR-4D基准上实现优于现有方法的视频生成性能。

Comments 14 pages, 5 figures

HumanCLAW: Can Vision-Language Models Act Through a Body?

HumanCLAW：视觉-语言模型能否通过实体身体执行动作

Li Siyao, Jiawei Gu, Shuai Liu, Kairui Hu, Zekun Li, Linjie Li, Chengcheng Tang, Po-Chen Wu, Ivan Shugurov, Lingni Ma, Michael Zollhoefer, Sizhe An, Abhay Mittal, Amy Zhao, Ranjay Krishna, Manling Li, Ziwei Liu, Chuan Guo

机构 * Meta ； Nanyang Technological University（南洋理工大学） ； University of Washington（华盛顿大学） ； Brown University（布朗大学） ； Northwestern University（西北大学） 纠错

AI总结 本研究提出HumanCLAW框架与HumanCLAW-Bench基准，测试9个先进VLM发现其均未解决具身动作任务，最优仅16.8%成功率，核心缺失具身自我意识。

Comments Project page: https://human-claw.github.io/

Token Buncher: Shielding LLMs from Harmful Reinforcement Learning Fine-Tuning

Token Buncher: 保护大语言模型免受有害强化学习微调的威胁

Weitao Feng, Lixu Wang, Peizhuo Lv, Tianyi Wei, Jie Zhang, Chongyang Gao, Sinong Zhan, Wei Dong

机构 * Nanyang Technological University（南洋理工大学） ； Centre for Frontier AI Research, A*STAR（前沿人工智能研究中心，A*STAR） ； Northwestern University（西北大学） 纠错

AI总结 本文提出TokenBuncher，通过限制模型响应熵来防御基于强化学习的有害微调，实验显示其能有效抑制有害行为同时保持正常任务性能。

Comments Accepted by ACM CCS 26

CHASE: Competing Hypotheses for Ambiguity-Aware Selective Prediction

CHASE：对抗性假设用于意识化选择预测

Kartik Jhawar, Yuhao Geng, Atul N. Parikh, Lipo Wang

机构 * Institute for Digital Molecular Analytics and Science, NTU, Singapore（数字分子分析与科学研究所，南洋理工大学，新加坡） ； School of Electrical and Electronic Engineering, NTU, Singapore（电子与电气工程学院，南洋理工大学，新加坡） ； School of Materials Science and Engineering, NTU, Singapore（材料科学与工程学院，南洋理工大学，新加坡） ； Singapore Centre for Environmental Life Sciences Engineering, NTU, Singapore（新加坡环境生命科学工程中心，南洋理工大学，新加坡） 纠错

AI总结 CHASE通过比较结构化时间解释来确定是否做出决策或 abstain，提升在部分可观测性下的选择预测性能，尤其在高模糊度情况下表现更优。

TransVLM: A Vision-Language Framework and Benchmark for Detecting Any Shot Transitions

TransVLM：一种用于检测任意 shot 转换的视觉-语言框架和基准

Ce Chen, Yi Ren, Yuanming Li, Viktor Goriachko, Zhenhui Ye, Zujin Guo, Zhibin Hong, Mingming Gong

机构 * University of Melbourne（墨尔本大学） ； HeyGen Research（HeyGen研究院） ； Nanyang Technological University（南洋理工大学） 纠错

AI总结 TransVLM 提出了一种视觉-语言框架，通过注入光流作为关键运动先验，提升对任意 shot 转换的检测能力，同时设计了可扩展的数据引擎和基准测试，实验表明其性能优于传统方法和现有 VLM。

Comments v2: Corrected an inaccurate statement in the abstract regarding production deployment. Accepted by ECCV 2026. For more related research, please visit HeyGen Research (https://www.heygen.com/research) and HeyGen Avatar-V (https://www.heygen.com/research/avatar-v-model). Project page: https://chence17.github.io/TransVLM/

Tarot-SAM3: Training-free SAM3 for Any Referring Expression Segmentation

Tarot-SAM3: 无需训练的SAM3用于任意指称表达分割

Weiming Zhang, Dingwen Xiao, Songyue Guo, Guangyu Xiang, Shiqi Wen, Minwei Zhao, Lei Chen, Lin Wang

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） 纠错

AI总结 Tarot-SAM3通过引入推理辅助提示和自修复机制，实现对任意指称表达的高效分割，有效解决传统方法对长或隐含表达的处理难题。

Comments We need to make a huge revision

SAMSEM -- A Generic and Scalable Approach for IC Metal Line Segmentation

SAMSEM -- 一种通用且可扩展的集成电路金属线分割方法

Christian Gehrmann, Jonas Ricker, Simon Damm, Deruo Cheng, Julian Speith, Yiqiong Shi, Asja Fischer, Christof Paar

机构 * Max Planck Institute for Security and Privacy (MPI-SP)（安全与隐私研究所（MPI-SP）） ； Ruhr University Bochum (RUB)（博德姆鲁尔大学（RUB）） ； Nanyang Technological University (NTU)（南洋理工大学（NTU）） 纠错

AI总结 本文提出SAMSEM，通过改进Meta的Segment Anything Model 2，实现跨不同IC技术节点和制造工艺的金属线分割，实验表明其在不同IC上的分割误差率低至0.62%。

Epistemic-aware Vision-Language Foundation Model for Fetal Ultrasound Interpretation

具备知识意识的视觉-语言基础模型用于胎儿超声解读

Xiao He, Huangxuan Zhao, Guojia Wan, Jiancheng Pan, Yanxing Liu, Yong Luo, Juhua Liu, Yongchao Xu, Wei Zhou, Dacheng Tao, Bo Du

机构 * National Engineering Research Center for Multimedia Software, School of Computer Science, Wuhan University（国家多媒体软件工程技术研究中心，武汉大学计算机学院） ； College of Computing and Data Science, Nanyang Technological University（computing and Data Science学院，南洋理工大学） 纠错

AI总结 FetalMind通过Salient Epistemic Disentanglement方法，提升胎儿超声解读的准确性和效率，实现多视图图像推理和疾病诊断的高效处理。

Comments KDD 2026

MAGENTA: Magnitude and Geometry-Enhanced Training Approach for Long-Tailed Sound Event Localization and Detection

MAGENTA：面向长尾声音事件定位与检测的幅度与几何增强训练方法

Jun-Wei Yeow, Ee-Leng Tan, Santi Peksi, Woon-Seng Gan

机构 * Smart Nation TRANS Lab, School of Electrical and Electronic Engineering（智能国家TRANS实验室，电子与电气工程学院） ； Nanyang Technological University, Singapore（南洋理工大学，新加坡） 纠错

AI总结 针对长尾声学环境下SELD系统的检测怯懦问题，提出与架构无关的MAGENTA损失框架，通过几何分解回归误差、难度驱动退火等机制，在STARSS23数据集上使聚合SELD误差相对降低20.5%，同时提升尾类性能且不损失头类精度。

Comments Accepted for publication in IEEE Transactions on Audio, Speech, and Language Processing. Substantially expanded from v1

CoLT: Teaching Multi-Modal Models to Think with Chain of Latent Thoughts

CoLT: 教会多模态模型通过潜在思维链进行思考

Lianyu Hu, Shengqian Qin, Zeqin Liao, Qing Guo, Liang Wan, Wei Feng, Yang Liu

机构 * Nanyang Technological University（南洋理工大学） ； Shanghai Jiao Tong University（上海交通大学） ； NKIARI ； AAIS & VCIP, Nankai University（南开大学AAIS & VCIP） ； Tianjin University（天津大学） 纠错

AI总结 提出CoLT框架，用潜在思维链代替文本推理，通过前向和后向解码器监督及内部监督实现高效多模态推理，在8个基准上优于现有方法，推理时间减少10.1倍。

Comments Accepted by ECCV2026. Code is available at https://github.com/hulianyuyy/CoLT