National University of Singapore（新加坡国立大学）

CG-DMER: Hybrid Contrastive-Generative Framework for Disentangled Multimodal ECG Representation Learning

CG-DMER：一种用于解耦多模态ECG表示学习的对比-生成框架

Ziwei Niu, Hao Sun, Shujun Bian, Xihong Yang, Lanfen Lin, Yuxin Liu, Yueming Jin

机构 * Department of Biomedical Engineering, National University of Singapore（新加坡国立大学生物医学工程系） ； Department of Electrical and Computer Engineering, National University of Singapore（新加坡国立大学电气与计算机工程系） ； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； College of information science and engineering, Ritsumeikan university（立命馆大学信息科学与工程学院） 纠错

AI总结 CG-DMER通过对比-生成框架解耦多模态ECG表示，提升ECG信号在心血管疾病诊断中的建模能力。

Comments Accepted by ICASSP 2026

Surface-based Manipulation Using Tunable Compliant Porous-Elastic Soft Sensing

基于表面的可调合规 porous-弹性柔软感知操作

Gayatri Indukumar, Muhammad Awais, Diana Cafiso, Matteo Lo Preti, Lucia Beccai

机构 * Soft BioRobotics Perception Group at Istituto Italiano di Tecnologia（意大利技术研究院软生物机器人感知组） ； University of Genoa（热那亚大学） ； Biorobotics Institute, Scuola Superiore Sant’Anna（圣安娜高等学院生物机器人研究所） ； Soft Robotics Lab, National University of Singapore（新加坡国立大学软机器人实验室） 纠错

AI总结 本文提出了一种可调合规 porous-弹性柔软感知系统，通过调整晶格密度实现对操作力和灵敏度的自适应调节，用于精细物体操作。

Comments 6 pages, 6 figures, 1 table, to be published in RoboSoft 2026 proceedings

Architecting AgentOS: From Token-Level Context to Emergent System-Level Intelligence

构建AgentOS：从令牌级上下文到涌现的系统级智能

ChengYou Li, XiaoDong Liu, XiangBao Meng, XinYu Zhao

机构 * Yishu Research（亿舒研究） ； Fukuoka Institute of Technology（福冈技术学院） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 本文提出AgentOS框架，通过重构LLM为推理内核，引入深度上下文管理和语义切片机制，旨在构建具备系统级智能的自主认知环境。

Comments 16 pages,9 figures

Hierarchical Molecular Representation Learning via Fragment-Based Self-Supervised Embedding Prediction

通过基于片段的自监督嵌入预测进行层次分子表示学习

Jiele Wu, Haozhe Ma, Zhihan Guo, Thanh Vinh Vo, Tze Yun Leong

机构 * School of Computing, National University of Singapore, Singapore（新加坡国立大学计算机学院） ； Engineering, The Chinese University of Hong Kong, China（香港中文大学工程学院） 纠错

AI总结 本文提出GraSPNet，通过层次自监督框架学习分子的原子和片段级语义，以提升分子性质预测的性能。

Comments 15 pages (8 pages main text),8 figures

Performance Asymmetry in Model-Based Reinforcement Learning

基于模型的强化学习中的性能不对称性

Jing Yu Lim, Rushi Shah, Zarif Ikram, Samson Yu, Haozhe Ma, Tze-Yun Leong, Dianbo Liu

机构 * Department of XXX, University of YYY, Location, Country（XXX系，YYY大学，地点，国家） ； School of ZZZ, Institute of WWW, Location, Country（ZZZ学院，WWW研究所，地点，国家） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 本文提出JEDI世界模型，通过解决基于模型的强化学习中的性能不对称问题，在Human-Optimal任务和Breakout上取得最优成绩，同时提升计算效率。

Comments Preprint