高校专区
SettleFL：去中心化和可扩展的联邦学习奖励结算协议（扩展版）
机构 * Shanghai Jiao Tong University（上海交通大学） ； Queen's University Belfast（女王大学 Belfast分校） ； National University of Singapore（新加坡国立大学）
AI总结 SettleFL是一种去中心化且可扩展的奖励结算协议，通过优化链上成本和提供即时最终性，解决联邦学习中高频率训练与区块链成本的冲突问题。
Q-Tag: 量子电路生成模型的水印技术
机构 * School of Electronic and Information Engineering, Anhui University（安徽大学电子与信息工程学院） ； Institute of Artificial Intelligence, Hefei Comprehensive National Science Center（合肥国家科学中心人工智能研究所） ； School of Computing, National University of Singapore（新加坡国立大学计算机学院） ； School of Cyber Science and Technology, University of Science and Technology of China（中国科学技术大学网络科学与技术学院） ； Laboratory of Quantum Information, University of Science and Technology of China（中国科学技术大学量子信息实验室） ； Origin Quantum Computing Technology Company（起源量子计算技术有限公司）
AI总结 Q-Tag提出一种集成于量子电路生成模型的水印技术，通过生成过程嵌入所有权信号以保护电路版权，同时保持电路保真度。
Comments 13 pages, 8 figures
MiroFlow：面向通用深度研究任务的高性能和鲁棒开源代理框架
机构 * Tsinghua University（清华大学） ； MiroMind AI ； National University of Singapore（新加坡国立大学） ； Nanjing University（南京大学）
AI总结 MiroFlow是一种面向通用深度研究任务的高性能开源代理框架，通过灵活的工作流编排和深度推理模式提升性能和稳定性。
基于模拟的增强阅读优化
机构 * National University of Singapore（新加坡国立大学） ； City University of Hong Kong（香港城市大学） ； Aalto University（艾尔沃斯大学）
AI总结 本文提出基于模拟的优化方法，通过资源理性模型实现可解释且可扩展的增强阅读设计，结合离线和在线优化流程提升文本用户界面的适应性和个性化能力。
SoPE: 基于球坐标的位置嵌入：增强3D大视觉-语言模型的空间感知
机构 * University of Macau（澳门大学） ； University of Science and Technology of China（中国科学技术大学） ； Shanghai Jiaotong University（上海交通大学） ； Hefei University of Technology（合肥工业大学） ； National University of Singapore（新加坡国立大学）
AI总结 SoPE通过基于球坐标的位置嵌入提升3D LVLMs的空间感知能力，结合多尺度频率混合策略，增强几何表示的一致性和表达性。
Comments CVPR 2026
IMMACULATE: 通过可验证计算实现的实用LLM审计框架
机构 * National University of Singapore（新加坡国立大学） ； Nanyang Technological University（南洋理工大学） ； Independent Researcher（独立研究者） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 IMMACULATE通过可验证计算实现对大语言模型的审计，检测模型替换、量化滥用和令牌过账等经济动机驱动的偏差，具有低吞吐量开销和强检测保证。
PartSAM: 一种可提示的部件分割模型，基于原生3D数据训练
机构 * Nanjing University of Aeronautics and Astronautics（南京航空航天大学） ； Hong Kong University of Science and Technology（香港科技大学） ； The University of Hong Kong（香港大学） ； National University of Singapore（新加坡国立大学） ； Lingnan University（岭南大学） ； Macau University of Science and Technology（澳门科学理工学院）
AI总结 PartSAM是一种基于大规模3D数据训练的可提示部件分割模型，通过三平面双分支编码器实现可扩展的部件感知表示学习，能够通过单个提示实现高精度部件识别，并自动分解为表面和内部结构。
Comments ICLR 2026. Project Page: https://czvvd.github.io/PartSAMPage/
变分自编码器的零方差梯度
机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； School of Computing, National University of Singapore（新加坡国立大学计算机学院）
AI总结 本文提出通过限制解码器架构以解析计算期望ELBO，从而获得零方差梯度，提升变分自编码器的训练稳定性。
CGSA: 基于类引导的槽感知适应用于无源对象检测
机构 * School of Computing and Data Science, The University of Hong Kong（计算与数据科学学院，香港大学） ； Department of Electrical & Computer Engineering, National University of Singapore（电气与计算机工程系，新加坡国立大学） ； School of Information and Electronics, Beijing Institute of Technology（信息与电子学院，北京理工大学）
AI总结 CGSA通过引入对象中心学习，结合槽感知适应和类引导的槽对比模块，提升无源领域自适应对象检测的性能。
Comments The paper has been accepted by the conference ICLR 2026
数学推理中的策略可执行性：利用人类-模型差异实现有效指导
机构 * National University of Singapore（新加坡国立大学） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 本文提出SSR框架，通过显式建模策略可执行性，利用人类-模型差异提升数学推理的指导效果。
朝向自主记忆代理
机构 * National University of Singapore（新加坡国立大学）
AI总结 U-Mem通过自主获取、验证和整理知识的方法，在记忆代理领域实现了优于现有基线和强化学习优化的性能。
自净化缓解多模态扩散语言模型中的后门
机构 * National University of Singapore（新加坡国立大学）
AI总结 DiSP通过在推理过程中选择性屏蔽视觉标记，有效去除多模态扩散语言模型中的后门，无需额外模型或干净数据。
通过难度感知分组归一化增强多模态大语言模型推理
机构 * University of Science and Technology of China（中国科学技术大学） ； National University of Singapore（新加坡国立大学）
AI总结 本文提出难度感知分组归一化方法，通过感知复杂度和推理不确定性表征样本，提升多模态大语言模型的推理稳定性与性能。
自适应混合缓存用于高效文本到视频扩散模型加速
机构 * Sun Yat-sen University（中山大学） ； Alibaba Group（阿里巴巴集团） ； National University of Singapore（新加坡国立大学）
AI总结 本文提出MixCache，一种基于缓存的训练自由框架，通过自适应混合缓存策略提升视频DiT模型的生成效率和质量。
Comments 9 pages, 12 figures
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