P-Flow: Prompting Visual Effects Generation
P-Flow：提示视觉效果生成
机构 * Show Lab, National University of Singapore（新加坡国立大学Show实验室）
AI总结 P-Flow通过测试时提示优化，基于参考视频与生成输出的视觉效果差异，迭代改进提示，实现高保真且多样化的动态视觉效果定制。
高校专区
National University of Singapore（新加坡国立大学）
Rethinking Token Reduction for Large Vision-Language Models
重新思考大型视觉-语言模型中的标记缩减
机构 * College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； State Key Laboratory of Blockchain and Data Security, Zhejiang University（浙江大学区块链与数据安全国家重点实验室） ； 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） ； School of Software Technology, Zhejiang University（浙江大学软件学院） ； National University of Singapore（新加坡国立大学） ； Alibaba Group（阿里巴巴集团）
AI总结 本文提出MetaCompress，一种基于学习的无提示方法，解决多轮视觉问答中标记缩减的挑战，通过统一压缩映射提升效率与准确性。
Unified-MAS: Universally Generating Domain-Specific Nodes for Empowering Automatic Multi-Agent Systems
统一-MAS：通用领域节点生成以增强自动多智能体系统
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） ； National University of Singapore（新加坡国立大学） ； Institute for Infocomm Research (I 2 R), A*STAR（信息通信研究院（I2R），A*STAR）
AI总结 本文提出统一-MAS，通过离线节点合成解耦细粒度节点实现与拓扑编排，提升多智能体系统在知识密集型领域的性能与成本效益。
Comments Code is available at https://github.com/linhh29/Unified-MAS
Beyond Correlation: Refutation-Validated Aspect-Based Sentiment Analysis for Explainable Energy Market Returns
超越相关性：基于反驳验证的可解释能源市场收益的方面情感分析
机构 * College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院） ； Institute of High Performance Computing, Agency for Science, Technology and Research（科技研究局高性能计算研究所） ； College of Design and Engineering, National University of Singapore（新加坡国立大学设计与工程学院）
AI总结 本文提出了一种基于反驳验证的方面情感分析框架，用于金融市场，解决相关性研究无法区分真实关联与虚假关联的局限性。通过能源领域数据测试方面情感信号与股票收益之间的稳健关系。
Comments 13 pages, 6 figures, submitted to Expert Systems with Applications
Scalable learning of macroscopic stochastic dynamics
可扩展的宏观随机动力学学习
机构 * Department of Mathematics, National University of Singapore, Singapore, Singapore（新加坡国立大学数学系） ； Institute for Functional Intelligent Materials, National University of Singapore, Singapore, Singapore（新加坡国立大学功能智能材料研究所） ； Engineering, National University of Singapore, Singapore, Singapore（新加坡国立大学工程系）
AI总结 本文提出一种框架，通过小系统模拟学习大系统宏观动力学，采用局部补充分演化生成训练数据，识别闭合变量并自定义损失函数，通过多种随机扩展系统验证了方法的准确性和鲁棒性。
Scene Prior Filtering for Depth Super-Resolution
场景先验过滤用于深度超分辨率
机构 * PCA Lab, Nanjing University of Science and Technology, China（南京理工大学科学与工程学院实验室） ； National University of Singapore（新加坡国立大学） ； University of California, USA, and Yonsei University, South Korea（美国加州大学和韩国延世大学） ； PCA Lab, Nanjing University, China（南京大学实验室）
AI总结 本文提出SPFNet网络，利用大尺度模型的表面法线和语义图作为先验信息，通过多模态先验传播和一对一先验嵌入减少纹理干扰并提升边缘表示，实现在真实和合成数据集上的超分辨率性能。
Comments Accepted to IJCV 2026
Anatomical Prior-Driven Framework for Autonomous Robotic Cardiac Ultrasound Standard View Acquisition
基于解剖先验的自主机器人心脏超声标准视图采集框架
机构 * State Key Laboratory of Intelligent Manufacturing Equipment and Technology, Huazhong University of Science and Technology（华中科技大学智能制造装备与技术国家重点实验室） ； School of Biomedical Engineering, Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）生物医学工程学院） ； Information Intelligence Lab, Department of Electrical Engineering, National Chung Hsing University（中原大学电子工程系信息智能实验室） ； Institute of Medical Equipment Science and Engineering, Huazhong University of Science and Technology（华中科技大学医学装备科学与工程研究院） ； Department of Ultrasound Medicine, Union Hospital, Tongji Medical College, Huazhong University of Science and Technology（华中科技大学同济医学院附属同济医院超声医学科） ； Institute of Systems Science (ISS), National University of Singapore (NUS)（新加坡国立大学系统科学研究所）
AI总结 本文提出结合心脏结构分割与自主探头调整的框架，通过解剖先验引导提升超声标准视图采集的自动化水平，实验表明其在分割精度和探头调整成功率上均有显著提升。
Comments Accepted for publication at the IEEE ICRA 2026. 8 pages, 5 figures, 3 tables
Reading Between the Lines: How Electronic Nonverbal Cues shape Emotion Decoding
在文字之间阅读：电子非语言线索如何塑造情绪解码
机构 * Centre for Trusted Internet and Community, National University of Singapore（可信互联网与社区中心，新加坡国立大学）
AI总结 本文探讨电子非语言线索在微博交流中的作用，通过三项研究揭示其在情绪解码中的有效性及用户解读策略，提出理论框架和实用工具。
Comments Accepted at AAAI ICWSM 2026
Beyond the Academic Monoculture: A Unified Framework and Industrial Perspective for Attributed Graph Clustering
超越学术单一文化：面向属性图聚类的统一框架与工业视角
机构 * State Key Laboratory for Novel Software Technology, Nanjing University（新型软件技术国家重点实验室，南京大学） ； School of Computing, National University of Singapore（新加坡国立大学计算机学院） ； Ant Group（蚂蚁集团） ； Westlake University（西湖大学） ； College of Computer Science and Technology, National University of Defense Technology（国防科技大学计算机科学与技术学院）
AI总结 本文提出统一框架和工业视角，分析属性图聚类在学术与工业需求间的差距，探讨评价标准、工程策略及未来研究方向。
When OpenClaw Meets Hospital: Toward an Agentic Operating System for Dynamic Clinical Workflows
当OpenClaw遇见医院：迈向动态临床工作流的智能操作系统
机构 * Independent Researcher（独立研究者） ； National Institute for Data Science in Health and Medicine, Xiamen University, Xiamen, China（健康医学数据科学国家研究院，厦门大学，厦门，中国） ； Yue’erwan Internet Hospital Co., Ltd.（悦尔湾互联网医院有限公司） ； School of Biomedical Engineering, Tsinghua University, Beijing, China（生物医学工程学院，清华大学，北京，中国） ； National University of Singapore, Singapore（新加坡国立大学） ； Yttrium-90 Precision Interventional Radiotherapy Center of Liver Cancer, Beijing Tsinghua Changgung Hospital, School of Clinical Medicine, Tsinghua University, Beijing, China（肝癌钇-90精准介入放射治疗中心，北京清华大学昌平医院，临床医学学院，清华大学，北京，中国） ； Hepatobiliary and Pancreatic Centre, Beijing Tsinghua Changgung Hospital, School of Clinical Medicine, Tsinghua University, Beijing, China（肝胆胰中心，北京清华大学昌平医院，临床医学学院，清华大学，北京，中国）
AI总结 本文提出一种适应医院环境的LLM代理架构，通过受限执行环境、文档导向交互模型、分页索引内存架构和可组合医疗技能库，实现临床工作流的协调，保障安全、透明和可审计性。
UniStitch: Unifying Semantic and Geometric Features for Image Stitching
UniStitch：统一语义与几何特征用于图像拼接
机构 * CQUPT（中国科学技术大学紫金学院） ； PolyU ； NTU（国立台湾大学） ； NUS（新加坡国立大学） ； BJTU（北京交通大学）
AI总结 本文提出UniStitch框架，通过融合语义和几何特征提升图像拼接性能，采用Neural Point Transformer和Adaptive Mixture of Experts模块实现特征融合，实验表明其显著优于现有方法。
Comments Project Page: http://mmelodyy.github.io/projects/unistitch
Invisible Safety Threat: Malicious Finetuning for LLM via Steganography
不可见的安全威胁：通过隐写术对LLM进行恶意微调
机构 * National University of Singapore（新加坡国立大学）
AI总结 本文揭示了LLM中隐藏的安全威胁，通过隐写术在看似无害的回复中嵌入恶意内容，展示了对GPT-4.1及多个开源模型的攻击效果，验证了该方法的广泛适用性。
Comments Accepted at ICLR 2026
InfoTok: Adaptive Discrete Video Tokenizer via Information-Theoretic Compression
InfoTok: 通过信息论压缩实现自适应离散视频分块器
机构 * NVIDIA ； Stanford University（斯坦福大学） ； National University of Singapore（新加坡国立大学）
AI总结 本文提出InfoTok框架，通过信息论压缩实现视频分块的自适应优化，实验证明在不损失性能的情况下，压缩率提升2.3倍，节省20%的token。
AERO-MPPI: Anchor-Guided Ensemble Trajectory Optimization for Agile Mapless Drone Navigation
AERO-MPPI：基于锚点的轨迹优化用于无地图无人机敏捷导航
机构 * Department of Electrical and Computer Engineering, National University of Singapore（新加坡国立大学电子与计算机工程系）
AI总结 本文提出AERO-MPPI框架，通过GPU加速统一感知与规划，利用多分辨率LiDAR点云提取锚点，构建多项式轨迹引导，提升无人机在复杂环境中的敏捷导航能力。
Comments Accepted by ICRA 2026
SynPO: Synergizing Descriptiveness and Preference Optimization for Video Detailed Captioning
SynPO：融合描述性和偏好优化的视频详细描述生成
机构 * Sun Yat-Sen University（中山大学） ； Lanzhou University（兰州大学） ； The University of Hong Kong（香港大学） ； Beijing Institute of Technology（北京理工大学） ； National University of Singapore（新加坡国立大学）
AI总结 本文提出SynPO方法，通过偏好学习提升视频描述生成性能，解决直接偏好优化的局限性，提升训练效率20%。
Learn from Foundation Model: Fruit Detection Model without Manual Annotation
从基础模型学习：无需人工标注的水果检测模型
机构 * College of Biosystems Engineering and Food Science, Zhejiang University（浙江大学生物系统工程与食品科学学院） ； ZJU-Hangzhou Global Scientific and Technological Innovation Center, Zhejiang University（浙江大学杭州全球科技创新中心） ； Faculty of Science, National University of Singapore（新加坡国立大学科学学院）
AI总结 本文提出SDM-D框架，通过SDM和知识蒸馏技术，在无标注数据下训练高效的小模型，实现水果检测的高精度与速度，超越现有开放集检测方法。
Comments 35 pages, 11figures, conference or other essential info
Asymptotically and Minimax Optimal Regret Bounds for Multi-Armed Bandits with Abstention
渐近最优和最小最大最优的多臂老虎机问题中的弃权后悔界
机构 * Institute of Operations Research and Analytics（运营研究与分析研究所） ； National University of Singapore（新加坡国立大学） ； Department of Electrical and Computer Engineering（电子与计算机工程系） ； Department of Mathematics（数学系）
AI总结 本文提出多臂老虎机问题的新扩展，引入弃权策略，探讨在该设定下计算高效且渐近最优的算法设计，通过理论分析和实验验证弃权选项的实用价值。
Comments 36 pages
Toward a Multi-View Brain Network Foundation Model: Cross-View Consistency Learning Across Arbitrary Atlases
迈向多视角脑网络基础模型：跨视角一致性学习在任意脑图谱上的应用
机构 * Saw Swee Hock School of Public Health at National University of Singapore（国立新加坡大学 Saw Swee Hock 公共卫生学院） ； School of Biomedical Engineering & State Key Laboratory of Advanced Medical Materials and Devices, ShanghaiTech University（上海科技大学 生物医学工程学院及先进医学材料与设备国家重点实验室） ； 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 Automation Science and Electrical Engineering, Beihang University（北航自动化科学与电气工程学院） ； State Key Laboratory of Virtual Reality Technology and Systems, Beihang University（北航虚拟现实技术与系统国家重点实验室） ； Shanghai United Imaging Intelligence（上海联合影像智能有限公司） ； Shanghai Clinical Research and Trial Center（上海临床研究与试验中心）
AI总结 本文提出MV-BrainFM多视角脑网络基础模型，通过跨视角一致性学习在任意脑图谱上学习通用且可扩展的表示，提升跨图谱的鲁棒性和一致性，实验表明其在20000+受试者数据集上优于现有模型。
GraphiContact: Pose-aware Human-Scene Robust Contact Perception for Interactive Systems
GraphiContact: 人体-场景鲁棒接触感知用于交互系统
机构 * Tsinghua University, China（清华大学, 中国） ； XR System Application Research Center, Nanchang Research Institute, Zhejiang University, China（浙江大学南昌研究院XR系统应用研究中心, 中国） ； Beijing University of Posts and Telecommunications, China（北京邮电大学, 中国） ； University of Chinese Academy of Sciences, China（中国科学院大学, 中国） ； National University of Singapore, Singapore（新加坡国立大学, 新加坡）
AI总结 本文提出GraphiContact框架，结合单图像3D人体网格重建，利用重建的体几何结构进行接触推理，通过引入SIMU训练策略提升鲁棒性，在五个基准数据集上实现了接触预测和3D人体重建的提升。
Comments 15 pages, 9 figures, Accepted at ICME 2026
On the Fragility of AI Agent Collusion
AI代理合谋的脆弱性
机构 * National University of Singapore（新加坡国立大学） ； Boston University（波士顿大学）
AI总结 本文研究了AI代理合谋的脆弱性，发现异质性会减少合谋均衡。实验显示，耐心异质性和数据访问异质性削弱合谋，而模型大小差异反而稳定合谋，讨论了反垄断政策。
Comments 48 pages, 7 figures, 8 tables (including appendix)
