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

Taming Actor-Observer Asymmetry in Agents via Dialectical Alignment

通过辩证对齐平息代理中的行动者-观察者不对称性

Bobo Li, Rui Wu, Zibo Ji, Meishan Zhang, Hao Fei, Min Zhang, Mong-Li Lee, Wynne Hsu

机构 * National University of Singapore（国立新加坡大学） ； Sichuan University（四川大学） ； University of Minnesota Twin Cities（明尼苏达大学双城分校） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学深圳分校） ； University of Oxford（牛津大学） 纠错

AI总结 本文提出ReTAS模型，通过辩证对齐方法减少代理中的行动者-观察者不对称性，提升故障解决能力。

Comments ACL 2026 Main Conference. Project page: https://unikcc.github.io/ReTAS/

RMGS-SLAM: Real-time Multi-sensor Gaussian Splatting SLAM

RMGS-SLAM：基于3D高斯散射的实时多传感器SLAM

Dongen Li, Yi Liu, Junqi Liu, Zewen Sun, Zefan Huang, Shuo Sun, Jiahui Liu, Chengran Yuan, Hongliang Guo, Francis E. H. Tay, Marcelo H. Ang

机构 * Advanced Robotics Centre, National University of Singapore（新加坡国立大学先进机器人中心） ； School of Aeronautics and Astronautics, Shanghai Jiao Tong University（上海交通大学航空宇航学院） ； College of Computer Science, Sichuan University（四川大学计算机学院） ； Singapore-MIT Alliance for Research and Technology（新加坡-麻省理工联合研究技术联盟） 纠错

AI总结 本文提出一种实时多传感器SLAM框架，结合激光雷达、惯性导航和视觉数据，通过高斯散射实现高精度定位与真实感映射，解决了大规模环境中的实时SLAM挑战。

Comments The manuscript has been improved, with refined content and updated and corrected experimental results

TreeGrad-Ranker: Feature Ranking via $O(L)$-Time Gradients for Decision Trees

TreeGrad-Ranker: 通过 $O(L)$-时间梯度进行决策树的特征排名

Weida Li, Yaoliang Yu, Bryan Kian Hsiang Low

机构 * Department of Computer Science, National University of Singapore, Republic of Singapore（新加坡国立大学计算机科学系） ； School of Computer Science, University of Waterloo, Canada（滑铁卢大学计算机科学学院） ； Vector Institute, Canada（加拿大向量研究所） 纠错

AI总结 本文提出TreeGrad-Ranker，通过直接优化联合目标来生成特征排名，解决了传统概率值方法在联合优化中的不可靠问题，并展示了其在插入和删除指标上的优越性能。

MacroNav: Multi-Task Context Representation Learning Enables Efficient Navigation in Unknown Environments

MacroNav：多任务上下文表示学习实现未知环境中的高效导航

Kuankuan Sima, Longbin Tang, Zhenyu Yang, Haozhe Ma, Lin Zhao

机构 * Department of Electrical and Computer Engineering（电子与计算机工程系） ； Department of Mechanical Engineering（机械工程系） ； School of Computing（计算学院） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 本文提出MacroNav框架，通过多任务自监督学习和强化学习策略，实现高效导航。实验表明其在成功率和路径长度加权成功率上优于现有方法，且计算效率高。

Comments Accepted by IEEE Robotics and Automation Letters

Byzantine-tolerant distributed learning of finite mixture models

容错的分布式有限混合模型学习

Qiong Zhang, Yan Shuo Tan, Jiahua Chen

机构 * Institute of Statistics and Big Data, Renmin University of China, Beijing, China（统计与大数据研究院，中国人民大学，北京，中国） ； Department of Statistics and Data Science, National University of Singapore, Singapore（统计与数据科学系，新加坡国立大学，新加坡） ； Department of Statistics, The University of British Columbia, Vancouver, Canada（统计系，不列颠哥伦比亚大学，温哥华，加拿大） 纠错

AI总结 本文提出DFMR方法，通过局部估计密度构建鲁棒过滤机制，解决有限混合模型学习中的拜占庭故障问题，理论证明其最优收敛率和渐近等价性。

Trainability Beyond Linearity in Variational Quantum Objectives

变分量子目标中超越线性的可训练性

Gordon Ma, Xiufan Li

机构 * Centre for Quantum Technologies, National University of Singapore, Singapore（新加坡国立大学量子技术中心） 纠错

AI总结 研究探讨了变分量子算法中超越线性可训练性的边界，揭示了损失函数的线性特性与目标表示之间的关系，指出非线性损失函数在特定条件下可克服梯度抑制问题。

Comments 28 pages, 6 figures

Diversity Collapse in Multi-Agent LLM Systems: Structural Coupling and Collective Failure in Open-Ended Idea Generation

多智能体大语言模型系统中的多样性崩溃：结构耦合与开放性创意生成中的集体失败

Nuo Chen, Yicheng Tong, Yuzhe Yang, Yufei He, Xueyi Zhang, Qingyun Zou, Qian Wang, Bingsheng He

机构 * National University of Singapore（国立新加坡大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） 纠错

AI总结 研究探讨了多智能体系统在开放性创意生成中多样性崩溃的原因，揭示了结构耦合导致的集体失败，强调了在设计创意任务时保持独立性和分歧的重要性。

Comments 56 pages, 15 figures; Accepted at ACL 2026 Findings

Catching Every Ripple: Enhanced Anomaly Awareness via Dynamic Concept Adaptation

捕捉每一个涟漪：通过动态概念适应提升异常意识

Jiaqi Zhu, Shaofeng Cai, Jie Chen, Fang Deng, Beng Chin Ooi, Wenqiao Zhang

机构 * School of Automation and the National Key Laboratory of Autonomous Intelligent Unmanned Systems, Beijing Institute of Technology（自动化学院和自主智能无人系统国家重点实验室，北京理工大学） ； School of Computing, National University of Singapore（computing 学院，新加坡国立大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Digital Media Computing & Design Lab, Zhejiang University（数字媒体计算与设计实验室，浙江大学） 纠错

AI总结 本文提出DyMETER框架，通过动态概念适应机制提升在线异常检测的适应性与效率，采用超网络生成实例感知参数位移，并引入轻量级进化控制器和动态阈值优化模块以实现鲁棒和可解释的适应。

Comments Accepted by IEEE TPAMI

Lingua-SafetyBench: A Benchmark for Safety Evaluation of Multilingual Vision-Language Models

Lingua-SafetyBench: 一个多语言视觉-语言模型安全评估基准

Enyi Shi, Pengyang Shao, Yanxin Zhang, Chenhang Cui, Jiayi Lyu, Xiaobo Xia, Fei Shen, Tat-Seng Chua

机构 * School of Computer Science and Engineering, Nanjing University of Science and Technology（南京理工大学计算机科学与工程学院） ； School of Computer Science, University of Wisconsin–Madison（威斯康星大学麦迪逊分校计算机科学系） ； School of Engineering Science, University of the Chinese Academy of Sciences（中国科学院工程科学学院） ； NExT++ Research Centre, National University of Singapore（新加坡国立大学NExT++研究中心） 纠错

AI总结 本文提出Lingua-SafetyBench，通过10万多个多语言图像-文本对评估多模态模型的安全性，发现非高资源语言和非拉丁文在文本主导风险下安全性更差，强调需要专门的语言和模态对齐策略以提升安全性和公平性。

Beyond Itinerary Planning-A Real-World Benchmark for Multi-Turn and Tool-Using Travel Tasks

超越行程规划——多轮和工具使用旅行任务的现实世界基准

Xiang Cheng, Yulan Hu, Xiangwen Zhang, Lu Xu, Lide Tan, Zheng Pan, Xin Li, Yong Liu

机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学光林人工智能学院） ； National University of Singapore（新加坡国立大学） ； Beihang University（北航） ； AMAP, Alibaba Group（阿里云实验室） 纠错

AI总结 本文提出TravelBench，一个现实世界旅行规划基准，通过多轮对话和工具使用评估LLM的独立解决问题、隐含偏好获取和能力边界识别能力。

Comments Accepted to the ACL 2026 Main Conference. Camera-ready version

Multi-agent Adaptive Mechanism Design

多智能体自适应机制设计

Qiushi Han, David Simchi-Levi, Renfei Tan, Zishuo Zhao

机构 * Massachusetts Institute of Technology（麻省理工学院） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 本文提出一种自适应机制框架DRAM，通过结合机制设计和在线学习，在未知代理人信念的情况下实现 truthful 报告和成本最优，证明了其在累积遗憾上的最优性能。

TROJail: Trajectory-Level Optimization for Multi-Turn Large Language Model Jailbreaks with Process Rewards

TROJail: 多轮对话中针对大语言模型的多轮攻击优化

Xiqiao Xiong, Ouxiang Li, Zhuo Liu, Moxin Li, Wentao Shi, Fengbin Zhu, Qifan Wang, Fuli Feng

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） ； Meta AI 纠错

AI总结 本文提出TROJail，通过多轮强化学习优化攻击策略，引入过程奖励提升攻击成功率，实验显示在多个模型和基准上效果显著。

Comments Accepted to ACL 2026 Main Conference

StochasTok: Improving Fine-Grained Subword Understanding in LLMs

StochasTok：提升大语言模型的细粒度子词理解

Anya Sims, Thom Foster, Klara Kaleb, Tuan-Duy H. Nguyen, Joseph Lee, Jakob N. Foerster, Yee Whye Teh, Cong Lu

机构 * FLAIR, University of Oxford（FLAIR，牛津大学） ； University of Oxford（牛津大学） ； National University of Singapore（新加坡国立大学） ； University of British Columbia（不列颠哥伦比亚大学） 纠错

AI总结 本文提出StochasTok，一种高效的随机分词方法，通过在训练中随机分割token，提升LLM在子词层面的任务表现，包括字符计数和数学任务。

Visual Adversarial Attack on Vision-Language Models for Autonomous Driving

面向自动驾驶的视觉对抗攻击研究

Tianyuan Zhang, Lu Wang, Xinwei Zhang, Yitong Zhang, Boyi Jia, Siyuan Liang, Shengshan Hu, Qiang Fu, Aishan Liu, Xianglong Liu

机构 * Beihang University（北航） ； National University of Singapore（国立新加坡大学） ； Huazhong University of Science and Technology（华中科技大学） 纠错

AI总结 本文提出ADvLM框架，针对自动驾驶中视觉语言模型的特殊需求，解决文本指令变异性和视觉场景时间序列性问题，实现高效对抗攻击。

Comments Accepted by Machine Intelligence Research