高校专区
WARD: 用于对抗Web代理对抗提示注入的鲁棒防御
机构 * National University of Singapore（新加坡国立大学） ； University of Science（科学大学） ； Vietnam National University, Ho Chi Minh City（越南国家大学，胡志明市）
AI总结 WARD通过WARD-Base和WARD-PIG数据集及A3T框架，实现高效鲁棒的Web代理防御，有效应对提示注入攻击，保持低误报率和高效运行。
Comments Code and models: https://github.com/caothientri2001vn/WARD-WebAgent
基于数据驱动的 censoring 库存控制中的上下文学习
机构 * Julius-Maximilians-Universität Würzburg（乌尔姆-马克斯·普朗克大学） ； Zaragoza Logistics Center（萨拉戈萨物流中心） ； National University of Singapore（新加坡国立大学）
AI总结 本文提出ICGPS方法，结合生成模型与上下文自回归生成，通过学习潜在需求完成来解决决策依赖的censored新svendor问题，理论证明其贝叶斯遗憾可被控制，并在实际应用中表现优异。
超越选择范围：一种插拔式振荡数据量调度用于高效模型训练
机构 * National University of Singapore（国立新加坡大学） ； Nanjing University（南京大学） ； Hokkaido University（北海道大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出PODS框架，通过动态调节数据选择比例，在保持优化稳定性的同时提升训练效率，实验显示其在多种任务中均能提升效率与泛化能力。
ViMU：视频隐喻理解基准测试
机构 * National University of Singapore（新加坡国立大学）
AI总结 ViMU旨在评估视频理解模型对隐含意义的识别能力，通过多模态证据推理，解决现有模型对隐喻、讽刺和社会意义理解不足的问题。
DiffPhD：一种统一的可微求解器，用于具有接触丰富性的弹性动力学异质材料
机构 * National Taiwan University（国立台湾大学） ； MoonShine Animation Studio（MoonShine 动画工作室） ； National University of Singapore（新加坡国立大学） ； The University of British Columbia（不列颠哥伦比亚大学） ； Independent Researcher（独立研究员） ； National Yang Ming Chiao Tung University（阳明交通大学）
AI总结 DiffPhD通过整合 stiffness-aware 项目权重、信任域特征值过滤和统一GPU管道，解决异质材料中的超弹性、大变形和接触丰富问题，实现高精度与速度的平衡。
MemQ：将Q学习整合到基于溯源DAG的自进化记忆代理中
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） ； National University of Singapore（新加坡国立大学） ； Xidian University（西安电子科技大学） ； University of Science and Technology of China（中国科学技术大学） ； MemTensor (Shanghai) Technology Co., Ltd.（MemTensor（上海）科技有限公司）
AI总结 MemQ通过在溯源DAG中传播信用权重，改进记忆Q值的评估，提升多步任务的泛化能力，尤其在产生深层相关溯源链的任务中表现突出。
Comments 22 pages, 11 figures (containing 43 individual image panels total)
FlowSteer：通过强化递进画布编辑设计代理工作流
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Nanyang Technological University（南洋理工大学） ； National University of Singapore（新加坡国立大学）
AI总结 本文提出FlowSteer，一种通过强化学习递进画布编辑设计代理工作流的新范式，解决传统工作流构建中依赖人类、缺乏图级执行反馈和无法在长周期内修复错误的问题。
Comments 51 pages, 6 figures, 5 tables. Project page: http://flowsteer.org/
TabClustPFN：用于表格数据聚类的先验适应网络
机构 * Renmin University of China（中国人民大学） ； Rutgers University（罗格斯大学） ； National University of Singapore（新加坡国立大学）
AI总结 本文提出TabClustPFN，一种用于表格数据聚类的先验适应网络，通过在合成数据集上预训练，实现单次前向传递即可对未见过的数据集进行聚类，无需特定数据集的重训练或超参数调整。
通过扩散模型进行因果时间序列生成
机构 * National University of Singapore（新加坡国立大学） ； Microsoft Research Asia（微软亚洲研究院） ； HKUST (Guangzhou)（香港科技大学（广州）） ； Squirrel AI
AI总结 本文提出因果时间序列生成任务，通过因果视角改进传统条件时间序列生成，引入因果扩散框架实现干预和反事实生成，实验显示其在真实和合成数据上均表现优异。
从街景到视觉网络：利用视觉语言模型映射城市地标可见性
机构 * organization= Department of Architecture, National University of Singapore , country= Singapore ； organization= Research \& Development Institute, Takenaka Corporation , country= Japan ； organization= Urban Analytics Subject Group, Urban Studies \& Social Policy Division, University of Glasgow , country= United Kingdom ； organization= Institute of Remote Sensing ； GIS, Peking University , country= China ； organization= Department of Real Estate, National University of Singapore , country= Singapore
AI总结 本文提出利用视觉语言模型将地标可见性分析转化为图像空间中的视觉搜索问题，通过街景图像实现高效可见性评估，构建异构可见性图以表示地标、街景位置及城市空间之间的视觉连接，实验表明方法在数据受限情况下具有较高准确性。
Progent：通过权限控制保障AI代理
机构 * UC Berkeley（加州大学伯克利分校） ； UC Santa Barbara（加州大学圣巴巴拉分校） ； National University of Singapore（新加坡国立大学）
AI总结 Progent通过权限控制框架保障AI代理安全，利用LLM生成并更新策略，通过SMT求解器确保权限空间单调收敛，有效降低攻击成功率并保持高实用性。
通过加性高斯过程实现复杂控制系统安全贝叶斯优化
机构 * National University of Singapore（新加坡国立大学） ； SIMTech, A*STAR ； CUHK, Shenzhen（香港中文大学（深圳））
AI总结 本文提出SafeCtrlBO方法，通过加性高斯过程核减少样本复杂度，实现多耦合控制器的同时优化，实验显示在较少硬件评估下达到高性能参数并保证安全。
Comments The shorter version has been accepted by IEEE Robotics and Automation Letters. This is the full version
SkillFlow: 以流程驱动的递归技能进化用于代理编排
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； National University of Singapore（新加坡国立大学） ； Nanyang Technological University（南洋理工大学） ； Zhejiang University（浙江大学）
AI总结 SkillFlow通过流程驱动的递归技能进化解决代理编排中的策略崩溃、梯度方差高和无指导技能进化问题，实现高效任务编排。
Comments 49 pages, 5 figures, 6 tables
CineMesh4D：从稀疏 cine MRI 中重建个性化 4D 全心脏
机构 * Department of Biomedical Engineering, National University of Singapore, Singapore（新加坡国立大学生物医学工程系） ； School of Automation, Southeast University, Nanjing, China（东南大学自动化学院） ； Department of Medicine, National University of Singapore, Singapore（新加坡国立大学医学系） ； Department of Cardiology, National University Heart Centre Singapore, Singapore（新加坡国立心脏中心心内科部）
AI总结 本文提出 CineMesh4D，一种端到端的 4D 全心脏重建方法，通过跨域映射从多视角 2D cine MRI 直接重建患者特定的全心脏网格，提升重建质量和运动一致性。
DUET：通过未见评估任务的反馈优化训练数据混合
机构 * National University of Singapore（新加坡国立大学） ； Agency for Research, Science, Technology and Research (A*STAR)（研究、科技与研发机构）
AI总结 本文提出DUET算法，通过结合影响函数与贝叶斯优化，利用未见评估任务的反馈优化训练数据混合，理论证明其能收敛至最优混合，实验显示优于现有方法。
Comments Accepted to ICLR 2026 main conference
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