高校专区
以假设为导向的介观动力学构建
机构 * Institute for Functional Intelligent Materials, National University of Singapore（功能智能材料研究所，新加坡国立大学） ； Department of Mathematics, National University of Singapore（数学系，新加坡国立大学）
AI总结 本文提出一种基于数学约束假设类学习介观动力学的新方法，通过广义奥本奈尔原理构建统一框架，提供理论保证并验证了其在连续PDE和微观链模型中的有效性。
Comments 38 pages, 10 figures
安全量子机器学习中的变分量子分类器
机构 * National University of Singapore（新加坡国立大学） ； University of Pavia（帕维亚大学）
AI总结 本文提出一种基于幅度编码的变分量子分类器，结合归一化幅度嵌入与有界量子可观测量，构建了结构化且平滑的假设空间，通过SAFE-AI指标评估模型可靠性，实验证明其在预测性能和噪声鲁棒性方面优于经典基线。
Comments 31 pages, 8 figures
基于光滑流形的分数布朗运动生成模型的内在Wasserstein速率
机构 * National University of Singapore（国立新加坡大学） ； The University of Tokyo（东京大学） ； RIKEN Center for Advanced Intelligence Project（RIKEN高级智能项目中心） ； Agency for Science, Technology and Research (A ⋆ \star STAR)（科技研究局） ； Nanyang Technological University（南洋理工大学）
AI总结 本文研究了在光滑流形上基于分数布朗运动的生成模型的内在Wasserstein速率，证明了在满足一定条件的流形上，变差保持的SGM估计器能达到特定的样本指数，且分析了分数近似在不同噪声 regime 下的表现。
在线性老虎机中ε-最佳臂识别的适应性功率研究
机构 * University of Washington（华盛顿大学） ； National University of Singapore（新加坡国立大学）
AI总结 本文研究了在线性老虎机中ε-最佳臂识别的最小样本复杂度，提出非适应性固定设计方法及适应性采样策略，揭示了适应性在不同动作集中的效果差异。
Comments Accepted at COLT 2026
MyoChallenge 2025: 人类运动智能的新基准
机构 * McGill University（麦吉尔大学） ； National University of Singapore（国立新加坡大学） ； Imperial College London（伦敦帝国理工学院） ； King’s College London（伦敦国王学院） ； Tsinghua University（清华大学） ； EPFL（苏黎世联邦理工学院） ； CASIA（中国科学院自动化所） ； University of Twente（代尔夫特理工大学） ； MyoLab
AI总结 本文提出MyoChallenge 2025基准，通过高保真骨骼肌模型与机器学习算法结合，推动运动控制智能研究，包含乒乓球和足球点球两个任务，促进多学科交叉研究。
从输入输出到代码：发现代理
机构 * School of Computer Science, Peking University（北京大学计算机科学系） ； Tongyi Lab, Alibaba Group（阿里集团通义实验室） ； Wuhan University（武汉大学） ； Renmin University of China（中国人民大学） ； National University of Singapore（新加坡国立大学） ； Shanghai Jiaotong University（上海交通大学）
AI总结 本文提出DIO-Agent，通过将IO2Code视为离散程序空间的进化搜索，利用LLM作为突变算子，结合执行误差信号指导突变，解决从输入输出行为合成代码的难题。
ReactiveGWM：引导NPC在反应式游戏世界模型中
机构 * Tencent（腾讯） ； National University of Singapore（新加坡国立大学） ； The Hong Kong Polytechnic University（香港理工大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； University of Chinese Academy of Sciences（中国科学院大学）
AI总结 ReactiveGWM通过解耦玩家控制与NPC行为，实现动态交互合成，使NPC策略能跨游戏迁移，无需重新训练即可实现可控的NPC互动。
Comments The code is available at https://inv-wzq.github.io/ReactiveGWM/
解读细胞，设计治愈：基于扰动条件的分子扩散用于功能导向的药物设计
机构 * School of Advanced Interdisciplinary Sciences, University of Chinese Academy of Sciences, Beijing, China（中国科学院大学先进交叉学科学院） ； NLPR, MAIS, Institute of Automation, Chinese Academy of Sciences, Beijing, China（中国科学院自动化研究所） ； School of Artificial Intelligence, University of Chinese Academy of Sciences, Beijing, China（中国科学院大学人工智能学院） ； National University of Singapore, Singapore（新加坡国立大学）
AI总结 本文提出基于转录组的药物设计（TBDD）作为生成逆问题，通过多分辨率转录组引导扩散框架，结合转录组扰动功能特征提取器，实现功能导向的药物分子设计，验证了其在结构质量和功能一致性上的优越性。
代理AI是否准备好进行现实世界硬件工程？通过Phoenix-bench的深入探讨
机构 * National University of Singapore（新加坡国立大学）
AI总结 本文通过Phoenix-bench评估代理AI在硬件工程中的表现，发现软件与硬件工程本质不同，且故障集中于设计控制流、验证测试用例等，定位精度比定位本身更重要。
ICRL: 通过强化学习学习内化自我批评
机构 * Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Nanjing University（南京大学） ； Sun Yat-sen University（中山大学） ； National University of Singapore（新加坡国立大学） ； Nanyang Technological University（南洋理工大学） ； SAP ； Microsoft Research（微软研究院）
AI总结 本文提出ICRL框架，通过联合训练求解器和批评者，使求解器在无外部批评时也能自我改进，提升代理和数学推理任务性能。
DMax：用于dLLMs的激进并行解码
机构 * National University of Singapore（新加坡国立大学）
AI总结 DMax通过改进并行解码方法，有效缓解误差累积，提升生成质量。其核心是On-Policy Uniform Training策略，结合Soft Parallel Decoding实现高效统一的掩码和均匀解码。
Comments Working in progress. Code is available at: https://github.com/czg1225/DMax
ActiveDPO: 用于高效对齐的主动直接偏好优化
机构 * Department of Computer Science, National University of Singapore（新加坡国立大学计算机科学系） ； Singapore-MIT Alliance for Research and Technology Centre（新加坡-麻省理工联盟研究技术中心） ； The Chinese University of Hong Kong, Shenzhen, China（香港中文大学（深圳）） ； CSAIL, Massachusetts Institute of Technology（麻省理工学院计算机科学与人工智能实验室） ； Institute of Data Science, National University of Singapore（新加坡国立大学数据科学研究院）
AI总结 ActiveDPO通过理论支撑的非线性奖励函数选择方法，利用LLM自身参数化奖励模型，提升对齐效率和数据收集效果。
Comments Accepted at ICLR 2026
媒体旋风数据集：标注媒体偏见的发布后新闻标题修改
机构 * Carnegie Mellon University（卡内基梅隆大学） ； National University of Singapore（新加坡国立大学） ； NUS Centre for Trusted Internet and Community（新加坡国立大学可信互联网与社区中心）
AI总结 MediaSpin数据集通过标注13种媒体偏见类型，研究新闻标题修改对语言框架和偏见的影响，展示跨国家的标题修改分析、变压器偏见分类及社交媒体行为分析。
Comments 8 pages, 3 figures, 8 tables Accepted at AAAI ICWSM 2026 We updated the paper title from "MediaSpin: Exploring Media Bias Through Fine-Grained Analysis of News Headlines " to "The MediaSpin Dataset: Post-Publication News Headline Edits Annotated for Media Bias"
FlipAttack：通过翻转对大型语言模型进行劫持
机构 * Engineering Programme, NUS Graduate School, National University of Singapore（国立新加坡大学整合科学与工程计划） ； Institute of Data Science (IDS), National University of Singapore（国立新加坡大学数据科学研究所） ； Department of Computer Science, School of Computing, National University of Singapore（国立新加坡大学计算机科学系）
AI总结 FlipAttack通过在提示左侧添加噪声，利用语言模型自左向右理解文本的特性，实现对黑盒LLM的高效劫持，实验显示其在多个模型上均表现出高成功率。
Comments 43 pages, 31 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