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

TacForeSight: Force-Guided Tactile World Model for Contact-Rich Manipulation

TacForeSight：面向接触丰富操作的力引导触觉世界模型

Yujie Zang, Yuhang Zheng, Xian Nie, Yupeng Zheng, Shuai Tian, Songen Gu, Chen Gao, Zining Wang, Shuicheng Yan, Wenchao Ding

机构 * TARS Robotics ； National University of Singapore（新加坡国立大学） ； Shanghai Jiao Tong University（上海交通大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Fudan University（复旦大学） 纠错

AI总结 提出TacForeSight框架，通过力条件触觉世界模型预测触觉潜动态，结合预测性触觉条件策略实现高频操作下的主动接触推理，在动态接触干扰下优于现有方法。

Mean Flow Distillation: Robust and Stable Distillation for Flow Matching Models

平均流蒸馏：面向流匹配模型的鲁棒稳定蒸馏方法

An Zhao, Shengyuan Zhang, Zhongjian Sun, Yixiang Zhou, Zejian Li, Ling Yang, Tianrun Chen, Lingyun Sun

机构 * National University of Singapore（新加坡国立大学） ； University of Science and Technology of China（中国科学技术大学） 纠错

AI总结 提出平均流蒸馏（MFD）框架，通过时间低通滤波抑制优化噪声并保证轨迹一致性，实现流匹配模型的高保真单步生成。

One Token per Multimodal Evidence: Latent Memory for Resource-Constrained QA

每个多模态证据一个令牌：面向资源受限问答的潜在记忆

Zhi Zheng, Ziqiao Meng, Hao Luan, Wei Liu, Wee Sun Lee

机构 * School of Computing, National University of Singapore（新加坡国立大学计算机学院） 纠错

AI总结 提出潜在记忆范式，将每个证据压缩为单个高维潜在令牌，通过统一训练实现高效检索与生成，在资源受限场景下以3-10倍令牌节省达到竞争性问答性能。

Time-frequency localization of bird calls in dense soundscapes

密集声景中鸟鸣的时频定位

Simen Hexeberg, Fanghui Tong, Hari Vishnu, Mandar Chitre

机构 * Acoustic Research Laboratory, National University of Singapore（新加坡国立大学声学研究实验室） ； Tropical Marine Science Institute, National University of Singapore（新加坡国立大学热带海洋科学研究所） ； School of Marine Science and Technology, Northwestern Polytechnical University（西北工业大学航海学院） 纠错

AI总结 将鸟鸣检测视为频谱图上的目标检测任务，训练YOLO11模型在密集热带声景中定位鸟鸣，并引入IoMin评估指标，在分布内和分布外数据上均优于基线。

PreAct-Bench: Benchmarking Predictive Monitoring in LLMs

PreAct-Bench：大语言模型中的预测性监控基准

Hainiu Xu, Italo Luis da Silva, Jiangnan Ye, Yuhao Wang, Wei Liu, Linyi Yang, Jonathan Richard Schwarz, Nicola Paoletti, Yulan He, Hanqi Yan

机构 * King’s College London（伦敦国王学院） ； National University of Singapore（新加坡国立大学） ； Southern University of Science and Technology（南方科技大学） ； Thomson Reuters Foundational Research（汤姆森路透基础研究） ； Imperial College London（伦敦帝国学院） ； The Alan Turing Institute（艾伦·图灵研究所） 纠错

AI总结 提出预测性监控任务，在动作执行前判断是否会导致不道德行为，并构建PreActBench基准，评估多种模型发现该任务具有挑战性。

Towards Critical Branching Mechanism in Recurrent Neural Networks

递归神经网络中的临界分支机制

Feixiang Ren, Ling Feng

机构 * Department of Physics, National University of Singapore（新加坡国立大学物理系） ； Institute of High Performance Computing, Agency for Science, Technology and Research (A*STAR)（科技研究局高性能计算研究所） 纠错

AI总结 本文通过分析LSTM网络隐藏态动力学，发现小规模网络在最优训练阶段呈现近临界动力学（无标度雪崩统计和分支参数接近1），而大规模网络保持亚临界，并引入混合分支过程框架解释亚临界分支与1/f噪声的共存。

RetroAgent: From Solving to Evolving via Retrospective Dual Intrinsic Feedback

RetroAgent: 从解决到进化 via 逆向双重内在反馈

Xiaoying Zhang, Zichen Liu, Yipeng Zhang, Xia Hu, Wenqi Shao

机构 * Shanghai AI Lab（上海人工智能实验室） ； National University of Singapore（新加坡国立大学） ； Independent Researcher（独立研究者） 纠错

AI总结 RetroAgent通过逆向双重内在反馈机制，使大语言模型代理在交互环境中通过持续进化而非单纯完成任务来提升性能，实现更强的适应与泛化能力。

Comments updated

Reasoning over Semantic IDs Enhances Generative Recommendation

基于语义ID的推理增强生成式推荐

Yingzhi He, Yan Sun, Junfei Tan, Yuxin Chen, Xiaoyu Kong, Chunxu Shen, Xiang Wang, An Zhang, Tat-Seng Chua

机构 * National University of Singapore（国立新加坡大学） ； University of Science and Technology of China（中国科学技术大学） ； Tencent Inc.（腾讯公司） 纠错

AI总结 提出SIDReasoner两阶段框架，通过增强语义ID与语言的对齐和结果驱动的强化优化，实现无需大量推理标注的有效推理，提升生成式推荐的准确性、可解释性和跨领域泛化能力。

Comments Accepted by KDD 2026

Parametric Knowledge is Not All You Need: Toward Honest Large Language Models via Retrieval of Pretraining Data

参数化知识并非全部：通过检索预训练数据实现诚实的语言模型

Christopher Adrian Kusuma, Muhammad Reza Qorib, Hwee Tou Ng

机构 * Department of Computer Science, National University of Singapore（新加坡国立大学计算机科学系） 纠错

AI总结 针对大语言模型在知识不足时产生幻觉的问题，提出利用公开预训练数据构建更鲁棒的诚实性评估基准，并设计检索预训练数据的方法提升模型诚实性。

Comments Findings of ACL 2026

HandCept: A Visual-Inertial Fusion Framework for Accurate Proprioception in Dexterous Hands

HandCept: 用于灵巧手精确本体感知的视觉-惯性融合框架

Huang Junda, Honghao Guo, Hao Wu, Zhengyang Liu, Marcelo H Ang, Jianshu Zhou

机构 * The Chinese University of Hong Kong（香港中文大学） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 提出HandCept，首个视觉-惯性本体感知框架，通过零样本学习和无延迟扩展卡尔曼滤波融合腕部RGB-D相机与9轴IMU，实现2°-4°关节角估计误差且无漂移，优于纯视觉或纯惯性方法。

Comments 8 pages, 7 figures, conference