高校专区
MambaADv2: 面向无监督异常检测的进化型对偶增强状态空间模型
机构 * Zhejiang University（浙江大学） ； School of Computing, National University of Singapore（新加坡国立大学计算机学院） ； 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 Trustworthy Embodied AI, Fudan University（复旦大学可信具身人工智能研究所）
AI总结 提出MambaADv2框架，通过集成对偶增强状态空间模块和混合状态空间块，结合线性递归与并行矩阵计算，实现高效全局依赖与局部表示建模，提升多类无监督异常检测性能。
Evo-RAD：通过自进化代理检索导航罕见视网膜疾病诊断
机构 * The Hong Kong Polytechnic University（香港理工大学） ； Northwestern Polytechnical University（西北工业大学） ； National University of Singapore（新加坡国立大学）
AI总结 提出Evo-RAD框架，将检索增强诊断建模为马尔可夫决策过程，通过图代理动态删除不相关证据、插入病理一致样本或终止进化，利用同质性感知奖励优化，显著提升罕见视网膜疾病诊断性能。
Comments Accepted by MICCAI 2026. 10 pages, 2 figures, 3 tables
基于智能手表IMU的全身高尔夫挥杆运动学重建
机构 * State Key Laboratory of Mechanical System and Vibration, School of Mechanical Engineering, Shanghai Jiao Tong University（上海交通大学机械与动力工程学院机械系统与振动国家重点实验室） ； Key Laboratory for Power Machinery and Engineering of the Ministry of Education, Shanghai Jiao Tong University（上海交通大学动力机械与工程教育部重点实验室） ； Department of Computer Science, National University of Singapore（新加坡国立大学计算机科学系） ； School of Physical Education, Shanghai University of Sport（上海体育大学体育教育学院） ； Department of Physical Education, Shanghai Jiao Tong University（上海交通大学体育系） ； Department of Physical Therapy（物理治疗系）
AI总结 提出一种单手腕IMU方法（WIT-KinNet），通过时间运动编码学习手腕到全身关节角度映射，实现高尔夫挥杆全身运动学估计，平均绝对误差8.11°。
FedOT: 联邦潜扩散模型的所有权验证与泄露追踪水印
机构 * Northwest Normal University（西北师范大学） ； The University of Tokyo（东京大学） ； National University of Singapore（新加坡国立大学） ； Sun Yat-sen University（中山大学）
AI总结 提出FedOT框架，通过分块水印和潜向量变换解决联邦学习中潜扩散模型的所有权验证与恶意客户端泄露追踪问题。
Comments Accepted to ECCV 2026
DBT-Bleed: 用于手术出血检测的双分支时间建模与关键帧选择
机构 * National University of Singapore（新加坡国立大学） ； University College London（伦敦大学学院） ； National Neuroscience Institute（国家神经科学研究所）
AI总结 提出DBT-Bleed双分支多尺度时间建模框架，结合HiRED分层熵驱动帧选择策略，有效区分手术出血与视觉相似的残留血液，在MultiBypass数据集上F1提升6.53%，并首次引入神经外科IAE标注数据集EndoPit-IAE。
Comments 11 pages, 4 figures, 3 tables
野外视觉几何变换器：无干扰物的三维重建
机构 * National University of Singapore（新加坡国立大学） ； The Hong Kong Polytechnic University（香港理工大学）
AI总结 提出VGTW框架，通过干扰物感知训练策略分离并抑制干扰区域，实现从不一致视角进行鲁棒的三维重建，无需额外三维监督。
Comments Project page: https://tianbo-pan.github.io/vgt-w/
SkillAudit：从固定套件基准测试到以技能为中心的评估
机构 * Northeastern University（东北大学） ； City University of Hong Kong（香港城市大学） ； Northwestern University（西北大学） ； Fudan University（复旦大学） ； University of Science and Technology of China（中国科学技术大学） ； Santa Clara University（圣克拉拉大学） ； Fenz AI ； Ohio State University（俄亥俄州立大学） ； University of Glasgow（格拉斯哥大学） ； National University of Singapore（新加坡国立大学） ； DeciLix Lab（DeciLix实验室）
AI总结 提出SkillAudit框架，自动生成技能的多维度评估报告，涵盖效用、效率/成本和安全性，通过基线比较和两阶段检测解决固定套件评估的不足。
Comments Preprint. Project page: https://skillaudit.github.io/. Code and evaluation artifacts: https://github.com/SkillAudit/skillaudit
强化学习改进基于大语言模型的自动化代码合规系统
机构 * National University of Singapore（新加坡国立大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； NovaCITYNETS
AI总结 提出P4IR两阶段框架，先通过监督微调注入领域知识，再用GRPO优化高层代码骨架的准确性，在零样本设置下优于多个领先大语言模型。
Comments 22 pages, 12 figures, 1 table
CoRDE：面向机器人操作结构泛化的概念先验路由扩散专家
机构 * College of Information Science and Technology, Eastern Institute of Technology, Ningbo（宁波东方理工大学（暂名）信息科学与技术学院） ； Zhejiang Key Laboratory of Industrial Intelligence and Digital Twin, Eastern Institute of Technology, Ningbo（浙江省工业智能与数字孪生重点实验室，宁波东方理工大学（暂名）） ； Department of Electrical and Computer Engineering, National University of Singapore（新加坡国立大学电气与计算机工程系） ； Robotics and Autonomous Systems Thrust, The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）机器人与自主系统学域） ； Faculty of Science and Engineering, University of Nottingham Ningbo China（宁波诺丁汉大学理工学院）
AI总结 提出CoRDE框架，通过概念先验引导路由和低秩专家池，解决扩散模型在多任务长时程操作中的结构泛化不足和路由崩溃问题。
Comments 8 pages, 3 figures, Accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)
基于队列锚定的电子健康记录基础模型：从风险评分到可审计的同行队列
机构 * National University of Singapore（新加坡国立大学）
AI总结 提出CAFM框架，将患者队列作为一等对象融入学习流程，通过四个阶段提升数据质量、组织表示并支持可审计决策，以解决基础模型在临床部署中的可解释性、分布偏移和临床对齐问题。
RAPID：一种可复现的多智能体管道，用于从卫星和街景图像中进行可解释的灾害损害评估
机构 * National University of Singapore（新加坡国立大学） ； The University of Alabama（阿拉巴马大学）
AI总结 提出RAPID，一种可复现的多智能体管道，无需任务特定微调即可实现零样本灾害损害评估，通过跨视图理解、图像恢复和结构化识别生成可解释的评估报告，在多种灾害中达到0.92的分类准确率。
Comments 12 pages, 8 figures
不要盲目信任：不可靠反馈如何破坏使用工具的LLM智能体
机构 * Nanyang Technological University（南洋理工大学） ； National University of Singapore（新加坡国立大学） ； CFAR Agency for Science Technology and Research（新加坡科技研究局计算与推理中心） ； IHPC Agency for Science Technology and Research（新加坡科技研究局高性能计算研究所） ； Department of Statistics and Operations Research UNC-Chapel Hill（北卡罗来纳大学教堂山分校统计与运筹学系） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 研究不可靠反馈对工具增强型LLM智能体的影响，通过匹配循环对比实验发现，误导性反馈会导致价值反转，使智能体表现低于无反馈基线，并强调无反馈回退控制对评估的必要性。
Comments 16 pages
校准不是控制：为什么LLM代理监督需要干预
机构 * Nanyang Technological University（南洋理工大学） ； National University of Singapore（新加坡国立大学） ； CFAR Agency for Science Technology and Research（科技研究局CFAR） ； IHPC Agency for Science Technology and Research（科技研究局IHPC） ； Department of Statistics and Operations Research UNC-Chapel Hill（北卡罗来纳大学教堂山分校统计与运筹学系）
AI总结 本文指出LLM代理运行时监督中常用的标量风险预测存在目标错误，提出以干预优势为决策对象，并引入前缀分支方法进行动作条件控制，实验表明该方法能显著降低控制遗憾。
Comments 29 pages
世界行动模型：综述
机构 * National University of Singapore（新加坡国立大学）
AI总结 本文综述世界行动模型（WAMs），通过两种互补视角组织现有工作，揭示其设计权衡与未来趋势。
Comments 57 pages, 6 figures
缺失模态下的多模态生存预测证据融合网络
机构 * National University of Singapore（新加坡国立大学） ； Imperial College London（帝国理工学院）
AI总结 提出EMMS模型，利用Dempster-Shafer理论和高斯随机模糊数融合多模态决策，处理缺失模态下的生存预测，无需生成缺失数据，在四个癌症数据集上达到最优性能并提供校准的不确定性估计。
SPOT-E：基于视觉聚光灯的冻结VLM测试时熵整形
机构 * National University of Singapore（新加坡国立大学） ； Fudan University（复旦大学） ； Technical University of Munich（慕尼黑工业大学） ； Sagenic Tech ； Zhejiang University（浙江大学） ； vivo ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）
AI总结 提出SPOT-E方法，通过测试时熵整形和视觉聚光灯，解决VLM在证据密集型任务中因忽视局部关键证据而表现不佳的问题，无需重新训练即可提升定位与鲁棒性。
超越线性与过完备机制：瓶颈自编码器的平均场分析
机构 * STCS department, Tata Institute Of Fundamental Research（STCS部门，印度塔塔基础研究 institute） ； Department of Mathematics, Indiana University（数学系，印第安纳大学） ； Department of Mathematics, Ludwig-Maximilians-Universität München（数学系，慕尼黑路德维希-马克西米利安大学） ； Department of Mathematics, National University of Singapore（数学系，新加坡国立大学）
AI总结 研究非线性瓶颈自编码器在平均场机制下的学习动态，推导编码器和解码器的显式动态方程，证明有限宽度网络的经验风险高概率跟踪平均场风险轨迹，且最优解收敛于平均场最优。
SCI-PRM：用于科学推理验证的工具感知过程奖励模型
机构 * The Hong Kong Polytechnic University（香港理工大学） ； Shanghai AI Lab（上海人工智能实验室） ； National University of Singapore（新加坡国立大学） ； Shanghai Jiao Tong University（上海交通大学） ； Sichuan University（四川大学） ； Tongji University（同济大学）
AI总结 针对科学推理中工具使用和事实一致性问题，提出Sci-PRM模型，通过构建包含工具链轨迹的数据集SCIPRM70K并训练过程奖励模型，在测试时扩展和强化学习中提供细粒度监督，提升基础模型性能。
Comments Accepted by KDD 2026 AI4Science Track
dMoE: 具有可学习块专家的扩散大语言模型
机构 * National University of Singapore（新加坡国立大学）
AI总结 针对扩散大语言模型与混合专家架构集成时块并行解码与令牌级专家选择不匹配导致的推理内存瓶颈，提出dMoE框架，通过聚合块内令牌级专家分布为统一的块级专家分布来减少激活专家数量，在保持性能的同时显著降低内存使用和延迟。
Comments Working in progress. Code is available at: \url{https://github.com/fscdc/dMoE}
AnimeAdapter: 细粒度且一致的零样本动漫人物生成
机构 * National University of Singapore, Singapore（新加坡国立大学）
AI总结 本文提出了一种轻量级的外观适配器，用于在多样编辑条件下实现可控且一致的动漫人物生成，通过注入单张参考图像的细粒度视觉特征到扩散过程中，并结合CLIP的局部空间化特性，开发出语义选择性局部注意力机制，进一步解耦人物外观与空间布局，从而实现高效的动漫人物生成。
通过先验映射协同进化训练扩散策略
机构 * Nanyang Technological University（南洋理工大学） ； National University of Singapore（国立新加坡大学） ； Carnegie Mellon University（卡内基梅隆大学） ； CFAR Agency for Science Technology and Research（科技研究局（CFAR）） ； IHPC Agency for Science Technology and Research（科技研究局（IHPC））
AI总结 提出GoRL框架，通过将策略优化限制在易处理的潜空间，同时用条件生成解码器合成动作，解耦优化与生成，实现稳定优化与表达力提升，在连续控制任务上显著超越基线。
Comments Ver 3 (Accepted as a conference paper by ICML 2026)
最优Token基线：长程LLM-RL的方差缩减
机构 * National University of Singapore（新加坡国立大学） ； Nanyang Technological University（南洋理工大学） ； Fudan University（复旦大学） ； Hong Kong University of Science（香港科学大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Vector Institute（向量研究所）
AI总结 针对长程LLM-RL训练中梯度方差爆炸问题，从第一性原理推导最优Token基线，提出仅用前向概率近似梯度范数的Logit-Gradient Proxy，以N=4分组达到N=32性能，减少65%以上Token消耗。
缓解数据增强训练中的梯度不一致以实现鲁棒的语音深度伪造检测
机构 * Nanyang Technological University, Singapore（南洋理工大学，新加坡） ； National University of Singapore, Singapore（国立新加坡大学，新加坡） ； The Hong Kong Polytechnic University, Hong Kong（香港理工大学，香港）
AI总结 本文提出双路径数据增强框架，通过梯度对齐解决语音深度伪造检测中数据增强导致的梯度冲突问题，提升模型收敛速度和检测性能。
Comments Accepted by ICASSP 2026
一次交互胜过千次猜测：深度研究代理的交互能力基准测试
机构 * School of Computing, National University of Singapore（新加坡国立大学计算机学院） ； School of Intelligence Science and Engineering, Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）智能科学与工程学院） ； Zhejiang University（浙江大学） ； State Key Lab of CAD&CG, Zhejiang University（浙江大学计算机辅助设计与图形学国家重点实验室）
AI总结 提出IDRBench基准，通过交互式框架和用户模拟器评估深度研究代理的交互能力，实验表明交互能提升研究质量和鲁棒性。
Comments 17 pages, 9 figures, 9 tables
APEX: 动作先验实现高效探索，实现足式机器人鲁棒运动跟踪
机构 * Multi-Agent Robotic Motion Lab（多智能体机器人运动实验室） ； Department of Mechanical Engineering, College of Design and Engineering, National University of Singapore（机械工程系，设计与工程学院，新加坡国立大学） ； Computational Robotics Lab（计算机器人实验室） ； Department of Computer Science, ETH Zurich（计算机科学系，苏黎世联邦理工学院） ； Robot Intelligence Lab（机器人智能实验室） ； Department of Artificial Intelligence, Korea University（人工智能系，韩国大学）
AI总结 提出APEX框架，通过衰减动作先验引导探索，结合多评判器分离风格与任务信号，实现无需部署时参考动作输入的高效运动跟踪。
Comments \c{opyright} 20XX IEEE. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses, in any current or future media, including reprinting/republishing this material for advertising or promotional purposes, creating new collective works, for resale or redistribution to servers or lists, or reuse of any copyrighted component of this work in other works
OmniNWM：全知驾驶导航世界模型
机构 * Shanghai Jiao Tong University（上海交通大学） ； Eastern Institute of Technology（东部技术研究所） ； PhiGent ； National University of Singapore（新加坡国立大学） ； Tsinghua University（清华大学） ； Wuhan University（武汉大学）
AI总结 提出OmniNWM全知全景导航世界模型，在统一概率框架下处理状态、动作和奖励三个维度，实现多模态全景视频生成、零样本轨迹控制及内在奖励机制，在生成保真度和控制精度上达到SOTA。
Comments ECCV 2026
EgoExo-Con: 探索视角不变视频时间理解
机构 * Seoul National University（首尔国立大学） ； 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）
AI总结 提出EgoExo-Con基准测试，评估视频大模型在不同视角下的时间理解一致性，并设计View-GRPO强化学习框架提升跨视角一致性。
Comments Accepted to ECCV 2026; project page at https://minjoong507.github.io/projects/EgoExo-Con/
KiVi: 动觉-视觉空间整合用于动态且安全的自我中心腿部运动
机构 * MARMot Lab, National University of Singapore（新加坡国立大学MARMot实验室） ； Center of X-Mechanics, Zhejiang University（浙江大学X力学中心） ； Robot and Robot Intelligence Lab, Zhejiang University（浙江大学机器人与机器人智能实验室）
AI总结 提出KiVi框架，通过分离动觉与视觉空间通路，以本体感觉为稳定主干并选择性整合视觉信息，实现四足机器人在复杂地形和户外环境中的鲁棒运动。
Comments \c{opyright} 20XX IEEE. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses, in any current or future media, including reprinting/republishing this material for advertising or promotional purposes, creating new collective works, for resale or redistribution to servers or lists, or reuse of any copyrighted component of this work in other works
探索-执行链：迈向高效的结构化推理范式
机构 * Qizhi Institute（启智研究院） ； Dept. of Computer Science, Tsinghua University（清华大学计算机科学系） ； College of AI, Tsinghua University（清华大学人工智能学院） ； Engineering Department, National University of Singapore（新加坡国立大学工程系） ； Dept. of Automation, Shanghai Jiao Tong University（上海交通大学自动化系） ； IIIS, Tsinghua University（清华大学人工智能研究院） ； College of Software, Northeastern University（东北大学软件学院）
AI总结 提出探索-执行链（E²C），将推理分为随机探索阶段（生成简洁高层计划）和确定性执行阶段（忠实执行计划），通过因果SFT和RL训练分离，在AIME'2024上以更少token超越思维树，并支持轻量领域适应。
QAMO: 面向语音深度伪造检测的质量感知多质心单类学习
机构 * Nanyang Technological University, Singapore（南洋理工大学, 新加坡） ； National University of Singapore, Singapore（新加坡国立大学, 新加坡） ； The Hong Kong Polytechnic University, Hong Kong（香港理工大学, 香港）
AI总结 提出QAMO方法，通过引入多个质量感知质心扩展单类学习，利用语音质量评分（MOS）建模真实语音的类内变异性，实现更优的深度伪造检测。
Comments Accepted by INTERSPEECH 2026
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