高校专区
VT-WAM: 面向密集接触操作的视觉-触觉世界动作模型
机构 * SKL-MAIS, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所复杂系统管理与控制国家重点实验室） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； TARS Robotics ； National University of Singapore（新加坡国立大学） ； Fudan University（复旦大学）
AI总结 提出VT-WAM，在统一流匹配框架中联合学习视觉预测、触觉变形预测和动作预测，通过非对称混合Transformer注意力和接触门控注意力引导，在六项真实密集接触操作任务中平均成功率71.67%。
通过分布级奖励优化视觉生成模型
机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai Innovation Institute（上海创新研究院） ； Hunyuan Frontier Lab, Tencent（腾讯混元前沿实验室） ； National University of Singapore（新加坡国立大学）
AI总结 提出分布级奖励框架，通过子集替换策略高效估计奖励并优化模型合并系数，解决样本级奖励导致的模式崩溃和视觉异常问题，在SiT和EDM2上显著提升FID-50K。
Comments ICML 2026 Main
深度权重空间中推理过程的动态神经图编码
机构 * University of Toronto（多伦多大学） ； National University of Singapore（新加坡国立大学） ； McMaster University（麦马斯特大学） ； Concordia University（康科迪亚大学）
AI总结 提出动态神经图编码器（DNG-Encoder），通过动态图表示神经网络参数并保留推理的时序特性，在INR分类任务上比现有方法提升约10%准确率。
Comments Published in Transactions on Machine Learning Research (TMLR), 2026. 28 pages, 5 figures
Journal ref Transactions on Machine Learning Research, 2026
UnderOneFacade：全球立面语义分割基准数据集
机构 * Technical University of Munich（慕尼黑工业大学） ； University of Cambridge（剑桥大学） ； University of Nottingham（诺丁汉大学） ； National University of Singapore（新加坡国立大学）
AI总结 针对现有立面解析数据集地理范围窄、语义不一致的问题，提出全球最大跨国家、跨洲的3D立面基准UnderOneFacade，包含27亿标注点，评估多种模型并揭示其跨域性能下降，为鲁棒可迁移的3D分割模型提供基准。
Comments accepted by ECCV 2026
基于多尺度时间建模与可微分轮廓渲染的个性化4D全心网格重建
机构 * Department of Biomedical Engineering, National University of Singapore（新加坡国立大学生物医学工程系） ； School of Automation, Southeast University（东南大学自动化学院） ； Department of Medicine, National University of Singapore（新加坡国立大学医学系） ； Department of Cardiology, National University Heart Centre Singapore（新加坡国立大学心脏中心心脏病学系）
AI总结 提出端到端框架，从稀疏电影MRI重建4D全心网格，利用可微分轮廓渲染和多尺度时间建模，实现低误差（1.68 mm）和高运动平滑度。
Comments 15 pages
Koopman算子理论：基础、控制与应用
机构 * Department of Mechanical Engineering, University of California, Santa Barbara（加州大学圣芭芭拉分校机械工程系） ； Department of Mechanical and Aerospace Engineering, University of California, San Diego（加州大学圣地亚哥分校机械与航空航天工程系） ； Optimization-based Control Group, TU Ilmenau（图林根工业大学优化控制组） ； Constrained Control of Complex Systems Lab, Control Systems Group, Department of Electrical Engineering, TU Eindhoven（埃因霍温理工大学复杂系统约束控制实验室，控制系统组，电气工程系） ； 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）
AI总结 本文介绍Koopman算子理论，通过数据驱动方法（如EDMD和机器学习）构建非线性系统的全局线性表示，并扩展到有输入系统的控制器设计，提供仿真代码。
LLMs 在分子领域真的能泛化吗？基于扰动的分析
机构 * The Hong Kong Polytechnic University（香港理工大学） ； National University of Singapore（新加坡国立大学） ； Shanghai AI Lab（上海人工智能实验室） ； Fudan University（复旦大学）
AI总结 提出分子扰动框架，通过控制图编辑距离生成结构变体，揭示分子LLMs对微小结构变化敏感，局部信任区域狭窄；上下文调优可部分缓解脆弱性。
Comments 21 pages
Mastermind: 基于策略学习的仓库级漏洞复现
机构 * National University of Singapore（新加坡国立大学） ； Nanyang Technological University（南洋理工大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
AI总结 提出Mastermind双循环框架，通过策略学习（SFT+GRPO）提升LLM代理在仓库级漏洞复现中的表现，在260个训练任务和200个测试任务上达到84.5%通过率，并成功迁移至不同执行器。
空间支撑至关重要：面向降雨场重建的几何感知图融合
机构 * School of Computing, National University of Singapore（新加坡国立大学计算机学院） ； Faculty of Engineering, The University of Sydney（悉尼大学工程学院）
AI总结 针对降雨场重建中多源观测支撑（点、线、面）的几何差异问题，提出几何感知多支撑异构图神经网络，通过跨支撑消息传递融合并重建降雨场，在新加坡数据上RMSE降低23.2%。
Comments Submitted to WACV 2027, applications track
高斯场的逐点复杂度：上包络、算法下界与分离
机构 * National University of Singapore（新加坡国立大学）
AI总结 本文证明了一个方差感知的逐点主测度定理，为高斯过程提供高概率上包络，并通过贝叶斯算法下界和加权基示例，揭示了逐点复杂度与全局极小极大风险之间的分离。
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