APO: Unsupervised Atomic Policy Optimization for 3D Structure Prediction of Atomic Systems
APO：面向原子系统三维结构预测的无监督原子策略优化
机构 * CMU（卡内基梅隆大学） ； NUS（新加坡国立大学）
AI总结 本研究提出无监督原子策略优化框架APO，通过双奖励机制实现原子系统三维结构预测，在晶体与抗体预测中优于全监督基线，提升了匹配率、结构保真度与推理效率。
高校专区
National University of Singapore（新加坡国立大学）
ENCORE: Event-Assisted Complementary Motion Refinement for Learned Video Compression
ENCORE：用于学习型视频压缩的事件辅助互补运动细化
机构 * School of Computer Science, Wuhan University（武汉大学计算机学院） ； School of Artificial Intelligence, Ningbo University（宁波大学人工智能学院） ； National University of Singapore（新加坡国立大学） ； Zhejiang University of Technology（浙江工业大学） ； School of Information Engineering, Zhongnan University of Economics and Law（中南财经政法大学信息工程学院）
AI总结 ENCORE是结合事件相机与RGB帧的学习型视频压缩框架，通过CMR、SERIC、EAR模块细化运动，在多数据集上实现了BD-rate节省的性能提升。
DoTime: A Synthetic Benchmark Generator for Interventional and Counterfactual Time Series
DoTime：用于干预和反事实时间序列的合成基准生成器
机构 * National University of Singapore（新加坡国立大学）
AI总结 DoTime是用于干预和反事实时间序列的合成基准生成器，具备现有工具没有的多项功能，附带评估套件与基线，经测试其干预训练的因果模型相比同容量观测模型有方向准确性优势。
RL$^2$-VLA: Adaptive RL Latent Compositional Steering with Test-Time Scaling for Vision-Language-Action Models
RL²-VLA：面向视觉-语言-动作模型的测试时缩放自适应RL隐成分引导
机构 * National University of Singapore（新加坡国立大学） ； University of Toronto（多伦多大学） ； Singapore Technologies Engineering（新加坡科技工程公司）
AI总结 针对VLA模型分布外任务性能下降问题，提出基于VLA隐空间的自适应推理时引导框架RL²，仅在预测失败时激活成分引导，在SIMPLER等基准上分布外成功率最高提升17.3%，可迁移至真实世界。
Comments Code and models are available at https://rl2-vla.github.io
PathAgentBench: Benchmarking Evidence-Seeking Vision-Language Models on Whole-Slide Pathology Image
PathAgentBench：在全切片病理图像上对寻求证据的视觉语言模型进行基准测试
机构 * National University of Singapore（新加坡国立大学） ； PuzzleLogic Pte Ltd（拼图逻辑私人有限公司） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学深圳校区） ； Peking Union Medical College Hospital（北京协和医院）
AI总结 研究针对全切片病理图像诊断中证据获取与整合问题，引入PathAgentBench基准，评估视觉语言模型的四项互补能力，包含多模型评估结果，揭示了证据推理与获取间的差距，为改进病理模型提供统一框架。
Targeted Interpretable Safety Neuron Enhancement for Multilingual Vision-Language Large Models
Precise Shield：通过神经层面指导解释和对齐VLLM安全
机构 * Nanjing University of Science and Technology（南京理工大学） ； National University of Singapore（新加坡国立大学） ； Beihang University（北京航空航天大学） ； Nanjing Forestry University（南京林业大学）
AI总结 本文提出Precise Shield框架，通过对比有害与良性输入的激活模式识别安全神经元，并通过梯度掩码限制参数更新，提升VLLM安全性能并保持多语言多模态泛化能力。
On the Rate of Convergence of Kolmogorov-Arnold Network Regression Estimators
关于Kolmogorov-Arnold网络回归估计器收敛速度的论文
机构 * Department of Industrial Systems Engineering and Management, National University of Singapore（新加坡国立大学工业系统工程与管理系） ； Department of Civil, Environmental and Geomatic Engineering, ETH Zürich（苏黎世联邦理工学院土木、环境与地理工程系） ； Internet of Things Thrust, The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）物联网研究组）
AI总结 本文研究了KANs在Sobolev空间中函数近似时的收敛速度，证明了其达到最小最大最优收敛速度，并提供了B-样条结点数选择的指导方针。
