高校专区
从分析到综合：个性化大语言模型智能体中的隐式行为对齐基准测试
机构 * National University of Singapore（新加坡国立大学） ； University of Toronto（多伦多大学） ； University of Minnesota Twin Cities（明尼苏达大学双城分校） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； University of Oxford（牛津大学）
AI总结 该研究针对大语言模型智能体的个性化问题，构建了IBA-Bench基准，提出IBA-Agent框架，实验显示其可在九类场景中提升隐式行为对齐效果，但有效个性化仍是重大挑战。
相同语义，不同路径：面向视觉-文本压缩的自改进对齐
机构 * Southeast University（东南大学） ； Nanjing University（南京大学） ； Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学）
AI总结 该研究针对视觉-文本压缩中渲染图像与原生文本表示的跨路径不一致瓶颈，提出自监督对齐框架SPIRAL，通过令牌级OPD与序列级DPO提升模型性能，在VTCBench上显著改善Qwen3-VL-8B的表现并实现域外泛化。
Comments Accepted to ACM Multimedia 2026 (Oral)
先获取再探索：面向搜索智能体的持久工作空间上选择与提取解耦
机构 * Renmin University of China（中国人民大学） ； Xiaohongshu Inc.（小红书公司） ； National University of Singapore（新加坡国立大学）
AI总结 该研究针对搜索智能体提出Fetch-then-Explore方法，将页面选择与证据提取解耦，在两个基准测试中提升了智能体的搜索性能，核心是通过持久工作空间实现页面复用与证据累积。
DART：用于高效长上下文序列建模的循环状态解码注意力
机构 * College of Control Science and Engineering, Zhejiang University（浙江大学控制科学与工程学院） ； National University of Singapore（新加坡国立大学） ； Hong Kong Polytechnic University（香港理工大学） ； School of Science, Huzhou Normal University（湖州师范学院理学院）
AI总结 DART基于Mamba-2的状态空间对偶性，通过保留分块状态记忆并解码键值执行状态-记忆注意力，减少长上下文推理缓存，同时提升关联召回与检索性能。
MANGO-Grasp：面向几何的三维高斯模型上的马氏场，用于跨 embodiments 的灵巧抓取
机构 * College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院） ； National University of Singapore（新加坡国立大学）
AI总结 MANGO-Grasp是面向几何的三维高斯模型上的马氏场框架，用于跨异构多指手的灵巧抓取，在仿真、零样本迁移及真实实验中均优于现有基准。
长视野搜索智能体的搜索行为与失败模式诊断
机构 * Renmin University of China（中国人民大学） ； National University of Singapore（新加坡国立大学）
AI总结 本研究通过轨迹级诊断区分长视野搜索智能体的检索与利用差距，发现搜索努力与答案质量弱相关，为优化深度研究系统提供了查询构建、证据管理等方向。
带夹持器的倾转旋翼无人机：通过环境锚定实现稳定的基于接触的任务
机构 * National University of Singapore (NUS)（新加坡国立大学）
AI总结 该研究设计了带倾转旋翼机构和欠驱动缆线驱动夹持器的无人机，通过环境锚定提升接触任务稳定性，位置漂移RMSE降低95%以上，可承受75N纵向力，适用于复杂物理交互任务。
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
面向高效自我中心 grounding 的动态分辨率路由
机构 * National University of Singapore（新加坡国立大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； Nanyang Technological University（南洋理工大学）
AI总结 该研究针对自我中心视觉 grounding 中视觉 token 处理成本过高的问题，提出 SmartRes 框架，通过动态分辨率路由减少视觉 token，在 Ego4D 等数据集上实现 token 缩减与性能提升，代码将公开。
无单一失效神经元：针对白盒攻击的分布式安全对齐
机构 * The University of Sydney（悉尼大学） ； National University of Singapore（新加坡国立大学）
AI总结 针对现有安全对齐方法的单点失效问题，提出分布式安全对齐（DSA），通过冗余编码安全能力提升模型对抗白盒神经元级攻击的鲁棒性，且保留通用语言与多模态效用。
CRAFTS：面向化工过程仿真的大语言模型智能体协同角色自适应微调
机构 * National University of Singapore（新加坡国立大学） ； Xiamen University（厦门大学）
AI总结 CRAFTS 模仿化工工程师分阶段工作流，将仿真任务分配给7个角色，微调3个关键角色，基于 OpenIDAES-450 数据集验证，在82个保留案例上完成91.5%的合约，取得多项F1高分，实现可靠自动化化工过程模型构建。
可解释机器学习用于交通拥堵预测：揭示不同新冠疫情时期的影响
机构 * National University of Singapore（新加坡国立大学）
AI总结 本研究以阿拉米达县为对象，采用多种机器学习模型预测不同疫情时期的交通拥堵，通过可解释方法揭示疫情相关因素对拥堵的影响，发现双向LSTM性能最优。
从图像块到证据球：面向小样本全切片图像分类的类别条件证据检索
机构 * XJTU（西安交通大学） ； JUFE（江西财经大学） ； University of Cambridge（剑桥大学） ； NUS（新加坡国立大学）
AI总结 该研究针对小样本全切片图像分类任务，提出类别条件证据检索框架EviBall，通过组织证据球并结合任务特定类别查询，提升分类性能与可解释性，在四项相关任务上优于现有基线方法。
DRONEAUDIONET：基于无人机听觉的搜救任务中的噪声抑制
机构 * School of Computing, National University of Singapore（新加坡国立大学计算机学院）
AI总结 本研究针对无人机听觉场景中旋翼噪声主导混合信号的问题，提出DRONEAUDIONET噪声抑制方法，引入可学习掩码缩放机制与残差校正项，经实验验证可提升下游声音分类性能，凸显其在无人机辅助搜救中的应用潜力。
Comments *first two authors are equal contributors
FinDeepIndicator：端到端金融指标构建中深度研究智能体的基准测试
机构 * School of Computing, National University of Singapore（新加坡国立大学计算机学院） ； China Economics and Management Academy, Central University of Finance and Economics（中央财经大学中国经济与管理研究院） ； Asian Institute of Digital Finance, National University of Singapore（新加坡国立大学亚洲数字金融研究所） ； Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所）
AI总结 本研究提出首个评估深度研究智能体端到端金融指标构建表现的基准FinDeepIndicator，含多市场数据，实验发现DR智能体优于检索增强LLMs但仍不可靠，为金融领域智能体开发提供参考。
逃离置信陷阱：扩散大语言模型数学推理的进化解码
机构 * Australian National University（澳大利亚国立大学） ； Nanyang Technological University（南洋理工大学） ； National University of Singapore（新加坡国立大学） ； Amazon（亚马逊） ； University of Technology Sydney（悉尼科技大学）
AI总结 针对扩散大语言模型数学推理的置信陷阱，提出无训练的进化解码框架，通过逐步选择与分块变异提升LLaDA 2.0的数学推理可靠性。
基于动态可靠性引导的骨盆骨分割模型测试时适应
机构 * College of Automation, Nanjing University of Posts and Telecommunications（南京邮电大学自动化学院） ； 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） ； the Affiliated Stomatological Hospital of Nanjing Medical University（南京医科大学附属口腔医院）
AI总结 针对骨盆骨分割模型跨中心域偏移导致的性能下降问题，提出ReGA框架，结合SICE准则、信任加权细化模块、对比学习与TS方案，在三个数据集上优于现有TTA方法，实现有效适应。
Comments Provisionally accepted for presentation at MICCAI 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