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

OmniScientist: An Omni-Modal Omni-Discipline AI Scientist

OmniScientist：一种全模态全学科的AI科学家

Bobo Li, Hao Fei, Tianjie Ju, Mong-Li Lee, Wynne Hsu

机构 * National University of Singapore（新加坡国立大学） ； University of Oxford（牛津大学） 纠错

AI总结 本研究提出全模态AI科学家OmniScientist，通过端到端全模态流水线处理多学科异构原始证据，在36个真实案例中完成从原始数据到手稿的全流程，性能优于仅用预计算特征的系统，为通用AI科学家提供可行方案。

Comments 30 pages, 13 figures, 19 tables. Project page: https://omni-scientist.github.io/

V-RAE: Rethinking Video Latent Spaces for Generation

V-RAE：重新思考用于生成的视频隐空间

Minghui Guo, Shengqiong Wu, Hao Fei

机构 * National University of Singapore（新加坡国立大学） ； University of Oxford（牛津大学） 纠错

AI总结 本研究提出V-RAE视频表示自动编码器，基于冻结视觉基础模型构建生成隐空间，在多项视频任务上优于现有模型，还引入tFVD指标，证明冻结语义表示可支持多种视频建模任务。

Comments 26 pages, 8 tables, 13 figures, project page: https://v-rae.github.io/

StreamTTT: Reconciling Real-Time Perception and Long-Term Memory in Streaming VLMs

StreamTTT：在流式视觉语言模型中协调实时感知与长期记忆

Joya Chen, Zeyun Zhong, Mike Zheng Shou

机构 * National University of Singapore（新加坡国立大学） ； Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） 纠错

AI总结 StreamTTT通过将长程历史写入注意力外的快速权重、保留短滑动键值缓存，在OVO-Bench和StreamingBench上提升了流式VLMs的实时感知与长程记忆能力，且代码将公开。

Latent On-Policy Self-Distillation

隐式在线策略自蒸馏

Guibin Zhang, Jiayang Lyu, Ran Sun, Xinlei Yu, Haoyu Zhao, Qibing Ren, Shuicheng Yan

机构 * Shanghai Jiao Tong University（上海交通大学） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 本研究提出隐式在线策略自蒸馏（LOPD），将教师的特权上下文改为端到端可学习，在智能体工具使用和代码生成任务上，以远低于对比方法的rollout预算实现了更优性能。

CABS+: Efficient and Scalable Model Merging via Conflict-Aware Sparsification and Adaptive Weight Allocation

CABS+：基于冲突感知稀疏化与自适应权重分配的高效可扩展模型融合方法

Yuchen Liu, Zongzhen Yang, Binhang Qi, Hailong Sun, Xiang Gao

机构 * Beihang University（北京航空航天大学） ； Hangzhou Innovation Institute of Beihang University（北京航空航天大学杭州创新研究院） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 CABS+通过自适应权重分配与非对称适应度函数优化模型融合，在多类模型与数据集上，较先进方法提升性能、降低内存消耗并加速融合，验证了其有效性与效率。

Recursive Synthesis for Long-Horizon Terminal Tasks

长视界终端任务的递归合成

Zhongzhi Li, Yucheng Shi, Zongxia Li, Ruhan Wang, Anhao Li, Zixun Huang, Junyao Yang, Lei Ke, Ninghao Liu, Haitao Mi, Leowei Liang

机构 * Tencent HY LLM Frontier（腾讯HY大模型前沿团队） ； University of Georgia（佐治亚大学） ； University of Maryland, College Park（马里兰大学帕克分校） ； University of Pennsylvania（宾夕法尼亚大学） ； University of Minnesota, Twin Cities（明尼苏达大学双城分校） ； Indiana University（印第安纳大学） ； National University of Singapore（新加坡国立大学） ； Hong Kong Polytechnic University（香港理工大学） 纠错

AI总结 本文提出RST递归合成框架，低成本规模化生成3.7万余个长视界终端任务，经微调或PPO优化后，多款Qwen模型在多个终端基准任务上性能显著提升，且递归过程无明显上限。

Finite-Time Minimax Bounds and an Optimal Lyapunov Policy in Queueing Control

有限时间最坏界与队列控制中的最优Lyapunov策略

Yujie Liu, Vincent Y. F. Tan, Yunbei Xu

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

AI总结 本文提出了一种基于Lyapunov的调度策略LyapOpt，在有限时间内实现最优性能，同时揭示了经典MaxWeight策略的局限性。