高校专区
配对时正确，分离时错误：多模态大语言模型中模态特定神经元的解耦与编辑
机构 * School of Information Science and Engineering, Yunnan University（云南大学信息科学与工程学院） ； School of Software, Yunnan University（云南大学软件学院） ； National University of Singapore（新加坡国立大学） ； School of Engineering, Yunnan University（云南大学工程学院）
AI总结 针对多模态大语言模型知识编辑中存在的解耦失败问题，提出DECODE方法，通过显式解耦和定位模态特定神经元组，实现跨模态触发下的有效知识更新。
Comments 18 pages, 11 figures
最后但同样重要：用于多模态KV缓存压缩的边界注意力校准
机构 * KAIST（韩国科学技术院） ； Zhejiang Laboratory（之江实验室） ； The Chinese University of Hong Kong（香港中文大学） ； National University of Singapore（新加坡国立大学）
AI总结 针对多模态大语言模型长视觉上下文中KV缓存压缩导致关键证据丢失的问题，提出BACON方法，通过校准观察窗口注意力与最后查询注意力，并利用层内一致性和层间持久性抑制噪声，在激进压缩下平均提升7.5%性能。
从盾牌到靶心：针对基于LLM的智能体护栏的拒绝服务攻击
机构 * National University of Singapore（新加坡国立大学） ； University of Science and Technology of China（中国科学技术大学）
AI总结 本文揭示基于LLM的护栏易受拒绝服务攻击，通过束搜索优化框架和机制感知结构变异生成恶意负载，导致令牌放大13-63倍、延迟放大148倍，威胁系统可用性。
CAPED：面向移动GUI代理的上下文感知隐私暴露防御
机构 * National University of Singapore（新加坡国立大学） ； University of Science and Technology of China（中国科学技术大学）
AI总结 针对移动GUI代理截图上传导致的附带视觉隐私暴露问题，提出上下文感知的预上传暴露控制层CAPED，通过任务需求提取、屏幕上下文隐私先验和UI元素解析，选择性暴露任务所需内容，在保持高任务效用的同时显著降低隐私泄露。
OmniSapiens: 一种通过异质性感知相对策略优化进行社会行为处理的基础模型
机构 * Massachusetts Institute of Technology（麻省理工学院） ； National University of Singapore（新加坡国立大学） ； Nanyang Technological University（南洋理工大学） ； Prince Sattam bin Abdulaziz University（普森·萨塔姆·本·阿卜杜勒阿齐兹大学） ； University of Rochester（罗切斯特大学）
AI总结 针对行为数据异质性导致的训练不平衡问题，提出Omnisapiens-7B 2.0基础模型，采用异质性感知相对策略优化（HARPO）方法，在10个行为任务和5个零样本泛化基准上取得最佳性能。
Comments Accepted to ICML 2026 Main Conference
代理世界建模：基础、能力、定律及更远
机构 * Hong Kong University of Science and Technology（香港科学与技术大学） ； National University of Singapore（新加坡国立大学） ； University of Oxford（牛津大学） ； Nanyang Technological University（南洋理工大学） ； Chinese University of Hong Kong（香港中文大学） ； University of Hong Kong（香港大学） ； University of Washington（华盛顿大学） ； University of Tokyo（东京大学） ； Carnegie Mellon University（卡内基梅隆大学） ； University of California, Berkeley（加州大学伯克利分校） ； University of Cambridge（剑桥大学） ； Singapore University of Technology and Design（新加坡科技设计大学） ； Singapore Management University（新加坡管理学院） ； XGEN Labs（XGEN实验室）
AI总结 本文提出'层次x定律'分类法，定义三个能力层级和四个约束领域，综合400余篇文献总结100余系统，分析方法、失败模式和评估实践，提出决策导向的评估原则和可复现评估包，展望从被动预测到重塑环境的代理世界建模路径。
R1-SyntheticVL：生成模型的合成数据是否已为多模态大语言模型做好准备？
机构 * Hong Kong Polytechnic University（香港理工大学） ； Nanyang Technological University（南洋理工大学） ； Tsinghua University（清华大学） ； National University of Singapore（新加坡国立大学）
AI总结 提出集体对抗数据合成（CADS）方法，通过集体智能和对抗学习自动生成高质量、多样且具有挑战性的多模态数据，用于增强多模态大语言模型（MLLM）在复杂现实任务中的性能。
Comments ICML 2026 Camera Ready
面向服务计算的查询高效视频对抗攻击：带风格化标志
机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； School of Computing, National University of Singapore（新加坡国立大学计算机学院） ； Cybersecurity and Quantum Systems Group, CSIRO’s Data61（CSIRO Data61网络安全与量子系统小组） ； School of Science, Computing and Engineering Technologies, Swinburne University of Technology（斯威本科技大学科学、计算与工程技术学院） ； Faculty of Data Science, City University of Macau（澳门城市大学数据科学学院）
AI总结 提出一种黑盒视频攻击框架SLA，通过风格化标志和强化学习实现低预算、高逼真度的对抗样本生成，在目标攻击中优于现有方法。
Comments Accepted to IEEE Transactions on Dependable and Secure Computing (TDSC)
PhysGuard: 面向仿真到现实神经PDE代理的Fisher引导梯度投影
机构 * Faculty of Engineering and IT, University of Melbourne（墨尔本大学工程与信息技术学院） ； School of Computing, National University of Singapore（新加坡国立大学计算机学院） ； Artificial Intelligence Research Institute, IFLYTEK Co., Ltd.（科大讯飞股份有限公司人工智能研究院）
AI总结 针对神经算子模型从仿真到现实迁移时的精度下降问题，提出PhysGuard框架，利用仿真数据的Fisher信息矩阵保护物理关键参数，限制微调更新方向，在严重域偏移下将低频误差降低32%。
Tool-IQA: 利用简单工具增强图像质量评估
机构 * National University of Singapore（新加坡国立大学） ； OPPO Research Institute（OPPO研究院） ； Nanyang Technical University（南洋理工大学） ； Duke University（杜克大学） ； City University of Hong Kong（香港城市大学） ； The Hong Kong Polytechnic University（香港理工大学）
AI总结 提出Tool-IQA，通过为视觉语言模型配备放大镜和伽马校正器等简单工具，将被动评分转变为工具增强的工作流程，显著提升图像质量评估性能。
基于课程回合级指导的在线策略蒸馏用于多轮智能体
机构 * Foundation Model Research Center, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所基础模型研究中心） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； Large Language Model Department, Tencent（腾讯大语言模型部） ； University of Science and Technology of China（中国科学技术大学） ； Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学） ； Wuhan AI Research（武汉人工智能研究院）
AI总结 针对多轮智能体在线策略蒸馏中错误累积导致教师监督失效的问题，提出混合教师和学生生成回合的Guided-OPD算法，通过课程式衰减教师干预概率，在ALFWorld等任务上平均提升21.1%得分和25.5%成功率。
深度残差注入：多模态大语言模型的全频谱取证信号感知
机构 * National University of Singapore（新加坡国立大学） ； Tsinghua University（清华大学） ； University of Science and Technology of China（中国科学技术大学） ； University of Electronic Science and Technology of China（电子科技大学） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 针对多模态大语言模型在取证中难以同时保留语义知识和捕获低级生成器伪影的问题，提出Deep-VRM方法，通过将伪影特定视觉信号作为残差路径注入中间层，实现全频谱信号感知，达到鲁棒检测性能。
Comments Accepted at ICML 2026
FlashNav：20秒内实现超快速机器人导航策略训练
机构 * Eastern Institute of Technology, Ningbo（宁波东方理工大学） ； The Hong Kong Polytechnic University（香港理工大学） ； National University of Singapore（新加坡国立大学） ； University of Science and Technology of China（中国科学技术大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 提出FlashNav框架，通过GPU加速和MDP对齐实现20秒内训练可部署的导航策略，在TurtleBot2和Unitree Go2上验证成功。
Comments 15 pages, 4 figures
Schattor：用于深度学习优化的Schatten族方法
机构 * School of Data Science, The Chinese University of Hong Kong (Shenzhen)（香港中文大学（深圳）数据科学学院） ； 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 Mathematics, Linköping University（利乌波德大学数学系）
AI总结 提出基于Schatten范数的自适应一阶方法族Schattor，统一SGD与Muon，通过矩阵鞅矩界实现无维数平稳性保证，并开发多块扩展以自适应平衡块优化。
Comments 32 pages
单轮与多轮指令式图像编辑的广泛基准
机构 * Key Laboratory of Multimedia Trusted Perception and Efficient Computing, Ministry of Education of China, Xiamen University（厦门大学多媒体可信感知与高效计算教育部重点实验室） ； National University of Singapore（新加坡国立大学）
AI总结 提出I2EBench2.0基准，通过16个单轮和7个多轮维度评估指令式图像编辑模型，结合用户研究确保与人类判断一致，并基于八种模型分析提供研究指导。
Comments Accepted by International Journal of Computer Vision (IJCV), 2026
机器人作为令牌：面向协调多机器人轨迹生成的统一扩散Transformer
机构 * Nanyang Technological University（南洋理工大学） ； Agency for Science, Technology and Research（新加坡科技研究局） ； National University of Singapore（新加坡国立大学）
AI总结 提出Roken框架，将每个机器人表示为离散令牌，通过扩散Transformer直接生成满足安全和连通性约束的多机器人轨迹，无需迭代后处理。
Comments 23 pages, 13 figures; \textbf{Project page:} \href{https://bairuofei.github.io/roken-project-page/}{\texttt{bairuofei.github.io/roken-project-page}}
高维随机投影用于语言模型中的激活引导
机构 * Hanoi University of Science and Technology（河内科技大学） ； National University of Singapore（新加坡国立大学）
AI总结 针对现有激活引导方法仅捕捉均值差异的局限，提出无训练的高维随机投影激活引导方法（HiDRA），通过在投影高维空间中进行激活加法，捕获非线性特征子空间中的判别信号，实验证明其优于基线方法。
公平与效率：多语言大语言模型分词器的实证研究
机构 * National University of Singapore（新加坡国立大学） ； Carnegie Mellon University（卡内基梅隆大学） ； SAP
AI总结 本文系统比较了11种东南亚语言上的公平分词器，发现Parity-aware BPE在效率与公平的权衡中处于帕累托前沿，而Morphology-Driven Byte Encoding在语义推理上表现最佳。
MatchLM2Lite: 一种可扩展的MLLM-to-Lite框架用于重复内容识别
机构 * Tiktok（字节跳动） ； National University of Singapore School of Computing（新加坡国立大学计算机学院）
AI总结 提出MatchLM2Lite框架，通过将多模态大语言模型蒸馏为轻量模型，实现视频、音频和文本联合建模的实时重复内容识别，在降低35倍计算成本的同时保持高准确率，并成功部署于大规模生产环境。
视觉编码器作为隐私边界：无编码器视觉-语言模型中的视觉令牌侧信道
机构 * School of Engineering, Institute of Science Tokyo（东京科学大学工学院） ； College of Control Science and Engineering, Zhejiang University（浙江大学控制科学与工程学院） ； 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）
AI总结 研究无编码器视觉-语言模型中视觉令牌侧信道导致的隐私泄露问题，通过解码器攻击从中间视觉令牌恢复图像和文本，发现空间采样保真度是关键因素，并指出KV缓存也存在泄露风险。
GroupToM-Bench: 多模态大语言模型中群体心智理论和非线性社会涌现的基准测试
机构 * Xidian University（西安电子科技大学） ； National University of Singapore（新加坡国立大学） ； University of Electronic Science and Technology of China（电子科技大学） ； University of Science and Technology of China（中国科学技术大学）
AI总结 针对多模态大语言模型在群体心智理论推理上的不足，提出GroupToM-Bench基准，通过七级认知审计框架评估模型从微观BDI状态到宏观结果预测的因果链，揭示模型在处理社会结构和非线性集体动态上的缺陷。
Comments ACL 2026 (Main Conference)
E-mem：基于多智能体的事件上下文重建用于LLM智能体记忆
机构 * National University of Singapore（新加坡国立大学） ； Tsinghua University（清华大学）
AI总结 E-mem通过多智能体协同重建事件上下文，提升LLM在长时序任务中的推理能力，实现54%的F1分数，优于现有方法7.75%，并降低70%的token成本。
Comments This paper has been accepted by ICML 2026. If you find our project helpful, please consider giving it a star: https://github.com/dog-last/E-mem
红队代理执行上下文：OpenClaw上的开放世界安全评估
机构 * National University of Singapore（新加坡国立大学）
AI总结 本文提出DeepTrap框架，通过黑盒轨迹优化发现OpenClaw中的上下文漏洞，展示上下文妥协可引发安全风险，强调需执行中心的安全评估。
Comments Accepted to ICML 2026 Workshop
StyleShield: 通过连续可控风格迁移揭示AIGC检测器的脆弱性
机构 * National University of Singapore（新加坡国立大学）
AI总结 提出StyleShield，一种基于流匹配的条件文本风格迁移框架，通过连续控制风格迁移强度，在保持语义相似度的同时实现高规避率，并引入RateAudit算法质疑基于分数的检测可靠性。
Comments 12 pages, 5 figures. Code and model weights will be released upon acceptance
新时代的视觉生成：从原子映射到智能世界建模的演进
机构 * Tsinghua University（清华大学） ； Nanyang Technological University（南洋理工大学） ； University of Hong Kong（香港大学） ； National University of Singapore（新加坡国立大学） ； University of Waterloo（滑铁卢大学） ； StepFun ； MiroMind ； Baidu（百度） ； Fudan University（复旦大学） ； Hong Kong University of Science and Technology（香港科技大学） ； Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； LMMs-Lab（LMMs实验室）
AI总结 提出五级分类法（原子生成、条件生成、上下文生成、智能生成、世界建模生成），分析流匹配、统一理解与生成模型等关键技术，并指出现有评估高估感知质量而忽视结构、时序和因果缺陷。
Comments Project Page: https://github.com/EvolvingLMMs-Lab/Evolving-Visual-Generation
MSpoofTTS：用于离散语音合成的多分辨率欺骗引导推理
机构 * School of Computing, National University of Singapore（新加坡国立大学计算机学院） ； Department of Statistics & Data Science, National University of Singapore（新加坡国立大学统计与数据科学系）
AI总结 提出MSpoof-TTS框架，通过多分辨率欺骗检测和分层解码策略，无需重新训练即可提升神经编解码语言模型的零样本语音合成质量。
Comments 7 pages, 3 figures, 3 tables, 2 algorithms. Accepted to Interspeech 2026
LaST$_{0}$：面向机器人视觉-语言-动作模型的潜在时空思维链
机构 * National University of Singapore（新加坡国立大学） ； University of Science and Technology of China（中国科学技术大学）
AI总结 提出LaST$_0$框架，通过潜在时空思维链在隐空间进行高效推理，避免显式推理的延迟和语言瓶颈，在10个真实世界任务中平均成功率提升13%-14%。
Comments Project page: https://vla-last0.github.io/
通过文字看道路：一种语言引导的RGB-T驾驶场景分割框架
机构 * National University of Singapore（新加坡国立大学） ； University of Technology Sydney（悉尼科技大学）
AI总结 提出CLARITY框架，利用视觉语言模型先验动态调整RGB-T融合策略，并引入暗目标语义保留和层次化解码器，在MFNet数据集上达到62.3% mIoU和77.5% mAcc的新SOTA。
SAMTok: 用两个词表示任意掩码
机构 * Wuhan University（武汉大学） ； ByteDance（字节跳动） ； NUS（新加坡国立大学）
AI总结 提出离散掩码分词器SAMTok，将区域掩码转化为两个特殊标记，通过标准下一标记预测和简单强化学习使基础多模态大模型获得像素级能力，在多项任务上达到最先进水平。
Comments CVPR 2026 Highlight
AC-ODM: 面向样本高效LLM预训练的演员-评论家在线数据混合
机构 * National University of Singapore（新加坡国立大学） ； University of Science and Technology of China（中国科学技术大学）
AI总结 提出AC-ODM方法，从强化学习视角优化预训练数据混合，通过参数化策略实现梯度构造性干扰最大化，支持代理与非代理两种模式，显著提升收敛速度和下游任务准确率。
Comments ICML 2026 (Poster)
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