高校专区
MipSLAM：无混叠高斯泼溅SLAM
机构 * State Key Laboratory of Robotics and Systems (HIT), Harbin Institute of Technology（机器人系统国家重点实验室（哈工大）） ； Yangtze River Delta HlT Robot Technology Research Institute（长江三角洲HLT机器人技术研究院） ； Department of Computer Science, National University of Singapore（新加坡国立大学计算机科学系）
AI总结 提出MipSLAM框架，通过椭圆自适应抗混叠算法和频谱感知位姿图优化，实现高保真抗混叠新视角合成与鲁棒位姿估计。
Comments Accepted to ICRA 2026
安全幻象：虚假相关性如何破坏VLM安全微调及通过机器遗忘缓解
机构 * Michigan State University（密歇根州立大学） ； National University of Singapore（新加坡国立大学） ； Cisco Research（思科研究）
AI总结 本文发现视觉语言模型（VLM）的安全微调存在“安全幻象”，即虚假相关性导致脆弱性，并提出机器遗忘作为替代方案，显著降低攻击成功率和不必要拒绝。
Comments Accepted to ICLR 2026
通过Logits凸性稳定策略优化
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） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 针对强化学习训练不稳定的问题，从梯度角度分析监督微调与强化学习的稳定性差距，提出Logits凸优化（LCO）框架，通过模拟logits级凸性来稳定策略优化，实验表明该方法能提升训练稳定性并在多个基准上优于传统方法。
处理胸部X光分类中的监督稀缺性：长尾与零样本学习
机构 * University of Technology, Vietnam（越南技术大学） ； National University of Singapore（新加坡国立大学） ； University of California, San Diego（加州大学圣地亚哥分校） ； University of Texas at Austin（德克萨斯大学奥斯汀分校）
AI总结 针对胸部X光分类中极端长尾多标签分布和罕见/未见发现缺失标注的问题，提出不平衡感知多标签学习（任务1）和无需监督标签的零样本预测方法（任务2），在CXR-LT 2026挑战赛中取得领先性能。
Journal ref 2026 IEEE 23rd International Symposium on Biomedical Imaging (ISBI)
超越模型库检索：编织知识以掌握细粒度神经网络设计
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）
AI总结 提出M-DESIGN框架，通过构建编辑效应证据图并采用自适应检索与预测任务规划器，在严格预算下高效发现近最优细粒度架构修改路径，在33个案例中26个达到搜索空间最佳性能。
Comments Accepted at ICML 2026. Title changed from "Beyond Model Base Selection: Weaving Knowledge to Master Fine-grained Neural Network Design" to "Beyond Model Base Retrieval: Weaving Knowledge to Master Fine-grained Neural Network Design"
大语言模型中通过神经元级编辑的可控价值对齐
机构 * National University of Singapore（新加坡国立大学） ； Hefei University of Technology（合肥工业大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； ST Engineering Ltd.（ST工程有限公司）
AI总结 提出NeVA框架，通过识别稀疏价值相关神经元并进行推理时激活编辑，实现细粒度可控价值对齐，减少价值泄漏并保持通用能力。
Vegas: 验证引导稀疏注意力的自推测解码
机构 * National University of Singapore（新加坡国立大学）
AI总结 提出Vegas方法，利用验证过程自然识别关键KV缓存条目，并仅对这些条目进行稀疏注意力计算，从而提升自推测解码的吞吐量。
Comments Accepted to ICML'26
ADRA-Bank：面向学术深度研究智能体的模块化基准
机构 * The Chinese University of Hong Kong, Hong Kong SAR, China（香港中文大学） ； Hong Kong Polytechnic University, Hong Kong SAR, China（香港理工大学） ； National University of Singapore, Singapore, Singapore（新加坡国立大学） ； Huawei Technologies, Hong Kong SAR, China（华为技术有限公司） ； Independent（独立）
AI总结 针对现有基准侧重检索而忽视规划与推理、且缺乏学术领域覆盖的问题，提出ADRA-Bank模块化基准，包含10个学术领域的200个人工标注实例，并设计ADRA-Eval评估范式，通过端到端和隔离评估两种模式测试规划、检索和推理能力，揭示智能体在跨源检索和跨领域一致性上的不足，并指出提升高层规划能力是释放基础LLM推理潜力的关键。
MINES：通过Web API不变式推断实现可解释的异常检测
机构 * National University of Singapore（国立新加坡大学） ； Shanghai Jiao Tong University（上海交通大学） ； Singapore Management University（新加坡管理学院） ； GovTech Singapore（新加坡政府科技局） ； Chongqing University（重庆大学）
AI总结 提出MINES方法，通过从模式级别推断可解释的API不变式来检测Web应用异常，显著降低误报率并提高召回率。
Comments Accepted by ICSE 2026
ToMAP: 利用心智理论训练对手感知的大语言模型说服者
机构 * National University of Singapore（新加坡国立大学）
AI总结 提出ToMAP方法，通过两个心智理论模块增强大语言模型对对手心理状态的感知与分析，结合强化学习生成更有效、多样化的说服性论据，在3B参数下超越GPT-4o等大模型。
DPsurv: 双原型证据融合用于不确定性感知和可解释的全切片图像生存预测
机构 * National University of Singapore ； National University of Singapore Guangzhou Research Translation ； Innovation Institute ； Imperial College London ； Peking Union Medical College Hospital, Chinese Academy of Medical Sciences \& Peking Union Medical College ； Hunan University ； Institute of High Performance Computing, Agency for Science, Technology ； Research (A STAR)
AI总结 提出DPsurv双原型证据融合网络，通过不确定性感知的生存区间预测和基于补丁原型分配图、组件原型及组件级相对风险聚合的可解释性，在五个公开数据集上取得最佳一致性指数和积分Brier分数。
偏好感知的评分标准学习用于个性化评估
机构 * National University of Singapore（新加坡国立大学） ； Xiaohongshu Inc.（小红书公司） ； The University of Tokyo（东京大学）
AI总结 提出PARL框架，通过从用户历史中学习偏好感知的评估标准并采用自验证机制，实现个性化评估。
LinTree: 通过显式结构化搜索历史提升LLM推理能力
机构 * National University of Singapore（新加坡国立大学） ； University of Oxford（牛津大学）
AI总结 针对LLM推理中隐式搜索树导致性能不佳的问题，提出LinTree方法，通过添加父指针显式表示线性化树结构，在Blocks World、网格导航和Sokoban任务中提升了任务性能和搜索效率。
Comments 16 pages, 3 figures
mRNAutilus：多目标引导的mRNA离散生成与优化治疗特性
机构 * Atom Bioworks Inc.（Atom Bioworks公司） ； Department of Computer and Information Science University of Pennsylvania（宾夕法尼亚大学计算机与信息科学系） ； Department of Bioengineering University of Pennsylvania（宾夕法尼亚大学生物工程系） ； Center of Computational Biology Duke-NUS Medical School（杜克-新加坡国立大学医学学院计算生物学中心） ； GenScript USA Inc.（GenScript美国公司）
AI总结 提出mRNAutilus框架，结合掩码离散扩散模型和蒙特卡洛树引导，实现同时优化密码子和从头设计UTR，生成多目标帕累托最优的完整mRNA序列，在多个靶标上显著提升表达和稳定性。
NTR：端到端驾驶中场景令牌瓶颈的神经令牌重建
机构 * National University of Singapore（新加坡国立大学） ； Black Sesame Technologies（黑 sesame 技术公司）
AI总结 针对端到端驾驶中场景令牌瓶颈缺乏视觉监督的问题，提出神经令牌重建（NTR）框架，通过自蒸馏掩码潜在重建约束场景令牌保留更丰富的视觉表示，实现最先进的驾驶性能。
具有1比特通信约束的批量随机线性赌博机
机构 * National University of Singapore（新加坡国立大学） ； University of Washington（华盛顿大学）
AI总结 研究在批量大小B和每批仅1比特反馈的通信约束下，随机线性赌博机的遗憾最小化问题，提出了两种基于G-最优设计和1比特均值估计的相位消除算法，实现了接近无约束线性赌博机的最优遗憾。
用于3D CT重建、增强和生成的基础VAE
机构 * Department of Computer Science, Johns Hopkins University（约翰霍普金斯大学计算机科学系） ； Duke-NUS Medical School（duke-nus 医学院） ； Microsoft Research（微软研究院）
AI总结 本文发现，在自然图像上预训练的基础VAE可直接用于CT重建、增强和生成，无需训练或微调，通过冻结编解码器实现解剖结构保留和噪声抑制，并在分割和生成任务上取得显著提升。
Comments ICML 2026 Accepted
面向深度研究的规划器中心强化学习与结构感知奖励
机构 * National University of Singapore（新加坡国立大学）
AI总结 提出DecomposeR框架，通过将研究计划表示为有向无环图（DAG）并采用两阶段强化学习（规划器RL和回答器RL），实现显式结构化规划与细粒度奖励分配，在长文本基准上提升5.1-8.0分。
GaMi: 通过跨模态减法解缠实现几何无关的材料识别
机构 * National University of Singapore（新加坡国立大学） ； Shanghai Jiao Tong University（上海交通大学） ； Northwestern Polytechnical University（西北工业大学）
AI总结 提出GaMi系统，利用毫米波和声学传感的跨模态减法解缠框架，在不受约束的几何条件下实现高精度材料识别。
Comments 17 pages, 18 figures
学习置换不变的宏观动力学
机构 * Institute for Functional Intelligent Materials, National University of Singapore（功能智能材料研究所，新加坡国立大学） ； Department of Mathematics, National University of Singapore（数学系，新加坡国立大学）
AI总结 提出一种置换不变的自编码器框架，通过重建质量分布而非逐点重建来学习无序微观系统的宏观动力学，并在粒子系统、Lennard-Jones流体和聚合物拉伸动力学中验证了有效性。
Comments ICML 2026 submission
SANA-Streaming: 基于混合扩散Transformer的实时流式视频编辑
机构 * NVIDIA ； MIT（麻省理工学院） ； THU（清华大学） ； NUS（新加坡国立大学） ； HKU（香港大学）
AI总结 提出系统-算法协同设计的SANA-Streaming框架，通过混合扩散Transformer架构、循环反向正则化训练策略和高效系统协同设计，在消费级GPU上实现高分辨率实时流式视频编辑，达到1280×704分辨率24 FPS的端到端性能。
蒸馏博弈：自适应攻击与高效防御
机构 * Stanford University（斯坦福大学） ； Toyota Technological Institute at Chicago（芝加哥丰田技术研究所） ； National University of Singapore（新加坡国立大学）
AI总结 通过最小化博弈框架研究蒸馏攻击中模型提供者的部署权衡，提出自适应评估规则和产品专家（PoE）防御方法，实验表明自适应学生能恢复更多能力，且PoE在成本和质量上具有优势。
在线学习延迟决策与变化专家
机构 * School of Computing, National University of Singapore（新加坡国立大学计算机学院） ； Fédération ENAC ISAE-SUPAERO ONERA, Université de Toulouse, France（法国图卢兹大学ENAC ISAE-SUPAERO ONERA联合体） ； Institute for Infocomm Research, A*STAR , Singapore（新加坡A*STAR信息通信研究所） ； IPAL, IRL 2955, Singapore（新加坡IPAL实验室） ； Department of Mathematics, National University of Singapore（新加坡国立大学数学系）
AI总结 针对动态专家池和流式数据，提出首个在线学习延迟决策算法，利用H-一致性界和在线凸优化实现遗憾界保证。
超越增强动作代理的多专家学习延迟决策
机构 * School of Computing（计算学院） ； Fédération ENAC（ENAC联合会） ； ISAE-SUPAERO ； ONERA ； National University of Singapore（新加坡国立大学） ； Université de Toulouse（图卢兹大学） ； Agency for Science, Technology and Research（科技研究局） ； Institute for Infocomm Research（信息通信研究所）
AI总结 针对多专家学习延迟决策问题，提出一种解耦代理损失函数，通过独立sigmoid头与softmax分类器头分离优化，解决了现有方法中的优化病理问题，并首次给出不随专家数量增长的校准常数界。
基于专家条件建议的学习-延迟决策
机构 * School of Computing（计算学院） ； Département de Mathématiques（数学系） ； National University of Singapore（新加坡国立大学） ； Sorbonne University（索邦大学） ； Fédération ENAC（ENAC联合会） ； ISAE-SUPAERO ； ONERA ； Agency for Science, Technology and Research（科技研究局） ； Université de Toulouse（图卢兹大学） ； Institute for Infocomm Research（信息与通信研究所）
AI总结 研究在决策时可为专家提供额外信息（建议）的延迟学习问题，提出一种在复合专家-建议动作空间上的增广替代损失，并证明其一致性保证和最优策略恢复能力。
单阶段学习委托中的对抗鲁棒性
机构 * School of Computing, National University of Singapore（新加坡国立大学计算机学院） ； Fédération ENAC ISAE-SUPAERO ONERA, Université de Toulouse, France（法国图卢兹大学ENAC ISAE-SUPAERO ONERA联合体） ； Institute for Infocomm Research, A*STAR , Singapore（新加坡星展研究所） ； IPAL, IRL 2955, Singapore（新加坡IPAL实验室）
AI总结 针对单阶段学习委托（L2D）中预测器与分配器联合训练的场景，提出首个对抗鲁棒性框架，通过形式化攻击、设计成本敏感的对抗替代损失并建立理论保证（包括H、R/F和贝叶斯一致性），在基准数据集上验证了方法在保持干净性能的同时提升了对无目标和有目标攻击的鲁棒性。
通过切换状态空间模型在非平稳时间序列中的学习-延迟决策
机构 * School of Computing（计算机科学学院） ； National University of Singapore（新加坡国立大学） ； Institute for Infocomm Research（信息通信研究所） ； ISAE-SUPAERO ； ONERA ； A*STAR, Singapore（新加坡A*STAR）
AI总结 提出L2D-SLDS框架，利用因子化切换线性高斯状态空间模型处理非平稳流式数据，通过共享因子持续更新未查询专家的信念，并设计学习感知查询分数平衡即时成本与信息增益，实现在线学习-延迟决策。
FML-bench：从搜索动力学视角对AI研究代理策略的受控研究
机构 * National University of Singapore（国立新加坡大学） ； Tsinghua University（清华大学） ； University of Minnesota（明尼苏达大学） ； Weco ； Meta
AI总结 本文提出FML-Bench基准，通过分离策略与基础设施并定义过程级指标，评估六种代理策略，发现贪婪爬山法接近最优树搜索，且自适应策略基于搜索密度切换可超越其他代理。
Comments Our benchmark is available at: https://github.com/qrzou/FML-bench
HypoSpace: 欠定性与次线性覆盖边界下集合值假设生成的诊断基准
机构 * National University of Singapore（国立新加坡大学） ； College of Computing（计算学院） ； Data Science（数据科学） ； Nanyang Technological University（南洋理工大学） ； Centre for Frontier AI Research (CFAR)（前沿人工智能研究中心 (CFAR)） ； Agency for Science, Technology and Research（科技研究局） ； Meta Superintelligence Labs（Meta超智能实验室）
AI总结 提出HypoSpace基准，通过三个结构化领域评估大语言模型在欠定假设空间中的采样能力，发现模型在高有效性下存在覆盖失败，并展示分层解码可部分缓解该问题。
SignScene: 用于无地图导航的视觉标志接地
机构 * Smart Systems Institute, National University of Singapore, 3 Research Link, 117602, Singapore.（新加坡国立大学智能系统研究所） ； School of Computing, National University of Singapore, 13 Computing Drive, 117417, Singapore.（新加坡国立大学计算机学院）
AI总结 提出SignScene，一种以标志为中心的空间语义表示方法，利用视觉语言模型将标志的语义指令与场景元素和导航动作对应，实现无地图导航，在114个查询中达到88%的接地准确率。
Comments Under review for a conference
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