高校专区
终端约束模型预测控制用于基于图像的视觉伺服控制无人机的卡尔曼滤波基于矩损失补偿
机构 * College of Design and Engineering, National University of Singapore（设计与工程学院，新加坡国立大学）
AI总结 本文提出了一种终端约束模型预测控制（TC-MPC）框架，结合卡尔曼滤波机制，用于解决基于图像的视觉伺服控制中因输入和状态约束导致的闭环稳定性丧失和因运动剧烈导致的矩特征丢失问题。
迈向具有空间定位病变证据的临床可解释性眼科VQA
机构 * Department of Computer Science and Engineering, Southern University of Science and Technology（南方科技大学计算机科学与工程系） ； The Hong Kong Polytechnic University（香港理工大学） ； National University of Singapore（新加坡国立大学） ； University of Washington（华盛顿大学） ； Institute of High Performance Computing, Agency for Science, Technology and Research（科技研究局高性能计算研究所）
AI总结 本文提出FundusGround基准，通过空间定位病变证据提升眼科VQA的临床可解释性，通过三阶段流程收集标注病变的视网膜影像，并评估多种视觉语言模型在答案准确性和病变层面推理上的表现。
统一的数据选择用于LLM推理
机构 * University of Science and Technology of China（中国科学技术大学） ； Alibaba Group（阿里巴巴集团） ； National University of Singapore（新加坡国立大学）
AI总结 本文提出了一种无需训练的高熵和（HES）指标，用于评估和选择高质量的推理样本，通过在三种主流训练范式（监督微调、拒绝微调和强化学习）中验证，证明了其在提高LLM推理性能和减少计算开销方面的有效性。
Comments Under Review
EmoTrack: 从咨询记录中跨会话制度实现稳健的抑郁跟踪
机构 * Department of Computer Science National University of Singapore（新加坡国立大学计算机科学系）
AI总结 本文研究了从单次会话和多会话制度中通过咨询记录进行稳健抑郁跟踪的问题，提出了LongCounsel多会话咨询数据集和EmoTrack框架，结合LLM提取的临床信号和冻结的轮次级语义嵌入，训练症状特定预测器，并通过紧凑的跨会话记忆进一步结合先前会话，实验表明在真实单次会话基准上表现优异。
MuKV：多粒度KV缓存压缩用于长流视频问答
机构 * University of Science and Technology of China（中国科学技术大学） ； National University of Singapore（新加坡国立大学）
AI总结 本文提出MuKV，一种多粒度KV缓存压缩方法，通过半分层检索方法提升长流视频问答的效率和准确性，实验表明其在答案准确率、内存使用和在线问答效率方面均优于基线方法。
Comments To appear at CVPR'26. Code is available at https://github.com/IMBALDY/MuKV
带梯度预测自适应的带状凸优化
机构 * Department of Mathematics, National University of Singapore, Singapore（新加坡国立大学数学系） ； Department of Computer Science and Engineering, Indian Institute of Technology Delhi, India（印度理工学院德里分校计算机科学与工程系） ； Department of Electrical and Computer Engineering, National University of Singapore, Singapore（新加坡国立大学电子与计算机工程系）
AI总结 本文研究了在预测自适应方式下，乐观梯度预测能否改进最坏情况下的后悔保证。提出了一种双点反馈设置下的两种点方差减少乐观梯度下降算法，该算法的梯度估计器方差与预测误差相关，从而得到O(√(dE[S_T]))的后悔界，并建立了信息论下界，证明了该算法在预测自适应后悔上的最优性。
一句话，一出戏剧：通过多智能体系统实现个性化短剧生成
机构 * MedVisAI Lab, Lee Kong Chian School of Medicine, Nanyang Technological University（MedVisAI实验室，李光前医学院，南洋理工大学） ； National University of Singapore（新加坡国立大学） ； Beijing Institute of Technology（北京理工大学） ； Tsinghua University（清华大学） ； University of Electronic Science and Technology of China（电子科技大学） ； Guangming Laboratory（光明实验室）
AI总结 本文提出了一种多智能体框架，通过结构化中间模块和迭代优化，将用户的单句想法转化为完整短剧，解决了短剧生成中的叙事节奏、空间一致性及生产质量控制问题。
学习预见：揭示在线蒸馏的解锁效率
机构 * USTC（中国科学技术大学） ； Tencent（腾讯） ； NUS（新加坡国立大学） ； HKUST(GZ)（香港科技大学（广州）） ； UCAS-IIE（中国科学技术大学国际交流学院） ； SHU（上海大学）
AI总结 本文研究了在线蒸馏（OPD）的效率来源，提出EffOPD方法通过适应性选择 extrapolation 步长和沿当前更新方向移动来加速OPD，实现了3倍的训练加速同时保持最终性能。
SPIRAL：通过反思规划代理实现自演化动作条件视频生成
机构 * Zhejiang University（浙江大学） ； KnowledgeXLab at Shanghai AI Lab（上海人工智能实验室知识X实验室） ； National University of Singapore（新加坡国立大学） ； Chinese Academy of Sciences（中国科学院） ； Tencent Youtu Lab（腾讯优设实验室） ； Nanyang Technological University（南洋理工大学） ； Wuhan University（武汉大学）
AI总结 本文提出SPIRAL框架，通过反思规划代理实现长时域动作条件视频生成，解决传统方法在长时间视频生成中的不足，通过闭环设计和自演化机制提升视频生成的一致性和准确性。
Comments 42 Pages, 21 Figures, Project page at https://yuyang-cloud.github.io/spiral
通过选择性几何控制重新审视LLM安全对齐的鲁棒性
机构 * National University of Singapore（新加坡国立大学） ； Hefei University of Technology（合肥工业大学） ； ST Engineering Ltd., Singapore（新加坡ST工程有限公司）
AI总结 本文通过优化几何视角重新审视LLM安全对齐的鲁棒性，提出ShaPO框架，通过选择性几何控制在对齐关键参数子空间上强制最坏对齐目标，提升安全鲁棒性。
RAGCap-Bench: 评估代理检索增强生成系统中LLM能力的基准测试
机构 * National University of Singapore（新加坡国立大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 本文提出RAGCap-Bench，用于评估代理检索增强生成系统中中间任务的细粒度能力，通过分析现有系统输出识别常见任务和核心能力，设计针对性评估问题，实验表明增强中间能力的模型能获得更好的整体性能。
MTR-Bench：多轮推理评估的综合性基准
机构 * University of Science and Technology of China（中国科学技术大学） ； Alibaba Group（阿里巴巴集团） ； National University of Singapore（新加坡国立大学）
AI总结 本文提出MTR-Bench，一个包含4类、40个任务和3600个实例的综合性基准，用于评估大型语言模型的多轮推理能力，通过自动化框架实现大规模评估，并揭示了当前先进推理模型在多轮交互任务中的不足。
Comments ACL 2026 Main Conference
Echo4DIR: 从2D超声视频重建4D隐式心脏结构
机构 * Department of Biomedical Engineering, National University of Singapore, Singapore（新加坡国立大学生物医学工程系） ； School of Information Science and Engineering, Yunnan University, Kunming, China（云南大学信息科学与工程学院）
AI总结 本文提出Echo4DIR框架，通过隐式重建方法从稀疏2D超声视频中重建4D心脏几何结构，解决了几何歧义和时间不连续性问题，实现了高精度的临床重叠度。
心肌梗死逆推推理的生理与解剖意识：用于心脏数字双胞胎
机构 * Shanghai Jiao Tong University, Shanghai, China（上海交通大学） ； National University of Singapore, Singapore（新加坡国立大学） ； Universitat Pompeu Fabra, Barcelona, Spain（庞培法华大学）
AI总结 本文提出了一种基于心脏数字双胞胎的非侵入性心肌梗死定位方法，通过整合运动成像和心电图，利用解剖和生理意识网络（PAA-Net）来更准确地推断心肌梗死区域的形态和位置，从而提高逆推推理的精度和可解释性。
Comments Early-accepted by MICCAI 2026. This version corresponds to the submitted version. The final version will be available on Springer Link
GA-VLN: 用于高效视觉-语言导航的几何感知鸟瞰图表示
机构 * State Key Laboratory of AI Safety, Institute of Computing Technology, Chinese Academy of Sciences（人工智能安全国家重点实验室，计算技术研究所，中国科学院） ； University of Chinese Academy of Sciences（中国科学院大学） ； Robbyant ； School of Computing, National University of Singapore（新加坡国立大学计算机学院） ； The Hong Kong University of Science and Technology（香港科技大学）
AI总结 本文提出GA-VLN框架，通过引入几何感知的鸟瞰图表示（GA-BEV），整合显式和隐式几何信息，提升视觉-语言导航的效率和性能，实验表明其在仅使用导航数据的情况下取得了最先进的结果。
从片段到轨迹：软件工程代理的特权过程监督
机构 * National University of Singapore（新加坡国立大学） ； Microsoft Research Asia（微软亚洲研究院） ； Shanghai Jiao Tong University（上海交通大学） ； King’s College London（伦敦国王学院）
AI总结 本文提出Patches-to-Trajectories (P2T)方法，通过利用开发者撰写的参考补丁来改进软件工程代理的训练过程，提高训练效果和效率。
双阶段多模态框架用于情感模仿强度预测
机构 * Augmented Human Lab, National University of Singapore, Singapore（新加坡国立大学增强人类实验室） ； University of Moratuwa, Sri Lanka（斯里兰卡穆拉图瓦大学）
AI总结 本文提出了一种双阶段多模态框架，用于从真实视频片段中预测六个连续情绪强度维度，通过结合文本、音频和视觉表示，并可选运动分支，提供了一个实用且可复现的基线。
Comments 10th Affective & Behavior Analysis in-the-wild, CVPR Workshop 2026
DASM：多领域语音流隐写分析中的领域感知锐度最小化
机构 * Department of Electrical and Computer Engineering, National University of Singapore（新加坡国立大学电子与计算机工程系） ； School of Cyberspace Security, Beijing University of Posts and Telecommunications（北京邮电大学网络空间安全学院） ； College of Communication Engineering, Jilin University（吉林大学通信工程学院）
AI总结 本文提出DASM，一种领域感知锐度最小化方法，通过结合领域监督对比学习和锐度感知优化，提升多领域语音流隐写分析的鲁棒性和泛化能力。
MeMo：记忆作为模型
机构 * Institute of Data Science, National University of Singapore（数据科学研究院，新加坡国立大学） ； Integrative Sciences and Engineering Programme, NUSGS（整合科学与工程计划，NUSGS） ； Agency for Science, Technology, Research (A*STAR)（科技研究局（A*STAR）） ； Department of Computer Science, National University of Singapore（计算机科学系，新加坡国立大学） ； University of Tokyo（东京大学） ； Liquid AI ； CSAIL, Massachusetts Institute of Technology（CSAIL，麻省理工学院） ； AI Singapore ； Singapore-MIT Alliance for Research and Technology Centre, Singapore（新加坡-麻省理工学院研究与技术中心，新加坡）
AI总结 本文提出MeMo框架，通过在不改变LLM参数的情况下将新知识编码到专用记忆模型中，解决了大型语言模型在需要及时领域特定信息的应用中的问题，同时具备处理复杂跨文档关系、抗检索噪声、避免灾难性遗忘、无需访问LLM权重或输出logits以及检索成本与语料库大小无关等优势。
Comments MeMo augments any LLM with up-to-date or domain-specific knowledge via a trained memory model, avoiding costly retraining, mitigating catastrophic forgetting, and remaining robust to retrieval noise
APEX：自主策略探索用于自演化大语言模型代理
机构 * National University of Singapore（新加坡国立大学） ； Beijing University of Posts and Telecommunications（北京邮电大学）
AI总结 本文提出APEX，一种用于自演化大语言模型代理的自主策略探索方法，通过构建和维护显式的策略空间来解决探索崩溃问题，并在多个基准测试中表现出色。
RePCM：区域特定和表型适应的双心室心脏运动合成
机构 * School of Biomedical Engineering, National University of Singapore, Singapore（新加坡国立大学生物医学工程学院） ； School of Automation, Southeast University, Nanjing, China（东南大学自动化学院） ； School of Computer Science and Technology, Nanjing University of Aeronautics and Astronautics, Nanjing, China（南京航空航天大学计算机科学与技术学院） ； School of Information Science and Engineering, Yunnan University, Kunming, China（云南大学信息科学与工程学院）
AI总结 本文提出RePCM方法，通过单帧双心室网格运动补全，利用区域特定和表型适应性来提升心脏运动合成的准确性，以应对心血管疾病导致的区域和疾病特异性差异。
Comments Early Accepted by MICCAI 2026. This is the author's submitted version. 10 pages, 3 figures
Q-ARVD: 对自回归视频扩散模型进行量化
机构 * National University of Singapore（新加坡国立大学） ； The Hong Kong Polytechnic University（香港理工大学）
AI总结 本文针对自回归视频扩散模型（ARVD）的量化问题，提出了一种新的框架Q-ARVD，解决了帧间量化敏感度不平衡和权重中异质性异常模式的问题，从而提高了模型效率。
Comments Code: https://github.com/tsa18/Q-ARVD
DrawMotion: 通过自由手绘生成3D人体动作
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； University of Science and Technology of China（中国科学技术大学） ； NLP Lab, School of Computer Science and Engineering, Northeastern University（东北大学计算机科学与工程学院自然语言处理实验室） ； National University of Singapore（新加坡国立大学） ； Tsinghua University（清华大学） ； The Institute of AI (TeleAI), China Telecom（中国电信人工智能研究院） ； Northwestern Polytechnical University（西北工业大学）
AI总结 本研究提出DrawMotion，一种基于扩散模型的框架，通过自由手绘和文本条件生成3D人体动作，减少用户输入时间，提升生成精度。
PlexRL: 服务化大语言模型执行在RLVR中的集群级编排
机构 * National University of Singapore（新加坡国立大学） ； Beihang University（北航） ； Shanghai Qiji Zhifeng Co., Ltd.（上海启智风科技有限公司） ； Nanyang Technological University（南洋理工大学） ； Shanghai Innovation Institute（上海创新研究院）
AI总结 本文提出PlexRL，通过集群级编排服务化大语言模型执行，解决RLVR训练中的效率问题，提升集群容量并降低GPU小时成本，同时保持算法灵活性和最小的单任务开销。
OSGNet with MLLM Reranking @ Ego4D Episodic Memory Challenge 2026
机构 * Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） ； National University of Singapore（新加坡国立大学） ； Pengcheng Laboratory（鹏城实验室） ； Shandong Jianzhu University（山东建筑大学） ； Southern University of Science and Technology（南方科技大学）
AI总结 本文提出一种基于多模态大语言模型（MLLM）的重排序框架，用于解决Ego4D事件记忆挑战2026中的自然语言查询和目标步 tracks，通过结合现有定位模型OSGNet的候选片段和MLLM的视频-语言推理能力，提升时间片段的定位精度。
Comments Champion solution for the Natural Language Queries and GoalStep tracks of the Ego4D Challenge at the CVPR EgoVis Workshop 2026
通过主动学习查询进行累积元学习以增强对虚假相关性的鲁棒性
机构 * Department of Computer Science（计算机科学系） ； National University of Singapore（新加坡国立大学）
AI总结 本文提出了一种累积主动元学习（CAML）框架，通过主动学习查询样本来元学习先验知识，以提高模型对虚假相关性的鲁棒性，实验结果显示在多个基准测试中性能显著提升。
Comments Under review. 26 pages, 7 figures
面向组合奖励的冲突感知加法引导：流模型中的对抗性生成
机构 * Smart Systems Institute, National University of Singapore, Singapore（新加坡国立大学智能系统研究所） ； Faculty of Computing, Harbin Institute of Technology, Harbin, China（哈尔滨工业大学计算机学院） ； School of Computing, National University of Singapore, Singapore（新加坡国立大学计算机学院）
AI总结 本文提出了一种面向组合奖励的冲突感知加法引导方法，用于在流模型中处理对抗性生成问题，通过动态检测和解决梯度冲突来纠正离曼福德漂移，提升了生成保真度。
Comments Forty-Third International Conference on Machine Learning (ICML 2026)
Draw2Think: 通过约束引擎交互增强几何推理
机构 * National University of Singapore（新加坡国立大学） ； Centre for Frontier AI Research, Agency for Science, Technology and Research（科技研究局前沿人工智能研究中心） ； Institute of High Performance Computing, Agency for Science, Technology and Research（科技研究局高性能计算研究所）
AI总结 Draw2Think通过与GeoGebra约束引擎交互，将几何推理从潜在空间推断转换为与约束引擎的代理交互，从而提高几何推理的准确性和可验证性。
Sketch2MinSurf: 通过视觉-语言引导从手绘草图生成可编辑的最小曲面
机构 * School of Architecture, Tsinghua University（清华大学建筑学院） ； Department of Architecture, National University of Singapore（新加坡国立大学建筑系）
AI总结 本研究提出Sketch2MinSurf方法，结合视觉-语言引导和几何优化，从手绘草图生成平滑且可编辑的3D曲面，通过空间-拓扑编码和Sketch2MinSurf结构损失函数实现拓扑一致性与几何重建的联合约束。
Comments 22 pages, 16 figures, includes appendix
深度注意力重加权：CNN中的后处理注意力特征聚合以解纠缠核心与伪相关特征
机构 * National University of Singapore（新加坡国立大学）
AI总结 本文提出了一种基于注意力的后处理特征聚合方法DAR，通过替换全局平均池化层来减少CNN中因伪相关特征引起的纠缠，从而提升模型的泛化能力和公平性。
Comments Under review. 26 pages, 7 figures
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