高校专区
如果智能体能够想象？通过生成强化开放词汇人-物交互理解
机构 * Dream-X Team（Dream-X团队） ； Stanford University（斯坦福大学） ； National University of Singapore（新加坡国立大学） ； Independent Researcher（独立研究者） ； Case Western Reserve University（凯斯西储大学） ； UC Santa Cruz（加州大学圣克鲁兹分校）
AI总结 本文提出ImagineAgent框架，通过生成式世界建模和工具增强强化学习，解决开放词汇人-物交互理解中的跨模态幻觉和视角限制问题，实现了高效且鲁棒的推理。
MCP-Atlas：一个大规模的工具使用能力基准测试，使用真实的MCP服务器
机构 * National University of Singapore（新加坡国立大学） ； Scale AI
AI总结 本文提出MCP-Atlas，一个用于评估工具使用能力的基准测试，基于真实MCP服务器，包含1000个由人类专家编写和验证的任务，覆盖36个真实MCP服务器和220种工具，通过任务级别的评估发现模型在工具调用和认知能力上的表现。
Comments 25 pages, 3 figures, 9 tables
Affordance-R1: 为多模态大语言模型中的通用化 affordance 推理设计的强化学习
机构 * The Hong Kong University of Science and Technology (GZ)（香港科技大学（广州）） ； National University of Singapore（新加坡国立大学） ； ShanghaiTech University（上海科技大学） ； East China Normal University（华东师范大学） ； Nanjing University of Information Science & Technology（南京信息工程大学） ； Zhejiang University（浙江大学） ； Institute of Automation, Chinese Academy of Science（中国科学院自动化研究所） ； Shanghai AI Laboratory（上海人工智能实验室）
AI总结 本文提出 Affordance-R1，一种结合认知 CoT 引导的 Group Relative Policy Optimization (GRPO) 的统一 affordance 地标框架，通过强化学习实现零样本泛化和测试时推理能力。
大语言模型的优化超参数规律
机构 * Department of Mathematics, National University of Singapore, Singapore（新加坡国立大学数学系） ； School of Computing, National University of Singapore（新加坡国立大学计算机学院） ； Department of Mathematics and Institute of Operations Research and Analytics, National University of Singapore, Singapore（新加坡国立大学数学系和运筹分析研究所） ； Skywork AI, Beijing（北京Skywork AI）
AI总结 本文提出Opt-Laws框架，通过分析SDE收敛和逃逸特性，预测最终训练损失，从而在小规模实验中预选学习率调度方案，提高了超参数选择的准确性。
关于多项式有效乐观性下GP-UCB的次优性质
机构 * 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 Industrial Engineering and Decision Analytics, The Hong Kong University of Science and Technology（香港科学与技术大学工业工程与决策分析系）
AI总结 本文研究了GP-UCB在多项式有效乐观性下的次优性质，通过定义有效乐观性水平（核岭回归中的探索系数与正则化参数的乘积），在统一置信假设下证明了GP-UCB在Matérn核下的新后悔下界，表明有效乐观性水平的多项式增长排除了最小最大最优后悔率，揭示了标准GP-UCB证明最小最大最优性的障碍。
Mix-Quant: 量化预填，精准解码用于代理大语言模型
机构 * National University of Singapore（新加坡国立大学）
AI总结 本文提出Mix-Quant，一种简单有效的阶段感知量化框架，用于加速代理大语言模型的推理。通过在预填阶段应用高吞吐量NVFP4量化，同时保留BF16精度用于解码，从而在保持任务性能的同时显著提高效率，实现预填阶段高达3倍的速度提升。
SOLAR：一种自优化的开放式自主代理，用于终身学习和持续适应
机构 * Department of Ophthalmology, Yong Loo Lin School of Medicine, National University of Singapore, Singapore（眼科学系，Yong Loo Lin医学院，新加坡国立大学，新加坡） ； Department of Computational and Data Sciences, Indian Institute of Science, Bangalore, Karnataka, India（计算与数据科学系，印度科学研究院，班加罗尔，卡纳塔克邦，印度）
AI总结 本文提出SOLAR，一种自优化的开放式自主代理，通过参数级元学习实现自我改进，解决了动态真实世界中概念漂移和梯度基适应成本高的问题，展示了在常识、数学、医学、编程、社交和逻辑推理任务上的优越性能。
Comments Accepted at "Association for the Advancement of Artificial Intelligence 2026 Conference" in Streaming Continual Learning Bridge. Published in CEUR Workshop Proceedings (Original version at https://ceur-ws.org/Vol-4183/paper2.pdf)
Journal ref CEUR Workshop Proceedings, Vol. 4183, 2026
让轨迹扩散：用于多样化流匹配的质量保持控制
机构 * The University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； Nanyang Technological University（南洋理工大学） ； CFAR, Agency for Science, Technology and Research, Singapore（新加坡科技研究局CFAR） ； University of California, Santa Barbara（加州大学圣巴巴拉分校） ； 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推理时控制机制，使流本身具备多样性意识，通过几何上与模式质量寻求方向解耦的引导来鼓励轨迹横向扩散，同时通过时间调度的随机扰动重新引入不确定性，从而在不降低图像细节和提示忠实度的情况下提升多样性。
PixVerve：通过大规模高质量数据集将原生超高清图像生成推至100MP
机构 * Zhejiang University（浙江大学） ； Fudan University（复旦大学） ； Nanjing University（南京大学） ； National University of Singapore（新加坡国立大学） ； Tsinghua University（清华大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出PixVerve-95K数据集，通过精心设计的数据管道构建，包含95K张高分辨率图像和七维标注，用于推动超高清图像生成技术，通过三种训练方案将T2I基础模型扩展到100MP生成，并建立PixVerve-Bench评估协议。
Comments Project page is available at https://haojunchen663.github.io/projects/PixVerve/
航天器碰撞避免的Hamilton-Jacobi可达性
机构 * Department of Mechanical Engineering, University of California, Berkeley（加州大学伯克利分校机械工程系） ； Aerospace Engineering Program, University of California, Berkeley（加州大学伯克利分校航空航天工程项目） ； Department of Mechanical Engineering, National University of Singapore（新加坡国立大学机械工程系）
AI总结 本文提出了一种用于同轨道双卫星碰撞避免问题的Hamilton-Jacobi（HJ）可达性框架，通过平面Hill-Clohessy-Wiltshire（HCW）动力学在径向-切向-法向（RTN）框架中建模相对运动。定义目标状态空间为对应于联邦通信委员会（FCC）轨道标准的最小分离要求的不安全相对配置。将航天器之间的相互作用建模为零和微分博弈，其中玩家1是受控卫星，玩家2被建模为具有未知意图的有界对抗干扰。本文提出了HJ公式，并计算了后向可达集，这些集描述了在最坏情况下无法避免碰撞的相对状态，而集外的状态则允许证明安全的轨迹。这些可达集与监督混合控制逻辑相结合，以确定何时必须启动规避机动，从而为可扩展性提供数学基础的安全保证。
Comments Accepted to the 20th IEEE International Conference on Control & Automation (IEEE ICCA 2026). 6 pages, 4 figures
Mega-ASR: 通过扩大现实世界声学模拟实现野外语音识别
机构 * NTU（国立新加坡大学） ； NUS（新加坡国立大学） ； Shanghai AI Lab（上海人工智能实验室）
AI总结 本文提出Mega-ASR，一种统一的野外语音识别框架，结合可扩展的复合数据构建与渐进的声学到语义优化，通过在7种经典声学现象和54种物理上合理的复合场景上训练，显著提升了在恶劣环境下的语音识别性能。
Comments Project page: https://xzf-thu.github.io/Mega-ASR/. Code, models, and dataset will be released. A robust ASR framework targeting in-the-wild and compositional acoustic scenarios where conventional ASR systems fail
MiMuon: 一种具有改进泛化能力的混合穆恩优化器用于大模型
机构 * College of Computer Science and Technology, Nanjing University of Aeronautics and Astronautics（南京航空航天大学计算机科学与技术学院） ； MIIT Key Laboratory of Pattern Analysis and Machine Intelligence（信息科技部模式分析与机器智能重点实验室） ； College of Design and Engineering, National University of Singapore（新加坡国立大学设计与工程学院）
AI总结 本文研究了穆恩优化器的泛化误差，提出了一种改进的混合穆恩优化器MiMuon，证明其泛化误差更低，同时保持了与穆恩优化器相同的收敛速度。
Comments 25 pages
先白平衡，后调整：通过视觉-语言评估实现跨相机颜色恒常性
机构 * National University of Singapore（国立新加坡大学） ； ASUS Intelligent Cloud Services（ASUS智能云服务）
AI总结 本文提出VLM-CC框架，通过视觉-语言模型评估实现跨相机颜色恒常性的迭代反馈优化，利用感知反馈替代直接RGB回归，提升鲁棒性。
Comments In CVPR 2026
SafeAlign-VLA: 一种增强负样本的安全对齐框架用于风险感知的自动驾驶
机构 * College of Transportation, Tongji University（同济大学交通运输学院） ； Department of Civil Engineering, Tsinghua University（清华大学土木工程系） ； School of Vehicle and Mobility, Tsinghua University（清华大学车辆与移动系统学院） ； Department of Civil and Environmental Engineering, National University of Singapore（新加坡国立大学土木与环境工程系）
AI总结 本文提出SafeAlign-VLA框架，通过整合负样本数据提升自动驾驶系统对安全边界的理解，通过生成安全标签和反事实轨迹，结合两阶段训练策略和基于锚点的群体相对策略优化，提高了自动驾驶的安全性和鲁棒性。
CutVerse: 一个用于媒体后期制作编辑的组合式GUI代理基准测试
机构 * MIPG, Communication University of China（MIPG，中国传媒大学） ； National University of Singapore（新加坡国立大学） ； USEIT AI（USEIT人工智能）
AI总结 本研究提出CutVerse，一个用于评估自主GUI代理在真实媒体后期制作环境中的能力的基准测试，揭示现有代理在复杂、长周期媒体后期制作工作流中的局限性。
SWEET：基于图像编辑的稀疏世界建模用于具身任务执行
机构 * Show Lab, National University of Singapore（新加坡国立大学Show实验室） ； Central South University（中南大学）
AI总结 本文研究图像编辑模型能否作为稀疏视觉世界模型用于机器人操作，通过预测任务级未来状态而非密集视频生成，提出SWEET框架实现稀疏视觉规划，结合语言指令和空间引导生成关键帧，并通过扩散动作预测器生成可执行动作，实验表明其在不同场景中提升关键帧预测能力。
迷失在解释中：跨语言解释中的可信度与忠实度的权衡
机构 * Indian Institute of Technology Kharagpur（印度理工学院Khargpur分校） ； TCG Crest（TCG研究中心） ； National University of Singapore（新加坡国立大学）
AI总结 本文研究了跨语言解释中可信度与忠实度之间的权衡，发现以英语为枢纽的解释在与人类理由的一致性上表现更好，但其证据在模型预测中的因果基础较弱。研究发现，英语解释虽然流畅，但与原生语言条件相比，其解释的全面性下降了5.7倍，甚至在任务准确性保持稳定的情况下，也未能保留语义细微差别。因此，建议在输入语言中审计解释，报告多方面的忠实度指标，并将英语解释视为沟通摘要而非忠实的决策轨迹。
材料中化学无序的原子模型：连接经典方法和AI辅助方法
机构 * Department of Materials Design and Innovation, University at Buffalo（布法罗大学材料设计与创新系） ； Department of Materials Science and Engineering, National University of Singapore（新加坡国立大学材料科学与工程系）
AI总结 本文探讨了如何通过结合经典方法和AI技术来解决材料中化学无序的表示差距问题，重点介绍了如何利用计算方法将平均无序描述转换为具有代表性的构型集合，并平衡成本、偏差和保真度。
HoReN：用于大规模序列模型编辑的归一化Hopfield检索
机构 * IXL Learning, Inc（IXL学习公司） ； Technical University of Munich（慕尼黑技术大学） ； National University of Singapore（新加坡国立大学）
AI总结 本文提出HoReN，一种基于代码本的参数保持编辑器，通过在单个MLP层中引入离散键值记忆，实现了在大规模序列模型编辑中的高效检索和更新，同时在多种基准测试中表现出色。
Comments 30 pages, 10 figures
重新思考扩散模型强化学习的设计空间：超越损失设计的似然估计的重要性
机构 * Georgia Institute of Technology（佐治亚理工学院） ； National University of Singapore（新加坡国立大学） ； Nanjing university（南京大学）
AI总结 本文研究了扩散模型强化学习设计空间中的关键问题，通过分解策略梯度目标、似然估计器和回放采样方案三个因素，发现基于证据下界（ELBO）的模型似然估计器是实现有效、高效和稳定强化学习优化的主要因素，优于特定策略梯度损失函数的影响。
Comments 23 pages, 11 figures
CXR-LanIC：基于语言的可解释分类器用于胸部X光诊断
机构 * National University of Singapore（新加坡国立大学）
AI总结 本文提出CXR-LanIC，一种基于语言的可解释分类器，通过任务对齐的模式发现解决胸部X光诊断的可解释性挑战，通过训练稀疏自编码器提取可解释的视觉模式，实现高准确率的诊断并支持自然语言解释。
HSG-12M: 一种大规模空间多图基准，源自非厄密晶体能量谱
机构 * National University of Singapore（新加坡国立大学） ； NUS Centre for Bioimaging Sciences（新加坡国立大学生物成像科学中心）
AI总结 本文提出HSG-12M，一个包含1160万静态和510万动态哈密顿量谱图的数据集，用于研究非厄密量子物理中的复杂几何结构，填补了现有图基准在空间多边学习方面的空白。
Comments Accepted to ICLR 2026, OpenReview: [https://openreview.net/forum?id=YxuKCME576]. 49 pages, 13 figures, 14 tables. Code & pipeline: [https://github.com/sarinstein-yan/Poly2Graph] Dataset: [https://github.com/sarinstein-yan/HSG-12M] Dataset released under CC BY 4.0. The Fourteenth International Conference on Learning Representations (ICLR 2026)
Journal ref The Fourteenth International Conference on Learning Representations (ICLR 2026)
MotionMERGE: 一种用于人体动作编辑、推理、生成和解释的多粒度框架
机构 * Computer Vision Institute, School of Computer Science and Software Engineering, Shenzhen University（计算机视觉研究院，计算机科学与软件工程学院，深圳大学） ； Guangdong Key Laboratory of Intelligent Information Processing, Shenzhen University（广东省智能信息处理重点实验室，深圳大学） ； School of Computer Science, University of Nottingham Ningbo China（Nottingham Ningbo 中国计算机科学学院） ； Department of Electrical and Computer Engineering, National University of Singapore（电子与计算机工程系，新加坡国立大学） ； Department of Radiation Oncology, Stanford University（放射肿瘤科，斯坦福大学） ； Sun Yat-sen University（中山大学） ； School of Computer Science, University of Nottingham（计算机科学学院，Nottingham大学）
AI总结 本文提出MotionMERGE框架，通过细粒度语言引导的动作控制、跨粒度协同预训练和细粒度动作-语言对齐，实现了更精确的动作生成、理解和编辑，并建立了新的细粒度文本驱动动作编辑和动作引导推理基准。
ReCrit: 基于过渡意识的强化学习用于科学批评推理
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； National University of Singapore（新加坡国立大学） ； Chinese University of Hong Kong（香港中文大学） ； University of Oxford（牛津大学） ； Tsinghua University（清华大学）
AI总结 该研究提出ReCrit框架，通过强化学习解决科学批评推理中的过渡意识问题，改进了批评准确性。
SkillGenBench: 评估LLM代理技能生成流水线的基准测试
机构 * SJTU（上海交通大学） ； XJTU（西安交通大学） ； NUS（新加坡国立大学） ； QuantaAlpha（量子Alpha） ； THU（清华大学） ； SUFE（上海财经大学） ； NTU（国立.ntu） ； PKU（北京大学） ； UCAS（中国科学技术大学）
AI总结 本文提出SkillGenBench，一个用于评估LLM代理技能生成流水线的基准测试，通过统一可控的协议评估技能生成过程，涵盖任务条件生成和任务无关生成两种模式，以及基于仓库和文档的两种程序来源，揭示技能生成在不同数据源中的表现差异。
SPIKE：一种适应性双控制器框架，用于成本效益高的长周期游戏智能体
机构 * Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出SPIKE框架，通过双控制器设计实现成本高效长周期游戏智能体，通过事件触发机制和分层记忆结构提升目标导向性和任务完成率，实验表明在StarDojo数据集上显著提升成功率并降低资源消耗。
ManiSoft: 向视觉-语言操控的柔软连续机器人迈进
机构 * Beihang University（北京航空航天大学） ； National University of Singapore（新加坡国立大学） ； Hangzhou Innovation Institute, Beihang University（北京航空航天大学杭州创新研究院）
AI总结 本文提出ManiSoft基准，用于研究柔软连续机器人的视觉-语言操控，通过定制模拟器结合真实柔软体动力学和丰富的接触交互，定义了四个任务以展示变形控制的不同方面，并通过自动化流程生成6300个多样场景和专家轨迹，评估了三种代表性策略模型的性能。
Comments Accepted in ICML 2026
深度神经网络中的逐点泛化
机构 * National University of Singapore（新加坡国立大学）
AI总结 本文提出了一种深度神经网络逐点泛化的理论框架，通过分析全连接网络的点wise Riemannian 维度，建立了新的表示学习统计基础，提供了更精确的泛化界限。
REACT：面向轮式移动机器人连续编队导航的环境自适应架构
机构 * School of Vehicle and Mobility, Tsinghua University（清华大学车辆与移动性学院） ； Department of Mechanical Engineering, National University of Singapore（新加坡国立大学机械工程系） ； Department of Civil and Environmental Engineering, University of Michigan（密歇根大学土木与环境工程系）
AI总结 本文提出REACT架构，通过集中式编队生成和分布式编队维护相结合的方法，解决轮式移动机器人在复杂环境中编队导航的适应性问题，实现了无轨迹冲突的连续编队导航。
具有单侧反馈的隐私保护强化学习
机构 * Nanyang Technological University（南洋理工大学） ； National University of Singapore（国立新加坡大学） ； Cornell SC Johnson College of Business（康奈尔大学SC Johnson商学院）
AI总结 本文研究了在多维连续状态和动作空间中，代理仅接收状态部分观测并仅在每个时间步获得状态-动作空间子集奖励信息的强化学习问题，提出了一种新的隐私保护强化学习算法POOL，并通过理论分析证明其样本复杂度与非隐私强化学习的下界一致，展示了在保持高学习效率的同时实现强隐私保障的可行性。
Comments Accepted at IJCAI-ECAI 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