高校专区
弥合病理MIL中的模态瓶颈：通过虚拟分子染色
机构 * National University of Singapore（新加坡国立大学） ； Hunan University（湖南大学） ； Peking Union Medical College Hospital (PUMCH)（北京协和医学院附属阜外医院） ； Imperial College London（伦敦帝国理工学院）
AI总结 本文提出MIST方法，通过虚拟分子染色提升病理MIL中投影层性能，改进240/256配置，平均提升3.5%，在生存预测、组织分型和生物标志物预测中分别提升5.2%、3.3%和2.6%。
ORACLE：从流式应用使用轨迹中预见诈骗
机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Shenzhen University（深圳大学） ； Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学） ； Guangming Laboratory（光明实验室） ； South China University of Technology（华南理工大学） ； Hainan University（海南大学）
AI总结 本文提出ORACLE框架，通过流式应用使用轨迹预测诈骗，利用自适应上下文管理器和自蒸馏方案提升早期欺诈检测性能。
关注人工智能：一种有效的人工智能系统人类监督的框架
机构 * University College London（伦敦大学） ； University of Freiburg（弗赖堡大学） ； University of Queensland（昆士兰大学） ； Saarland University（萨尔兰大学） ； TU Dresden（德累斯顿技术大学） ； Delft University of Technology（代尔夫特理工大学） ； University of Minnesota（明尼苏达大学） ； University College Dublin（都柏林大学） ； University of Oxford（牛津大学） ； University of Michigan（密歇根大学） ； National University of Singapore（新加坡国立大学） ； Technische Universität Berlin（柏林技术大学） ； University of Lübeck（吕贝克大学） ； University of Melbourne（墨尔本大学） ； University of Chicago（芝加哥大学） ； Maastricht University（马斯特里赫特大学）
AI总结 本文提出一个跨学科框架，用于有效的人工智能系统人类监督，定义了监督架构和流程，并探讨了该领域需要考虑的开放性研究挑战。
Comments The conceptual analysis for this work was undertaken by the authors at Dagstuhl seminar 25272 'Challenges of Human Oversight: Achieving Human Control of AI-Based Systems' (https://www.dagstuhl.de/25272), held at Schloss Dagstuhl (June 29th-July 4th, 2025)
以假设为导向的介观动力学构建
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 本文提出一种基于数学约束假设类学习介观动力学的新方法，通过广义奥本奈尔原理构建统一框架，提供理论保证并验证了其在连续PDE和微观链模型中的有效性。
Comments 38 pages, 10 figures
安全量子机器学习中的变分量子分类器
机构 * National University of Singapore（新加坡国立大学） ； University of Pavia（帕维亚大学）
AI总结 本文提出一种基于幅度编码的变分量子分类器，结合归一化幅度嵌入与有界量子可观测量，构建了结构化且平滑的假设空间，通过SAFE-AI指标评估模型可靠性，实验证明其在预测性能和噪声鲁棒性方面优于经典基线。
Comments 31 pages, 8 figures
基于光滑流形的分数布朗运动生成模型的内在Wasserstein速率
机构 * National University of Singapore（国立新加坡大学） ； The University of Tokyo（东京大学） ； RIKEN Center for Advanced Intelligence Project（RIKEN高级智能项目中心） ； Agency for Science, Technology and Research (A ⋆ \star STAR)（科技研究局） ； Nanyang Technological University（南洋理工大学）
AI总结 本文研究了在光滑流形上基于分数布朗运动的生成模型的内在Wasserstein速率，证明了在满足一定条件的流形上，变差保持的SGM估计器能达到特定的样本指数，且分析了分数近似在不同噪声 regime 下的表现。
在线性老虎机中ε-最佳臂识别的适应性功率研究
机构 * University of Washington（华盛顿大学） ； National University of Singapore（新加坡国立大学）
AI总结 本文研究了在线性老虎机中ε-最佳臂识别的最小样本复杂度，提出非适应性固定设计方法及适应性采样策略，揭示了适应性在不同动作集中的效果差异。
Comments Accepted at COLT 2026
MyoChallenge 2025: 人类运动智能的新基准
机构 * McGill University（麦吉尔大学） ； National University of Singapore（国立新加坡大学） ； Imperial College London（伦敦帝国理工学院） ； King’s College London（伦敦国王学院） ； Tsinghua University（清华大学） ； EPFL（苏黎世联邦理工学院） ； CASIA（中国科学院自动化所） ； University of Twente（代尔夫特理工大学） ； MyoLab
AI总结 本文提出MyoChallenge 2025基准，通过高保真骨骼肌模型与机器学习算法结合，推动运动控制智能研究，包含乒乓球和足球点球两个任务，促进多学科交叉研究。
从输入输出到代码：发现代理
机构 * School of Computer Science, Peking University（北京大学计算机科学系） ； Tongyi Lab, Alibaba Group（阿里集团通义实验室） ； Wuhan University（武汉大学） ； Renmin University of China（中国人民大学） ； National University of Singapore（新加坡国立大学） ； Shanghai Jiaotong University（上海交通大学）
AI总结 本文提出DIO-Agent，通过将IO2Code视为离散程序空间的进化搜索，利用LLM作为突变算子，结合执行误差信号指导突变，解决从输入输出行为合成代码的难题。
ReactiveGWM：引导NPC在反应式游戏世界模型中
机构 * Tencent（腾讯） ； National University of Singapore（新加坡国立大学） ； The Hong Kong Polytechnic University（香港理工大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； University of Chinese Academy of Sciences（中国科学院大学）
AI总结 ReactiveGWM通过解耦玩家控制与NPC行为，实现动态交互合成，使NPC策略能跨游戏迁移，无需重新训练即可实现可控的NPC互动。
Comments The code is available at https://inv-wzq.github.io/ReactiveGWM/
解读细胞，设计治愈：基于扰动条件的分子扩散用于功能导向的药物设计
机构 * School of Advanced Interdisciplinary Sciences, University of Chinese Academy of Sciences, Beijing, China（中国科学院大学先进交叉学科学院） ； NLPR, MAIS, Institute of Automation, Chinese Academy of Sciences, Beijing, China（中国科学院自动化研究所） ； School of Artificial Intelligence, University of Chinese Academy of Sciences, Beijing, China（中国科学院大学人工智能学院） ； National University of Singapore, Singapore（新加坡国立大学）
AI总结 本文提出基于转录组的药物设计（TBDD）作为生成逆问题，通过多分辨率转录组引导扩散框架，结合转录组扰动功能特征提取器，实现功能导向的药物分子设计，验证了其在结构质量和功能一致性上的优越性。
代理AI是否准备好进行现实世界硬件工程？通过Phoenix-bench的深入探讨
机构 * National University of Singapore（新加坡国立大学）
AI总结 本文通过Phoenix-bench评估代理AI在硬件工程中的表现，发现软件与硬件工程本质不同，且故障集中于设计控制流、验证测试用例等，定位精度比定位本身更重要。
ICRL: 通过强化学习学习内化自我批评
机构 * Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Nanjing University（南京大学） ； Sun Yat-sen University（中山大学） ； National University of Singapore（新加坡国立大学） ； Nanyang Technological University（南洋理工大学） ； SAP ； Microsoft Research（微软研究院）
AI总结 本文提出ICRL框架，通过联合训练求解器和批评者，使求解器在无外部批评时也能自我改进，提升代理和数学推理任务性能。
DMax：用于dLLMs的激进并行解码
机构 * National University of Singapore（新加坡国立大学）
AI总结 DMax通过改进并行解码方法，有效缓解误差累积，提升生成质量。其核心是On-Policy Uniform Training策略，结合Soft Parallel Decoding实现高效统一的掩码和均匀解码。
Comments Working in progress. Code is available at: https://github.com/czg1225/DMax
ActiveDPO: 用于高效对齐的主动直接偏好优化
机构 * Department of Computer Science, National University of Singapore（新加坡国立大学计算机科学系） ； Singapore-MIT Alliance for Research and Technology Centre（新加坡-麻省理工联盟研究技术中心） ； The Chinese University of Hong Kong, Shenzhen, China（香港中文大学（深圳）） ； CSAIL, Massachusetts Institute of Technology（麻省理工学院计算机科学与人工智能实验室） ； Institute of Data Science, National University of Singapore（新加坡国立大学数据科学研究院）
AI总结 ActiveDPO通过理论支撑的非线性奖励函数选择方法，利用LLM自身参数化奖励模型，提升对齐效率和数据收集效果。
Comments Accepted at ICLR 2026
媒体旋风数据集：标注媒体偏见的发布后新闻标题修改
机构 * Carnegie Mellon University（卡内基梅隆大学） ； National University of Singapore（新加坡国立大学） ； NUS Centre for Trusted Internet and Community（新加坡国立大学可信互联网与社区中心）
AI总结 MediaSpin数据集通过标注13种媒体偏见类型，研究新闻标题修改对语言框架和偏见的影响，展示跨国家的标题修改分析、变压器偏见分类及社交媒体行为分析。
Comments 8 pages, 3 figures, 8 tables Accepted at AAAI ICWSM 2026 We updated the paper title from "MediaSpin: Exploring Media Bias Through Fine-Grained Analysis of News Headlines " to "The MediaSpin Dataset: Post-Publication News Headline Edits Annotated for Media Bias"
FlipAttack：通过翻转对大型语言模型进行劫持
机构 * Engineering Programme, NUS Graduate School, National University of Singapore（国立新加坡大学整合科学与工程计划） ； Institute of Data Science (IDS), National University of Singapore（国立新加坡大学数据科学研究所） ； Department of Computer Science, School of Computing, National University of Singapore（国立新加坡大学计算机科学系）
AI总结 FlipAttack通过在提示左侧添加噪声，利用语言模型自左向右理解文本的特性，实现对黑盒LLM的高效劫持，实验显示其在多个模型上均表现出高成功率。
Comments 43 pages, 31 figures
WARD: 用于对抗Web代理对抗提示注入的鲁棒防御
机构 * National University of Singapore（新加坡国立大学） ； University of Science（科学大学） ； Vietnam National University, Ho Chi Minh City（越南国家大学，胡志明市）
AI总结 WARD通过WARD-Base和WARD-PIG数据集及A3T框架，实现高效鲁棒的Web代理防御，有效应对提示注入攻击，保持低误报率和高效运行。
Comments Code and models: https://github.com/caothientri2001vn/WARD-WebAgent
基于数据驱动的 censoring 库存控制中的上下文学习
机构 * Julius-Maximilians-Universität Würzburg（乌尔姆-马克斯·普朗克大学） ； Zaragoza Logistics Center（萨拉戈萨物流中心） ； National University of Singapore（新加坡国立大学）
AI总结 本文提出ICGPS方法，结合生成模型与上下文自回归生成，通过学习潜在需求完成来解决决策依赖的censored新svendor问题，理论证明其贝叶斯遗憾可被控制，并在实际应用中表现优异。
超越选择范围：一种插拔式振荡数据量调度用于高效模型训练
机构 * National University of Singapore（国立新加坡大学） ； Nanjing University（南京大学） ； Hokkaido University（北海道大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出PODS框架，通过动态调节数据选择比例，在保持优化稳定性的同时提升训练效率，实验显示其在多种任务中均能提升效率与泛化能力。
ViMU：视频隐喻理解基准测试
机构 * National University of Singapore（新加坡国立大学）
AI总结 ViMU旨在评估视频理解模型对隐含意义的识别能力，通过多模态证据推理，解决现有模型对隐喻、讽刺和社会意义理解不足的问题。
DiffPhD：一种统一的可微求解器，用于具有接触丰富性的弹性动力学异质材料
机构 * National Taiwan University（国立台湾大学） ； MoonShine Animation Studio（MoonShine 动画工作室） ； National University of Singapore（新加坡国立大学） ； The University of British Columbia（不列颠哥伦比亚大学） ； Independent Researcher（独立研究员） ； National Yang Ming Chiao Tung University（阳明交通大学）
AI总结 DiffPhD通过整合 stiffness-aware 项目权重、信任域特征值过滤和统一GPU管道，解决异质材料中的超弹性、大变形和接触丰富问题，实现高精度与速度的平衡。
MemQ：将Q学习整合到基于溯源DAG的自进化记忆代理中
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） ； National University of Singapore（新加坡国立大学） ； Xidian University（西安电子科技大学） ； University of Science and Technology of China（中国科学技术大学） ； MemTensor (Shanghai) Technology Co., Ltd.（MemTensor（上海）科技有限公司）
AI总结 MemQ通过在溯源DAG中传播信用权重，改进记忆Q值的评估，提升多步任务的泛化能力，尤其在产生深层相关溯源链的任务中表现突出。
Comments 22 pages, 11 figures (containing 43 individual image panels total)
FlowSteer：通过强化递进画布编辑设计代理工作流
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Nanyang Technological University（南洋理工大学） ； National University of Singapore（新加坡国立大学）
AI总结 本文提出FlowSteer，一种通过强化学习递进画布编辑设计代理工作流的新范式，解决传统工作流构建中依赖人类、缺乏图级执行反馈和无法在长周期内修复错误的问题。
Comments 51 pages, 6 figures, 5 tables. Project page: http://flowsteer.org/
TabClustPFN：用于表格数据聚类的先验适应网络
机构 * Renmin University of China（中国人民大学） ； Rutgers University（罗格斯大学） ； National University of Singapore（新加坡国立大学）
AI总结 本文提出TabClustPFN，一种用于表格数据聚类的先验适应网络，通过在合成数据集上预训练，实现单次前向传递即可对未见过的数据集进行聚类，无需特定数据集的重训练或超参数调整。
通过扩散模型进行因果时间序列生成
机构 * National University of Singapore（新加坡国立大学） ； Microsoft Research Asia（微软亚洲研究院） ； HKUST (Guangzhou)（香港科技大学（广州）） ； Squirrel AI
AI总结 本文提出因果时间序列生成任务，通过因果视角改进传统条件时间序列生成，引入因果扩散框架实现干预和反事实生成，实验显示其在真实和合成数据上均表现优异。
从街景到视觉网络：利用视觉语言模型映射城市地标可见性
机构 * organization= Department of Architecture, National University of Singapore , country= Singapore ； organization= Research \& Development Institute, Takenaka Corporation , country= Japan ； organization= Urban Analytics Subject Group, Urban Studies \& Social Policy Division, University of Glasgow , country= United Kingdom ； organization= Institute of Remote Sensing ； GIS, Peking University , country= China ； organization= Department of Real Estate, National University of Singapore , country= Singapore
AI总结 本文提出利用视觉语言模型将地标可见性分析转化为图像空间中的视觉搜索问题，通过街景图像实现高效可见性评估，构建异构可见性图以表示地标、街景位置及城市空间之间的视觉连接，实验表明方法在数据受限情况下具有较高准确性。
Progent：通过权限控制保障AI代理
机构 * UC Berkeley（加州大学伯克利分校） ； UC 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 Progent通过权限控制框架保障AI代理安全，利用LLM生成并更新策略，通过SMT求解器确保权限空间单调收敛，有效降低攻击成功率并保持高实用性。
通过加性高斯过程实现复杂控制系统安全贝叶斯优化
机构 * National University of Singapore（新加坡国立大学） ； SIMTech, A*STAR ； CUHK, Shenzhen（香港中文大学（深圳））
AI总结 本文提出SafeCtrlBO方法，通过加性高斯过程核减少样本复杂度，实现多耦合控制器的同时优化，实验显示在较少硬件评估下达到高性能参数并保证安全。
Comments The shorter version has been accepted by IEEE Robotics and Automation Letters. This is the full version
SkillFlow: 以流程驱动的递归技能进化用于代理编排
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； National University of Singapore（新加坡国立大学） ； Nanyang Technological University（南洋理工大学） ； Zhejiang University（浙江大学）
AI总结 SkillFlow通过流程驱动的递归技能进化解决代理编排中的策略崩溃、梯度方差高和无指导技能进化问题，实现高效任务编排。
Comments 49 pages, 5 figures, 6 tables
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