高校专区
SHIELD：一种用于边缘NPUs上高效LLM推断的分段分层内存架构
机构 * National University of Singapore（新加坡国立大学）
AI总结 SHIELD通过分段eDRAM架构优化边缘NPUs上LLM推断的能效，减少eDRAM刷新能耗35%同时保持准确性。
Comments Accepted to 2026 IEEE 8th International Conference on Artificial Intelligence Circuits and Systems (AICAS'26)
超越狄拉克 delta：缓解强化微调中的多样性崩溃以实现多功能图像生成
机构 * Nanjing University（南京大学） ； Australia National University（澳大利亚国立大学） ； Wuhan University（武汉大学） ； National University of Singapore（新加坡国立大学） ； University of Technology Sydney（技术科技大学）
AI总结 DRIFT通过激励输出多样性缓解强化微调中的多样性崩溃，提升图像生成的多样性和任务对齐能力。
模型逆向与密码学模糊提取器的结合
机构 * School of Computing, National University of Singapore（新加坡国立大学计算机学院）
AI总结 研究模型逆向攻击对基于ML的面部认证系统的威胁，分析现有ℓ2-模糊提取器的安全性缺陷，并提出一种新的安全方案。
OASIS：基于查找表的离群点感知双端量化LLM推理加速通用矩阵乘法
机构 * National University of Singapore（新加坡国立大学）
AI总结 提出OASIS架构，利用预计算笛卡尔积查找表实现非均匀量化权重与激活的高效通用矩阵乘法，通过离群点感知量化方案和实时离群点检测引擎Orizuru，在保持精度的同时显著提升推理速度和能效。
Journal ref 2026 ACM/IEEE 53rd Annual International Symposium on Computer Architecture (ISCA), pp. 307-321
EmbodiedVAE：用于高效可控具身操作的解耦视频变分自编码器
机构 * Beihang University（北京航空航天大学） ； Zhongguancun Academy（中关村学院） ； 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） ； CASIA, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所（CASIA）） ； Microsoft Research Asia（微软亚洲研究院）
AI总结 针对现有潜在扩散模型适配具身操作场景的缺陷，提出EmbodiedVAE视频变分自编码器，通过双编码器架构与最优传输一致性模块实现更优重建质量、压缩率及精确动作控制。
Comments ECCV 2026
推测校正：扩散语言模型的草稿后精炼解码
机构 * National University of Singapore（新加坡国立大学） ； City University of Hong Kong（香港城市大学）
AI总结 该研究针对扩散语言模型提出草稿后精炼解码方案，通过 Flash-Flash 和 Mini-Flash 配置在 GSM8K、MBPP、MATH 数据集上提升准确率并加快推理速度，为双向精炼及快速生成提供新路径。
Comments 25 pages, 3 figures
从森林到未来首都：利用PlanetScope影像追踪2021至2026年努桑塔拉首都（IKN）的土地覆盖变化
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 本研究利用PlanetScope影像结合遥感技术与支持向量机算法，追踪印尼新首都IKN核心区2021-2026年的土地覆盖变化，发现植被与碳储量下降、建设用地扩张，证实遥感可有效监测大型城市发展的环境影响。
JigShape：通过拼图任务评估视觉语言模型的视觉几何推理能力
机构 * University of Southern California（南加州大学） ； National University of Singapore（新加坡国立大学） ； Adobe Research（奥多比研究院） ； Texas A&M University（德克萨斯农工大学） ； Rice University（莱斯大学） ； The University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校）
AI总结 本研究提出JigShape拼图基准，发现零样本VLM大多缺乏几何推理能力，所有模型在大尺寸拼图上均出现性能崩塌，将可扩展几何推理确立为VLM的开放性挑战。
Metis：记忆基础模型
机构 * MemTensor (Shanghai) Technology Co., Ltd.（墨芯（上海）科技有限公司） ； Renmin University of China（中国人民大学） ； National University of Singapore（新加坡国立大学） ； Shanghai Jiao Tong University（上海交通大学） ； Tongji University（同济大学）
AI总结 该研究提出首个记忆基础模型原型Metis，赋予基础模型原生记忆能力，通过新架构与优化目标实现，经实验验证其具备原生记忆能力并发布相关资源。
Comments 46 pages, 11 figures, 16 tables
GS-Playground：一种高吞吐量的视觉真实模拟器用于基于视觉的机器人学习
机构 * THU（清华大学） ； Motphys ； Dexmal ； DISCOVER Robotics ； HKUST(GZ)（香港科技大学（广州）） ； BIT（北京理工大学） ； NUS（新加坡国立大学） ； HITSZ（哈尔滨工业大学） ； XJTU（西安交通大学） ； NJU（南京大学） ； SJTU（上海交通大学） ； D-Robotics
AI总结 GS-Playground通过高吞吐量的多模态模拟框架，结合高效物理引擎和3DGS渲染管道，提升视觉强化学习的效率，降低大规模视觉RL的门槛，实现感知与物理的无缝衔接。
Comments Robotics: Science and Systems 2026
Talker-T2AV：基于自回归扩散模型的联合说话音频视频生成
机构 * Hong Kong University of Science and Technology（香港科学与技术大学） ； Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学） ； The Chinese University of Hong Kong（香港中文大学） ； Peking University（北京大学） ； Independent Researcher（独立研究者）
AI总结 本文提出Talker-T2AV，通过共享骨干和模态特定解码器实现音频视频联合生成，提升跨模态一致性与生成效率。
VCSELs 中的增强极化锁定
机构 * National University of Singapore, Department of Electrical and Computer Engineering（新加坡国立大学电气与计算机工程系）
AI总结 本文研究了VCSELs中光学注入锁定的极化动态，通过定制氧化物孔径设计和偏置电流调节，提高了极化锁定性能，降低了所需注入功率并扩展了锁定范围。
数据融合增强的决策变压器用于稳定跨领域泛化
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 DFDT通过数据融合和正则化提升跨领域泛化稳定性，改进决策变压器的连续性和性能。
Comments 22 pages,4 figures
针对视频大语言模型中提示引导采样的投毒攻击
机构 * National University of Singapore（新加坡国立大学） ； University of New South Wales（新南威尔士大学） ； CSIRO’s Data61（CSIRO数据61）
AI总结 该研究针对视频大语言模型的提示引导采样提出PoisonVID投毒攻击，在多种模型与采样器组合上实现高攻击成功率，揭示了PGS存在的结构性安全隐患。
Comments 16 pages, 5 figures
深度学习中受控粒子系统的收敛性分析：从有限样本量到无限样本量
机构 * School of Mathematical Sciences, Dalian University of Technology（大连理工大学数学科学学院） ； Department of Mathematical Sciences, University of Durham（杜伦大学数学科学学院） ； Department of Mathematics, City University of Hong Kong（香港城市大学数学系） ； Department of Mathematics and Risk Management Institute, National University of Singapore（新加坡国立大学数学系与风险管理研究所）
AI总结 本文分析深度学习中受控粒子系统的收敛性，通过建立N一致的正则性结果，证明神经SDE的目标函数最小值及最优参数随样本量趋于无穷时的收敛性，并得到定量收敛速率。
Comments 50 pages; to appear in Appl. Math. Optim
从分析到综合：个性化大语言模型智能体中的隐式行为对齐基准测试
机构 * National University of Singapore（新加坡国立大学） ； University of Toronto（多伦多大学） ； University of Minnesota Twin Cities（明尼苏达大学双城分校） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； University of Oxford（牛津大学）
AI总结 该研究针对大语言模型智能体的个性化问题，构建了IBA-Bench基准，提出IBA-Agent框架，实验显示其可在九类场景中提升隐式行为对齐效果，但有效个性化仍是重大挑战。
相同语义，不同路径：面向视觉-文本压缩的自改进对齐
机构 * Southeast University（东南大学） ； Nanjing University（南京大学） ； Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学）
AI总结 该研究针对视觉-文本压缩中渲染图像与原生文本表示的跨路径不一致瓶颈，提出自监督对齐框架SPIRAL，通过令牌级OPD与序列级DPO提升模型性能，在VTCBench上显著改善Qwen3-VL-8B的表现并实现域外泛化。
Comments Accepted to ACM Multimedia 2026 (Oral)
先获取再探索：面向搜索智能体的持久工作空间上选择与提取解耦
机构 * Renmin University of China（中国人民大学） ； Xiaohongshu Inc.（小红书公司） ； National University of Singapore（新加坡国立大学）
AI总结 该研究针对搜索智能体提出Fetch-then-Explore方法，将页面选择与证据提取解耦，在两个基准测试中提升了智能体的搜索性能，核心是通过持久工作空间实现页面复用与证据累积。
DART：用于高效长上下文序列建模的循环状态解码注意力
机构 * College of Control Science and Engineering, Zhejiang University（浙江大学控制科学与工程学院） ； National University of Singapore（新加坡国立大学） ； Hong Kong Polytechnic University（香港理工大学） ； School of Science, Huzhou Normal University（湖州师范学院理学院）
AI总结 DART基于Mamba-2的状态空间对偶性，通过保留分块状态记忆并解码键值执行状态-记忆注意力，减少长上下文推理缓存，同时提升关联召回与检索性能。
MANGO-Grasp：面向几何的三维高斯模型上的马氏场，用于跨 embodiments 的灵巧抓取
机构 * College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院） ； National University of Singapore（新加坡国立大学）
AI总结 MANGO-Grasp是面向几何的三维高斯模型上的马氏场框架，用于跨异构多指手的灵巧抓取，在仿真、零样本迁移及真实实验中均优于现有基准。
长视野搜索智能体的搜索行为与失败模式诊断
机构 * Renmin University of China（中国人民大学） ； National University of Singapore（新加坡国立大学）
AI总结 本研究通过轨迹级诊断区分长视野搜索智能体的检索与利用差距，发现搜索努力与答案质量弱相关，为优化深度研究系统提供了查询构建、证据管理等方向。
带夹持器的倾转旋翼无人机：通过环境锚定实现稳定的基于接触的任务
机构 * National University of Singapore (NUS)（新加坡国立大学）
AI总结 该研究设计了带倾转旋翼机构和欠驱动缆线驱动夹持器的无人机，通过环境锚定提升接触任务稳定性，位置漂移RMSE降低95%以上，可承受75N纵向力，适用于复杂物理交互任务。
Comments \c{opyright} 20XX IEEE. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses, in any current or future media, including reprinting/republishing this material for advertising or promotional purposes, creating new collective works, for resale or redistribution to servers or lists, or reuse of any copyrighted component of this work in other works
面向高效自我中心 grounding 的动态分辨率路由
机构 * National University of Singapore（新加坡国立大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； Nanyang Technological University（南洋理工大学）
AI总结 该研究针对自我中心视觉 grounding 中视觉 token 处理成本过高的问题，提出 SmartRes 框架，通过动态分辨率路由减少视觉 token，在 Ego4D 等数据集上实现 token 缩减与性能提升，代码将公开。
无单一失效神经元：针对白盒攻击的分布式安全对齐
机构 * The University of Sydney（悉尼大学） ； National University of Singapore（新加坡国立大学）
AI总结 针对现有安全对齐方法的单点失效问题，提出分布式安全对齐（DSA），通过冗余编码安全能力提升模型对抗白盒神经元级攻击的鲁棒性，且保留通用语言与多模态效用。
CRAFTS：面向化工过程仿真的大语言模型智能体协同角色自适应微调
机构 * National University of Singapore（新加坡国立大学） ； Xiamen University（厦门大学）
AI总结 CRAFTS 模仿化工工程师分阶段工作流，将仿真任务分配给7个角色，微调3个关键角色，基于 OpenIDAES-450 数据集验证，在82个保留案例上完成91.5%的合约，取得多项F1高分，实现可靠自动化化工过程模型构建。
可解释机器学习用于交通拥堵预测：揭示不同新冠疫情时期的影响
机构 * National University of Singapore（新加坡国立大学）
AI总结 本研究以阿拉米达县为对象，采用多种机器学习模型预测不同疫情时期的交通拥堵，通过可解释方法揭示疫情相关因素对拥堵的影响，发现双向LSTM性能最优。
从图像块到证据球：面向小样本全切片图像分类的类别条件证据检索
机构 * XJTU（西安交通大学） ； JUFE（江西财经大学） ； University of Cambridge（剑桥大学） ； NUS（新加坡国立大学）
AI总结 该研究针对小样本全切片图像分类任务，提出类别条件证据检索框架EviBall，通过组织证据球并结合任务特定类别查询，提升分类性能与可解释性，在四项相关任务上优于现有基线方法。
DRONEAUDIONET：基于无人机听觉的搜救任务中的噪声抑制
机构 * School of Computing, National University of Singapore（新加坡国立大学计算机学院）
AI总结 本研究针对无人机听觉场景中旋翼噪声主导混合信号的问题，提出DRONEAUDIONET噪声抑制方法，引入可学习掩码缩放机制与残差校正项，经实验验证可提升下游声音分类性能，凸显其在无人机辅助搜救中的应用潜力。
Comments *first two authors are equal contributors
FinDeepIndicator：端到端金融指标构建中深度研究智能体的基准测试
机构 * School of Computing, National University of Singapore（新加坡国立大学计算机学院） ； China Economics and Management Academy, Central University of Finance and Economics（中央财经大学中国经济与管理研究院） ； Asian Institute of Digital Finance, National University of Singapore（新加坡国立大学亚洲数字金融研究所） ； Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所）
AI总结 本研究提出首个评估深度研究智能体端到端金融指标构建表现的基准FinDeepIndicator，含多市场数据，实验发现DR智能体优于检索增强LLMs但仍不可靠，为金融领域智能体开发提供参考。
逃离置信陷阱：扩散大语言模型数学推理的进化解码
机构 * Australian National University（澳大利亚国立大学） ； Nanyang Technological University（南洋理工大学） ； National University of Singapore（新加坡国立大学） ； Amazon（亚马逊） ； University of Technology Sydney（悉尼科技大学）
AI总结 针对扩散大语言模型数学推理的置信陷阱，提出无训练的进化解码框架，通过逐步选择与分块变异提升LLaDA 2.0的数学推理可靠性。
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