National University of Singapore（新加坡国立大学）

CineMesh4D: Personalized 4D Whole Heart Reconstruction from Sparse Cine MRI

CineMesh4D：从稀疏 cine MRI 中重建个性化 4D 全心脏

Xiaoyue Liu, Xiaohan Yuan, Mark Y Chan, Ching-Hui Sia, Lei Li

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 Automation, Southeast University, Nanjing, China（东南大学自动化学院） ； Department of Medicine, National University of Singapore, Singapore（新加坡国立大学医学系） ； Department of Cardiology, National University Heart Centre Singapore, Singapore（新加坡国立心脏中心心内科部） 纠错

AI总结 本文提出 CineMesh4D，一种端到端的 4D 全心脏重建方法，通过跨域映射从多视角 2D cine MRI 直接重建患者特定的全心脏网格，提升重建质量和运动一致性。

DUET: Optimizing Training Data Mixtures via Feedback from Unseen Evaluation Tasks

DUET：通过未见评估任务的反馈优化训练数据混合

Zhiliang Chen, Gregory Kang Ruey Lau, Chuan-Sheng Foo, Bryan Kian Hsiang Low

机构 * National University of Singapore（新加坡国立大学） ； Agency for Research, Science, Technology and Research (A*STAR)（研究、科技与研发机构） 纠错

AI总结 本文提出DUET算法，通过结合影响函数与贝叶斯优化，利用未见评估任务的反馈优化训练数据混合，理论证明其能收敛至最优混合，实验显示优于现有方法。

Comments Accepted to ICLR 2026 main conference

OmniLiDAR: A Unified Diffusion Framework for Multi-Domain 3D LiDAR Generation

OmniLiDAR：一个多领域3D激光雷达生成的统一扩散框架

Youquan Liu, Weidong Yang, Ao Liang, Xiang Xu, Lingdong Kong, Yang Wu, Dekai Zhu, Xin Li, Runnan Chen, Ben Fei, Tongliang Liu, Wanli Ouyang

机构 * College of Computer Science and Artificial Intelligence, Fudan University（复旦大学计算机科学与人工智能学院） ； School of Computing, Department of Computer Science, National University of Singapore（新加坡国立大学计算机学院） ； 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） ； Technical University of Munich（慕尼黑技术大学） ； Nanjing University of Science and Technology（南京理工大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； University of Sydney（悉尼大学） ； The Chinese University of Hong Kong, Hong Kong SAR（香港中文大学（深圳）） 纠错

AI总结 OmniLiDAR提出一种统一的文本条件扩散框架，生成跨八个领域的3D激光雷达扫描，通过跨域训练策略和特征建模提升多域生成能力，实验显示在数据增强和鲁棒性评估中表现优异。

Comments Preprint; 12 pages, 7 figures, 10 tables

AnyFlow: Any-Step Video Diffusion Model with On-Policy Flow Map Distillation

AnyFlow: 任意步视频扩散模型与在线策略流图蒸馏

Yuchao Gu, Guian Fang, Yuxin Jiang, Weijia Mao, Song Han, Han Cai, Mike Zheng Shou

机构 * NVIDIA ； Show Lab, National University of Singapore（新加坡国立大学Show实验室） ； MIT（麻省理工学院） 纠错

AI总结 AnyFlow通过优化完整ODE采样轨迹，解决一致性蒸馏在任意步视频生成中的性能退化问题，实现高效在线蒸馏以减少测试时误差。

Comments Project page at https://nvlabs.github.io/AnyFlow/

HLS-Seek: QoR-Aware Code Generation for High-Level Synthesis via Proxy Comparative Reward Reinforcement Learning

HLS-Seek: 一种基于代理比较奖励强化学习的面向高质量结果的高层次综合代码生成

Qingyun Zou, Feng Yu, Hongshi Tan, Yao Chen, Bingsheng He, WengFai Wong

机构 * National University of Singapore（新加坡国立大学） 纠错

AI总结 HLS-Seek通过代理比较奖励强化学习方法，实现了高质量结果导向的高层次综合代码生成，其在语法正确性和功能准确性上超越了GPT-5.1等前沿模型，并在训练速度和QoR评估中表现出色。

Reward-Weighted On-Policy Distillation with an Open Property-Equivalence Verifier for NL-to-SVA Generation

基于开放属性等价验证器的奖励加权在线策略蒸馏用于自然语言到SVA生成

Qingyun Zou, Yingze Li, Tianen Liu, Bingsheng He, Weng-Fai Wong

机构 * National University of Singapore（新加坡国立大学） 纠错

AI总结 本文提出RWOPD方法，通过开放属性等价检查器提升SVA生成性能，使模型在多个评估指标上超越现有最佳模型。

MedOpenClaw and MedFlowBench: Auditing Medical Agents in Full-Study Workflows

MedOpenClaw 和 MedFlowBench：在完整研究流程中审计医疗代理

Weixiang Shen, Chengzhi Shen, Yanzhu Hu, Che Liu, Junde Wu, Jiayuan Zhu, Xiao Han, Zongyue Li, Jingpei Wu, Min Xu, Daguang Xu, Yueming Jin, Benedikt Wiestler, Daniel Rueckert, Jiazhen Pan

机构 * Technical University of Munich（慕尼黑技术大学） ； TUM University Hospital（TUM大学医院） ； LMU Munich（慕尼黑大学） ； Imperial College London（伦敦帝国理工学院） ； University of Oxford（牛津大学） ； Carnegie Mellon University（卡内基梅隆大学） ； NVIDIA（NVIDIA公司） ； National University of Singapore（新加坡国立大学） ； Munich Center for Machine Learning（慕尼黑机器学习中心） 纠错

AI总结 本文提出 MedFlowBench 和 MedOpenClaw，用于评估医疗影像代理在完整研究流程中生成可审计证据的能力，发现仅依赖答案评分不够，需结合正确证据验证。

Comments 33 pages

Ego2World: Compiling Egocentric Cooking Videos into Executable Worlds for Belief-State Planning

Ego2World：将第一人称视角烹饪视频编译为可执行世界以支持信念状态规划

Qinchuan Cheng, Zhantao Gong, Pengzhan Sun, Angela Yao, Xulei Yang, Shijie Li

机构 * Xi’an Jiaotong University（西安交通大学） ； Nankai University（南开大学） ； National University of Singapore（新加坡国立大学） ； A*STAR 纠错

AI总结 本文提出Ego2World基准，通过编译第一人称视角烹饪视频为可执行符号世界，支持信念状态规划。实验表明，信念维护对任务完成至关重要。

Comments Project page: https://sj-li.com/PROJ/Ego2World/

HCSG: Human-Centric Semantic-Geometric Reasoning for Vision-Language Navigation

HCSG：以人类为中心的语义-几何推理用于视觉-语言导航

Haoxuan Xu, Tianfu Li, Wenbo Chen, Yi Liu, Jin Wu, Huashuo Lei, Yunfan Lou, Lujia Wang, Hesheng Wang, Haoang Li

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Tsinghua University（清华大学） ； University of Science and Technology Beijing（北京科技大学） ； National University of Singapore（新加坡国立大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

AI总结 HCSG提出了一种以人类为中心的框架，通过结合几何预测和语义解释，提升动态环境中视觉-语言导航的安全性和社交智能。

Does Engram Do Memory Retrieval in Autoregressive Image Generation?

Engram是否在自回归图像生成中执行记忆检索？

Jinghao Wang, Qiyuan He, Chunbin Gu, Pheng-Ann Heng

机构 * The Chinese University of Hong Kong（香港中文大学） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 研究探讨Engram模块在自回归图像生成中的作用，发现其虽节省计算量但未提升样本质量，且模块行为更像一个带门控的架构旁路而非内容寻址检索器。

Comments 9 pages

Dual-Pathway Circuits of Object Hallucination in Vision-Language Models

视觉语言模型中物体幻觉的双路径电路

Jiaxin Liu, Ding Zhong, Yue Wang, Zhidong Yang, Zhaolu Kang, Guangyuan Dong, Qishi Zhan, Pengcheng Fang, Aofan Liu

机构 * UIUC（伊利诺伊大学香槟分校） ； UMich（密歇根大学） ； Stanford（斯坦福大学） ； HKUST（香港科技大学） ； PKU（北京大学） ； NUS（新加坡国立大学） ； Marquette（马quette大学） ； Southampton（南安普顿大学） 纠错

AI总结 研究通过双路径电路分析框架揭示视觉语言模型中物体幻觉的机制，发现视觉接地路径与幻觉路径的交互特性，并通过抑制幻觉路径组件降低幻觉发生率。

JEDI: Joint Embedding Diffusion World Model for Online Model-Based Reinforcement Learning

JEDI: 联合嵌入扩散世界模型用于在线基于模型的强化学习

Jing Yu Lim, Rushi Shah, Zarif Ikram, Samson Yu, Haozhe Ma, Tze-Yun Leong, Dianbo Liu

机构 * National University of Singapore（新加坡国立大学） 纠错

AI总结 JEDI通过联合嵌入扩散方法，构建了首个端到端的潜在扩散世界模型，提升了在线基于模型的强化学习效率与性能，减少了显存占用并加快了训练速度。

The Expressivity Boundary of Probabilistic Circuits: A Comparison with Large Language Models

概率电路的表达性边界：与大语言模型的比较

Zhiyu Zhao, Xuejie Liu, Muhan Zhang, Anji Liu

机构 * School of Computing, National University of Singapore（新加坡国立大学计算机学院） ； Institute for Artificial Intelligence, Peking University（北京大学人工智能研究院） ； School of Intelligence Science and Technology, Peking University（北京大学智能科学与技术学院） 纠错

AI总结 本文比较概率电路与大语言模型在自回归框架下的表现，发现概率电路通过logit空间参数化和结构分解可缩小表达性差距，但其在异质依赖拓扑下仍存在表达限制。

Cycle-resolved Cephalopod-Inspired Pulsed-Jet Robot With High-Volume Expulsion and Drag-Reduced Gliding

基于循环分析的章鱼启发式脉冲喷射机器人：高体积排放与减阻滑翔

Yiyuan Zhang, Anye Zhong, Junkai Chen, Wenci Xin

机构 * Department of Mechanical Engineering, College of Design and Engineering, National University of Singapore（机械工程系，设计与工程学院，新加坡国立大学） ； Advanced Robotics Centre, National University of Singapore（先进机器人中心，新加坡国立大学） ； Singapore-MIT Alliance for Research and Technology Centre（新加坡-麻省理工联合研究技术中心） 纠错

AI总结 本文提出一种受章鱼启发的脉冲喷射机器人，通过刚柔混合折纸外壳实现大体积主动驱动变形，实验显示其在第一喷射周期内达到0.5m/s峰值速度，展示了高排放比收缩、减阻滑翔和被动进气阀对推进性能的影响。

Comments Updated author list; no changes to the scientific content

Geometry over Density: Few-Shot Cross-Domain OOD Detection

密度上的几何学：少样本跨领域异常检测

Shawn Li, You Qin, Jiate Li, Charith Peris, Lisa Bauer, Roger Zimmermann, Yue Zhao

机构 * University of Southern California（南加州大学） ； National University of Singapore（新加坡国立大学） ； Amazon（亚马逊） 纠错

AI总结 本文提出UFCOD框架，通过扩散轨迹的信息几何分析实现少样本跨领域异常检测，无需额外训练即可在不同领域中高效检测异常样本。

Scale over Preference: The Impact of AI-Generated Content on Online Content Ecology

规模胜过偏好：AI生成内容对在线内容生态的影响

Tianhao Shi, Yang Zhang, Xiaoyan Zhao, Fengbin Zhu, Chenyi Lei, Han Li, Wenwu Ou, Tian Yang, Yang Song, Yongdong Zhang, Fuli Feng

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） ； Kuaishou Technology（快手科技） ； The Chinese University of Hong Kong（香港中文大学） 纠错

AI总结 研究通过分析中国视频平台用户数据，发现AI生成内容在高产量下可与人类生成内容在参与度上持平，尽管消费者更偏好人类生成内容，算法机制在调节竞争中起关键作用。

Comments update authors in v2

Data Agent: Learning to Select Data via End-to-End Dynamic Optimization

数据代理：通过端到端动态优化学习数据选择

Suorong Yang, Fangjian Su, Hai Gan, Ziqi Ye, Jie Li, Baile Xu, Furao Shen, Soujanya Poria

机构 * National University of Singapore（新加坡国立大学） ； Nanjing University（南京大学） ； Nanyang Technological University（南洋理工大学） 纠错

AI总结 本文提出数据代理框架，通过端到端动态优化解决数据选择问题，提升训练效率并保持性能。

Kiwi-Edit: Versatile Video Editing via Instruction and Reference Guidance

Kiwi-Edit：通过指令和参考引导实现多功能视频编辑

Yiqi Lin, Guoqiang Liang, Ziyun Zeng, Zechen Bai, Yanzhe Chen, Mike Zheng Shou

机构 * Show Lab, National University of Singapore（展示实验室，新加坡国立大学） 纠错

AI总结 本文提出Kiwi-Edit框架，通过指令和参考引导实现可控视频编辑，构建了RefVIE数据集和评估基准，并通过多阶段训练提升指令遵循和参考保真度。

Comments Project page: https://showlab.github.io/Kiwi-Edit Huggingface Demo: https://huggingface.co/spaces/linyq/KiwiEdit

Diffusion-Inspired Reconfiguration of Transformers for Uncertainty Calibration

受扩散启发的Transformer重构用于不确定性校准

Manh Cuong Dao, Quang Hung Pham, Phi Le Nguyen, Thao Nguyen Truong, Bryan Kian Hsiang Low, Trong Nghia Hoang

机构 * National University of Singapore（新加坡国立大学） ； Hanoi University of Science and Technology（河内科学技术大学） ； National Institute of Advanced Industrial Science and Technology（国家先进工业科学与技术研究院） ； Washington State University（华盛顿州立大学） 纠错

AI总结 本文提出一种受扩散启发的Transformer重构方法，通过概率映射模拟扩散过程，实现不确定性校准和预测精度提升。

Geometric Preconditioning and Curriculum Optimization for Trainable Variational Quantum Regression

几何预条件与课程优化用于可训练的变分量子回归

Qingyu Meng, Yangshuai Wang

机构 * Shanghai Jiao Tong University-Chongqing Institute of Artificial Intelligence（上海交通大学-重庆人工智能研究院） ； Department of Mathematics, National University of Singapore（新加坡国立大学数学系） 纠错

AI总结 本文提出了一种几何预条件和课程优化方法，用于改进可训练的变分量子回归的训练性能，通过控制经典嵌入能力和逐步增加电路深度来提升模型效果。

When Diffusion Breaks Constraints: Sequential Autoregressive Generation with RL and MCTS

当扩散模型失效约束：通过强化学习和MCTS的序列自回归生成

Zirui Zhao, Boye Niu, Harold Soh, David Hsu, Wee Sun Lee

机构 * Salesforce AI Research（Salesforce人工智能研究） ； University of Sydney（悉尼大学） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 本文研究了扩散模型在约束生成任务中的失效模式，通过拼图生成和简化矩形组合任务，发现扩散模型难以满足约束，提出基于自回归序列生成的约束意识生成方法。

Reasoning to Edit: Hypothetical Instruction-Based Image Editing with Visual Reasoning

基于推理的编辑：基于假设指令的图像编辑与视觉推理

Qingdong He, Xueqin Chen, Chaoyi Wang, Yanjie Pan, Xiaobin Hu, Zhenye Gan, Yabiao Wang, Chengjie Wang, Xiangtai Li, Jiangning Zhang

机构 * Tencent Youtu Lab（腾讯云图实验室） ； Sichuan University（四川大学） ； University of the Chinese Academy of Sciences（中国科学院大学） ； Fudan University（复旦大学） ； 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） 纠错

AI总结 本文提出Reason50K数据集和ReasonBrain框架，通过多模态大语言模型和扩散模型实现复杂隐含指令的图像编辑，提升视觉推理能力。

Comments Accepted by ICML2026

Exemplar-Free Continual Learning for State Space Models

无示例连续学习的状态空间模型

Isaac Ning Lee, Leila Mahmoodi, Trung Le, Mehrtash Harandi

机构 * Monash University（蒙纳士大学） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 本文提出Inf-SSM，通过利用无限维Grassmannian的几何结构，约束状态空间模型在连续学习中的状态演化，有效减少灾难性遗忘并提升准确率。

Comments Accepted at CVPR 2026

VIPO: Value Function Inconsistency Penalized Offline Reinforcement Learning

VIPO：价值函数不一致惩罚的离线强化学习

Xuyang Chen, Keyu Yan, Guojian Wang, Lin Zhao

机构 * 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） 纠错

AI总结 VIPO是一种新的基于模型的离线强化学习算法，通过自我监督反馈提升模型训练，有效增强模型准确性并在D4RL和NeoRL基准中表现优异。

What Happens Before Decoding? Prefill Determines GUI Grounding in VLMs

解码之前发生了什么？预填充决定了VLMs中的GUI接地

Jiaping Lin, Fei Shen, Junzhe Li, Ping Nie, Fei Yu, Ming Li, Haizhou Li

机构 * Guangming Laboratory（光明实验室） ； National University of Singapore（新加坡国立大学） ； Peking University（北京大学） ； University of Waterloo（滑铁卢大学） ； The Chinese University of Hong Kong (Shenzhen)（香港中文大学（深圳）） 纠错

AI总结 本文研究了VLMs中GUI接地的两阶段机制，发现预填充阶段决定候选UI元素，解码阶段进一步优化坐标。提出Re-Prefill方法通过引入注意力引导的第二预填充阶段提升目标选择精度，实验显示在多个基准上提升4.3%。

Revisiting Photometric Ambiguity for Accurate Gaussian-Splatting Surface Reconstruction

重新审视光度歧义以实现高精度高斯-散射表面重建

Jiahe Li, Jiawei Zhang, Xiao Bai, Jin Zheng, Xiaohan Yu, Lin Gu, Gim Hee Lee

机构 * School of Computer Science ； Engineering, State Key Laboratory of Complex Critical \& Software Environment, Jiangxi Research Institute, Beihang University ； State Key Laboratory of Virtual Reality Technology ； Macquarie University ； Tohoku University ； School of Computing, National University of Singapore 纠错

AI总结 本文提出AmbiSuR框架，通过高斯散射内在解决方案解决光度歧义问题，提升3D表面重建性能，实验显示在多种挑战场景中表现优异。

Comments Accepted at ICML 2026. Project page: https://fictionarry.github.io/AmbiSuR-Proj/

Autoregressive Learning in Joint KL: Sharp Oracle Bounds and Lower Bounds

联合KL下的自回归学习：尖锐的Oracle界限与下界

Yunbei Xu, Yuzhe Yuan, Ruohan Zhan

机构 * National University of Singapore（新加坡国立大学） ； University College London（伦敦大学学院） 纠错

AI总结 本文研究了在模型不规范情况下，自回归建模中长序列学习和下一个token预测的联合KL散度问题，通过建立上界和下界，首次完整刻画了长horizon误差行为，改进了现有工作的速率并证明了最优性。

World Action Models: The Next Frontier in Embodied AI

世界动作模型：具身AI的下一个前沿

Siyin Wang, Junhao Shi, Zhaoyang Fu, Xinzhe He, Feihong Liu, Chenchen Yang, Yikang Zhou, Zhaoye Fei, Jingjing Gong, Jinlan Fu, Mike Zheng Shou, Xuanjing Huang, Xipeng Qiu, Yu-Gang Jiang

机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 本文探讨了具身AI中的世界动作模型（WAMs），通过整合环境动态预测模型，统一预测状态建模与动作生成，提出结构化分类体系并分析数据生态，为该领域提供系统性综述。

SkillGraph: Skill-Augmented Reinforcement Learning for Agents via Evolving Skill Graphs

SkillGraph：通过演化的技能图增强代理的强化学习

Xiaoyuan Li, Moxin Li, Keqin Bao, Yubo Ma, Wenjie Wang, Dayiheng Liu, Fuli Feng

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） 纠错

AI总结 SkillGraph通过演化的技能图增强代理的强化学习，解决技能组合任务中的依赖识别和库维护问题，实验显示其在复杂任务中表现优异。

Comments Under Review

OmniHumanoid: Streaming Cross-Embodiment Video Generation with Paired-Free Adaptation

OmniHumanoid: 流式跨躯体视频生成与配对自由适应

Yiren Song, Xiyao Deng, Pei Yang, Yihan Wang, Mike Zheng Shou

机构 * Show Lab, National University of Singapore（展示实验室，新加坡国立大学） 纠错

AI总结 本文提出OmniHumanoid框架，通过分离可迁移运动学习与躯体特定适应，实现跨躯体视频生成，利用无配对视频进行适应，并通过分支隔离注意力设计提升运动与躯体适应的分离度。