CARL: Criticality-Aware Agentic Reinforcement Learning
CARL：基于关键性的代理强化学习
机构 * National University of Singapore, Singapore（新加坡国立大学）
AI总结 CARL通过识别关键状态中的动作选择，提升长周期代理推理的性能与效率，采用熵作为启发式代理，减少噪声信用分配和冗余计算。
Comments 18 pages, 6 figures
高校专区
National University of Singapore（新加坡国立大学）
Alignment-Sensitive Minimax Rates for Spectral Algorithms with Learned Kernels
对具有学习核的谱算法的对齐敏感最小最大率
机构 * Department of Statistics and Data Science, National University of Singapore, Singapore（新加坡国立大学统计与数据科学系） ； School of Statistics and Mathematics, Zhongnan University of Economics and Law, Wuhan, China（中南财经政法大学统计与数学学院） ； Department of Statistics and Data Science, Tsinghua University, Beijing, China（清华大学统计与数据科学系）
AI总结 本文研究了在核从数据中学习的设定下的谱算法，引入了有效的跨度维度（ESD）作为对齐敏感的复杂度度量，证明了在序列模型中ESD不超过K时，最小最大超额风险与σ²K成比例，并分析了过参数化梯度流可降低ESD，扩展到线性模型和RKHS回归，并通过实验支持理论。
CodeBrain: Bridging Decoupled Tokenizer and Multi-Scale Architecture for EEG Foundation Model
CodeBrain: 桥接解耦分词器与多尺度架构的EEG基础模型
机构 * Saw Swee Hock School of Public Health, National University of Singapore（新加坡国立大学 Saw Swee Hock 公共卫生学院） ； Institute of Data Science, National University of Singapore（新加坡国立大学数据科学研究所） ； Guangzhou Research Translation and Innovation Institute, National University of Singapore（新加坡国立大学广州研究翻译与创新研究所） ； College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院） ； Beijing Key Laboratory of Brainnetome and Brain-Computer Interface, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所脑网络与脑机接口重点实验室） ； Brainnetome Center, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所脑网络中心）
AI总结 CodeBrain通过解耦分词器和多尺度架构提升EEG基础模型的表示能力，实现对大脑活动的高效捕捉与可解释性。
Comments Published as a conference paper at the International Conference on Learning Representations (ICLR 2026)
MFVLR: Multi-domain Fine-grained Vision-Language Reconstruction for Generalizable Diffusion Face Forgery Detection and Localization
MFVLR：多领域细粒度视觉-语言重建用于通用扩散面部伪造检测与定位
机构 * Faculty of Computer Science and Technology, Qilu University of Technology (Shandong Academy of Sciences)（计算机科学与技术学院，齐鲁工业大学（山东省科学院）） ； School of Computing, National University of Singapore（国立新加坡大学计算机学院） ； Shandong Artificial Intelligence Institute, Qilu University of Technology (Shandong Academy of Sciences)（山东省人工智能研究院，齐鲁工业大学（山东省科学院）） ； Key Laboratory of Computer Vision and System, Ministry of Education, Tianjin University of Technology（教育部计算机视觉与系统重点实验室，天津工业大学）
AI总结 本文提出MFVLR模型，通过语言引导的面部伪造表示学习，实现通用的扩散合成面部伪造检测与定位，结合多领域视觉编码器和细粒度语言变压器提升模型泛化能力。
Guided Streaming Stochastic Interpolant Policy
引导式流式随机插值策略
机构 * School of Computing, National University of Singapore（新加坡国立大学计算机学院）
AI总结 本文提出引导式流式随机插值策略，通过分析价值函数的时间演化，推导出最优引导项，实现动态目标下的高效控制与障碍避让。
Comments Accepted to Robotics: Science and Systems (RSS) 2026. The first two authors contributed equally
TD3B: Transition-Directed Discrete Diffusion for Allosteric Binder Generation
TD3B：过渡引导的离散扩散用于别构结合物生成
机构 * Department of Computer Science and Engineering, The Chinese University of Hong Kong（香港中文大学计算机科学与工程系） ； Department of Bioengineering, University of Pennsylvania（宾夕法尼亚大学生物工程系） ； Department of Computer and Information Science, University of Pennsylvania（宾夕法尼亚大学计算机与信息科学系） ； Centre for Computational Biology, Duke-NUS Medical School（杜克-新加坡国立大学医学学校计算生物学中心）
AI总结 TD3B通过方向性状态转换控制目标，设计具有指定激动剂或拮抗剂行为的结合物，结合方向Oracle、软结合亲和门和预训练离散扩散模型的微调，实现与结合亲和力解耦的靶向生成。
Comments Published as a Spotlight at ICML 2026 (Proceedings of the 43rd International Conference on Machine Learning, Seoul, South Korea)
On Uniform Error Bounds for Kernel Regression under Non-Gaussian Noise
关于在非高斯噪声下核回归的统一误差界
机构 * Chair of Automatic Control Engineering, Department of Computer Engineering, Technical University of Munich（自动控制工程学系，计算机工程系，慕尼黑技术大学） ； Institute of Control Systems, Hamburg University of Technology（控制系统研究所，汉堡技术大学） ； 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）
AI总结 本文提出非渐近的核回归统一误差界，适用于广泛非高斯分布，包括亚高斯、有界、亚指数和方差/矩有界的噪声，并在安全控制中验证了界的有效性。
Comments This paper has been accepted at the 43rd International Conference on Machine Learning (ICML) 2026
Absurd World: A Simple Yet Powerful Method to Absurdify the Real-world for Probing LLM Reasoning Capabilities
荒诞世界：一种简单却强大的方法，用于将现实世界扭曲以探测LLM推理能力
机构 * The Nueva School（新维学校） ； University of Southern California（南加州大学） ； Notre Dame College（诺特大学） ； Arizona State University（亚利桑那州立大学） ； National University of Singapore（新加坡国立大学）
AI总结 本文提出Absurd World框架，通过扭曲现实世界来测试LLM的推理能力，验证其在简单逻辑任务中的鲁棒性。
PDEAgent-Bench: A Multi-Metric, Multi-Library Benchmark for PDE Solver Generation
PDEAgent-Bench: 一个多指标、多库的PDE求解器生成基准
机构 * University of Science and Technology of China（中国科学技术大学） ； Tencent（腾讯） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学） ； Tsinghua University（清华大学） ； University of Texas at Dallas（德克萨斯大学达拉斯分校） ； Arizona State University（亚利桑那州立大学） ； Rice University（里士满大学） ； Technical University of Munich（慕尼黑技术大学） ； Stanford University（斯坦福大学） ； Alibaba Group（阿里巴巴集团）
AI总结 PDEAgent-Bench是首个针对PDE求解器生成的多指标、多库基准，包含645个实例，涵盖6类数学问题和11种PDE家族，评估生成求解器的可执行性、数值精度和计算效率。
DegBins: Degradation-Driven Binning for Depth Super-Resolution
DegBins: 基于退化驱动的深度超分辨率
机构 * Department of Computer Science, National University of Singapore（新加坡国立大学计算机科学系） ； Nanjing University of Science and Technology（南京理工大学）
AI总结 本文提出DegBins框架，通过退化驱动的分箱方法改进深度超分辨率，利用高维特征空间建模退化关系，通过多阶段优化提升重建精度。
Comments 9 pages
CLR-voyance: Reinforcing Open-Ended Reasoning for Inpatient Clinical Decision Support with Outcome-Aware Rubrics
CLR-voyance：通过结果感知的评分表强化住院患者临床决策支持中的开放性推理
机构 * ASUS Intelligent Cloud Services (AICS)（ASUS智能云服务（AICS）） ； Rehabilitation Research Institute of Singapore, Nanyang Technological University（新加坡康复研究院，南洋理工大学） ； Department of Family Medicine, Taipei Veterans General Hospital（台北荣民总医院家庭医学部） ； School of Medicine, National Yang Ming Chiao Tung University（国家阳明交通大学医学院） ； Yong Loo Lin School of Medicine, National University of Singapore（新加坡国立大学 Yong Loo Lin 医学院）
AI总结 CLR-voyance将住院患者推理建模为POMDP，通过结果感知和临床验证的奖励机制提升决策支持，实现住院患者临床推理的最新进展。
TacoMAS: Test-Time Co-Evolution of Topology and Capability in LLM-based Multi-Agent Systems
TacoMAS: 在基于大语言模型的多智能体系统中拓扑与能力的测试时间共演
机构 * Carnegie Mellon University（卡内基梅隆大学） ； 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） ； Shanghai AI Lab（上海人工智能实验室）
AI总结 TacoMAS通过联合调整拓扑和能力，以不同时间尺度优化多智能体系统，实验表明其在四个基准测试中优于20个基线模型，平均提升13.3%。
LLM-Driven Performance-Space Augmentation for Meta-Learning-Based Algorithm Selection
基于大语言模型的性能空间增强用于基于元学习的算法选择
机构 * Department of Statistics and Data Science（统计与数据科学系） ； National University of Singapore（新加坡国立大学） ； Department of Computer Science（计算机科学系）
AI总结 本文提出通过大语言模型生成合成回归数据来增强元数据集，以提升元学习在算法选择中的性能，发现均匀采样策略在多个指标上表现更优。
Perception Without Engagement: Dissecting the Causal Discovery Deficit in LMMs
无参与的感知：LMMs中因果发现缺陷的剖析
机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Pengcheng Laboratory（鹏城实验室） ； National University of Singapore（新加坡国立大学） ； Peking University（北京大学） ； Harvard University（哈佛大学）
AI总结 本文探讨了大型多模态模型在因果发现中的缺陷，提出ProCauEval评估协议和ADPO框架，通过扰动分析揭示模型在视觉和文本模态间的依赖关系，提升视觉推理能力。
Comments 17 pages, 5 figures
Mem-W: Latent Memory-Native GUI Agents
Mem-W: 基于潜在记忆的原生GUI代理
机构 * LV-NUS Lab（LV-NUS实验室）
AI总结 Mem-W通过将记忆作为连续上下文的一部分，改进GUI代理的长期任务执行能力，实验证明其在多个导航基准测试中提升了性能，最高提升达+30.0。
Height-Guided Projection Reparameterization for Camera-LiDAR Occupancy
基于高度引导的投影重参数化方法用于相机-激光雷达点云
机构 * Nanjing University of Science and Technology（南京理工大学） ； National University of Singapore（新加坡国立大学）
AI总结 本文提出HiPR方法，通过高度引导的投影重参数化提升点云预测精度，改进投影空间采样以适应真实场景的高度变化，增强特征聚合稳定性。
Visibility-Aware Mobile Grasping in Dynamic Environments
动态环境中具有可视性的移动抓取
机构 * School of Computing, National University of Singapore（新加坡国立大学计算机学院） ； Smart Systems Institute, National University of Singapore（新加坡国立大学智能系统研究所）
AI总结 本文提出一种统一的移动抓取系统，通过迭代低层全身规划器和基于行为树的高层规划器，提升动态环境中的抓取成功率和安全性。
UniCon3R: Unified Contact-aware 4D Human-Scene Reconstruction from Monocular Video
UniCon3R：基于单目视频的统一接触感知4D人体-场景重建
机构 * National University of Singapore（国立新加坡大学） ； Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所）
AI总结 UniCon3R通过建模人体与环境的接触关系，提升4D人体-场景重建的物理合理性与全局运动估计，同时保持高效的前馈推理速度。
Comments Project page: https://surtantheta.github.io/UniCon3R
AUHead: Realistic Emotional Talking Head Generation via Action Units Control
AUHead: 通过动作单元控制实现逼真的情感谈话头生成
机构 * University of the Chinese Academy of Sciences（中国科学院大学） ； National University of Singapore（新加坡国立大学） ； Zhejiang University（浙江大学） ； State Key Laboratory of Communication Content Cognition, People’s Daily Online（人民日報網通信內容認知重點實驗室）
AI总结 本文提出AUHead方法，通过动作单元控制实现逼真的谈话头生成，解决现有方法在情感表达细腻度上的不足。
Comments https://openreview.net/forum?id=dmzlAUkulz&referrer=%5BAuthor%20Console%5D(%2Fgroup%3Fid%3DICLR.cc%2F2026%2FConference%2FAuthors%23your-submissions) Accepted at the 14th International Conference on Learning Representations (ICLR 2026)
Representative Action Selection for Large Action Space Bandit Families
大规模动作空间老虎机家族中的代表性动作选择
机构 * National University of Singapore（新加坡国立大学） ； Technion（技术学院）
AI总结 本文研究如何从大规模动作空间中选择代表性动作，以提高效率。提出简单算法通过随机采样和求解来收集最优动作，理论和实验验证其有效性。
Learning Pure Quantum States in Any Dimension (Almost) Without Regret
在任意维度下几乎无遗憾地学习纯量子态
机构 * Centre for Quantum Technologies, National University of Singapore, Singapore（量子技术中心，新加坡国立大学） ； Nanyang Quantum Hub, School of Physical and Mathematical Sciences, Nanyang Technological University, Singapore（南洋量子枢纽，南洋理工大学物理与数学科学学院） ； Department of Electrical and Computer Engineering, National University of Singapore, Singapore（电子与计算机工程系，新加坡国立大学）
AI总结 本文提出一种在任意有限维中学习纯量子态的方法，通过局部线性模型和鲁棒估计器实现无累积干扰的量子态重构，其在T次测量后累积遗憾为O(d³log²T)。
Comments 43 pages
Towards Backdoor-Based Ownership Verification for Vision-Language-Action Models
面向视觉-语言-动作模型的后门基于所有权验证
机构 * Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； School of Cyber Security, University of Chinese Academy of Sciences（中国科学院大学网络安全学院） ； A*STAR Institute of High Performance Computing (A*STAR IHPC)（新加坡A*STAR高性能计算研究所） ； A*STAR Centre for Frontier AI Research (A*STAR CFAR)（新加坡A*STAR前沿人工智能研究中心） ； College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算机与数据科学学院） ； College of Design and Engineering, Nanyang Technological University（南洋理工大学设计与工程学院） ； Department of Computer Science, National University of Singapore（新加坡国立大学计算机科学系） ； State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing (LIESMARS), Wuhan University（武汉大学测绘遥感信息工程国家重点实验室（LIESMARS））
AI总结 本文提出GuardVLA，首个针对视觉-语言-动作模型的后门基于所有权验证框架，通过在训练中嵌入隐蔽无害的后门水印，实现可靠的模型所有权验证并保持正常任务性能。
Tracking the Truth: Object-Centric Spatio-Temporal Monitoring for Video Large Language Models
追踪真相：面向视频大语言模型的物体感知时空监控
机构 * National University of Singapore（新加坡国立大学） ； VinUniversity（文大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出STEMO-Bench基准测试，通过分解查询验证时空监控能力，改进视频大语言模型的时空推理一致性。
Comments Code: https://github.com/nguyentthong/video_hallucination
Self-ReSET: Learning to Self-Recover from Unsafe Reasoning Trajectories
Self-ReSET: 通过学习自我恢复来应对不安全推理轨迹
机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； National University of Singapore（新加坡国立大学）
AI总结 本文提出Self-ReSET框架，通过纯强化学习使大推理模型具备自我恢复能力，提升对抗攻击下的鲁棒性并高效利用数据。
Internalizing Safety Understanding in Large Reasoning Models via Verification
通过验证内部化安全理解以提升大推理模型
机构 * National University of Singapore（国立新加坡大学） ； University of Science and Technology of China（中国科学技术大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）
AI总结 本文提出Safety Internal框架，通过训练模型在安全验证任务中自我批判生成答案，提升模型对自身输出安全性的判断能力，增强对抗性突破的鲁棒性。
Comments Accepted at the 43rd International Conference on Machine Learning (ICML 2026)
LightAVSeg: Lightweight Audio-Visual Segmentation
LightAVSeg: 轻量级音频视觉分割
机构 * College of Informatics, Huazhong Agricultural University, Wuhan, China（华中农业大学信息学院） ； School of Computing, National University of Singapore, Singapore（新加坡国立大学计算机学院） ； School of Computer Science, Adelaide University, Australia（阿德莱德大学计算机科学学院） ； School of Engineering, University of Warwick, Coventry, UK（沃里克大学工程学院） ； Zhejiang Yuexiu University, Shaoxing, China（浙江越秀大学）
AI总结 本文提出LightAVSeg，通过解耦设计替代重注意力机制，实现线性交互成本，提升效率，实验显示其在MS3基准上达到50.4 mIoU，参数量仅为AVSegFormer的1/7。
Comments 15 pages, 8 figures, 6 tables, Accepted to ICML 2026
Breaking the Impasse: Dual-Scale Evolutionary Policy Training for Social Language Agents
打破僵局：用于社交语言代理的双尺度进化策略训练
机构 * MAIS, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所MAIS部） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； National University of Singapore（新加坡国立大学） ； Ritzz-AI
AI总结 本文提出双尺度进化策略训练方法，解决社交语言游戏中因策略空间庞大导致的进化停滞问题，通过动态优化景观干预，恢复梯度信号并促进持续战略探索。
Comments Accepted to the ACL 2026 Main Conference
From Articulated Kinematics to Routed Visual Control for Action-Conditioned Surgical Video Generation
从运动学至路由视觉控制：用于动作条件化外科视频生成
机构 * SJTU（上海交通大学） ； NUS（国立新加坡大学） ； THU（清华大学） ； EIT（欧洲研究所） ； WHU（武汉大学） ； Harvard（哈佛大学） ； NVIDIA（NVIDIA公司） ； CUHK（香港大学）
AI总结 本文提出一种运动学至视觉提升范式，通过五种图像对齐的控制模态生成动作条件化外科视频，采用分层路由框架提升控制精度与效率，构建新基准并验证方法有效性。
Gate-and-Merge: Zero-shot Compositional Personalization of Vision Language Models
门与融合：面向视觉语言模型的零样本组合个性化
机构 * National University of Singapore（新加坡国立大学）
AI总结 本文提出Gate-and-Merge框架，实现视觉语言模型的零样本组合个性化，通过轻量LoRA适配器和门控机制，在无需共现训练的情况下提升多概念联合识别性能。
Transforming the Use of Earth Observation Data: Exascale Training of a Generative Compression Model with Historical Priors for up to 10,000x Data Reduction
将地球观测数据的使用转型：利用历史先验进行超大规模训练的生成压缩模型，实现高达10000倍的数据压缩
机构 * Institute of Data and Information, Tsinghua Shenzhen International Graduate School（数据与信息研究所，清华大学深圳国际研究生院） ； Department of Earth System Science, Tsinghua University（地球系统科学系，清华大学） ； Sun Yat-Sen University（中山大学） ； National University of Singapore（新加坡国立大学） ； National Supercomputing Center in Shenzhen（深圳国家超算中心）
AI总结 本文提出一种生成压缩框架，利用历史地球观测档案实现任务自适应的数据压缩，通过超大规模训练实现高达10000倍的数据减少，展示历史先验生成压缩在地球观测数据中的应用潜力。
