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

A Versatile AI Agent for Rare Disease Diagnosis and Risk Gene Prioritization

一种多功能AI代理用于罕见病诊断和风险基因优先级排序

Tianyu Liu, Wangjie Zheng, Rui Yang, Benny Kai Guo Loo, Hui Zhang, Jeffries Lauran, Jianlei Gu, Botao Yu, Weihao Xuan, Kexin Huang, Nan Liu, James Zou, Yonghui Jiang, Hua Xu, Hongyu Zhao

机构 * Interdepartmental Program in Computational Biology and Bioinformatics, Yale University（耶鲁大学计算生物学与生物信息学联合计划） ； Department of Biostatistics, Yale University（耶鲁大学生物统计学系） ； Broad Institute of MIT and Harvard（哈佛大学与麻省理工学院联合Broad研究所） ； Center for Biomedical Data Science, Duke-NUS Medical School（杜克-新加坡医学学校生物医学数据科学中心） ； Sport and Exercise Medicine Service, KK Women’s and Children’s Hospital Training Program, Duke-NUS Medical School（杜克-新加坡医学学校KK妇女儿童医院运动与医学服务培训项目） ； Training Program, Duke-NUS Medical School（杜克-新加坡医学学校培训项目） ； Department of Computer Science and Engineering, The Ohio State University（俄亥俄州立大学计算机科学与工程系） ； Department of Complexity Science and Engineering, The University of Tokyo（东京大学复杂科学与工程系） ； Center for Advanced Intelligence Project, RIKEN（日本理化学研究所高级智能项目中心） ； NUS Artificial Intelligence Institute, National University of Singapore（新加坡国立大学人工智能研究所） ； Department of Biostatistics and Bioinformatics, Duke University（杜克大学生物统计学与生物信息学系） ； Department of Biomedical Data Science, Stanford University（斯坦福大学生物医学数据科学系） ； Department of Genetics, Yale University（耶鲁大学遗传学系） ； Wu Tsai Institute, Yale University（耶鲁大学吴天教授研究所） ； Department of Biomedical Informatics and Data Science, Yale University（耶鲁大学生物医学信息学与数据科学系） 纠错

AI总结 本文提出Hygieia系统，通过整合多源数据提升罕见病诊断准确性与风险基因优先级排序能力，实验表明其在多个诊断基准上表现优异，有效减轻临床工作负担。

Comments 32 pages, 6 figures

RelBench v2: A Large-Scale Benchmark and Repository for Relational Data

RelBench v2：关系数据的大型基准和存储库

Justin Gu, Rishabh Ranjan, Charilaos Kanatsoulis, Haiming Tang, Martin Jurkovic, Valter Hudovernik, Mark Znidar, Pranshu Chaturvedi, Parth Shroff, Fengyu Li, Jure Leskovec

机构 * Stanford University（斯坦福大学） ； National University of Singapore（新加坡国立大学） ； University of Ljubljana（卢布尔雅那大学） ； Kumo AI ； University of Oxford（牛津大学） 纠错

AI总结 RelBench v2引入了四个大规模关系数据集，扩展了基准测试，并引入了自动补全任务，展示了关系学习模型在多表预测中的优势。

Comments Published at ICLR 2026. Website: https://relbench.stanford.edu

CAMAL: Improving Attention Alignment and Faithfulness with Segmentation Masks

CAMAL：利用分割掩码改进注意力对齐与忠实度

Rajdeep Singh Hundal, Yan Xiao, Jin Song Dong, Manuel Rigger

机构 * National University of Singapore（新加坡国立大学） ； Sun Yat-sen University（中山大学） 纠错

AI总结 CAMAL通过利用分割掩码提升视觉模型的注意力对齐和忠实度，增强模型解释性并提升泛化性能。

CERSA: Cumulative Energy-Retaining Subspace Adaptation for Memory-Efficient Fine-Tuning

CERSA：累积能量保留子空间适应用于内存高效的微调

Jingze Ge, Xue Geng, Yun Liu, Wanqi Dong, Wang Zhe Mark, Min Wu, Ngai-Man Cheung, Bharadwaj Veeravalli, Xulei Yang

机构 * National University of Singapore（新加坡国立大学） ； Nankai University（南开大学） ； Singapore University of Technology and Design（新加坡科技设计大学） 纠错

AI总结 CERSA通过奇异值分解保留主成分以降低内存消耗，优于现有PEFT方法，适用于多种领域模型。

Comments 10 pages, 7 figures, supplementary material included

INO-SGD: Addressing Utility Imbalance under Individualized Differential Privacy

INO-SGD：在个性化差分隐私下解决效用不平衡问题

Xiao Tian, Jue Fan, Rachael Hwee Ling Sim, Bryan Kian Hsiang Low

机构 * Department of Computer Science, National University of Singapore（新加坡国立大学计算机科学系） ； Agency for Science, Technology and Research (A*STAR), Singapore（新加坡科技研究局） 纠错

AI总结 本文提出INO-SGD算法，通过在每个批次中策略性降低权重，改善所有迭代中更隐私数据的性能，满足个性化差分隐私需求，解决现有方法无法兼顾隐私和效用的不足。

Comments Accepted to the 14th International Conference on Learning Representations (ICLR-26)

Anisotropic Modality Align

各向异性模态对齐

Xiaomin Yu, Yijiang Li, Yuhui Zhang, Hanzhen Zhao, Yue Yang, Hao Tang, Yue Song, Xiaobin Hu, Chengwei Qin, Shuicheng Yan, Hui Xiong

机构 * HKUST(GZ)（香港科技大学（广州）） ； NUS（国立新加坡大学） ； UCSD（加州大学圣地亚哥分校） ； Stanford（斯坦福大学） ； PKU（北京大学） ； THU（清华大学） 纠错

AI总结 本文研究了多模态模型中模态间转换的可行性，提出各向异性模态对齐方法，通过几何修正框架提升单模态数据的多模态训练效果。

OrScale: Orthogonalised Optimization with Layer-Wise Trust-Ratio Scaling

OrScale：基于层间信任比缩放的正交化优化

Yuxuan Lou, Yang You

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

AI总结 OrScale通过引入信任比缩放改进Muon算法，通过层间正交化优化提升训练稳定性，实现更高效的收敛与泛化性能。

Rep2Text: Decoding Full Text from a Single LLM Token Representation

Rep2Text：从单个LLM标记表示解码完整文本

Haiyan Zhao, Zirui He, Yiming Tang, Fan Yang, Ali Payani, Dianbo Liu, Mengnan Du

机构 * New Jersey Institute of Technology（新泽西理工学院） ； National University of Singapore（国立新加坡大学） ； Cisco Research（思科研究） ； Wake Forest University（威克森林大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） 纠错

AI总结 研究探讨如何从LLM单个最后标记表示恢复原始文本，提出Rep2Text框架，通过可训练适配器将目标模型的最后标记表示映射到解码语言模型的token嵌入空间，实现文本自回归重建，实验显示在16-token序列中约半数token可被恢复且保持语义连贯。

Comments 18 pages, 6 figures, 6 tables

Inference-Time Attribute Distribution Alignment for Unconditional Diffusion

推理时属性分布对齐用于无条件扩散

Hao Luan, See-Kiong Ng, Chun Kai Ling

机构 * School of Computing, National University of Singapore（新加坡国立大学计算机学院） ； Institute of Data Science, National University of Singapore（新加坡国立大学数据科学研究所） 纠错

AI总结 本文提出在推理时对齐属性分布的方法，通过最优控制问题优化扩散过程，实现更灵活的属性分布对齐，无需重新训练模型。

Comments Preprint. 35 pages, 13 figures

EditTransfer++: Toward Faithful and Efficient Visual-Prompt-Guided Image Editing

EditTransfer++：迈向精确且高效的视觉提示引导图像编辑

Lan Chen, Qi Mao, Yiren Song, Yuchao Gu, Siwei Ma

机构 * School of Information and Communication Engineering and the State Key Laboratory of Media Convergence and Communication, Communication University of China（信息与通信工程学院和媒体融合与通信国家重点实验室，中国传媒大学） ； ShowLab, National University of Singapore（新加坡国立大学ShowLab） 纠错

AI总结 EditTransfer++通过渐进式结构训练和高效条件方案提升视觉提示的准确性与推理效率，结合文本解耦训练和对比细化机制，实现更稳定的图像编辑效果。

Rubric-based On-policy Distillation

基于评分标准的在线蒸馏

Junfeng Fang, Zhepei Hong, Mao Zheng, Mingyang Song, Gengsheng Li, Houcheng Jiang, Dan Zhang, Haiyun Guo, Xiang Wang, Tat-Seng Chua

机构 * National University of Singapore（新加坡国立大学） ； University of Science and Technology of China（中国科学技术大学） ； Tencent（腾讯） 纠错

AI总结 本文提出ROPD框架，利用教师生成的响应而非教师日志进行在线蒸馏，实现更灵活的黑盒兼容方案，实验显示在多数场景下性能优于基于日志的蒸馏方法，样本效率提升达10倍。

Comments Preprint. Code is available at https://github.com/Peregrine123/ROPD_official

ST-Gen4D: Embedding 4D Spatiotemporal Cognition into World Model for 4D Generation

ST-Gen4D：将4D时空认知嵌入世界模型以实现4D生成

Haonan Wang, Hanyu Zhou, Tao Gu, Luxin Yan

机构 * School of Artificial Intelligence and Automation, Huazhong University of Science and Technology（华中科技大学人工智能与自动化学院） ； School of Computing, National University of Singapore（新加坡国立大学计算机学院） ； School of Computing, Macquarie University（麦考瑞大学计算机学院） 纠错

AI总结 本文提出ST-Gen4D框架，通过4D时空认知世界模型实现4D生成，结合时空表示、认知、推理和生成四大设计，提升4D生成的结构合理性和拓扑一致性。

Escaping the Diversity Trap in Robotic Manipulation via Anchor-Centric Adaptation

通过锚点中心适应摆脱机器人操作中的多样性陷阱

Yanzhe Chen, Kevin Yuchen Ma, Qi Lv, Yiqi Lin, Zechen Bai, Chen Gao, Mike Zheng Shou

机构 * National University of Singapore（新加坡国立大学） ； Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） ； Institude for Information Research, A STAR（A*STAR信息研究所） 纠错

AI总结 本文提出锚点中心适应方法，通过稳定策略骨架和选择性扩展覆盖范围，解决多样性陷阱问题，提升任务可靠性和成功率。

Comments 21 pages, 8 figures

PersonaGest: Personalized Co-Speech Gesture Generation with Semantic-Guided Hierarchical Motion Representation

PersonaGest: 基于语义引导的层次化运动表示的个性化语音伴随手势生成

Junchuan Zhao, Qifan Liang, Ye Wang

机构 * School of Computing, National University of Singapore（新加坡国立大学计算机学院） 纠错

AI总结 本文提出PersonaGest框架，通过语义引导的RVQ-VAE和Masked Generative Transformer实现语音伴随手势的高质量生成，提升语义一致性和个性化表现。

Comments 26 pages, 10 figures, 12 tables

From Storage to Experience: A Survey on the Evolution of LLM Agent Memory Mechanisms

从存储到经验：LLM代理记忆机制演化的综述

Jinghao Luo, Yuchen Tian, Chuxue Cao, Ziyang Luo, Hongzhan Lin, Kaixin Li, Chuyi Kong, Ruichao Yang, Jing Ma

机构 * Hong Kong Baptist University（香港 Baptist 大学） ； South China Normal University（南方中国师范大学） ； Hong Kong University of Science and Technology（香港科学与技术大学） ； National University of Singapore（新加坡国立大学） ； University of Science and Technology Beijing（北京科技大学） 纠错

AI总结 本文综述了LLM代理记忆机制的发展，提出三阶段框架，分析长程一致性、动态环境挑战和持续学习目标，探讨前瞻性探索与跨轨迹抽象等前沿机制，为下一代LLM代理设计提供指导。

Comments Accepted by ACL 2026 Findings

MolmoAct2: Action Reasoning Models for Real-world Deployment

MolmoAct2：面向现实部署的动作推理模型

Haoquan Fang, Jiafei Duan, Donovan Clay, Sam Wang, Shuo Liu, Weikai Huang, Xiang Fan, Wei-Chuan Tsai, Shirui Chen, Yi Ru Wang, Shanli Xing, Jaemin Cho, Jae Sung Park, Ainaz Eftekhar, Peter Sushko, Karen Farley, Angad Wadhwa, Cole Harrison, Winson Han, Ying-Chun Lee, Eli VanderBilt, Rose Hendrix, Suveen Ellawela, Lucas Ngoo, Joyce Chai, Zhongzheng Ren, Ali Farhadi, Dieter Fox, Ranjay Krishna

机构 * Allen Institute for AI（艾伦人工智能研究所） ； University of Washington（华盛顿大学） ； National University of Singapore（新加坡国立大学） ； University of Pennsylvania（宾夕法尼亚大学） ； Johns Hopkins University（约翰霍普金斯大学） ； Amazon（亚马逊公司） ； University of Michigan（密歇根大学） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） 纠错

AI总结 本文提出MolmoAct2，一个完全开放的动作推理模型，通过改进架构和引入新数据集，在五个方面提升性能，展示了在多个基准测试中优于现有模型的成果。

Comments 31 pages, project page: https://allenai.org/blog/molmoact2

RL-RIG: A Generative Spatial Reasoner via Intrinsic Reflection

基于内在反思的生成式空间推理器：RL-RIG

Tianyu Wang, Zhiyuan Ma, Qian Wang, Xinyi Zhang, Xinwei Long, Bowen Zhou

机构 * Zhiyuan College, Shanghai Jiao Tong University（上海交通大学紫元学院） ； Huazhong University of Science and Technology（华中科技大学） ； National University of Singapore（新加坡国立大学） ； Shanghai Jiao Tong University（上海交通大学） ； Tsinghua University（清华大学） ； Shanghai AI Laboratory（上海人工智能实验室） 纠错

AI总结 RL-RIG通过生成-反思-编辑范式，提升图像生成的精细空间关系捕捉能力，采用Scene Graph IoU和VLM评估策略，在空间一致性上优于现有模型。

LoopNav: Benchmarking Spatial Consistency in World Models

LoopNav：世界模型中空间一致性评估的基准测试

Kewei Lian, Shaofei Cai, Yitao Liang, Anji Liu

机构 * NUS（国立新加坡大学） ； Peking Univeristy（北京大学） 纠错

AI总结 LoopNav提出一个基于循环导航的基准测试，用于评估世界模型的空间一致性，通过Minecraft开放世界环境收集250小时视频数据，并引入场景图一致性评分以量化空间一致性。

Comments V3: SGCS

S2S-Arena: Evaluating Paralinguistic Instruction Following in Speech-to-Speech Models

S2S-Arena：评估语音到语音模型的副语言指令遵循

Feng Jiang, Zhiyu Lin, Yiyang Liu, Liumeng Xue, Fan Bu, Yuhao Du, Xiangying Chen, Benyou Wang, Haizhou Li

机构 * Artificial Intelligence Research Institute, Shenzhen University of Advanced Technology（深圳先进技术研究院） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Nanjing University（南京大学） ； Shenzhen Loop Area Institute（深圳河套学院） ； CentraleSupélec, Université Paris-Saclay（巴黎萨克雷大学CentraleSupélec分校） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 S2S-Arena通过四级交互协议和双阶段数据构建流程，评估语音模型在语义理解和副语言表达上的能力，揭示了现有系统在复杂副语言需求下的性能差距。

Comments Accepted by ACL 2026 main

Sparkle: Realizing Lively Instruction-Guided Video Background Replacement via Decoupled Guidance

Sparkle: 通过解耦指导实现生动的指令引导视频背景替换

Ziyun Zeng, Yiqi Lin, Guoqiang Liang, Mike Zheng Shou

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

AI总结 本文提出Sparkle数据集和基准，通过解耦生成前景与背景指导，解决背景替换任务中高质量数据稀缺的问题，实验表明其性能优于现有基线。

Comments Tech Report. Project Page: https://showlab.github.io/Sparkle/

On the Implicit Reward Overfitting and the Low-rank Dynamics in RLVR

关于隐式奖励过拟合和RLVR中的低秩动态

Hao Ye, Jisheng Dang, Junfeng Fang, Bimei Wang, Yizhou Zhang, Ning Lv, Wencan Zhang, Hong Peng, Bin Hu, Tat-Seng Chua

机构 * Lanzhou University（兰州大学） ； National University of Singapore（新加坡国立大学） ； Beijing Institute of Technology（北京理工大学） 纠错

AI总结 研究揭示RLVR模型中隐式奖励过拟合现象及低秩动态特性，分析了模型参数塑造机制，为改进强化学习及其他持续学习方法提供新视角。

Optimal Transport for LLM Reward Modeling from Noisy Preference

基于噪声偏好的LLM奖励建模中的最优传输

Licheng Pan, Haochen Yang, Haoxuan Li, Yunsheng Lu, Yongqi Tong, Yinuo Wang, Shijian Wang, Zhixuan Chu, Lei Shen, Yuan Lu, Hao Wang

机构 * Zhejiang University（浙江大学） ； Peking University（北京大学） ； National University of Singapore（新加坡国立大学） ； University of California San Diego（加州大学圣地亚哥分校） 纠错

AI总结 本文提出SelectiveRM框架，利用最优传输对噪声偏好进行去噪，通过联合一致性差异对齐模型预测分布与偏好数据，并引入质量放松机制以排除矛盾样本，提升奖励建模性能。

TACT: Mitigating Overthinking and Overacting in Coding Agents via Activation Steering

TACT: 通过激活引导缓解编码代理中的过度思考与过度行动

Yuan Sui, Yulin Chen, Yibo Li, Xue Jiang, Yufei He, Yihong Dong, Xiaoxin He, Tianyu Gao, Bryan Hooi

机构 * National University of Singapore（新加坡国立大学） ； Peking University（北京大学） ； Meta 纠错

AI总结 本文提出TACT方法，通过激活引导检测并缓解编码代理中的过度思考和过度行动问题，提升任务解决效率和准确性。

Comments Work in progress

TheraAgent: Self-Improving Therapeutic Agent for Precise and Comprehensive Treatment Planning

TheraAgent：自我改进的治疗剂用于精准且全面的治疗计划

Junkai Li, Yunghwei Lai, Tianyi Zhu, Zheng Long Lee, Weizhi Ma, Yang Liu

机构 * Dept. of Comp. Sci. & Tech., Institute for AI, Tsinghua University, Beijing, China（计算机科学与技术系，人工智能研究院，清华大学，北京，中国） ； Institute for AI Industry Research (AIR), Tsinghua University, Beijing, China（人工智能产业研究院（AIR），清华大学，北京，中国） ； School of Computing, National University of Singapore, Singapore（计算学院，新加坡国立大学，新加坡） 纠错

AI总结 TheraAgent通过迭代生成-判断-改进流程提升治疗计划的精准度和完整性，实验显示其在HealthBench上表现优异，专家评估中胜率高达86%。

Comments Accepted to ACL 2026

CAMEL: Confidence-Gated Reflection for Reward Modeling

CAMEL：基于置信度的反思机制用于奖励建模

Zirui Zhu, Hailun Xu, Yang Luo, Yong Liu, Kanchan Sarkar, Kun Xu, Yang You

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

AI总结 CAMEL通过置信度门控机制实现轻量级偏好决策，并选择性地对低置信度实例进行反思，采用反事实前缀增强的强化学习训练，提升了奖励建模的准确性和效率。

Comments ICML 2026

Time Series Reasoning via Process-Verifiable Thinking Data Synthesis and Scheduling for Tailored LLM Reasoning

通过过程可验证的思维数据合成与调度实现时间序列推理

Jiahui Zhou, Dan Li, Boxin Li, Xiao Zhang, Erli Meng, Lin Li, Zhuomin Chen, Jian Lou, See-Kiong Ng

机构 * Sun Yat-sen University（中山大学） ； Xiaomi Corporation（小米公司） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 本文提出VeriTime框架，通过数据合成、调度和强化学习训练，提升LLM在时间序列推理任务中的性能，使小模型达到或超越大模型效果。

Conversation for Non-verifiable Learning: Self-Evolving LLMs through Meta-Evaluation

对话式非验证学习：通过元评估自我进化的大型语言模型

Yuan Sui, Bryan Hooi

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

AI总结 本文提出CoNL框架，通过多智能体自我对弈实现生成、评估与元评估的统一，利用批评质量提升解决方案来改进模型，无需外部评委或真实标签。

Comments Accepted by ICML'26

HERMES: KV Cache as Hierarchical Memory for Efficient Streaming Video Understanding

HERMES: KV缓存作为分层内存用于高效视频流理解

Haowei Zhang, Shudong Yang, Jinlan Fu, See-Kiong Ng, Xipeng Qiu

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 HERMES提出一种无需训练的架构，通过将KV缓存视为分层内存框架，实现视频流的实时准确理解，提升处理速度并降低内存消耗。

Comments Accepted to ACL 2026 Main

Meta-Reasoner: Dynamic Guidance for Optimized Inference-time Reasoning in Large Language Models

Meta-Reasoner：用于大型语言模型推理时间优化的动态指导

Yuan Sui, Yufei He, Tri Cao, Simeng Han, Yulin Chen, Bryan Hooi

机构 * National University of Singapore（新加坡国立大学） ； Yale University（耶鲁大学） 纠错

AI总结 本文提出Meta-Reasoner框架，通过动态调整推理策略提升大语言模型的推理效率，实验显示在数学和科学任务中准确率提升9-12%，推理时间减少28-35%。

Comments Accepted by ACL'2026

TriRelVLA: Triadic Relational Structure for Generalizable Embodied Manipulation

TriRelVLA：三元关系结构用于可迁移的具身操作

Hanyu Zhou, Chuanhao Ma, Gim Hee Lee

机构 * School of Computing, National University of Singapore（新加坡国立大学计算机学院） ； School of Artificial Intelligence and Automation, Huazhong University of Science and Technology（华中科技大学人工智能与自动化学院） 纠错

AI总结 TriRelVLA通过构建三元关系结构，解决视觉语言动作模型在未见场景和物体上的泛化问题，提升具身操作的迁移能力。