高校专区
CoLA：一种用于揭示子集训练中隐私风险的泄露攻击框架
机构 * King Abdullah University of Science and Technology（国王阿卜杜勒-阿齐兹大学科学与技术学院） ； Provable Responsible AI and Data Analytics Lab（可证责任AI与数据分析实验室） ； National University of Singapore（新加坡国立大学） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 本文提出CoLA框架，揭示子集训练中隐私泄露问题，通过两种攻击场景分析训练成员和选择参与的隐私风险，扩展隐私范围至数据-模型供应链。
ContextLens：建模不完美隐私和安全上下文以满足法律合规
机构 * Beihang University（北京航空航天大学） ； HKUST（香港科技大学） ； National University of Singapore（新加坡国立大学） ； Faculty of Law, University of Macau（澳门大学法学院）
AI总结 本文提出ContextLens框架，利用LLM建模法律领域上下文，识别已知和未知因素以提升合规评估，实验表明其能有效提升LLM合规性评估性能。
Comments Accepted by ACL 26
回归基础：让对话代理仅通过检索与生成来记忆
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； The 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）
AI总结 本文提出一种基于检索与生成的对话记忆框架，解决长对话中记忆退化问题，通过Turn Isolation Retrieval和Query-Driven Pruning实现高效记忆管理。
Comments 23 pages, 12 figures
Double: 通过双检索推测并行突破加速限制
机构 * Zhejiang University（浙江大学） ； 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） ； Tsinghua University（清华大学）
AI总结 Double通过双检索推测并行机制解决推测解码的理论加速上限和计算浪费问题，实现5.3倍的LLaMA3.3-70B加速，优于需大量训练的EAGLE-3。
Comments Accepted by ACL2026 Main
教授教师：教师-学生平滑对齐在基于遗传编程的符号蒸馏中的作用
机构 * Indian Institute of Technology Kharagpur（印度理工学院卡里格普尔分校） ； National University of Singapore（新加坡国立大学）
AI总结 本文研究了教师-学生平滑对齐在基于遗传编程的符号蒸馏中的作用，通过引入雅可比和利普希茨惩罚项正则化教师函数的平滑性，提升学生模型的预测精度。
Comments camera-ready version, accepted at GECCO 2026
SpecBranch：通过混合草稿和回滚感知分支并行性进行推测解码
机构 * Zhejiang University（浙江大学） ； 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）
AI总结 SpecBranch通过混合草稿和回滚感知分支并行性，提升大语言模型推理速度，减少回滚令牌，实现实际应用。
Comments The paper has been accepted by ICLR2026
基于语义泛化的世界模型用于规划
机构 * Independent（独立） ； EPFL（瑞士联邦理工学院洛桑） ； Beihang University（北京航空航天大学） ； University of Toronto（多伦多大学） ； NUS（新加坡国立大学）
AI总结 本文提出基于视觉-语言对齐潜在空间的世界模型，用于改进视觉-运动模型控制，实现更广泛的语义泛化能力。
探索知识冲突以实现忠实的LLM推理：基准与方法
机构 * School of Computer Science and Technology, Xi'an Jiaotong University（西安交通大学计算机科学与技术学院） ； Department of Computer Science, The University of Manchester（曼彻斯特大学计算机科学系） ； Hunan University（湖南大学） ； National University of Singapore（新加坡国立大学）
AI总结 本文提出ConflictQA基准，揭示LLM在处理跨源知识冲突时的不足，并提出XoT框架以提升异构冲突证据推理的可靠性。
Comments Accepted at SIGIR 2026
穿透欺骗：在多模态新闻中揭示误导性创作者意图
机构 * National University of Singapore（新加坡国立大学） ； Yunnan University（云南大学）
AI总结 本文提出DeceptionDecoded基准数据集，通过意图引导模拟框架生成12000组图像-描述对，旨在揭示多模态虚假信息中的误导性意图，评估14种最新视觉-语言模型，发现其在意图推理上存在不足，提出系统合成数据以提升模型意图理解能力。
Comments ICLR 2026
通过高阶代理对齐实现多模态数据集蒸馏
机构 * University of Science and Technology of China（中国科学技术大学） ； Xidian University（西安电子科技大学） ； National University of Singapore（新加坡国立大学） ； The University of Sydney（悉尼大学）
AI总结 本文提出HoPA方法，通过紧凑代理捕捉高阶跨模态对齐，解决多模态数据集蒸馏中的异质性和复杂跨模态交互问题，实现可扩展的联合蒸馏。
WaveMoE: 一种用于时间序列预测的小波增强混合专家基础模型
机构 * Sun Yat-sen University（中山大学） ； Xiaomi Corporation（小米集团） ； National University of Singapore（新加坡国立大学）
AI总结 WaveMoE通过整合小波域表示提升时间序列预测能力，采用双路径架构和共享专家路由机制，实验表明其在16个基准数据集上具有提升预测性能的潜力。
Comments Presented at ICLR 2026 TSALM Workshop (1st Workshop on Time Series in the Age of Large Models)
从感知到规划：通过课程学习进化自主任务导向的空间时间推理
机构 * Zhejiang University（浙江大学） ； Tianjin University（天津大学） ； Qingdao University（青岛大学） ； Shanghai Jiao Tong University（上海交通大学） ； National University of Singapore（新加坡国立大学）
AI总结 本文提出EgoTSR框架，通过课程学习提升任务导向的空间时间推理能力，解决静态感知和动态环境中的时空幻觉问题，实验显示其在长周期推理任务中准确率达92.4%。
CARO：用于鲁棒内容审核的类比推理优化
机构 * National Engineering Laboratory for Big Data System Computing Technology（大数据系统计算技术国家工程实验室） ； Shenzhen University（深圳大学） ； Tsinghua University（清华大学） ； National University of Singapore（新加坡国立大学）
AI总结 CARO通过两阶段训练框架提升LLM的类比推理能力，有效缓解内容审核中的误导性决策短路问题，实验显示其在模糊审核基准上平均F1得分提升24.9%。
Comments Accepted to ACL 2026 findings; under official publication process
CHAIRO：面向LLMs的上下文分层类比归纳与推理优化
机构 * National Engineering Laboratory for Big Data System Computing Technology（国家大数据系统计算技术工程实验室） ； Shenzhen University（深圳大学） ； Tsinghua University（清华大学） ； National University of Singapore（新加坡国立大学）
AI总结 本文提出CHAIRO框架，通过类比示例提升规则归纳和决策可靠性，在内容审核中实现更准确和可解释的规则生成。
Comments Accepted to ACL 2026 main conference; under official publication process
UDAPose：无监督领域适应用于低光人类姿态估计
机构 * University of Mississippi（密西西比大学） ； National University of Singapore（新加坡国立大学） ； Duksung Women’s University（德成女子大学） ； ASUS Intelligent Cloud Services (AICS)（华硕智能云服务（AICS））
AI总结 UDAPose提出了一种新的框架，通过合成低光图像并动态融合视觉线索与姿态先验，提升低光环境下的人体姿态估计性能。
Comments Accepted at CVPR 2026
AIM-Bench：通过细粒度分层控制进行情感图像操纵的基准测试与改进
机构 * Xi'an Jiaotong University（西安交通大学） ； Zhengzhou University（郑州大学） ； National University of Singapore（新加坡国立大学） ； Fudan University（复旦大学） ； Zhejiang Lab（之江实验室）
AI总结 本文提出AIM-Bench，通过细粒度分层控制进行情感图像操纵的基准测试，改进了现有图像编辑基准的不足，提出了AIM-40k数据集并提升了模型性能。
基于不确定性的集成学习在心脏磁共振语义分割中的应用
机构 * Sichuan University（四川大学） ； National University of Singapore（新加坡国立大学） ； West China Women's and Children's Hospital（四川大学华西第二医院）
AI总结 本文提出基于不确定性的集成学习方法，通过全局不确定性提升心肌分割整体和末Slice性能，引入End Coefficient量化末Slice准确性，实验表明在ACDC和M&Ms数据集上取得接近SOTA的Dice相似系数和更优的末Slice分割效果。
通过双重投影实现闭式概念擦除
机构 * National University of Singapore（新加坡国立大学） ； Shanghai Jiao Tong University（上海交通大学） ； University of Nevada, Reno（内华达大学里诺分校）
AI总结 本文提出一种无需训练的线性变换框架，通过两次闭式步骤实现安全高效的概念擦除，实验显示其性能优于现有方法并能更忠实保留非目标概念。
随机Kaczmarz与SGD在贪心步长下的最后一轮收敛
机构 * University of Michigan（密歇根大学） ； National University of Singapore（新加坡国立大学）
AI总结 研究SGD在贪心步长下对光滑二次插值问题的最后轮收敛，证明t次迭代达到O(1/t^{3/4})收敛速度，改进了Attia等人提出的O(1/t^{1/2})保证。
R2E-VID：通过时间门控的两阶段鲁棒路由用于弹性边缘-云视频推理
机构 * Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Peng Cheng Laboratory（鹏城实验室） ； National University of Singapore（新加坡国立大学） ； Beijing Kuaishou Technology Co., Ltd.（北京快手科技有限公司）
AI总结 本文提出R2E-VID框架，通过时间门控机制实现边缘-云视频推理的两阶段鲁棒路由，提升路由效率并降低计算成本。
Comments 10 pages, 10 figures
LETGAMES: 一种基于大语言模型的认知训练游戏化方法用于认知障碍患者
机构 * Shanghai University of Finance and Economics（上海财经大学） ； Northwest Polytechnical University（西北工业大学） ； Institute of Data Science, National University of Singapore（新加坡国立大学数据科学研究所） ； College of Computer Science, Sichuan University（四川大学计算机学院）
AI总结 LETGAMES通过大语言模型生成个性化互动叙事游戏，针对特定认知领域设计挑战，并通过对话策略提供指导，通过心理学基础评估协议验证其有效性，展示了在认知训练工具中的潜力。
Comments 53 pages
KSDiff: 关键帧增强型语音感知双路径扩散模型用于面部动画
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KSDiff框架，通过双路径语音编码器和关键帧建立学习模块，提升语音驱动面部动画的唇同步和头部姿态自然度。
Comments Paper accepted at ICASSP 2026, 5 pages, 3 figures, 3 tables
CoMelSinger：基于离散令牌的零样本歌唱合成与结构旋律控制与指导
机构 * School of Computing, National University of Singapore（新加坡国立大学计算机学院）
AI总结 CoMelSinger通过离散编码器模型实现零样本歌唱合成，采用结构化旋律控制与对比学习策略，提升旋律准确性与音色一致性。
Comments Published in IEEE Transactions on Audio, Speech and Language Processing (TASLP). 13 pages, 5 figures, 5 tables
RIRF：图像修复推理框架
机构 * Southwest Jiaotong University（西南交通大学） ； Nanyang Technological University（南洋理工大学） ； Tongji University（同济大学） ； National University of Singapore（新加坡国立大学） ； Tsinghua University（清华大学）
AI总结 本文提出RIRF框架，通过整合结构化推理流程提升图像修复的可解释性与修复质量，结合推理与修复任务实现统一框架。
走向知识导向的深度研究：框架与基准
机构 * State Key Laboratory of AI Safety, Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所人工智能安全国家重点实验室） ； National University of Singapore（新加坡国立大学） ； University of Chinese Academy of Sciences（中国科学院大学）
AI总结 本文提出知识导向深度研究（KDR）任务，设计混合知识分析框架（HKA）并构建KDR-Bench基准，通过结构化与非结构化知识生成多模态报告，实验表明HKA在通用和知识导向指标上优于现有方法，且在视觉增强指标上超越Gemini DR代理。
PilotBench：一个具有安全约束的一般航空智能体基准
机构 * School of Computing National University of Singapore China ； School of Informatics Xiamen University China ； CESS Beihang University China
AI总结 PilotBench通过对比LLM与传统预报器，评估飞行轨迹和姿态预测，揭示了传统方法在精度上的优势与LLM在指令遵循上的优势，指出LLM在高负荷阶段表现下降，推动混合架构的发展。
Comments Accepted at the 2026 IEEE International Joint Conference on Neural Networks (IJCNN 2026). 6 pages, 7 figures
基于大语言模型的医学推理：综述与MR-Bench
机构 * University of Science and Technology of China（中国科学技术大学） ； The First Affiliated Hospital of USTC（中国科学技术大学附属第一医院） ； National University of Singapore（新加坡国立大学）
AI总结 本文综述了大语言模型在医学推理中的应用，提出MR-Bench基准测试，揭示了考试级性能与真实临床任务准确性之间的差距。
自主主权代理
机构 * National University of Singapore（新加坡国立大学）
AI总结 研究自主主权代理的前景，探讨其经济自给和自主运行能力，分析技术障碍及安全、社会和治理挑战。
推理时的自适应动作分块
机构 * National University of Singapore（新加坡国立大学） ； Shenzhen University of Advanced Technology（深圳理工大学） ； Sangfor Technologies Inc.（深信服科技股份有限公司） ； Mininglamp Technology（明略科技） ； Shenzhen Technology University（深圳技术大学） ； City University of Hong Kong（香港城市大学）
AI总结 本文提出自适应动作分块策略，通过动作熵动态调整分块大小，提升机器人操作的反应与一致性。
Comments accepted by CVPR 2026
礼貌的面具：在大型语言模型中基准测试中文虚伪礼貌理解
机构 * Tsinghua University（清华大学） ； National University of Singapore（新加坡国立大学） ； Huazhong University of Science and Technology（华中科技大学）
AI总结 本文从语用学角度评估大型语言模型在识别中文礼貌、不礼貌和虚伪礼貌现象中的表现差异，构建了结合真实和模拟中文话语的三类数据集，并通过六种代表性模型在四种提示条件下进行测试。
Comments Preprint
Journal ref International Conference in Applied Language Sciences (ALS 2026)
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