高校专区
思维链：具有适应性认知模式的推理
机构 * PKU（北京大学） ； BJTU（北京理工大学） ； StepFun ； SUFE（上海财经大学） ； NUS（新加坡国立大学） ； CityUHK（香港城市大学） ； QuantaAlpha（量子阿尔法）
AI总结 本文提出Chain of Mindset框架，通过动态选择不同认知模式提升推理效率，实验显示在多个基准测试中表现优异，准确率超越基线模型。
LMOD+: 一个全面的多模态数据集和基准，用于开发和评估眼科中的多模态大语言模型
机构 * School of Medicine, Yale University（耶鲁大学医学院） ； School of Computing, Australian National University（澳大利亚国立大学计算机学院） ； School of Engineering, Imperial College London（伦敦帝国理工学院工程学院） ； School of Computing, University of Georgia（佐治亚大学计算机学院） ； Yong Loo Lin School of Medicine, National University of Singapore（新加坡国立大学杨秀隆医学学院） ； National Eye Institute, National Institutes of Health（美国国立卫生研究院眼科研究所） ； National Library of Medicine, National Institutes of Health（美国国立卫生研究院国家医学图书馆） ； School of Computing Technologies, RMIT University（皇家墨尔本理工大学计算机技术学院）
AI总结 本文提出一个包含32633个实例的多模态眼科基准数据集，涵盖12种常见眼科疾病和5种成像模态，通过扩展数据集、扩展任务覆盖和系统评估24种最先进的MLLMs，推动眼科AI应用发展。
Comments ACM Transactions on Computing for Healthcare
Surg$Σ$: 一种大规模多模态数据和基础模型的光谱，用于外科智能
机构 * NUS（新加坡国立大学） ； CUHK（香港中文大学） ； SJTU（上海交通大学） ； NVIDIA（英伟达）
AI总结 本文提出Surg$Σ$，通过大规模多模态数据和基础模型提升外科智能，解决现有框架任务特定、泛化能力差的问题，展示统一语义设计和结构化推理标注的改进效果。
REFORGE：多模态攻击揭示图像生成模型中的脆弱概念反向学习
机构 * Yunnan University（云南大学） ； Northeastern University（东北大学） ； National University of Singapore（新加坡国立大学）
AI总结 REFORGE通过对抗性图像提示评估图像生成模型反向学习的鲁棒性，揭示现有方法的持续漏洞，提出更高效的多模态对抗攻击策略。
Comments Accepted by ICME 2026
VQKV：通过向量量化实现高保真和高比的缓存压缩
机构 * LUMIA Lab（LUMIA实验室） ； School of Artificial Intelligence（人工智能学院） ； Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； University of Cambridge（剑桥大学） ； National University of Singapore（新加坡国立大学）
AI总结 本文提出VQKV方法，利用向量量化实现高压缩比和高重建保真度的KV缓存压缩，实现在有限资源环境下提升模型性能。
高效代理工作流的LLM服务：数据系统视角
机构 * National University of Singapore（新加坡国立大学）
AI总结 本文从数据系统视角重新思考LLM和服务，提出Helium框架，通过主动缓存和缓存感知调度提升代理工作流效率，实现1.56倍速度提升。
通过双重核条件和核条件化对随机镜像下降法进行洗牌
机构 * Industrial Systems Engineering and Management, National University of Singapore（新加坡国立大学工业系统工程与管理）
AI总结 本文提出双重核条件（DKC）正则性条件，结合相对光滑性，为梯度提供双重Lipschitz连续性，从而在非凸相对光滑问题中建立随机重洗镜像下降法的复杂度界和迭代收敛性。
Comments 28 pages, 3 figures
TennisExpert: 向专家级分析体育视频理解迈进
机构 * National University of Singapore（新加坡国立大学） ； Nanyang Technological University（南洋理工大学） ； Griffith University（格里菲斯大学）
AI总结 本文提出TennisExpert框架，通过整合视频语义解析器和基于Qwen3-VL-8B的记忆增强模型，实现高效多模态网球理解，提升战术分析和比赛动态捕捉能力。
融合理解与生成的交错分析-草稿思维
机构 * National University of Singapore（国立新加坡大学） ； University of Oxford（牛津大学） ； Nanyang Technological University（南洋理工大学） ； Microsoft Research（微软研究院）
AI总结 本文提出AD-Loop机制，通过交错分析与草稿操作提升视觉语言模型的理解与生成能力，实验表明其在多个基准测试中表现优异，具备良好的迁移性。
Comments 28 pages, 17 figures, 6 tables, ICLR conference
谁更重要？-- SUnSET：面向时间线生成的多方、事件和时间协同理解
机构 * National University of Singapore（国立新加坡大学） ； A*STAR Institute of High Performance Computing（A*STAR高性能计算研究所） ； Celia Research Team（Celia研究团队） ； Norbert Wiener Research Center, Huawei International（诺伯特·维纳研究中心，华为国际）
AI总结 本文提出SUnSET框架，通过引入多方重要性评估和事件关联性度量，提升时间线生成的准确性，实验结果优于现有方法，凸显多方信息的重要性。
大语言模型推理前沿的综述：推理扩展、学习推理与代理系统
机构 * Salesforce AI Research（Salesforce AI研究） ； National University of Singapore（国立新加坡大学） ； Nanyang Technological University（南洋理工大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； A*STAR, Singapore（新加坡A*STAR）
AI总结 本文综述了大语言模型推理的前沿方法，从推理阶段和架构两个维度分类，探讨了推理扩展到学习推理及代理系统的发展趋势，涵盖监督微调、强化学习等算法及代理工作流设计。
Comments 72 pages, 6 figures. Accepted to TMLR, with Survey Certification award
基于下降引导的策略梯度方法用于可扩展的协作多智能体学习
机构 * National University of Singapore（新加坡国立大学）
AI总结 本文提出Descent-Guided Policy Gradient方法，通过利用可微解析模型降低梯度方差，实现协作多智能体学习的可扩展性，验证了在200个智能体任务中收敛性能。
Comments 10 pages, 5 figures, 5 tables; plus 16 pages of appendices
时间退火扰动采样：扩散语言模型的多样化生成
机构 * The University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； National University of Singapore（新加坡国立大学） ； CFAR, Agency for Science, Technology and Research（科技研究局CFAR） ； University of California, Santa Barbara（加州大学圣芭芭拉分校） ； Harvard University（哈佛大学）
AI总结 本文提出时间退火扰动采样方法，通过在扩散过程中早期鼓励语义分支并逐步减少扰动，提升生成多样性，同时保持生成质量。
Lie的解剖：一种多阶段诊断框架，用于追踪视觉-语言模型中的幻觉
机构 * National University of Singapore（新加坡国立大学） ； Monash University（墨尔本大学）
AI总结 本文提出一种多阶段诊断框架，通过动态认知轨迹分析视觉-语言模型中的幻觉问题，结合几何信息双重视角，实现高效且鲁棒的幻觉检测，提升模型透明度和可审计性。
对LLM对齐中的困境和冲突是否可解？一种优先图的视角
机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； New York University（纽约大学） ； National University of Singapore（新加坡国立大学）
AI总结 本文通过优先图模型分析LLM在不同场景中的冲突与困境，揭示了统一稳定对齐的挑战及优先黑客的潜在风险，并提出运行时验证机制以提升鲁棒性。
ViFeEdit：一种无需视频的视频扩散变换器调谐器
机构 * National University of Singapore（新加坡国立大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 本文提出ViFeEdit框架，通过2D图像实现视频生成与编辑，无需视频训练数据，采用架构重参数化解耦空间独立性与全3D注意力，实现高质量视频编辑与生成。
Comments Working in progress, code is at https://github.com/Lexie-YU/ViFeEdit
光谱校正用于结肠镜深度估计中基础模型的参数高效适应
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） ； Department of Radiotherapy, The First Affiliated Hospital of Xi'an Jiaotong University, Xi'an, China（西安交通大学第一附属医院放疗科）
AI总结 本文提出SpecDepth框架，通过光谱校正模块提升结肠镜图像处理性能，实现参数高效适应，取得最佳性能。
Comments 15 pages
RS-WorldModel：一种用于遥感理解与未来感知预测的统一模型
机构 * Central South University（中南大学） ； Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学） ； Guangming Laboratory（光明实验室） ； South China University of Technology（华南理工大学）
AI总结 RS-WorldModel通过联合处理时空变化理解和文本引导的未来场景预测，提升遥感任务的跨任务迁移能力，其在1.1 million样本数据集上训练，参数仅2B即可超越多数开源模型。
TheraAgent：具有自我进化记忆和证据校准推理的多智能体框架用于PET治疗诊断
机构 * Fudan University（复旦大学） ； University of Bern（伯尔尼大学） ； Nanjing University（南京大学） ； National University of Singapore（新加坡国立大学）
AI总结 TheraAgent通过自我进化记忆和证据校准推理，解决PET治疗诊断中数据稀缺、信息异构和证据推理的问题，实现75.7%的准确率。
MURE：基于视觉-语言模型的多分辨率编码框架用于视觉文档检索
机构 * National University of Singapore, Singapore（新加坡国立大学） ； University of Science and Technology of China, China（中国科学技术大学） ； Hefei University of Technology, China（合肥工业大学）
AI总结 本文提出MURE框架，通过多分辨率采样编码、跨粒度特征融合和语义感知聚类机制，提升视觉文档检索效率与效果，实验表明其优于现有基线方法。
一次净化，自由编辑：在模型不匹配下突破图像保护
机构 * Peking University（北京大学） ； National University of Singapore（国立新加坡大学） ； The University of Western Australia（西澳大学）
AI总结 研究提出统一的后期净化框架，评估模型不匹配下的保护有效性，提出VAE-Trans和EditorClean两种实用净化器，显著提升图像编辑质量，揭示一次净化后保护信号失效的问题。
超越模仿：用于自适应扩散导航策略的强化学习微调
机构 * Nanyang Technological University, Singapore（南洋理工大学，新加坡） ； A*STAR, Singapore（A*STAR，新加坡） ； National University of Singapore, Singapore（新加坡国立大学）
AI总结 本文提出一种针对扩散导航的强化学习微调框架，通过Group Relative Policy Optimization提升策略适应性，在Isaac Sim中提升成功率和SPL，减少碰撞，展示出更强的零样本迁移能力和安全泛化能力。
批量核化老虎机：改进与扩展
机构 * National University of Singapore（新加坡国立大学）
AI总结 本文研究了在批量噪声反馈下进行黑盒优化的问题，改进并扩展了基于核的老虎机的后悔界结果，提出了适应性批量策略，并在鲁棒设置中设计了鲁棒-BPE算法。
用3D思考：从有限视角出发的几何想象引导的空间推理
机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院，清华大学） ； Meituan（美团） ； National University of Singapore（新加坡国立大学） ； Beihang University（北航） ； LMMs-Lab（LMMs实验室）
AI总结 本文提出3DThinker框架，通过利用图像中的丰富几何信息实现空间推理，无需3D先验输入或显式标注3D数据，在多个基准测试中优于现有方法。
Comments 25 pages, 17 figures
Journal ref CVPR 2026
通过频谱过滤理解数据集蒸馏
机构 * National University of Singapore（新加坡国立大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 本文提出UniDD框架，通过频谱过滤统一不同数据集蒸馏目标，提出Curriculum Frequency Matching方法提升性能，验证了UniDD的实用性。
Comments Accepted by ICLR 2026. Code is available at https://github.com/bdy9527/UniDD
DreamVideo-Omni: 基于潜在身份强化学习的多主体视频定制与 Omni-运动控制
机构 * Fudan University（复旦大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； Tongyi Lab, Alibaba Group（阿里云实验室） ； Zhejiang University（浙江大学） ； MMLab, The University of Hong Kong（香港大学MMLab） ； Nanyang Technological University（南洋理工大学） ； Show Lab, National University of Singapore（新加坡国立大学Show Lab）
AI总结 DreamVideo-Omni通过渐进式两阶段训练范式，实现多主体视频定制与Omni-运动控制，采用条件感知嵌入和分层运动注入策略，提升身份保持与运动控制精度。
Comments Project Page: https://dreamvideo-omni.github.io
慢-快推理：通过句内支持稳定性实现无需训练的推理加速
机构 * National University of Singapore（新加坡国立大学） ； ByteDance（字节跳动）
AI总结 SFI通过利用句内支持稳定性，将生成过程分为快速低成本步骤和偶尔的密集注意力慢步骤，从而提高解码吞吐量并保持质量。
用信息气味的序列决策模型建模试错导航
机构 * Aalto University（艾罗大学） ； National University of Singapore（国立新加坡大学）
AI总结 本文提出了一种基于信息气味的序列决策模型，用于建模用户在信息架构中试错导航的行为，通过考虑局部和全局气味及内存限制，解释了用户提前选择、错误转弯和回溯恢复等导航行为。
See4D: 通过自回归视频修复实现无姿态4D生成
机构 * NUS（新加坡国立大学） ； HKU（香港大学） ； CUHK（香港中文大学） ； THU（清华大学） ； Shanghai AI Lab（上海人工智能实验室） ； Horizon Robotics（地平线机器人） ； NTU（国立科技大学）
AI总结 See4D通过自回归视频修复实现无姿态4D生成，提升从随意视频到4D世界建模的实用性。
Comments Eurographics2026; 26 pages; 21 figures; 3 tables; project page: https://see-4d.github.io/
AdaClearGrasp: 学习自适应清除以实现零样本鲁棒灵巧抓取在密集障碍环境中
机构 * Nanjing University（南京大学） ； Nanjing University of Posts and Telecommunications（南京邮电大学） ； National University of Singapore（新加坡国立大学）
AI总结 AdaClearGrasp通过自适应清除与零样本灵巧抓取技术，提升机器人在密集障碍环境中的抓取成功率。
Comments 12 pages. Under review
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