高校专区
UniM：一个统一的任意到任意交错多模态基准
机构 * NUS（新加坡国立大学） ； SCUT（上海交通大学） ； NTU（国立科技大学） ； NJU（南京大学） ； Microsoft Research（微软研究院）
AI总结 UniM基准通过统一的任意到任意交错多模态数据集和评估套件，评估多模态大语言模型在复杂交错生成任务中的能力与挑战。
Comments 70 pages, 63 figures, 30 tables, CVPR
按需授权：面向大型语言模型的动态授权与合法性感知知识产权保护
机构 * The Key Laboratory of Brain-Machine Intelligence Technology, Ministry of Education, China（脑机智能技术重点实验室，教育部，中国） ； Centre for Innovation and Precision Eye Health, Yong Loo Lin School of Medicine, NUS, Singapore（创新与精准眼健康中心，尤洛林医学院，国立新加坡大学，新加坡） ； Department of Ophthalmology, Yong Loo Lin School of Medicine, NUS, Singapore（眼科部，尤洛林医学院，国立新加坡大学，新加坡） ； Institute of High Performance Computing, Agency for Science, Technology and Research, Singapore（高性能计算研究所，科技研究局，新加坡）
AI总结 本文提出AoD-IP框架，通过动态授权和合法性感知机制，实现对视觉-语言模型的灵活知识产权保护，支持按需授权和自适应部署。
SkillNet: 创建、评估和连接AI技能
机构 * Zhejiang University（浙江大学） ； Tongji University（同济大学） ； Southeast University（东南大学） ； Alibaba Group（阿里巴巴集团） ； Tencent（腾讯） ； Fudan University（复旦大学） ； The University of Edinburgh（爱丁堡大学） ； Monash University（墨尔本大学） ； National University of Singapore（新加坡国立大学） ； Nanyang Technological University（南洋理工大学） ； Huzhou University（湖州大学） ； Hornor Device Co., Ltd（Hornor设备有限公司） ； Hangzhou Institute for Advanced Study, UCAS（杭州先进研究所，UCAS）
AI总结 SkillNet通过统一的本体和多维评估机制，大规模创建、评估和连接AI技能，提升代理性能并促进技能的持久掌握。
Comments http://skillnet.openkg.cn/
FreeAct: 为LLM量化释放激活
机构 * National University of Singapore（新加坡国立大学） ； Huawei Technology（华为技术有限公司） ； Central South University（中央南大学）
AI总结 FreeAct通过放松静态转换约束，为LLM量化提供动态适应的激活转换方法，实现性能提升5.3%。
Comments 26 pages, 18 figures, 2 tables
僵尸代理：通过自我强化注入实现自我演化大语言模型代理的持续控制
机构 * School of Computing National University of Singapore（计算学院新加坡国立大学）
AI总结 研究提出僵尸代理攻击，通过自我强化注入实现对自我演化大语言模型代理的持续控制，揭示内存演化可将一次间接注入转化为持久妥协，表明单一会话提示过滤防御不足。
Comments Published as a workshop paper in Lifelong Agent @ ICLR 2026
在生成过程中思考：面向个性化长文本生成的即兴推理
机构 * University of Science and Technology of China（科学技术大学） ； National University of Singapore（国立新加坡大学） ； The Chinese University of Hong Kong（香港中文大学） ； National Engineering Laboratory for BITA, University of Science and Technology of China（BITA国家工程实验室，科学技术大学）
AI总结 FlyThinker通过在生成过程中进行动态推理，提升个性化长文本生成的效率和效果。
Comments Published as a conference paper at ICLR 2026
通过LLM代理和形式推理实现可信的法律AI
机构 * National University of Singapore（国立新加坡大学） ； Griffith University（格里菲斯大学）
AI总结 L4L通过LLM代理与形式推理实现法律AI的可信性，通过四个阶段确保法律推理的逻辑性和可验证性。
MachaGrasp：基于形态的跨躯体灵巧手关节生成方法用于抓取
机构 * Robotics & Autonomous Systems Division, Institute for Infocomm Research, Agency for Science, Technology and Research (A*STAR-I 2 R)（机器人与自主系统 division，信息通信研究所，科技研究局） ； College of Computing and Data Science, Nanyang Technological University（计算与数据科学学院，南洋理工大学） ； Show Lab, National University of Singapore（Show Lab，国立新加坡大学）
AI总结 MachaGrasp提出一种基于形态的跨躯体灵巧手抓取生成方法，通过形态嵌入和特征抓取集生成抓取动作，实现高成功率的抓取任务。
通过分析最优策略梯度学习敏捷门穿越
机构 * Department of Electrical and Computer Engineering, National University of Singapore（电子与计算机工程系，国立新加坡大学）
AI总结 本文提出了一种混合框架，通过分析最优策略梯度在线调整MPC参数，实现敏捷门穿越的高效训练和高精度控制。
Comments 8 pages, 8 figures
结构化Kolmogorov-Arnold神经ODEs用于可解释学习和非线性动力学的符号发现
机构 * Department of Industrial Systems Engineering and Management, National University of Singapore（工业系统工程与管理系，新加坡国立大学） ； Department of Civil, Environmental and Geomatic Engineering, ETH Zürich（土木、环境与测绘工程系，苏黎世联邦理工学院） ； Future Resilient Systems, Singapore-ETH Centre（未来韧性系统，新加坡-苏黎世中心）
AI总结 SKANODE通过结合结构化状态空间建模与Kolmogorov-Arnold网络，实现对非线性动力学的可解释学习和符号发现。
BACE-RUL: 一种带有协变量编码的双向对抗网络用于机器剩余寿命预测
机构 * School of Software Engineering, Sun Yat-Sen University（中山大学软件学院） ； School of Computer Science and Technology, China University of Mining and Technology（中国矿业大学计算机科学与技术学院） ； National University of Singapore（新加坡国立大学）
AI总结 本文提出BACE-RUL模型，通过双向对抗网络和协变量编码，利用当前传感器数据预测机器剩余寿命，优于现有方法。
Comments This paper has been received as a research paper at CollaborateCom 2024
可学习的稀疏性用于视觉生成模型
机构 * National University of Singapore（新加坡国立大学） ； RWTH Aachen University（亚琛工业大学） ； University of Oxford（牛津大学）
AI总结 本文提出了一种无需重新训练的扩散模型剪枝方法，通过学习可微掩码和时间步梯度检查点技术，实现高效参数压缩与性能保持。
Comments Project page: https://yangzhang-v5.github.io/EcoDiff
InstructHumans: 基于指令的可动画3D人体纹理编辑
机构 * National University of Singapore（新加坡国立大学） ； Communication University of China（中国传媒大学）
AI总结 InstructHumans通过改进的SDS-E方法实现基于指令的3D人体纹理编辑，提升编辑一致性与细节保真度。
Comments Accepted for publication in IEEE Transactions on Multimedia (TMM), 2025
EmbodiedSplat: 在线前馈语义3DGS用于开放词汇3D场景理解
机构 * National University of Singapore（新加坡国立大学）
AI总结 EmbodiedSplat通过在线前馈3DGS实现开放词汇3D场景理解，结合CLIP编码和3D U-Net提升语义重建效率与泛化能力。
Comments CVPR 2026, Project Page: https://0nandon.github.io/EmbodiedSplat/
迈向真实个性化：评估个性化用户-LLM交互中的长周期偏好跟随
机构 * National University of Singapore, Singapore（新加坡国立大学）
AI总结 RealPref提出一个评估个性化用户-LLM交互中长周期偏好跟随的基准，揭示LLM在长上下文和隐性偏好下的表现下降问题。
谱手术：通过梯度引导的奇异值重新加权实现LoRA的训练免费优化
机构 * School of Computing（计算学院） ； Information Systems, Singapore Management University（信息系统，新加坡管理大学） ； School of Computing, National University of Singapore（计算学院，新加坡国立大学） ； State Key Laboratory for Multimedia Information Processing, Peking University（多媒体信息处理国家重点实验室，北京大学）
AI总结 Spectral Surgery通过梯度引导的奇异值重新加权优化LoRA适配器，提升模型性能。
SkillVLA: 通过技能复用解决双臂操作中的组合多样性问题
机构 * National University of Singapore（国立新加坡大学） ； Beijing Zhongguancun Academy（北京中关村学院） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai AI Laboratory（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学） ； Fudan University（复旦大学） ； Smart Systems Institute, NUS（NUS智能系统研究所）
AI总结 SkillVLA通过技能复用解决双臂操作中的组合多样性问题，提升技能组合成功率至51%并在复杂任务中表现优异。
Comments 16 pages
面向AI与数据库工作负载有效编排的研究
机构 * National University of Singapore（新加坡国立大学） ； Beijing Institute of Technology（北京理工大学） ； Renmin University of China（中国人民大学） ； Zhejiang University（浙江大学）
AI总结 本文研究了AI与数据库工作负载的有效编排问题，探讨了联合数据管理和查询处理的挑战，提出了查询优化、执行调度和分布式执行等关键问题，并展示了初步设计和结果。
事实性至关重要：当图像生成与编辑遇见结构化视觉
机构 * CUHK MMLab（香港大学多模态实验室） ； Beihang University（北京航空航天大学） ； Krea AI（Krea人工智能） ； Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Lab（上海人工智能实验室） ； Hugging Face ； National University of Singapore（新加坡国立大学） ； ByteDance（字节跳动） ； The University of Hong Kong（香港大学）
AI总结 本文提出了一种统一模型，通过整合视觉语言模型和FLUX.1 Kontext，提升结构化视觉生成与编辑的多模态理解与事实准确性。
Comments Accepted by ICLR 2026, Project page: https://structvisuals.github.io
跨视觉协同的统一大视觉模型建模
机构 * National University of Singapore（新加坡国立大学） ； Nanyang Technological University（南洋理工大学）
AI总结 PolyV通过统一架构和协同训练方法，实现了跨视觉模态的协同推理，显著提升了多模态视觉任务的性能。
Comments 21 pages, 9 figures, 16 tables, CVPR
捕捉我如果你能描述我：基于扩散的开放词汇伪装实例分割
机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； CFAR & IHPC, A*STAR（CFAR与IHPC，A*STAR） ； Deakin University（德克萨斯大学） ； Nankai University（南开大学） ； National University of Singapore（新加坡国立大学） ； Trinity College Dublin（都柏林大学）
AI总结 本文提出基于扩散模型的开放词汇伪装实例分割方法，通过多尺度文本-视觉特征学习，提升伪装对象和新类别分割的性能。
Comments Accepted to IJCV 2026
评分了解布斯的声音：说话人模仿攻击
机构 * Hanyang University（翰阳大学） ； National University of Singapore（国立新加坡大学）
AI总结 本文提出了一种基于特征对齐的生成攻击框架，通过几何同步潜在空间与辨别特征空间，显著提升了基于评分的模仿攻击效率。
通过序列再生实现扩散语言模型的高效自评
机构 * Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学） ； Zhejiang University of Technology（浙江工业大学）
AI总结 本文提出DiSE方法，通过序列再生概率实现扩散语言模型的高效自评，提升质量评估的效率和可靠性。
知何时退避：基于似然比的最优选择性分类
机构 * Department of Computer Science, National University of Singapore（计算机科学系，国立新加坡大学） ； Smart Systems Institute, National University of Singapore（智能系统研究所，国立新加坡大学）
AI总结 本文提出基于似然比的最优选择性分类方法，通过 Neyman-Pearson 引理统一并改进了选择性分类在协变量偏移下的性能。
在判别与生成分类器之间：重新思考MLLMs用于动作理解
机构 * National University of Singapore（国立新加坡大学）
AI总结 本文提出GAD分类器，通过生成辅助判别方法提升封闭集动作理解的准确性和效率，达到SOTA效果。
Comments 22 pages, 9 figures, 16 tables. Accepted by ICLR2026
量子启发的少样本AIGC检测相结构重参数化细调
机构 * Anhui University, Hefei, China（安徽大学） ； Institute of Artificial Intelligence, Hefei Comprehensive National Science Center, Hefei, China（人工智能研究院） ； National University of Singapore, Singapore, Singapore（新加坡国立大学） ； University of Science and Technology of China, Hefei, China（中国科学技术大学）
AI总结 本文提出Q-LoRA和H-LoRA，利用量子和经典方法在少样本AIGC检测中提升准确率超过5%。
Comments 12 pages, 5 figures
NExT-Guard: 不依赖令牌级标签的无训练流式安全防护
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）
AI总结 NExT-Guard通过监控稀疏自编码器的潜在特征，实现无训练的流式安全防护，优于基于监督训练的防护方法。
CodecFlow：通过条件流匹配在神经编解码器潜在空间中实现高效的带宽扩展
机构 * Singapore Institute of Technology（新加坡理工学院） ； Nanyang Technological University（南洋理工大学） ； National University of Singapore（国立新加坡大学）
AI总结 CodecFlow通过条件流匹配和结构受限量化器，在神经编解码器潜在空间中实现高效语音带宽扩展，提升频谱保真度和感知质量。
Comments 7 pages, 7 figures
QIME: 通过本体论引导的问题构建可解释的医学文本嵌入
机构 * School of Computing, National University of Singapore（新加坡国立大学计算机学院）
AI总结 QIME通过本体论引导的问题构建可解释的医学文本嵌入，生成具有临床意义的yes/no问题，提升生物医学文本的解释性和性能。
AttackSeqBench: 对LLM在攻击序列理解能力的基准测试
机构 * National University of Singapore（新加坡国立大学） ； Singapore Management University（新加坡管理学院）
AI总结 AttackSeqBench通过系统评估LLM在攻击序列理解中的能力，揭示其在网络安全领域的优势与局限。
Comments 27 pages, 9 figures, 8 tables
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