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

FMIP: Joint Continuous-Integer Flow For Mixed-Integer Linear Programming

FMIP: 混合整数线性规划的联合连续-整数流

Hongpei Li, Hui Yuan, Han Zhang, Jianghao Lin, Dongdong Ge, Mengdi Wang, Yinyu Ye

机构 * Shanghai University of Finance and Economics（上海财经大学） ； Princeton University（普林斯顿大学） ； National University of Singapore（国立新加坡大学） ； Antai College of Economics and Management（经济管理学院） ； Shanghai Institute for Mathematics and Interdisciplinary Sciences（上海数学与交叉科学研究院） ； Stanford University（斯坦福大学） 纠错

AI总结 FMIP提出了一种新的生成框架，通过联合建模整数和连续变量分布，提升混合整数线性规划求解效率。

Comments Accepted at the International Conference on Learning Representations (ICLR), 2025. A generative framework for MILP that jointly models integer and continuous variables, achieving 41% primal gap reduction with broad solver compatibility

SecP-Tuning: Efficient Privacy-Preserving Prompt Tuning for Large Language Models via MPC

SecP-Tuning: 通过MPC实现大语言模型高效隐私保护提示微调

Jinglong Luo, Zhuo Zhang, Yehong Zhang, Shiyu Liu, Ye Dong, Hui Wang, Yue Yu, Xun Zhou, Zenglin Xu

机构 * Pengcheng Laboratory（鹏城实验室） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Fudan University（复旦大学） ； Shanghai Academy of AI for Science（上海人工智能科学研究院） ； Institute of Statistical Interdisciplinary Research, Southwestern University of Finance and Economics（统计交叉学科研究所，西南财经大学） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 SecP-Tuning通过MPC实现大语言模型高效隐私保护提示微调，显著提升微调效率并减少通信开销。

Comments ICLR 2026

VINCIE: Unlocking In-context Image Editing from Video

VINCIE：从视频中解锁上下文图像编辑

Leigang Qu, Feng Cheng, Ziyan Yang, Qi Zhao, Shanchuan Lin, Yichun Shi, Yicong Li, Wenjie Wang, Tat-Seng Chua, Lu Jiang

机构 * National University of Singapore（国立新加坡大学） ； ByteDance Seed（字节跳动种子） 纠错

AI总结 VINCIE通过视频直接训练模型，实现了强大的上下文图像编辑能力，并在多轮图像编辑基准中取得最佳成绩。

Comments ICLR 2026 Camera-ready. Project page: https://vincie2025.github.io/

SKeDA: A Generative Watermarking Framework for Text-to-video Diffusion Models

SKeDA：一种面向文本到视频扩散模型的生成水印框架

Yang Yang, Xinze Zou, Zehua Ma, Han Fang, Weiming Zhang

机构 * School of Electronic and Information Engineering, Anhui University（安徽大学电子与信息工程学院） ； Anhui Province Key Laboratory of Digital Security and the CAS Key Laboratory of Electromagnetic Space Information, University of Science and Technology of China（安徽省数字安全重点实验室和中国科学院电磁空间信息重点实验室，中国科学技术大学） ； School of Computing, National University of Singapore（新加坡国立大学计算机学院） 纠错

AI总结 SKeDA是一种专为文本到视频扩散模型设计的生成水印框架，通过分布保持采样和差分注意机制提升水印的鲁棒性和可靠性。

Comments 11 pages, 6 figures

Uncertainty Quantification for Multimodal Large Language Models with Incoherence-adjusted Semantic Volume

多模态大语言模型的不确定性量化：基于不一致性调整的语义体积

Gregory Kang Ruey Lau, Hieu Dao, Nicole Kan Hui Lin, 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） 纠错

AI总结 UMPIRE是一种无需训练的多模态大语言模型不确定性量化框架，通过内部特征有效捕捉语义多样性和响应不一致性，提升错误检测和不确定性校准性能。

Comments Earlier versions presented at ICLR 2025 QUESTION workshop and ICML 2025 R2-FM workshop

Portfolio Reinforcement Learning with Scenario-Context Rollout

情景-上下文回放的组合投资强化学习

Vanya Priscillia Bendatu, Yao Lu

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

AI总结 本文提出一种基于情景-上下文回放的组合投资强化学习方法，通过构建反事实状态和增强目标来稳定学习，提升夏普比率和降低回撤。

GuardAlign: Test-time Safety Alignment in Multimodal Large Language Models

GuardAlign: 多模态大语言模型中的测试时安全性对齐

Xingyu Zhu, Beier Zhu, Junfeng Fang, Shuo Wang, Yin Zhang, Xiang Wang, Xiangnan He

机构 * MoE Key Lab of BIPC, University of Science and Technology of China（摩埃关键实验室，中国科学技术大学） ； Nanyang Technological University（南洋理工大学） ； National University of Singapore（新加坡国立大学） ； Tianjin University（天津大学） 纠错

AI总结 GuardAlign通过OT增强的安全检测和跨模态注意力校准，有效提升多模态大语言模型在测试时的安全性，减少不安全响应率并提升任务表现。

Comments ICLR 2026

BeeNet: Reconstructing Flower Shapes from Electric Fields using Deep Learning

BeeNet: 利用深度学习从电场中重建花形

Jake Turley, Ryan A. Palmer, Isaac V. Chenchiah, Daniel Robert

机构 * School of Biochemistry, University of Bristol（生物化学系，布里斯托尔大学） ； School of Mathematics, University of Bristol（数学系，布里斯托尔大学） ； Mechanobiology Institute, National University of Singapore（机械生物学研究所，新加坡国立大学） ； School of Engineering Mathematics and Technology, University of Bristol（工程数学与科技系，布里斯托尔大学） ； School of Biological Sciences, University of Bristol（生物科学系，布里斯托尔大学） 纠错

AI总结 BeeNet通过深度学习从电场中重建花形，揭示了电感受在传粉昆虫中的重要作用。

Comments 14 pages, 4 figures

SettleFL: Trustless and Scalable Reward Settlement Protocol for Federated Learning on Permissionless Blockchains (Extended version)

SettleFL：去中心化和可扩展的联邦学习奖励结算协议（扩展版）

Shuang Liang, Yang Hua, Linshan Jiang, Peishen Yan, Tao Song, Bin Yao, Haibing Guan

机构 * Shanghai Jiao Tong University（上海交通大学） ； Queen's University Belfast（女王大学 Belfast分校） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 SettleFL是一种去中心化且可扩展的奖励结算协议，通过优化链上成本和提供即时最终性，解决联邦学习中高频率训练与区块链成本的冲突问题。

Q-Tag: Watermarking Quantum Circuit Generative Models

Q-Tag: 量子电路生成模型的水印技术

Yang Yang, Yuzhu Long, Han Fang, Zhaoyun Chen, Zhonghui Li, Weiming Zhang, Guoping Guo

机构 * School of Electronic and Information Engineering, Anhui University（安徽大学电子与信息工程学院） ； Institute of Artificial Intelligence, Hefei Comprehensive National Science Center（合肥国家科学中心人工智能研究所） ； School of Computing, National University of Singapore（新加坡国立大学计算机学院） ； School of Cyber Science and Technology, University of Science and Technology of China（中国科学技术大学网络科学与技术学院） ； Laboratory of Quantum Information, University of Science and Technology of China（中国科学技术大学量子信息实验室） ； Origin Quantum Computing Technology Company（起源量子计算技术有限公司） 纠错

AI总结 Q-Tag提出一种集成于量子电路生成模型的水印技术，通过生成过程嵌入所有权信号以保护电路版权，同时保持电路保真度。

Comments 13 pages, 8 figures

MiroFlow: Towards High-Performance and Robust Open-Source Agent Framework for General Deep Research Tasks

MiroFlow：面向通用深度研究任务的高性能和鲁棒开源代理框架

Shiqian Su, Sen Xing, Xuan Dong, Muyan Zhong, Bin Wang, Xizhou Zhu, Yuntao Chen, Wenhai Wang, Yue Deng, Pengxiang Zhu, Ziyuan Liu, Tiantong Li, Jiaheng Yu, Zhe Chen, Lidong Bing, Jifeng Dai

机构 * Tsinghua University（清华大学） ； MiroMind AI ； National University of Singapore（新加坡国立大学） ； Nanjing University（南京大学） 纠错

AI总结 MiroFlow是一种面向通用深度研究任务的高性能开源代理框架，通过灵活的工作流编排和深度推理模式提升性能和稳定性。

Simulation-based Optimization for Augmented Reading

基于模拟的增强阅读优化

Yunpeng Bai, Shengdong Zhao, Antti Oulasvirta

机构 * National University of Singapore（新加坡国立大学） ； City University of Hong Kong（香港城市大学） ； Aalto University（艾尔沃斯大学） 纠错

AI总结 本文提出基于模拟的优化方法，通过资源理性模型实现可解释且可扩展的增强阅读设计，结合离线和在线优化流程提升文本用户界面的适应性和个性化能力。

SoPE: Spherical Coordinate-Based Positional Embedding for Enhancing Spatial Perception of 3D LVLMs

SoPE: 基于球坐标的位置嵌入：增强3D大视觉-语言模型的空间感知

Guanting Ye, Qiyan Zhao, Wenhao Yu, Liangyu Yuan, Mingkai Li, Xiaofeng Zhang, Jianmin Ji, Yanyong Zhang, Qing Jiang, Ka-Veng Yuen

机构 * University of Macau（澳门大学） ； University of Science and Technology of China（中国科学技术大学） ； Shanghai Jiaotong University（上海交通大学） ； Hefei University of Technology（合肥工业大学） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 SoPE通过基于球坐标的位置嵌入提升3D LVLMs的空间感知能力，结合多尺度频率混合策略，增强几何表示的一致性和表达性。

Comments CVPR 2026

IMMACULATE: A Practical LLM Auditing Framework via Verifiable Computation

IMMACULATE: 通过可验证计算实现的实用LLM审计框架

Yanpei Guo, Wenjie Qu, Linyu Wu, Shengfang Zhai, Lionel Z. Wang, Ming Xu, Yue Liu, Binhang Yuan, Dawn Song, Jiaheng Zhang

机构 * National University of Singapore（新加坡国立大学） ； Nanyang Technological University（南洋理工大学） ； Independent Researcher（独立研究者） ； University of California, Berkeley（加州大学伯克利分校） 纠错

AI总结 IMMACULATE通过可验证计算实现对大语言模型的审计，检测模型替换、量化滥用和令牌过账等经济动机驱动的偏差，具有低吞吐量开销和强检测保证。

PartSAM: A Scalable Promptable Part Segmentation Model Trained on Native 3D Data

PartSAM: 一种可提示的部件分割模型，基于原生3D数据训练

Zhe Zhu, Le Wan, Rui Xu, Yiheng Zhang, Honghua Chen, Zhiyang Dou, Cheng Lin, Yuan Liu, Mingqiang Wei

机构 * Nanjing University of Aeronautics and Astronautics（南京航空航天大学） ； Hong Kong University of Science and Technology（香港科技大学） ； The University of Hong Kong（香港大学） ； National University of Singapore（新加坡国立大学） ； Lingnan University（岭南大学） ； Macau University of Science and Technology（澳门科学理工学院） 纠错

AI总结 PartSAM是一种基于大规模3D数据训练的可提示部件分割模型，通过三平面双分支编码器实现可扩展的部件感知表示学习，能够通过单个提示实现高精度部件识别，并自动分解为表面和内部结构。

Comments ICLR 2026. Project Page: https://czvvd.github.io/PartSAMPage/

Zero-Variance Gradients for Variational Autoencoders

变分自编码器的零方差梯度

Zilei Shao, Anji Liu, Guy Van den Broeck

机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； School of Computing, National University of Singapore（新加坡国立大学计算机学院） 纠错

AI总结 本文提出通过限制解码器架构以解析计算期望ELBO，从而获得零方差梯度，提升变分自编码器的训练稳定性。

CGSA: Class-Guided Slot-Aware Adaptation for Source-Free Object Detection

CGSA: 基于类引导的槽感知适应用于无源对象检测

Boyang Dai, Zeng Fan, Zihao Qi, Meng Lou, Yizhou Yu

机构 * School of Computing and Data Science, The University of Hong Kong（计算与数据科学学院，香港大学） ； Department of Electrical & Computer Engineering, National University of Singapore（电气与计算机工程系，新加坡国立大学） ； School of Information and Electronics, Beijing Institute of Technology（信息与电子学院，北京理工大学） 纠错

AI总结 CGSA通过引入对象中心学习，结合槽感知适应和类引导的槽对比模块，提升无源领域自适应对象检测的性能。

Comments The paper has been accepted by the conference ICLR 2026

Strategy Executability in Mathematical Reasoning: Leveraging Human-Model Differences for Effective Guidance

数学推理中的策略可执行性：利用人类-模型差异实现有效指导

Weida Liang, Yiyou Sun, Shuyuan Nan, Chuang Li, Dawn Song, Kenji Kawaguchi

机构 * National University of Singapore（新加坡国立大学） ； University of California, Berkeley（加州大学伯克利分校） 纠错

AI总结 本文提出SSR框架，通过显式建模策略可执行性，利用人类-模型差异提升数学推理的指导效果。

Towards Autonomous Memory Agents

朝向自主记忆代理

Xinle Wu, Rui Zhang, Mustafa Anis Hussain, Yao Lu

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

AI总结 U-Mem通过自主获取、验证和整理知识的方法，在记忆代理领域实现了优于现有基线和强化学习优化的性能。

Self-Purification Mitigates Backdoors in Multimodal Diffusion Language Models

自净化缓解多模态扩散语言模型中的后门

Guangnian Wan, Qi Li, Gongfan Fang, Xinyin Ma, Xinchao Wang

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

AI总结 DiSP通过在推理过程中选择性屏蔽视觉标记，有效去除多模态扩散语言模型中的后门，无需额外模型或干净数据。

Enhancing Multi-Modal LLMs Reasoning via Difficulty-Aware Group Normalization

通过难度感知分组归一化增强多模态大语言模型推理

Jinghan Li, Junfeng Fang, Jinda Lu, Yuan Wang, Xiaoyan Guo, Tianyu Zhang, Xiang Wang, Xiangnan He

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） 纠错

AI总结 本文提出难度感知分组归一化方法，通过感知复杂度和推理不确定性表征样本，提升多模态大语言模型的推理稳定性与性能。

Adaptive Hybrid Caching for Efficient Text-to-Video Diffusion Model Acceleration

自适应混合缓存用于高效文本到视频扩散模型加速

Yuanxin Wei, Lansong Diao, Bujiao Chen, Shenggan Cheng, Zhengping Qian, Wenyuan Yu, Nong Xiao, Wei Lin, Jiangsu Du

机构 * Sun Yat-sen University（中山大学） ； Alibaba Group（阿里巴巴集团） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 本文提出MixCache，一种基于缓存的训练自由框架，通过自适应混合缓存策略提升视频DiT模型的生成效率和质量。

Comments 9 pages, 12 figures

NoLan: Mitigating Object Hallucinations in Large Vision-Language Models via Dynamic Suppression of Language Priors

NoLan: 通过动态抑制语言先验来缓解大视觉-语言模型中的对象幻觉

Lingfeng Ren, Weihao Yu, Runpeng Yu, Xinchao Wang

机构 * National University of Singapore, Singapore（新加坡国立大学） ； Peking University Shenzhen Graduate School, China（北京大学深圳研究生院） 纠错

AI总结 NoLan通过动态抑制语言先验缓解大视觉-语言模型中的对象幻觉问题，有效提升模型准确性。

Comments Code: https://github.com/lingfengren/NoLan

SurGo-R1: Benchmarking and Modeling Contextual Reasoning for Operative Zone in Surgical Video

SurGo-R1：手术视频中操作区的上下文推理基准测试与建模

Guanyi Qin, Xiaozhen Wang, Zhu Zhuo, Chang Han Low, Yuancan Xiao, Yibing Fu, Haofeng Liu, Kai Wang, Chunjiang Li, Yueming Jin

机构 * National University of Singapore, Singapore（新加坡国立大学） ； Southern Medical University, China（南方医科大学） ； Guangzhou Research Translation and Innovation Institute, National University of Singapore, China（广州研究翻译与创新研究院，新加坡国立大学，中国） 纠错

AI总结 SurGo-R1通过RLHF优化的多阶段架构，在手术视频中实现了高精度的操作区识别，显著优于通用视觉-语言模型。

SEF-MAP: Subspace-Decomposed Expert Fusion for Robust Multimodal HD Map Prediction

SEF-MAP：子空间分解专家融合用于鲁棒多模态高精度地图预测

Haoxiang Fu, Lingfeng Zhang, Hao Li, Ruibing Hu, Zhengrong Li, Guanjing Liu, Zimu Tan, Long Chen, Hangjun Ye, Xiaoshuai Hao

机构 * National University of Singapore（新加坡国立大学） ； Xiaomi EV（小米电动车） ； Chinese University of Hong Kong（香港中文大学） ； The University of Manchester（曼彻斯特大学） ； Renmin University of China（中国人民大学） 纠错

AI总结 SEF-MAP通过子空间分解和专家融合，提升多模态HD地图预测的鲁棒性和准确性。

FML-bench: Benchmarking Machine Learning Agents for Scientific Research

FML-bench: 用于科学研究的机器学习代理基准测试

Qiran Zou, Hou Hei Lam, Wenhao Zhao, Yiming Tang, Tingting Chen, Samson Yu, Tianyi Zhang, Chang Liu, Xiangyang Ji, Dianbo Liu

机构 * National University of Singapore, Singapore（新加坡国立大学） ； Tsinghua University, Beijing, China（清华大学） ； University of Minnesota, Minneapolis, MN, USA（明尼苏达大学） 纠错

AI总结 FML-bench 是一个用于评估机器学习代理在科学研究中能力的基准测试，包含8个基础任务并引入探索多样性指标，揭示探索策略对性能的影响。

Comments Our benchmark is available at: https://github.com/qrzou/FML-bench

CG-DMER: Hybrid Contrastive-Generative Framework for Disentangled Multimodal ECG Representation Learning

CG-DMER：一种用于解耦多模态ECG表示学习的对比-生成框架

Ziwei Niu, Hao Sun, Shujun Bian, Xihong Yang, Lanfen Lin, Yuxin Liu, Yueming Jin

机构 * Department of Biomedical Engineering, National University of Singapore（新加坡国立大学生物医学工程系） ； Department of Electrical and Computer Engineering, National University of Singapore（新加坡国立大学电气与计算机工程系） ； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； College of information science and engineering, Ritsumeikan university（立命馆大学信息科学与工程学院） 纠错

AI总结 CG-DMER通过对比-生成框架解耦多模态ECG表示，提升ECG信号在心血管疾病诊断中的建模能力。

Comments Accepted by ICASSP 2026

Surface-based Manipulation Using Tunable Compliant Porous-Elastic Soft Sensing

基于表面的可调合规 porous-弹性柔软感知操作

Gayatri Indukumar, Muhammad Awais, Diana Cafiso, Matteo Lo Preti, Lucia Beccai

机构 * Soft BioRobotics Perception Group at Istituto Italiano di Tecnologia（意大利技术研究院软生物机器人感知组） ； University of Genoa（热那亚大学） ； Biorobotics Institute, Scuola Superiore Sant’Anna（圣安娜高等学院生物机器人研究所） ； Soft Robotics Lab, National University of Singapore（新加坡国立大学软机器人实验室） 纠错

AI总结 本文提出了一种可调合规 porous-弹性柔软感知系统，通过调整晶格密度实现对操作力和灵敏度的自适应调节，用于精细物体操作。

Comments 6 pages, 6 figures, 1 table, to be published in RoboSoft 2026 proceedings

Architecting AgentOS: From Token-Level Context to Emergent System-Level Intelligence

构建AgentOS：从令牌级上下文到涌现的系统级智能

ChengYou Li, XiaoDong Liu, XiangBao Meng, XinYu Zhao

机构 * Yishu Research（亿舒研究） ； Fukuoka Institute of Technology（福冈技术学院） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 本文提出AgentOS框架，通过重构LLM为推理内核，引入深度上下文管理和语义切片机制，旨在构建具备系统级智能的自主认知环境。

Comments 16 pages,9 figures

Hierarchical Molecular Representation Learning via Fragment-Based Self-Supervised Embedding Prediction

通过基于片段的自监督嵌入预测进行层次分子表示学习

Jiele Wu, Haozhe Ma, Zhihan Guo, Thanh Vinh Vo, Tze Yun Leong

机构 * School of Computing, National University of Singapore, Singapore（新加坡国立大学计算机学院） ； Engineering, The Chinese University of Hong Kong, China（香港中文大学工程学院） 纠错

AI总结 本文提出GraSPNet，通过层次自监督框架学习分子的原子和片段级语义，以提升分子性质预测的性能。

Comments 15 pages (8 pages main text),8 figures