高校专区
基于模型的强化学习中的性能不对称性
机构 * Department of XXX, University of YYY, Location, Country（XXX系，YYY大学，地点，国家） ； School of ZZZ, Institute of WWW, Location, Country（ZZZ学院，WWW研究所，地点，国家） ； National University of Singapore（新加坡国立大学）
AI总结 本文提出JEDI世界模型，通过解决基于模型的强化学习中的性能不对称问题，在Human-Optimal任务和Breakout上取得最优成绩，同时提升计算效率。
Comments Preprint
依赖大语言模型的应用需要系统级威胁监控
机构 * Department of Computer Science, National University of Singapore, Singapore（新加坡国立大学计算机科学系） ； School of Computing and Information Systems, Singapore Management University, Singapore（新加坡管理学院计算机与信息系统学院）
AI总结 本文主张对依赖大语言模型的应用进行系统级威胁监控，以应对由此带来的安全挑战和确保可靠操作。
Comments 26 pages
规则还是权重？比较用户对可解释AI技术的理解与认知XAI自适应模型
机构 * National University of Singapore（新加坡国立大学） ； Department of Computer Science（计算机科学系）
AI总结 本文提出CoXAM模型，通过认知框架比较规则与权重两种XAI技术的可解释性，并验证其在决策任务中的有效性。
JavisDiT++：联合音频视频生成的统一建模与优化
机构 * Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学） ； University of Toronto（多伦多大学） ； HiThink Research（HiThink研究） ； University of Rochester（罗切斯特大学） ； Nanyang Technological University（南洋理工大学）
AI总结 JavisDiT++通过统一建模与优化方法，在联合音频视频生成任务中实现高质量的同步与语义对齐。
Comments Accepted by ICLR 2026. Homepage: https://JavisVerse.github.io/JavisDiT2-page
测试时从干预数据中学习因果结构
机构 * HKUST（香港科技大学） ； HKUST(GZ)（香港科技大学（广州）） ； Microsoft Research（微软研究院） ； Sony Research（索尼研究院） ； NUS（国立新加坡大学）
AI总结 TICL通过结合测试时训练与联合因果推断，有效解决干预数据中因果结构学习的泛化问题，提升因果发现和干预目标检测性能。
大型语言模型和视觉语言模型是否共享神经元进行推理？证据和跨模态转移的机制
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） ； Nanyang Technological University（南洋理工大学）
AI总结 本文研究了大型语言模型和视觉语言模型在推理过程中共享神经元的现象，提出SNRF框架实现低秩融合，提升多模态推理性能。
MedVAR：通过下一步尺度自回归预测实现可扩展和高效的医学图像生成
机构 * National University of Singapore（新加坡国立大学） ； University of Oxford（牛津大学） ； Zhejiang University（浙江大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 MedVAR通过下一步尺度自回归预测方法，实现了高效且可扩展的医学图像生成，为医学生成基础模型提供了新的方向。
Comments 23 pages, 8 figures
买还是建一个大语言模型：政府的决策框架
机构 * National University of Singapore（新加坡国立大学） ； AI Singapore（AI新加坡） ； Salesforce AI Research（Salesforce AI研究） ； EPFL（苏黎世联邦理工学院） ； University of Washington（华盛顿大学） ； Allen Institute for AI（人工智能研究院）
AI总结 本文提出政府在大语言模型决策中应考虑主权、安全、成本等因素的框架，帮助确定购买或建设更适合其需求的方法。
Comments The short version of this document is published as an ACM TechBrief at https://dl.acm.org/doi/epdf/10.1145/3797946, and this document is published as an ACM Technology Policy Council white paper at https://www.acm.org/binaries/content/assets/public-policy/buildvsbuyai.pdf
Emotion-LLaMAv2 和 MMEVerse：多模态情感理解的新框架和基准
机构 * Shenzhen Technology University（深圳技术大学） ； Shenzhen University of Information Technology（深圳信息科技学院） ； University of Washington（华盛顿大学） ； Foundation Model Team, Meituan（美团基础模型团队） ； National University of Singapore（新加坡国立大学） ； Tongji University（同济大学）
AI总结 Emotion-LLaMAv2和MMEVerse通过端到端多视图编码器、Conv Attention预融合模块和课程指令调制方案，提升了多模态情绪理解和推理能力，并构建了统一的多模态情绪基准。
JavisDiT：具有层次化时空先验同步的联合音频视频扩散变换器
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） ； University of Rochester（罗切斯特大学） ； Nanyang Technological University（南洋理工大学）
AI总结 JavisDiT通过层次化时空先验同步机制，实现了高质量的音频视频同步生成，解决了现实场景中的同步评估问题。
Comments Accepted by ICLR 2026. Homepage: https://javisverse.github.io/JavisDiT-page/
通过解耦的直通估计器改进离散优化
机构 * College of Design and Engineering, National University of Singapore, Singapore（设计与工程学院，新加坡国立大学） ； Google Deepmind, California, USA（DeepMind，美国加州） ； New York University, USA（纽约大学）
AI总结 本文提出了解耦直通估计器，通过分别控制前向传递和反向传递的温度参数，提高了离散优化的性能。
Quantformer: 通过量化Transformer交易策略实现从注意力到盈利
机构 * Guangdong Provincial/Zhuhai Key Laboratory of Interdisciplinary Research and Application for Data Science, Beijing Normal-Hong Kong Baptist University（广东省珠海交叉学科与数据科学应用重点实验室，北京师范大学-香港 Baptist大学） ； Advanced Institute of Natural Science, Beijing Normal University（北京师范大学自然科学研究院） ； Department of Mathematical Sciences, Beijing Normal-Hong Kong Baptist University（北京师范大学-香港 Baptist大学数学科学系） ； Department of Statistics and Data Science, Beijing Normal-Hong Kong Baptist University（北京师范大学-香港 Baptist大学统计与数据科学系） ； Department of Mathematics, University of Michigan（密歇根大学数学系） ； Department of Biomedical Informatics, Yong Loo Lin School of Medicine, National University of Singapore（新加坡国立大学 Yong Loo Lin 医学院生物医学信息学系）
AI总结 Quantformer通过结合Transformer模型和市场情绪信息，提升量化交易策略的预测准确性。
Comments The implementation details and code is available on https://github.com/zhangmordred/QuantFormer
Journal ref Expert Systems with Applications 313 131567 (2026)
全局指挥官与局部执行者：一种双智能体框架用于场景导航
机构 * National University of Singapore（新加坡国立大学） ； Simon Fraser University（西蒙弗雷泽大学） ； University of Oxford（牛津大学）
AI总结 DACo提出双智能体框架，通过解耦全局推理与局部执行，提升复杂环境中长时序导航的稳定性和性能。
Comments 18 pages, 9 figures
通过移动增强现实实现超声体积重建的扩展
机构 * National University Health System, Singapore（新加坡国家大学医疗系统） ； College of Design and Engineering, National University of Singapore, Singapore（新加坡国立大学设计与工程学院）
AI总结 MARVUS通过移动增强现实技术提升超声体积重建的准确性和可重复性，减少用户间差异，提高临床应用的可行性和成本效益。
Comments Submitted to MICCAI 2026
面向一致视频世界模型的几何感知旋转位置嵌入
机构 * Dept. of Comp. Sci. and Tech., Institute for AI, BNRist Center, THBI Lab, Tsinghua-Bosch Joint ML Center, Tsinghua University（清华大学计算机科学与技术系、人工智能研究院、BNRist中心、THBI实验室、清华-博世联合机器学习中心、清华大学） ； Gaoling School of Artificial Intelligence, Renmin University of China（北京人民大学人工智能学院） ； National University of Singapore（新加坡国立大学） ； Peking University（北京大学） ； School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院）
AI总结 本文提出ViewRope和几何感知帧稀疏注意力，通过引入相机射线方向提升视频世界模型的长期一致性与效率。
RewardMap: 通过多阶段强化学习解决细粒度视觉推理中的稀疏奖励
机构 * Westlake University（西湖大学） ； Tongji University（同济大学） ； Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学）
AI总结 RewardMap通过多阶段强化学习解决细粒度视觉推理中的稀疏奖励问题，提升多模态大语言模型的视觉理解和推理能力。
Comments ICLR 2026, website: https://fscdc.github.io/RewardMap/
关于大型语言模型强化学习动态的可预测性
机构 * USTC（中国科学技术大学） ； NUS（新加坡国立大学） ； HKUST（香港科技大学）
AI总结 本研究发现大型语言模型强化学习动态的两个基本特性，并提出AlphaRL框架实现加速训练，保留高推理性能。
Comments 48 pages, 28 figures;
MoNE: 用轻量级新手替代冗余专家实现MoE的结构化剪枝
机构 * National University of Singapore（新加坡国立大学）
AI总结 MoNE通过用轻量级新手替代冗余专家，实现高效且稳健的MoE结构化剪枝，显著提升模型压缩效果。
Comments Accepted by ICLR 2026
See-in-Pairs: 用于医学诊断的参考图像引导的比较视觉-语言模型
机构 * Electrical and Computer Engineering Department, The University of British Columbia（不列颠哥伦比亚大学电气与计算机工程系） ； Vector Institute（向量研究所） ； ETH Zurich（苏黎世联邦理工学院） ； Renmin University of China（中国人民大学） ； National University of Singapore（新加坡国立大学）
AI总结 See-in-Pairs通过引入参考图像引导的比较机制，提升医学视觉-语言模型的诊断性能，增强样本效率和视觉-文本对齐。
Comments 25 pages, four figures
VideoMind: 一种用于时序 grounded 视频推理的链式 LoRA 代理
机构 * The Hong Kong Polytechnic University（香港理工大学） ； National University of Singapore（新加坡国立大学）
AI总结 VideoMind 提出了一种基于角色的链式 LoRA 机制，用于提升视频时序 grounded 推理的效率与灵活性。
Comments ICLR 2026 Camera Ready
MusicSem: 一种语义丰富的语言-音频数据集，用于自然音乐描述
机构 * University of Rochester（罗切斯特大学） ； National University of Singapore（新加坡国立大学） ； SJTU Paris Elite Institute of Technology（上海科技技术巴黎精英学院） ； Singapore Management University（新加坡管理学院） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）
AI总结 MusicSem是一个基于Reddit讨论的语义丰富的音乐描述数据集，旨在提升多模态音乐表示学习中对细粒度语义的建模能力。
通过约束参数区域能否确保大语言模型的安全性？
机构 * Nanyang Technological University（南洋理工大学） ； Institute for Infocomm Research (I 2 R)（信息通信研究所） ； IRIT, Université de Toulouse, CNRS, Toulouse INP（图卢兹大学IRIT研究所、法国国家科学研究中心） ； IPAL, CNRS-NUS-A*STAR（IPAL、法国国家科学研究中心-南洋理工大学-A*STAR）
AI总结 本文评估了四种安全区域识别方法，发现其在不同粒度和数据集下重叠程度低，表明现有方法难以可靠地识别稳定的安全区域。
Comments 32 pages
UrbanGS: 一种适用于几何准确大规模场景重建的可扩展高效架构
机构 * Hangzhou International Innovation Institute, Beihang University（北京航空航天大学杭州国际创新研究院） ； Institute of Artificial Intelligence, Beihang University（北京航空航天大学人工智能研究院） ； School of Software, Beihang University（北京航空航天大学软件学院） ； State Key Laboratory of Media Convergence and Communication, Communication University of China（中国传媒大学媒体融合与传播国家重点实验室） ； Department of Computer Science, National University of Singapore（新加坡国立大学计算机科学系） ； Control Science and Engineering, Shandong University（山东大学控制科学与工程学院） ； Artificial Intelligence Research Center, Lobachevsky State University（洛夫奇夫斯基国立大学人工智能研究中心）
AI总结 UrbanGS通过深度一致的D-正则化模块和空间自适应高斯剪枝策略，实现了大规模城市场景的高精度重建。
Comments ICLR 2026
DeRaDiff：扩散模型的去噪时间对齐
机构 * National University of Singapore（新加坡国立大学）
AI总结 DeRaDiff通过调节正则化强度实现扩散模型的去噪时间对齐，有效减少计算成本并提高模型对齐效果。
TrapFlow: 通过动态后门学习实现可控的网站指纹攻击防御
机构 * National University of Singapore（新加坡国立大学） ； Pengcheng Laboratory（鹏城实验室） ； Beihang University（北航） ； Simon Fraser University（Simon Fraser大学）
AI总结 TrapFlow通过动态后门学习实现网站指纹攻击防御，通过注入触发序列使攻击者模型产生错误关联，显著降低攻击准确率。
Comments 17 pages, 5 figures
为大语言模型高效强化学习引入内在探索
机构 * National University of Singapore（新加坡国立大学） ； Ant Group（蚂蚁集团）
AI总结 PREPO通过利用内在数据属性提升大语言模型强化学习的数据效率，减少回放需求同时保持性能。
BadCLIP++: 多模态对比学习中隐蔽且持久的后门
机构 * College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算机与数据科学学院） ； School of Computing, National University of Singapore（新加坡国立大学计算机学院）
AI总结 BadCLIP++通过语义融合触发器和参数稳定技术，实现了多模态对比学习中隐蔽且持久的后门攻击，实验显示其在低污染率下具有高攻击成功率。
Comments 25 pages, 10 figures
通过增强现实的刚-柔机器人协同实现人机交互抓取
机构 * Advanced Robotics Centre (ARC), National University of Singapore (NUS)（先进机器人中心（ARC），新加坡国立大学） ； Institute of High Performance Computing (IHPC), Agency for Science, Technology and Research (A*STAR)（高性能计算研究所（IHPC），科技研究局（A*STAR）） ； Chair of Cognitive Systems, Technical University of Munich (TUM)（认知系统教授职位，慕尼黑技术大学） ； Singapore-MIT Alliance for Research and Technology (SMART) Centre（新加坡-麻省理工联合研究技术中心） ； Computer Science and Artificial Intelligence Lab (CSAIL), Massachusetts Institute of Technology（计算机科学与人工智能实验室（CSAIL），麻省理工学院）
AI总结 本文提出了一种基于增强现实的物理人机交互框架，通过虚拟与现实的协同实现混合刚柔机器人的远程操作与抓取任务。
Comments Camera-ready version for RoboSoft 2026. 8 pages, 6 figures
数据与模型配置的协同优化：大语言模型的鸡与蛋困境
机构 * National University of Singapore（新加坡国立大学） ； Agency for Science, Technology and Research (A*STAR)（科技研究局）
AI总结 JoBS通过联合优化数据和模型配置，利用性能预测器提升大语言模型训练效率，有效降低优化成本。
一次对齐，多语言受益：为LLM安全对齐强制多语言一致性
机构 * Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； National University of Singapore（新加坡国立大学） ； Institute for Artificial Intelligence, Peking University（北京大学人工智能研究院）
AI总结 本文提出一种资源高效的多语言一致性对齐方法，通过多语言一致性损失实现多语言同时对齐，提升跨语言安全性和泛化能力。
Comments Accepted by ICLR 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