高校专区
世界模拟器能推理吗？Gen-ViRe：一个生成性视觉推理基准
机构 * University of Central Florida（中央佛罗里达大学） ； National University of Singapore（新加坡国立大学） ； UW-Madison（威斯康星大学麦迪逊分校）
AI总结 Gen-ViRe提出一个生成性视觉推理基准，通过分解CoF推理为六个认知维度和24个子任务，评估视频模型的推理能力，揭示视觉质量与推理深度的差异。
Comments 10 pages
现实工业异常检测数据集：推动工业异常检测数据集进入现代时代
机构 * Fudan University（复旦大学） ； Youtu Lab, Tencent（腾讯优图实验室） ； Shanghai Jiao Tong University（上海交通大学） ； Rongcheer Co., Ltd（融雪科技有限公司） ； City University of Hong Kong（香港城市大学） ； National University of Singapore（新加坡国立大学） ； Shanghai Ocean University（上海海洋大学）
AI总结 Real-IAD Variety 是一个大规模、高多样性的工业异常检测数据集，用于评估和训练下一代基础IAD模型，揭示了现有方法在类别扩展时的性能下降问题。
Comments 17 pages, 8 figures and 7 tables
通过布勒-蒙特罗分解加速核范数正则化的低秩矩阵优化
机构 * Institute of Statistical Mathematics（统计数学研究所） ； Department of Mathematics University of Maryland at College Park（大学数学系） ； Institute of Operations Research and Analytics National University of Singapore（运营研究与分析国家大学研究所） ； Department of Mathematics and Institute of Operations Research and Analytics National University of Singapore（大学数学系和运营研究与分析国家大学研究所）
AI总结 BM-Global通过布勒-蒙特罗分解加速核范数正则化的低秩矩阵优化，实现快速收敛和高效参数调优。
Comments Removed a wrong claim in Theorem 5
Journal ref Journal of Machine Learning Research 2024
一种面向流的公平共识聚类通用框架
机构 * National University of Singapore（新加坡国立大学） ； Pennsylvania State University（宾夕法尼亚州立大学）
AI总结 本文提出了一种面向流的公平共识聚类通用框架，通过整合最近公平聚类与聚类拟合，实现了在流模型和离线重新查看时的改进近似保证。
Comments Accepted in AAMAS 2026
主动零：通过主动环境探索实现自我进化的视觉-语言模型
机构 * Foundation Model Research Center, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所基础模型研究中心） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； National University of Singapore（新加坡国立大学） ； Wuhan AI Research（武汉人工智能研究所） ； Tsinghua University（清华大学）
AI总结 Active-Zero通过主动环境探索实现视觉-语言模型的自我进化，提升推理和理解任务的性能。
MemRL: 通过运行时强化学习在事件记忆上实现自我进化代理
机构 * Shanghai Jiao Tong University, Shanghai, China（上海交通大学） ； Xidian University, Xi'an, China（西安电子科技大学） ； National University of Singapore, Singapore（新加坡国立大学） ； Shanghai Innovation Institute, Shanghai, China（上海创新研究院） ； MemTensor (Shanghai) Technology Co., Ltd., Shanghai, China（MemTensor（上海）科技有限公司） ； University of Science and Technology of China, Hefei, China（中国科学技术大学）
AI总结 MemRL通过运行时强化学习在事件记忆上实现自我进化，解决稳定性与可塑性矛盾，实现持续改进。
Comments 41 pages, 11 figures
知更鸟的回声：审计大语言模型生成合成文本的隐私风险
机构 * Imperial College London（帝国理工学院伦敦分校） ； Microsoft（微软公司） ； National University of Singapore（新加坡国立大学）
AI总结 本文提出通过设计具有分布内前缀和高困惑度后缀的知更鸟，提高基于数据的MIAs的威力，以更准确评估LLM生成合成数据的隐私风险。
Comments 42nd International Conference on Machine Learning (ICML 2025)
Journal ref Proc. Mach. Learn. Res. 267 (2025) 43557-43580
通过自演化评分标准强化链式推理
机构 * National University of Singapore（新加坡国立大学）
AI总结 RLCER通过自演化评分标准提升链式推理的奖励机制，无需人工标注即可实现更高效的推理性能。
Comments 21 pages
MIND：世界模型中内存一致性与动作控制的基准测试
机构 * CSU-JPG, Central South University（中南大学） ； National University of Singapore（新加坡国立大学） ； Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Nanyang Technological University（南洋理工大学）
AI总结 MIND提出首个开放域闭环基准，评估世界模型的内存一致性和动作控制能力，揭示当前模型在长期记忆保持和动作空间泛化上的挑战。
EventCast：基于LLM事件知识的电子商务混合需求预测
机构 * ByteDance China（字节跳动中国） ； National University of Singapore（新加坡国立大学） ； Griffith University（格里菲斯大学）
AI总结 EventCast通过整合LLM事件知识提升电子商务需求预测精度，实现86.9%和97.7%的MAE和MSE改进。
VideoSTF: 视频大语言模型中输出重复性压力测试
机构 * National University of Singapore（新加坡国立大学） ； University of New South Wales（新南威尔士大学） ； CSIRO’s Data61（CSIRO数据61）
AI总结 VideoSTF通过系统测量和压力测试揭示视频大语言模型中普遍存在的输出重复问题，发现其对时间扰动高度敏感，并暴露了其作为安全漏洞的风险。
何时记忆何时停止：用于长上下文推理的门控循环记忆
机构 * National University of Singapore（新加坡国立大学）
AI总结 GRU-Mem通过引入两个文本控制的门，实现了更稳定和高效的长上下文推理，显著提升了推理速度和性能。
Comments 26 pages
残差强化学习中价值学习为何高效？
机构 * Nanyang Technical University（南洋理工大学） ； Mila - Quebec AI Institute（魁北克AI研究所） ； National University of Singapore（新加坡国立大学）
AI总结 DAWN通过数据锚定预热和归一化解决残差强化学习中价值学习的冷启动和尺度不匹配问题，提升效率。
WorldArena: 一个用于评估具身世界模型感知与功能效用的统一基准
机构 * Tsinghua University, Beijing, China（清华大学） ； Shanghai Jiao Tong University, Shanghai, China（上海交通大学） ； The University of Hong Kong, Hong Kong SAR, China（香港大学） ； Princeton University, Princeton, NJ, USA（普林斯顿大学） ； Chinese Academy of Sciences, Beijing, China（中国科学院） ； University of Science（科学技术大学） ； Peking University, Beijing, China（北京大学） ； National University of Singapore, Singapore（新加坡国立大学）
AI总结 WorldArena是一个统一的基准，用于评估具身世界模型的感知和功能效用，揭示高视觉质量与强具身任务能力之间的差距。
TwistNet-2D: 通过螺旋扭转学习第二阶通道交互用于纹理识别
机构 * McCormick School of Engineering, Northwestern University（西北大学工程学院） ； School of Mathematics, University of Science and Technology of China（中国科学技术大学数学学院） ； National University of Singapore（新加坡国立大学） ； College of Artificial Intelligence, Nankai University（南开大学人工智能学院） ； Guizhou University（贵州大学） ； Information Initiative Center, Hokkaido University（北海道大学信息初始化中心） ； School of New Energy, Jingchu University of Technology（荆楚科技大学新能源学院） ； Wenzhou University（温州大学）
AI总结 TwistNet-2D通过螺旋扭转学习第二阶通道交互，提升纹理识别性能，参数高效且超越多种基线模型。
Comments Code is available at https://github.com/junbolian/TwistNet-2D
K-Sort Eval: 通过校正VLM作为评判者实现视觉生成的高效偏好评估
机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； University of California, Berkeley（加州大学伯克利分校） ； University of California, Santa Barbara（加州大学圣巴巴拉分校） ； National University of Singapore（新加坡国立大学） ； Nanyang Technological University（南洋理工大学）
AI总结 K-Sort Eval通过后验校正和动态匹配策略，实现高效可靠的视觉生成模型偏好评估。
Comments ICLR 2026. Code is available at: https://github.com/zkkli/K-Sort-Eval
稀疏层尖锐性感知最小化用于高效的微调
机构 * School of Cyber Science and Technology, Sun Yat-sen University, Shenzhen Campus（网络安全科学与技术学院，中山大学深圳校区） ； School of Computing, National University of Singapore（计算学院，新加坡国立大学） ； Baidu Inc（百度公司） ； Guangdong Laboratory of Artificial Intelligence and Digital Economy (SZ)（广东人工智能与数字经济实验室（深圳））
AI总结 SL-SAM通过稀疏技术优化微调过程，减少计算成本并提升效率，实现与先进基线相当的性能。
SpikySpace: 一种用于节能时间序列预测的脉冲状态空间模型
机构 * School of Computing, National University of Singapore, Singapore, Singapore（新加坡国立大学计算机学院） ； Sea AI Lab, Singapore, Singapore（新加坡海人工智能实验室）
AI总结 SpikySpace通过脉冲选择扫描和高效近似方法，实现了在能耗降低96.1%的同时提升时间序列预测准确性3.0%的高效节能模型。
Comments 17 pages, 4 figures
描述我感受的词语：探索AI代理在前瞻性医疗计划中的潜在作用
机构 * Singapore University of Technology and Design（新加坡科技设计大学） ； National University of Singapore（国立新加坡大学）
AI总结 本文探讨了AI代理在前瞻性医疗计划中的应用，通过实验发现AI可作为个人倡导者，提升个体与代理之间的相互理解。
Comments Accepted at CHI 2026. 34 pages, 10 figures
学习可 tractable 的语言模型延续分布
机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； University of California, San Diego（加州大学圣地亚哥分校） ； National University of Singapore（新加坡国立大学）
AI总结 LTLA通过结合神经网络和隐马尔可夫模型，提高语言模型延续的可 tractable 性，实现更高效的解码和更强的约束控制。
超越成对：通过排名选择建模增强大语言模型对齐
机构 * Institute of Operations Research and Analytics（运营研究与分析研究所） ； National University of Singapore（新加坡国立大学） ； Department of Analytics and Operations（分析与运营系） ； NUS Business School（新加坡国立大学商学院）
AI总结 本文提出RCPO框架，通过最大似然估计结合排名选择建模，提升大语言模型对齐效果，实验显示其在多种模型和设置中均优于基线方法。
Comments Accepted by The Fourteenth International Conference on Learning Representations (ICLR 2026)
通过渐进自适应干预与再整合实现鲁棒编辑
机构 * Engineering Center for Space Utilization of Chinese Academy of Sciences（中国科学院空间利用工程技术中心） ； University of Chinese Academy of Sciences（中国科学院大学） ； School of Computer Science and Engineering（计算机科学与工程学院） ； Northeastern University（东北大学） ； New York University（纽约大学） ； School of Computing（计算机学院） ； National University of Singapore（新加坡国立大学） ； The Chinese University of Hong Kong（香港中文大学） ； Technical University of Munich（慕尼黑技术大学）
AI总结 REPAIR通过闭环反馈和动态内存管理实现鲁棒编辑，提升编辑准确性并减少知识遗忘。
TAMMs: 卫星图像时间序列中基于时序感知的多模态模型用于变化理解和预测
机构 * School of Computer Science & Technology, Beijing Institute of Technology（计算机科学与技术学院，北京理工大学） ； School of Computing, National University of Singapore（计算学院，新加坡国立大学）
AI总结 TAMMs通过时序感知多模态模型统一执行卫星图像时间序列中的变化理解和未来预测，提升长程时间动态建模能力。
Comments Published as a conference paper at The Fourteenth International Conference on Learning Representations (ICLR 2026)
GitSearch: 通过填补缺口的定向搜索增强社区注释生成
机构 * National University of Singapore（新加坡国立大学）
AI总结 GitSearch 通过填补缺口的定向搜索方法，显著提升了社区注释的覆盖率和帮助性，达到 99% 的覆盖率和 69% 的胜率。
Comments 18 pages, 11 figures, 7 tables
Kirin：通过混合SNN提升ANN效率
机构 * Sun Yat-sen University（中山大学） ； National University of Singapore（新加坡国立大学）
AI总结 Kirin通过混合整数和脉冲神经网络，实现无损失的ANN到SNN转换，显著提升能效和效率。
UrbanGraphEmbeddings: 学习和评估空间导向的多模态嵌入用于城市科学
机构 * National University of Singapore Department of Architecture Singapore ； The Chinese University of Hong Kong Dept of Systems Eng. \& Eng. Mgmt. China ； Singapore Management University School of Computing \& Info. Systems Singapore ； National University of Singapore ； Department of Architecture ； The Chinese University of Hong Kong ； Singapore Management University
AI总结 本文提出UGE框架，通过空间导向的多模态嵌入提升城市理解任务性能，实验显示在图像检索和地理位置排名上取得显著提升。
通过碰撞损失预测进行端到端自动驾驶中的碰撞风险估计
机构 * Zenseact（Zenseact公司） ； Department of Biomedical Engineering and Department of Diagnostic Radiology, National University of Singapore（生物医学工程系和诊断放射学系，新加坡国立大学）
AI总结 通过预测碰撞损失来估计碰撞风险，提升端到端自动驾驶的安全性。
快速模型选择与稳定优化的softmax门控多项式-对数混合专家模型
机构 * School of Computing, National University of Singapore, Singapore.（新加坡国立大学计算机学院） ； ARC Centre of Excellence for the Mathematical Analysis of Cellular Systems（细胞系统数学分析卓越研究中心） ； School of Mathematical Sciences, Queensland University of Technology, Brisbane, Australia.（昆士兰科技大学数学科学学院） ； Department of Statistics and Data Science, University of Texas at Austin, Austin, USA（德克萨斯大学奥斯汀分校统计与数据科学系）
AI总结 本文提出了一种基于softmax门控多项式-对数混合专家模型的快速模型选择与稳定优化方法，通过批量MM算法和树状图适应技术，实现了高效的模型训练和参数恢复。
Comments TrungKhang Tran and TrungTin Nguyen are co-first authors
深度伪造合成与检测：一场不平衡的竞赛
机构 * United International University（国际大学） ； National University of Singapore（国立新加坡大学） ； BRAC University（布拉克大学）
AI总结 本研究发现现有深度伪造检测模型在面对现代合成技术生成的深度伪造时表现不佳，亟需改进以应对不断演变的生成技术。
跨语言人格驱动的数据合成用于鲁棒多模态认知衰退检测
机构 * Engineering Research Center of Intelligent Theranostics Technology and Instruments, Ministry of Education, School of Biomedical Engineering and Informatics, Nanjing Medical University（智能诊疗技术与仪器工程研究中心、教育部、生物医学工程与信息学院、南京医科大学） ； Institute of Biomedical Engineering, University of Oxford（生物医学工程研究所、牛津大学） ； Institute of High Performance Computing, Agency for Science, Technology and Research (A*STAR)（高性能计算研究所、科技研究局（A*STAR）） ； Department of Neurology, National Neuroscience Institute, Singapore, 308433, Singapore（神经病学部、新加坡国家神经科学研究所） ； Duke-NUS Medical School, Singapore, 169857, Singapore（新加坡国立大学医学院）
AI总结 SynCog通过跨语言人格驱动数据合成与推理链微调，提升多模态模型在认知衰退检测中的诊断性能和跨语言泛化能力。
Comments 18 pages, 7 figures, 6 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