高校专区
SPD-Faith Bench: 诊断和改进多模态大语言模型中的推理忠实性
机构 * Xidian University（西安电子科技大学） ； National University of Singapore（新加坡国立大学） ； Xi’an Jiaotong University（西安交通大学）
AI总结 SPD-Faith Bench通过细粒度图像差异推理诊断并改进多模态大语言模型中的推理忠实性，揭示了感知盲区和感知-推理脱节的系统性失败模式，并提出SAGE框架提升视觉路由和推理与感知的一致性。
Comments 53 pages, 42 figures, 14 tables
BFTS：基于贝叶斯加法回归树的 Thompson 探索
机构 * Department of Statistics and Data Science, National University of Singapore（统计与数据科学系，国立新加坡大学） ； Centre for Biomedical Data Science, Duke-NUS Medical School（生物医学数据科学中心，杜克-新加坡国立大学医学院） ； Department of Biostatistics and Bioinformatics, Duke University（生物统计学与生物信息学系，杜克大学） ； Department of Statistics and Data Science, Washington University in St. Louis（统计与数据科学系，圣路易斯华盛顿大学）
AI总结 BFTS 是首个将贝叶斯加法回归树整合到探索循环中的上下文老虎机算法，通过理论证明和实验验证，实现了非参数老虎机的最优性能和实际应用效果。
学习自我验证使语言模型更擅长推理
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） ； Beijing University of Posts and Telecommunications（北京邮电大学）
AI总结 通过自我验证学习提升语言模型的推理能力，有效提高生成和验证性能。
SIGMA: 带多属性标记的选择性交错生成
机构 * Creatly AI ； University of Michigan（密歇根大学） ； Lovart AI ； National University of Singapore（新加坡国立大学）
AI总结 SIGMA通过引入多属性标记实现多条件生成，提升可控性、一致性和视觉质量，优于Bagel在组合任务中的表现。
MemPot：通过优化的陷阱来防御内存提取攻击
机构 * National University of Singapore（新加坡国立大学） ； Tsinghua University（清华大学） ； Southern University of Science and technology（南方科技大学）
AI总结 MemPot通过优化陷阱文档和理论验证，有效防御内存提取攻击，提升检测性能与效率。
ODELoRA: 通过求解常微分方程进行低秩适应训练
机构 * Department of Mathematics, National University of Singapore（数学系，新加坡国立大学） ； Department of Mathematics and Department of Electrical and Computer Engineering, National University of Singapore（数学系和电气与计算机工程系，新加坡国立大学）
AI总结 ODELoRA通过求解常微分方程实现低秩适应训练，提供统一的ODE视角并实现线性收敛与稳定特征学习。
Comments 38 pages
通过在线强化学习与漏洞奖励模型实现安全代码生成
机构 * National University of Singapore（国立新加坡大学） ； Singapore Management University（新加坡管理学院） ； Nanyang Technological University（南洋理工大学） ； Monash University（墨尔本大学）
AI总结 SecCoderX通过在线强化学习与漏洞奖励模型提升代码安全性，实现功能与安全性的平衡。
前瞻性验证：用于扩散大语言模型在无上下文自由文法下的可靠约束解码
机构 * College of AI, Tsinghua University（清华大学人工智能学院） ； School of Computer Science, Peking University（北京大学计算机学院） ； School of Computer Science and Engineering, Beihang University（北航计算机科学与工程学院） ； School of Computer Science and Technology, Beijing Institute of Technology（北京理工大学计算机科学与技术学院） ； School of Computing, National University of Singapore（新加坡国立大学计算机学院）
AI总结 LAVE通过并行预测标记分布实现可靠的约束解码，提升扩散大语言模型在上下文无关文法下的生成准确性。
单索引老虎机：具有未知奖励函数的广义线性上下文老虎机
机构 * Microsoft（微软公司） ； University of California, Davis（加州大学戴维斯分校） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； University of California, Los Angeles（加州大学洛杉矶分校） ； National University of Singapore（新加坡国立大学）
AI总结 本文提出单索引老虎机问题，针对未知奖励函数设计STOR和ESTOR算法，实现近最优遗憾界，并在高维稀疏环境下验证算法有效性。
Comments The Fourteenth International Conference on Learning Representations (ICLR 2026)
重新审视Transformer：基于图像滤波和提升的见解
机构 * Department of Mathematics, National University of Singapore（新加坡国立大学数学系） ； Rakuten Group, Inc.（乐天集团）
AI总结 本文通过图像处理框架重新审视Transformer，提出两种架构改进以提升可解释性和性能。
在大推理模型中关于推理强度规划的研究
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） ； Harbin Institute of Technology（哈尔滨工业大学）
AI总结 本研究揭示了大推理模型通过预先分配方向向量来规划推理强度，为控制其推理行为提供了新方法。
AlphaSteer: 通过原理性零空间约束学习拒绝引导
机构 * National University of Singapore（国立新加坡大学） ； University of Science and Technology of China（中国科学技术大学） ； Harbin Institute of Technology（哈尔滨工业大学）
AI总结 AlphaSteer 通过原理性零空间约束学习拒绝引导，提升大语言模型的安全性与效用平衡。
Comments ICLR 2026
关于贝叶斯加法回归树计算效率的分析：渐近分析
机构 * Department of Statistics and Data Science, National University of Singapore（统计与数据科学系，新加坡国立大学） ； Department of Statistics, UC Berkeley（统计系，加州大学伯克利分校） ； Department of Electrical Engineering and Computer Sciences, UC Berkeley（电气工程与计算机科学系，加州大学伯克利分校） ； Center for Computational Biology, UC Berkeley（计算生物学中心，加州大学伯克利分校）
AI总结 本文分析了BART采样器在大规模数据下的计算效率，发现其收敛时间随样本量增加而增加，但通过增加树数量或提高温度可有效缓解这一问题。
CodeCircuit: 通过归因图推断LLM生成代码的正确性
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Edinburgh（爱丁堡大学） ； Nanyang Technological University（南洋理工大学） ； National University of Singapore（新加坡国立大学） ； IQuest Research（IQuest研究）
AI总结 CodeCircuit通过归因图分析LLM内部结构，推断生成代码的正确性，验证内部动态信号的预测能力。
FlowDA：通过流匹配实现准确且低延迟的天气数据同化
机构 * National University of Singapore（新加坡国立大学）
AI总结 FlowDA通过流匹配实现低延迟、高精度的天气数据同化，展现出在不同观测率下的优越性能和鲁棒性。
并非所有层都需要调节：选择性层恢复恢复多样性
机构 * Department of Computer Science, National University of Singapore, Singapore（新加坡国立大学计算机科学系） ； Smart Systems Institute, National University of Singapore, Singapore, Singapore（新加坡国立大学智能系统研究所）
AI总结 选择性层恢复通过恢复特定层到预训练权重，提升LLM输出多样性并保持高质量。
Comments 16 pages, 7 figures, 12 tables
提示是否保证安全？通过子空间干预减轻大语言模型生成中的毒性
机构 * Department of Computer Science（计算机科学系） ； School of Computing, National University of Singapore（新加坡国立大学计算机学院） ； Department of Electronics and Communications Engineering（电子与通信工程系）
AI总结 本文提出了一种子空间干预策略，通过减少大语言模型生成中的毒性，同时保持生成文本的流畅性。
为探索定性数据中的因果关系设计计算工具
机构 * Department of Computer Science, National University of Singapore（国立新加坡大学计算机科学系） ； Wee Kim Wee School of Communication and Information, Nanyang Technological University（南洋理工大学Wee Kim Wee通讯与信息学院） ； Dept of Computer Science, National Yang Ming Chiao Tung University（阳明交通大学计算机科学系）
AI总结 本文提出QualCausal系统，通过交互式因果网络构建和多视角可视化，帮助用户探索定性数据中的因果关系，减少分析负担并提供认知支持。
Comments 19 pages, 5 figures, conditionally accepted by CHI26
Spider-Sense: 基于内在风险感知的高效代理防御方法与分层自适应筛查
机构 * SUFE（上海财经大学） ； NUS（新加坡国立大学） ； QuantaAlpha（量子阿尔法） ； CMU（卡内基梅隆大学） ； SYSU（南方科技大学） ； USTC（中国科学技术大学） ； XJTU（西安交通大学）
AI总结 Spider-Sense通过内在风险感知实现高效代理防御，结合分层自适应筛查机制，有效降低攻击成功率和误报率，仅引入微小延迟。
CoBA-RL：面向大语言模型强化学习的基于能力的预算分配
机构 * Zhejiang University（浙江大学） ； Nanjing University（南京大学） ； National University of Singapore（新加坡国立大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 CoBA-RL通过基于能力的价值函数和堆贪心策略，优化大语言模型强化学习中的预算分配，提升训练效率和泛化能力。
真相层：在持续预训练中毒下的信念转变探究
机构 * Centre for Trusted Internet \& Community, National University of Singapore, Singapore
AI总结 本研究揭示了持续预训练中虚假信息如何取代模型内部事实表示，通过实验发现中毒对模型信念的影响及可逆性，强调了对事实完整性进行监控的重要性。
GenArena: 如何在视觉生成任务中实现人对齐的评估？
机构 * University of Science（科学大学） ； Shanghai Innovation Institute（上海创新研究所） ； Tencent（腾讯） ； National University of Singapore（新加坡国立大学）
AI总结 GenArena通过成对比较范式实现视觉生成任务的人对齐评估，使开源模型超越专有模型，提升评估准确性达20%以上。
Comments Project Page: https://genarena.github.io/, Code: https://github.com/ruihanglix/genarena
Transformer 诞生时的偏见：随机初始化下的结构归纳偏见及其实际影响
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； National University of Singapore（新加坡国立大学）
AI总结 研究揭示了随机初始化的 Transformer 存在结构偏见，通过 SeedPrint 方法区分初始化差异的模型，并解释了注意力机制导致的汇现象。
非自体参照感知器：通过帧实例化解耦非自体参照推理与自体参照视觉先验
机构 * Anhui Province Key Laboratory of Digital Security, University of Science（安徽数字安全重点实验室，科学大学） ； National University of Singapore（新加坡国立大学）
AI总结 非自体参照感知器通过帧实例化解耦非自体参照推理与自体参照视觉先验，提升空间推理任务性能。
通过成对观测实现近似最优的主动聚类
机构 * National University of Singapore（国立新加坡大学） ； Indian Institute of Technology Hyderabad（印度海得拉巴理工学院） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校）
AI总结 通过成对观测实现近似最优的主动聚类，利用测度变化技术建立查询次数下界，并设计渐近最优算法。
Comments 31 pages, 1 figure
EgoPoseVR：用于虚拟现实中的自体空间时间多模态推理以实现中心全身体姿
机构 * National University of Singapore（新加坡国立大学） ； Singapore University of Technology and Design（新加坡科技设计大学）
AI总结 EgoPoseVR通过融合头戴设备运动信息与中心RGB-D观测，实现了在虚拟现实中的准确全身姿态跟踪，提高了姿态估计的准确性和稳定性。
一种用于产科培训中鲁棒人偶定位的混合现实系统
机构 * National University of Singapore（新加坡国立大学） ； National University Health System（国立大学医疗系统）
AI总结 本研究提出一种混合现实系统，通过结合虚拟指导与触觉人偶交互，实现产科培训中人偶的鲁棒定位，提升学员学习效率并提高培训效果。
从潜在信号到反射行为：在R1风格大语言模型中追踪元认知激活轨迹
机构 * SCIR Lab, Harbin Institute of Technology（哈尔滨工业大学SCIR实验室） ； National University of Singapore（新加坡国立大学）
AI总结 研究通过分析R1风格大语言模型中反思行为的激活轨迹，揭示了元认知过程从潜在监控到话语调节再到自我反思的阶段性特征。
行动背后的缘由：通过代理归因揭示内部驱动因素
机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Renmin University of China（中国人民大学） ； National University of Singapore（新加坡国立大学）
AI总结 本文提出通用代理归因框架，通过分层方法识别代理行为的内部驱动因素，提升代理系统的安全性和可问责性。
面向文本到图像扩散模型的个性化安全对齐
机构 * National University of Singapore（新加坡国立大学） ； Peking University（北京大学） ； Yale University（耶鲁大学） ； Collov Labs（Collov实验室）
AI总结 本文提出个性化安全对齐框架PSA，通过用户条件适应提升文本到图像扩散模型的安全性与生成质量，实现安全与质量的动态平衡。
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