高校专区
PaperDebugger：一种基于插件的多智能体系统用于编辑器中的学术写作、审阅和编辑
机构 * National University of Singapore（新加坡国立大学）
AI总结 PaperDebugger是一种在编辑器内集成多智能体系统和插件的学术写作助手，通过Chrome扩展、Kubernetes编排层和MCP工具链实现LLM驱动的写作、审阅和编辑功能。
MLLMEraser: 通过激活引导在多模态大语言模型中实现测试时遗忘
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） ； The Hong Kong Polytechnic University（香港理工大学） ； Huawei（华为）
AI总结 MLLMEraser通过激活引导实现多模态大语言模型的测试时遗忘，无需训练且有效降低计算成本，同时保持保留知识的效用。
CoT-RVS：零样本链式推理视频对象分割
机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； National University of Singapore（新加坡国立大学） ； Dartmouth College（达特茅斯学院）
AI总结 CoT-RVS通过零样本链式推理能力，实现了对视频对象的高效分割，无需训练即可处理复杂查询和在线视频流。
Comments Accepted to ICLR 2026. Project page: https://danielshkao.github.io/cot-rvs.html. Code: https://github.com/DanielSHKao/CoT-RVS
WaterDrum：面向数据导向的去学习度量水印
机构 * Department of Computer Science, National University of Singapore（新加坡国立大学计算机科学系） ； Centre for Frontier AI Research, A*STAR（A*STAR前沿人工智能研究中心）
AI总结 WaterDrum提出了一种数据导向的LLM去学习度量，通过鲁棒文本水印技术解决现有度量在数据相似性和重训练不可行时的不足，并引入了新的基准数据集进行评估。
A-MapReduce：通过代理MapReduce执行广泛搜索
机构 * Beijing Advanced Innovation Center for Future Blockchain and Privacy Computing, School of Artificial Intelligence, Beihang University（北京未来区块链与隐私计算创新中心，人工智能学院，北京航空航天大学） ； National University of Singapore（新加坡国立大学） ； Tsinghua University（清华大学） ； BNRist, Tsinghua University（BNRist，清华大学）
AI总结 A-MapReduce通过引入MapReduce范式，提出一种多代理框架，将广泛搜索转化为水平结构的检索问题，实现高效且低成本的广泛搜索执行。
Comments 33 pages
谁负责安全转移？识别和定位跨语言共享安全神经元
机构 * Nanjing University of Science and Technology（南京理工大学） ； National University of Singapore（新加坡国立大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Nanjing University（南京大学）
AI总结 本文提出通过识别和定位跨语言共享安全神经元，提升非高资源语言的安全性，采用神经元导向的训练策略增强模型跨语言防御一致性。
深度时间序列预测需要核化矩平衡
机构 * Xiaohongshu Inc.（小红书公司） ； National University of Singapore（新加坡国立大学） ； The City University of New York, CUNY（纽约市立大学，CUNY） ； State Key Lab of General AI, School of Intelligence Science and Technology, Peking University（人工智能国家重点实验室，北京大学） ； Center for Data Science, Peking University（北京大学数据科学中心） ； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院）
AI总结 本文提出KMB-DF方法，通过核化矩平衡提升深度时间序列预测的准确性，实现更全面的分布平衡。
Self-Guard：通过增强的自我反思防御大型推理模型
机构 * National University of Singapore（新加坡国立大学） ； Southern University of Science and Technology（南方科技大学） ； 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 Self-Guard通过增强的自我反思机制，有效解决大型推理模型的安全合规问题，实现安全与实用性的平衡。
APEX：一种解耦的记忆型探索者用于异步空中目标导航
机构 * Harbin Institute of Technology（哈尔滨工业大学） ； National University of Singapore（新加坡国立大学） ； Central South University（中南大学） ； Meituan Academy of Robotics（美团机器人研究院）
AI总结 APEX通过分层异步架构实现高效空中目标导航，提升探索效率与目标识别精度。
Comments 15 pages, 8 figures
一次注入，后期存活：向视觉-语言-动作模型注入后门以在下游微调中持续存在
机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Harbin Institute of Technology（哈尔滨工业大学） ； Meituan Academy of Robotics Shenzhen, Meituan（美团机器人深圳研究院） ； Shanghai Jiaotong University（上海交通大学） ； National University of Singapore（新加坡国立大学） ； Central South University（中南大学）
AI总结 本文提出INFUSE框架，首次实现对VLA模型的后门攻击，使其在用户微调后仍能保持有效性，显著提升攻击成功率并保持任务性能。
MHRC-Bench: 一个多语言硬件仓库级代码补全基准
机构 * School of Computing, National University of Singapore（新加坡国立大学计算机学院）
AI总结 MHRC-Bench是首个多语言硬件仓库级代码补全基准，涵盖三种硬件设计编码风格，通过代码结构和硬件导向语义标签进行补全任务评估。
多模态大语言模型高效性中的标记压缩综述
机构 * Zhejiang University（浙江大学） ； Westlake University（西湖大学） ； Xiamen University（厦门大学） ； National University of Singapore（新加坡国立大学） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； University of Central Florida（佛罗里达大学） ； Salesforce AI Research（Salesforce AI研究） ； Rice University（德克萨斯大学）
AI总结 本文综述了多模态大语言模型中标记压缩技术，分类讨论了图像、视频和音频三种模态的压缩方法及其机制，旨在推动该领域的发展。
Comments For ongoing updates and to track the latest advances in this promising area, we maintain a public repository: https://github.com/cokeshao/Awesome-Multimodal-Token-Compression
TraceRouter: 通过路径级干预实现大型基础模型的鲁棒安全性
机构 * The University of Sydney, Sydney, Australia（悉尼大学） ； Nanjing University of Science（南京理工大学） ； Nanjing University, Nanjing, China（南京大学） ； National University of Singapore, Singapore, Singapore（新加坡国立大学）
AI总结 TraceRouter通过路径级干预有效切断有害语义的因果传播，提升大型基础模型的对抗鲁棒性与实用性。
通过语言进行任意事件分割
机构 * Department of Computer Science, National University of Singapore（新加坡国立大学计算机科学系）
AI总结 SEAL通过语义感知框架实现开放词汇事件实例分割，支持多粒度级别的事件分割与掩码分类，并在多个基准测试中表现出优越的性能和效率。
Comments ICLR 2026. Project Page: https://0nandon.github.io/SEAL
EvoClinician: 一种通过测试时进化学习进行多轮医学诊断的自进化代理
机构 * Microsoft Research（微软研究院） ； National University of Singapore（新加坡国立大学）
AI总结 EvoClinician通过测试时进化学习实现多轮医学诊断，采用'诊断-评分-进化'循环提升诊断效率
基于图的欺诈检测的自主链式思维蒸馏
机构 * National University of Singapore（新加坡国立大学） ； ByteDance Inc.（字节跳动公司）
AI总结 FraudCoT通过自主链式思维推理和高效联合训练策略，提升基于图的欺诈检测性能和效率。
DiffuSpeech: 通过统一的语音-文本扩散实现无声思考， spoken 答案
机构 * National University of Singapore（新加坡国立大学） ； Tencent（腾讯）
AI总结 DiffuSpeech通过统一的语音-文本扩散模型，实现语音生成的同时生成内部推理，提升语音问答的准确性和语音质量。
在漂移中穿行：动态追踪知识神经元以实现自适应推理时剪枝
机构 * Department of Electrical and Computer Engineering, National University of Singapore, Singapore（电子与计算机工程系，新加坡国立大学） ； Department of Computer Science, Birla Institute of Technology and Science, Pilani, India（计算机科学系，比拉理工学院与科学学院，印度）
AI总结 DART通过动态追踪知识神经元实现自适应推理时剪枝，提升模型在稀疏度下的准确率和ROUGE-L分数，同时保持低内存和计算开销。
DNA：揭示普遍的潜在伪造知识
机构 * The University of Sydney, Sydney, Australia（悉尼大学） ； Xiamen University, Xiamen, China（厦门大学） ； Hong Kong Polytechnic University, HongKong, China（香港理工大学） ； National University of Singapore, Singapore, Singapore（新加坡国立大学）
AI总结 DNA框架通过挖掘预训练模型中的潜在能力，实现高效伪造检测，无需端到端重训练，且在少样本和多样化架构中表现优异。
通过不变轨迹学习实现通用的多模态大语言模型编辑
机构 * Zhejiang University, China（浙江大学） ； Singapore Management University, Singapore（新加坡管理学院） ； National University of Singapore, Singapore（新加坡国立大学） ； Hangzhou Dianzi University, China（杭州电子科技大学） ； Jiangxi Normal University, China（江西师范大学）
AI总结 本文提出ODEit框架，通过不变轨迹学习提升多模态大语言模型的编辑可靠性、局部性和泛化能力。
比较聊天机器人如何参考先前聊天会话中的用户发言：对用户隐私担忧和认知的调查
机构 * National University of Singapore（新加坡国立大学）
AI总结 研究探讨了聊天机器人引用用户历史对话的不同方式对用户感知和隐私担忧的影响，发现逐字引用虽提升智能感但引发隐私问题，改述方式则更受欢迎。
Comments 10 pages, 3 figures, to be published in Proceedings of the 11th International Conference on Human-Agent Interaction (ACM HAI'23)
Journal ref Proceedings of the 11th International Conference on Human-Agent Interaction (HAI '23), 2023
知识上下文学习：在基于大语言模型的多智能体系统中以正确方式建立信任
机构 * National University of Singapore（国立新加坡大学） ； Singapore University of Technology（新加坡科技学院） ； Nanyang Technological University（南洋理工大学） ； Duke University（杜克大学） ； University of Waterloo（滑铁卢大学） ； Microsoft（微软公司） ； Peking University（北京大学） ； University of Pennsylvania（宾夕法尼亚大学）
AI总结 本文提出Epistemic Context Learning（ECL），通过历史交互构建同伴资料以提升多智能体系统中信任建模的准确性，使小型模型在性能上超越大模型，并在多种配置中表现出良好的泛化能力。
Comments Codes and data are available at https://github.com/skyriver-2000/epistemic-context-learning
增强语言模型以实现稳健的绿色洗脑检测
机构 * National University of Singapore（新加坡国立大学） ； Massachusetts Institute of Technology（麻省理工学院） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出了一种参数高效框架，通过结合对比学习和顺序排名目标来增强语言模型在绿色洗脑检测中的鲁棒性。
预期回报导致强化学习中的结果层面模式崩溃及如何通过逆概率缩放修复它
机构 * National University of Singapore, Singapore（新加坡国立大学）
AI总结 本文提出逆概率缩放方法，通过修正预期回报目标来解决强化学习中的结果层面模式崩溃问题，有效提升多模式策略优化的可靠性。
PathReasoner-R1: 通过知识引导的策略优化在病理视觉-语言模型中引入结构化推理
机构 * Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） ； Microsoft Research（微软研究院） ； National University of Singapore（新加坡国立大学） ； Technical University of Dresden（德累斯顿技术大学）
AI总结 PathReasoner-R1通过知识引导的策略优化，在病理视觉-语言模型中引入结构化推理，提升模型的临床推理能力和鲁棒性。
超越模仿：用于主动潜在规划的强化学习
机构 * School of Computing, National University of Singapore, Singapore（计算学院，新加坡国立大学）
AI总结 本文提出ATP-Latent方法，通过主动规划和强化学习优化潜在空间，提升链式推理的准确性和效率。
基于信息性和效用的蒸馏数据集 grounding
机构 * EPIC Lab, SJTU（SJTU实验室） ； Shanghai Jiao Tong University（上海交通大学） ； National University of Singapore（新加坡国立大学） ； Duke University（杜克大学） ； The University of Chicago（芝加哥大学）
AI总结 本文提出InfoUtil框架，通过博弈论和梯度范数优化，提升数据集蒸馏的信息性和效用，实验显示在ImageNet-1K上性能提升6.1%。
Comments Accepted by ICLR 2026, 20 pages, 9 figures, 11 tables
通过混合专家扩散策略抽象机器人操作技能
机构 * School of Computing, National University of Singapore（新加坡国立大学计算机学院） ； Smart Systems Institute, NUS（NUS智能系统研究所） ； Guangdong Institute of Intelligence Science and Technology（广东智能科学与技术研究院） ； Beijing Zhongguancun Academy（北京中关村学院）
AI总结 本文提出了一种基于扩散的混合专家策略，通过学习紧凑的技能基础和粘性路由机制，实现高效多任务机器人操作。
DevOps-Gym: 在软件DevOps周期中评估AI代理的基准测试
机构 * UC Santa Barbara（加州大学圣巴巴拉分校） ； National University of Singapore（新加坡国立大学） ； UC Berkeley（加州大学伯克利分校） ； Google（谷歌） ； UC Los Angeles（加州大学洛杉矶分校）
AI总结 DevOps-Gym通过700+真实任务评估AI代理在完整DevOps周期中的能力，揭示其在问题解决和测试生成方面的局限性。
利用图变换器和稳态流数据增强实现颅内动脉瘤形态的实时脉动流预测
机构 * Department of Biomedical Engineering, National University of Singapore（国立新加坡大学生物医学工程系） ； Department of Biomedical Engineering, Imperial College London（帝国理工学院伦敦校区生物医学工程系） ； Imperial College Healthcare NHS Trust（帝国理工医疗信托） ； Department of Medicine, National University Hospital（国立大学医院医学部）
AI总结 本文提出利用图变换器和稳态流数据增强方法，实现颅内动脉瘤形态的实时脉动流预测，有效提升生物力学标记物的计算效率。
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