高校专区
GUI-AC：增强GUI代理的持续学习能力
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Tsinghua University（清华大学） ； Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学）
AI总结 针对GUI代理在持续学习中的分布漂移和强化微调不稳定性问题，提出GUI-AC方法，通过自适应优势和动态裁剪机制提升性能，超越现有基线。
VT-WAM: 面向密集接触操作的视觉-触觉世界动作模型
机构 * SKL-MAIS, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所复杂系统管理与控制国家重点实验室） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； TARS Robotics ； National University of Singapore（新加坡国立大学） ； Fudan University（复旦大学）
AI总结 提出VT-WAM，在统一流匹配框架中联合学习视觉预测、触觉变形预测和动作预测，通过非对称混合Transformer注意力和接触门控注意力引导，在六项真实密集接触操作任务中平均成功率71.67%。
通过分布级奖励优化视觉生成模型
机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai Innovation Institute（上海创新研究院） ； Hunyuan Frontier Lab, Tencent（腾讯混元前沿实验室） ； National University of Singapore（新加坡国立大学）
AI总结 提出分布级奖励框架，通过子集替换策略高效估计奖励并优化模型合并系数，解决样本级奖励导致的模式崩溃和视觉异常问题，在SiT和EDM2上显著提升FID-50K。
Comments ICML 2026 Main
深度权重空间中推理过程的动态神经图编码
机构 * University of Toronto（多伦多大学） ； National University of Singapore（新加坡国立大学） ； McMaster University（麦马斯特大学） ； Concordia University（康科迪亚大学）
AI总结 提出动态神经图编码器（DNG-Encoder），通过动态图表示神经网络参数并保留推理的时序特性，在INR分类任务上比现有方法提升约10%准确率。
Comments Published in Transactions on Machine Learning Research (TMLR), 2026. 28 pages, 5 figures
Journal ref Transactions on Machine Learning Research, 2026
UnderOneFacade：全球立面语义分割基准数据集
机构 * Technical University of Munich（慕尼黑工业大学） ； University of Cambridge（剑桥大学） ； University of Nottingham（诺丁汉大学） ； National University of Singapore（新加坡国立大学）
AI总结 针对现有立面解析数据集地理范围窄、语义不一致的问题，提出全球最大跨国家、跨洲的3D立面基准UnderOneFacade，包含27亿标注点，评估多种模型并揭示其跨域性能下降，为鲁棒可迁移的3D分割模型提供基准。
Comments accepted by ECCV 2026
基于多尺度时间建模与可微分轮廓渲染的个性化4D全心网格重建
机构 * Department of Biomedical Engineering, National University of Singapore（新加坡国立大学生物医学工程系） ； School of Automation, Southeast University（东南大学自动化学院） ； Department of Medicine, National University of Singapore（新加坡国立大学医学系） ； Department of Cardiology, National University Heart Centre Singapore（新加坡国立大学心脏中心心脏病学系）
AI总结 提出端到端框架，从稀疏电影MRI重建4D全心网格，利用可微分轮廓渲染和多尺度时间建模，实现低误差（1.68 mm）和高运动平滑度。
Comments 15 pages
Koopman算子理论：基础、控制与应用
机构 * Department of Mechanical Engineering, University of California, Santa Barbara（加州大学圣芭芭拉分校机械工程系） ； Department of Mechanical and Aerospace Engineering, University of California, San Diego（加州大学圣地亚哥分校机械与航空航天工程系） ； Optimization-based Control Group, TU Ilmenau（图林根工业大学优化控制组） ； Constrained Control of Complex Systems Lab, Control Systems Group, Department of Electrical Engineering, TU Eindhoven（埃因霍温理工大学复杂系统约束控制实验室，控制系统组，电气工程系） ； 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）
AI总结 本文介绍Koopman算子理论，通过数据驱动方法（如EDMD和机器学习）构建非线性系统的全局线性表示，并扩展到有输入系统的控制器设计，提供仿真代码。
LLMs 在分子领域真的能泛化吗？基于扰动的分析
机构 * The Hong Kong Polytechnic University（香港理工大学） ； National University of Singapore（新加坡国立大学） ； Shanghai AI Lab（上海人工智能实验室） ； Fudan University（复旦大学）
AI总结 提出分子扰动框架，通过控制图编辑距离生成结构变体，揭示分子LLMs对微小结构变化敏感，局部信任区域狭窄；上下文调优可部分缓解脆弱性。
Comments 21 pages
Mastermind: 基于策略学习的仓库级漏洞复现
机构 * National University of Singapore（新加坡国立大学） ； Nanyang Technological University（南洋理工大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
AI总结 提出Mastermind双循环框架，通过策略学习（SFT+GRPO）提升LLM代理在仓库级漏洞复现中的表现，在260个训练任务和200个测试任务上达到84.5%通过率，并成功迁移至不同执行器。
空间支撑至关重要：面向降雨场重建的几何感知图融合
机构 * School of Computing, National University of Singapore（新加坡国立大学计算机学院） ； Faculty of Engineering, The University of Sydney（悉尼大学工程学院）
AI总结 针对降雨场重建中多源观测支撑（点、线、面）的几何差异问题，提出几何感知多支撑异构图神经网络，通过跨支撑消息传递融合并重建降雨场，在新加坡数据上RMSE降低23.2%。
Comments Submitted to WACV 2027, applications track
高斯场的逐点复杂度：上包络、算法下界与分离
机构 * National University of Singapore（新加坡国立大学）
AI总结 本文证明了一个方差感知的逐点主测度定理，为高斯过程提供高概率上包络，并通过贝叶斯算法下界和加权基示例，揭示了逐点复杂度与全局极小极大风险之间的分离。
多标签节点分类中的标签影响传播
机构 * Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学） ； Capital One ； GrabTaxi Holdings Pte. Ltd.（GrabTaxi控股私人有限公司）
AI总结 提出标签影响传播（LIP）模型，通过分解GNN的消息传递为传播和变换操作，量化标签间影响，构建标签影响图传播高阶影响，动态调整学习过程，在多标签节点分类任务上超越现有方法。
Comments Accepted to ICLR 2025
NoPA: 非参数化在线3D场景图生成
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 针对现有3D场景图生成方法无法实时运行的问题，提出NoPA，用非参数化分布表示物体，保留几何细节，并通过基于最大均值差异的合并策略和关系传播，实现实时且准确的在线场景图生成。
Comments This paper has been accepted in ECCV 26
PixelEyes: 解耦感知与推理以实现精准视觉证据查找
机构 * Wuhan University（武汉大学） ； UC Merced（加州大学默塞德分校） ； UTS（UTS大学） ； NUS（新加坡国立大学） ； NTU（南洋理工大学） ； CASIA（中国科学院自动化所）
AI总结 针对多轮视觉推理中目标定位失败导致轨迹冗余的问题，提出PixelEyes，通过解耦推理与感知（推理器决定查找目标，专用感知工具定位），引入掩码引导视觉搜索和语义区域广度优先搜索，构建PixelEyes-6K数据集和Pinpoint-Bench基准，显著提升定位准确性。
Comments 22pages, 10 figures
协同感知-推理治理：用可验证解剖证据为医学多模态大语言模型提供基础
机构 * Huazhong University of Science and Technology（华中科技大学） ； Imperial Global Singapore, Imperial College London（帝国理工学院新加坡全球中心） ； Nanyang Technological University（南洋理工大学） ； National University of Singapore（新加坡国立大学） ； Anhui University（安徽大学）
AI总结 提出一种无需训练的证据注入框架，通过ROI引导的视觉激活调制和解剖坐标语义标记，协同校准视觉感知与文本推理，动态路由任务特定干预，有效减少医学MLLM的幻觉。
Comments Accepted by MICCAI 2026 (Early Accept, Top 9%)
平衡量子核赌博机优化中的表达性与可学习性
机构 * National University of Singapore（新加坡国立大学） ； University of Birmingham（伯明翰大学）
AI总结 针对量子核高斯过程赌博机优化，提出投影量子核与经典核近似技术以降低特征维度，推导了误设定GP赌博机算法的遗憾界，平衡了近似误差与信息增益。
时间序列基础模型基准是否隐藏了依赖于状态的失败？来自交通速度预测的证据
机构 * University of California, Berkeley（加州大学伯克利分校） ； Duke University（杜克大学） ； National University of Singapore（新加坡国立大学） ； Northeastern University（东北大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Southern Methodist University（南卫理公会大学）
AI总结 本文提出状态分层评估方法，发现时间序列基础模型在交通状态转换时准确率和预测区间覆盖率显著下降，并提出了双峰混合增强方法以改善转换状态覆盖。
Comments 5 pages, 2 figures. Accepted at the Workshop on Forecasting as a New Frontier of Intelligence, ICML 2026
无处可藏：基于背景控制对的视频幻觉基准测试
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Knowin AI（考恩人工智能） ； The Hong Kong Polytechnic University（香港理工大学） ； National University of Singapore（新加坡国立大学） ； Nanyang Technological University（南洋理工大学） ； Huazhong University of Science and Technology（华中科技大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 提出VidPair-Halluc基准，通过背景相似但前景语义不同的视频对，精确评估大型视频模型中的视频幻觉，包含1K对抗视频对和11K时空问答对。
Comments ECCV 2026
CDR-Bench：评估组合式、顺序敏感数据精炼配方的忠实执行
机构 * HKUST（香港科技大学） ； NUS（新加坡国立大学）
AI总结 提出CDR-Bench基准，包含3462个高质量任务，评估LLM在组合式和顺序敏感设置下直接执行数据精炼配方的能力，发现当前LLM缺乏程序忠实性。
Comments 29 pages, 20 figures. Corresponding authors: Daoyuan Chen and Yi R. Fung
ReGRPO: 用于工具使用智能体的反思增强策略优化
机构 * Show Lab, National University of Singapore（新加坡国立大学Show Lab）
AI总结 提出ReGRPO框架，通过反思数据引擎和联合优化反射令牌与纠正动作，提升工具使用智能体在故障后的恢复能力，在GTA和GAIA上取得最佳效果。
可解码不等于已接地：用于VLM空间推理的视觉消融仲裁器
机构 * University of New South Wales（新南威尔士大学） ； National University of Singapore（新加坡国立大学）
AI总结 本文提出一种视觉消融仲裁方法，通过将图像替换为灰色空白，揭示视觉语言模型在空间推理中存在的三种接地机制：接地、先验和反转，并证明线性探针和转向恢复会系统性地高估模型的实际视觉接地能力。
不可信AI代理的认证推测执行
机构 * School of Engineering, Institute of Science Tokyo, Japan（东京科学大学工学院） ； College of Control Science and Engineering, Zhejiang University, China（浙江大学控制科学与工程学院） ； Department of Electrical and Computer Engineering, National University of Singapore, Singapore（新加坡国立大学电气与计算机工程系）
AI总结 提出证书门控前缀接受（CGPA）方法，通过可信验证器、保形校准值边界和求解器延迟机制，实现安全、遗憾和速度的解耦，将不可信AI代理的违规率降至零。
Comments 15 pages, 2 figures, 24 tables. Includes a technical appendix (full proofs and all supplementary tables)
通过计算机系统视角理解与评估爪类智能体安全性
机构 * UIUC（伊利诺伊大学厄巴纳-香槟分校） ； NUS（新加坡国立大学） ； UC Berkeley（加州大学伯克利分校） ； UC Davis（加州大学戴维斯分校） ； Virginia Tech（弗吉尼亚理工大学） ； KACST（阿卜杜勒阿齐兹国王科技城） ； UC Santa Cruz（加州大学圣克鲁兹分校） ； NVIDIA（英伟达） ； Google DeepMind（谷歌DeepMind） ； UW Seattle（华盛顿大学西雅图分校） ； HUMAIN（胡迈因研究所）
AI总结 针对爪类AI智能体安全漏洞，提出计算机系统类比，构建SafeClawArena基准测试，评估406个对抗任务，发现最高攻击成功率70%，恶意插件100%成功。
Flow-DPPO：用于流匹配模型的散度近端策略优化
机构 * Xi’an Jiaotong University（西安交通大学） ； Tencent Hunyuan（腾讯混元） ； National University of Singapore（新加坡国立大学）
AI总结 针对流匹配模型中PPO比率裁剪的结构性缺陷，提出Flow-DPPO方法，利用高斯策略的精确KL散度计算实现散度近端约束，提升奖励和训练稳定性。
FlexMoE：面向MoE语言模型的一体化嵌套专家内剪枝方法
机构 * National University of Singapore（新加坡国立大学）
AI总结 提出FlexMoE方法，通过专家通道重要性排序和离散动作学习，将预训练MoE大语言模型转换为嵌套子网络族，支持跨预算部署，在Qwen2-57B-A14B上剪枝50%路由专家参数仍保留约99.8%性能。
Agent-as-a-Router: 面向编码任务的智能体模型路由
机构 * National University of Singapore（新加坡国立大学） ； DAMO Academy, Alibaba Group（阿里巴巴达摩院） ； University of California, Berkeley（加州大学伯克利分校） ； The Hong Kong University of Science and Technology（香港科技大学） ； Zhejiang University（浙江大学）
AI总结 提出Agent-as-a-Router框架，通过C-A-F循环积累执行经验，实现编码任务的动态模型路由，ACRouter在分布内任务上取得最低累积遗憾并泛化到分布外任务。
Comments 39 pages, 21 figures, a living technical report with a living benchmark that continuously updates
BetXplain：用于检测社交媒体上操纵性博彩广告的解释标注数据集
机构 * University of Birmingham（伯明翰大学） ； IIIT Dharwad（印度信息技术学院达尔瓦德分校） ； NUS（新加坡国立大学） ； LIACS, Leiden University（莱顿大学高级计算机科学研究所）
AI总结 提出BetXplain数据集，包含来自Instagram和Reddit的博彩广告及其操纵性标注与人类解释，用于可解释的自动检测。
RSPC：使用精神科医生标注对数字媒介关系中的压力和精神病状况进行建模的基准
机构 * Indian Institute of Information Technology Dharwad（印度信息技术学院达尔瓦德分校） ； Keshav Memorial College of Engineering（克沙夫纪念工程学院） ； National University of Singapore（新加坡国立大学） ； University of Birmingham（伯明翰大学） ； NVIDIA, Singapore（英伟达（新加坡）） ； Stanford University（斯坦福大学） ； INSEAD（欧洲工商管理学院）
AI总结 提出RSPC基准，包含精神科医生标注的Reddit帖子，用于多标签障碍分类、关系触发检测和阶段预测，发现模型能力差异及焦虑与关系不确定性的关联。
桥接对话与思维：理解协作问题解决情境中的对话动态
机构 * Nanyang Technological University（南洋理工大学） ； Agency for Science, Technology and Research (A*STAR)（新加坡科技研究局） ； National University of Singapore（新加坡国立大学）
AI总结 提出一个双层编码框架，整合认知与非认知问题解决及元认知调节机制，分析人机与多智能体协作对话，发现元认知调节是深度协作的关键区分因素。
NavIsaacLab: 通过并行机器人学习生成逼真人群以基准测试人感知导航
机构 * Southern University of Science and Technology（南方科技大学） ； National University of Singapore（新加坡国立大学） ； Peng Cheng Laboratory（鹏城实验室） ； Jiaxing Research Institute, Southern University of Science and Technology（南方科技大学嘉兴研究院）
AI总结 提出NavIsaacLab框架，利用基于物理和照片级真实感的仿真，结合轨迹扩散模型和对抗运动学习控制器生成逼真人群，用于训练和评估人感知导航策略。
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