高校专区
OmniScientist：一种全模态全学科的AI科学家
机构 * National University of Singapore（新加坡国立大学） ； University of Oxford（牛津大学）
AI总结 本研究提出全模态AI科学家OmniScientist，通过端到端全模态流水线处理多学科异构原始证据，在36个真实案例中完成从原始数据到手稿的全流程，性能优于仅用预计算特征的系统，为通用AI科学家提供可行方案。
Comments 30 pages, 13 figures, 19 tables. Project page: https://omni-scientist.github.io/
V-RAE：重新思考用于生成的视频隐空间
机构 * National University of Singapore（新加坡国立大学） ； University of Oxford（牛津大学）
AI总结 本研究提出V-RAE视频表示自动编码器，基于冻结视觉基础模型构建生成隐空间，在多项视频任务上优于现有模型，还引入tFVD指标，证明冻结语义表示可支持多种视频建模任务。
Comments 26 pages, 8 tables, 13 figures, project page: https://v-rae.github.io/
StreamTTT：在流式视觉语言模型中协调实时感知与长期记忆
机构 * National University of Singapore（新加坡国立大学） ； Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）
AI总结 StreamTTT通过将长程历史写入注意力外的快速权重、保留短滑动键值缓存，在OVO-Bench和StreamingBench上提升了流式VLMs的实时感知与长程记忆能力，且代码将公开。
隐式在线策略自蒸馏
机构 * Shanghai Jiao Tong University（上海交通大学） ； National University of Singapore（新加坡国立大学）
AI总结 本研究提出隐式在线策略自蒸馏（LOPD），将教师的特权上下文改为端到端可学习，在智能体工具使用和代码生成任务上，以远低于对比方法的rollout预算实现了更优性能。
CABS+：基于冲突感知稀疏化与自适应权重分配的高效可扩展模型融合方法
机构 * Beihang University（北京航空航天大学） ； Hangzhou Innovation Institute of Beihang University（北京航空航天大学杭州创新研究院） ； National University of Singapore（新加坡国立大学）
AI总结 CABS+通过自适应权重分配与非对称适应度函数优化模型融合，在多类模型与数据集上，较先进方法提升性能、降低内存消耗并加速融合，验证了其有效性与效率。
SCOPE-Router：面向执行导向任务的成本感知开放集视觉语言模型路由
机构 * CASIA（中国科学院自动化研究所） ； UCAS（中国科学院大学） ； NUS（新加坡国立大学） ； Tencent（腾讯）
AI总结 本文提出SCOPE-Router与CRM+RCCR，构建执行导向VLM路由基准VLM-ExecRouterBench，解决现有VLM路由局限，在多基准上取得更优性能。
Mechanist：作为科学仪器的AI，用于发现智能的机制
机构 * Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学） ； Heriot-Watt University（赫瑞瓦特大学） ； Southern University of Science and Technology（南方科技大学） ； University of California, San Diego（加利福尼亚大学圣迭戈分校） ； Northeastern University（东北大学）
AI总结 本研究推出智能体系统Mechanist，以AI为科学仪器自主发现AI智能机制，其生成假设更有价值、实验更可靠，还能发现安全风险、构建信念机制理论并转化为提升模型性能的干预措施。
Comments Work in progress
强化步骤级推理以实现大语言模型的有效自校正
机构 * Nanyang Technological University（南洋理工大学） ； National University of Singapore（新加坡国立大学） ； VinUniversity ； Institute for Infocomm Research (IR), A*STAR（新加坡科技研究局信息通信研究院）
AI总结 针对大语言模型自校正的核心挑战，提出SFS-DPO及教师辅助变体SFS-DPO-R框架，经多模型多域评估，其性能优于现有步骤级训练基线，可提升自校正频率与有效性。
SafeCA：用于文本到视频越狱防御的安全交叉注意力定位与调控
机构 * Nanyang Technological University（南洋理工大学） ； National University of Singapore（新加坡国立大学）
AI总结 SafeCA是一种特征级T2V越狱防御机制，通过分析交叉注意力特征差异提出，可降低主流模型越狱成功率约20%，仅增0.1s推理开销且保持语义一致性，提供架构级可部署防护范式。
Comments 10 pages, 4 figures
融合最优传输与常微分方程的统一连续时间4D重建与跟踪
机构 * Macau University of Science and Technology（澳门科技大学） ； The University of Queensland（昆士兰大学） ； Great Bay University（大湾区大学） ； Tsinghua University（清华大学） ； National University of Singapore（新加坡国立大学） ； Institute of Automation, Chinese Academy of Sciences (CASIA)（中国科学院自动化研究所）
AI总结 本文提出Uni4R框架，通过最优传输与常微分方程协同学习连续速度场，结合流匹配引导解码器与积分一致性训练策略，实现统一连续时间4D重建与点跟踪，在相关任务及新基准上达SOTA性能。
Comments Preliminary version
GeoPhysAdapter：用于基于视觉基础模型的跨域滑坡制图的尺度匹配地球物理适配方法
机构 * Institute of Space and Earth Information Science, The Chinese University of Hong Kong（香港中文大学太空与地球信息科学研究所） ； Department of Geography and Resource Management, The Chinese University of Hong Kong（香港中文大学地理与资源管理学系） ； Urban Governance and Design Thrust, The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）城市治理与设计学域） ； Department of Geography, National University of Singapore（新加坡国立大学地理学系）
AI总结 针对跨域滑坡制图中视觉基础模型的误报问题，提出GeoPhysAdapter方法，在像素和候选滑坡体决策单元结合地球物理约束适配，在PILD数据集上大幅降低了假阳性误差。
提升多模态RLVR的泛化鲁棒性
机构 * National University of Singapore（新加坡国立大学） ； DAMO Academy Alibaba Group（阿里巴巴达摩院） ； Hupan Lab（湖畔实验室） ； Zhejiang University（浙江大学） ； University of California Berkeley（加州大学伯克利分校） ； Rochester Institute of Technology（罗切斯特理工学院） ； Georgia Institute of Technology（佐治亚理工学院） ； Renmin University of China（中国人民大学） ； Hong Kong University of Science and Technology（香港科技大学）
AI总结 针对多模态RLVR泛化鲁棒性不足的问题，提出含动态三元奖励与一致性正则化器的PIRL方法，压力测试与动态评估中其性能下降幅度均小于GRPO。
Comments 32 pages, 5 figures
被遗忘的历史还是时间的考验？从信息检索视角回顾与展望检索增强生成（RAG）
机构 * National University of Singapore（新加坡国立大学） ； Georgetown University（乔治城大学）
AI总结 本文从IR视角指出RAG核心思想源于21世纪初的经典研究，提出将LLM视为旧QA架构的新接口层，其前期工作可指导下一代RAG设计，促进跨领域整合。
SurgWMBench：面向世界建模的手术器械运动规划视觉基准
机构 * University of Macau（澳门大学） ； National University of Singapore（新加坡国立大学） ； Xiamen University（厦门大学）
AI总结 本文提出SurgWMBench，一种面向短程手术运动规划的视觉基准，可评估手术世界模型的器械运动预测与连续回推稳定性，解决现有指标与器械规划需求不匹配的问题。
Evidence-RL：面向证据密集型视觉推理
机构 * National University of Singapore（新加坡国立大学） ； Zhejiang University（浙江大学） ； Fudan University（复旦大学） ； Tsinghua University（清华大学） ； Tencent（腾讯）
AI总结 针对视觉-语言模型依赖语言先验等问题，提出反事实证据解缠方法，结合GRPO框架在9个基准和4种骨干模型上优于现有基于RL的后训练方法。
Comments 22 pages, 10 figures
优势引导门：重塑基于视觉的空间智能的开放式推理
机构 * University of Science and Technology of China（中国科学技术大学） ； Suzhou Institute for Advanced Research, USTC（中国科学技术大学苏州高等研究院） ； Institute of Advanced Intelligence and Computing (IAIC), Agency for Science, Technology and Research (A*STAR)（新加坡科技研究局高级智能与计算研究所） ； East China Normal University（华东师范大学） ； National University of Singapore（新加坡国立大学） ； Durham University（杜伦大学） ； University of Chinese Academy of Sciences（中国科学院大学）
AI总结 本文针对MLLMs开放式推理易出错的问题，提出优势引导门框架，结合蒙特卡洛价值评估与两类优势门，构建Reasoning-Tree-160k数据集并经两阶段学习，有效提升了基准MLLMs的视觉空间推理性能。
持续大型语言模型智能体中的可控记忆干扰
机构 * China University of Geosciences (Beijing)（中国地质大学（北京）） ； Northwestern Polytechnical University（西北工业大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； Chinese Academy of Sciences（中国科学院） ； The Hong Kong Polytechnic University（香港理工大学） ； École polytechnique fédérale de Lausanne（洛桑联邦理工学院） ； National University of Singapore（新加坡国立大学）
AI总结 本研究提出可控记忆干扰（CMI）框架，揭示记忆进化受经验相互作用影响，为持续大型语言模型智能体的记忆系统提供诊断与学习方法，提升记忆更新区分度与任务性能。
学习物理交互：触觉与力感知机器人学习综述
机构 * Nanyang Technological University（南洋理工大学） ； Stanford University（斯坦福大学） ； University of California, Berkeley（加利福尼亚大学伯克利分校） ； Massachusetts Institute of Technology（麻省理工学院） ； National University of Singapore（新加坡国立大学） ； Georgia Institute of Technology（佐治亚理工学院） ； The University of Tokyo（东京大学） ； ETH Zurich（苏黎世联邦理工学院） ； Harvard University（哈佛大学） ； Imperial College London（伦敦帝国学院） ； KTH Royal Institute of Technology（瑞典皇家理工学院） ； Technical University of Darmstadt（达姆施塔特工业大学）
AI总结 本综述针对力与触觉感知机器人学习研究的空白，提出TF-ART分类法，整合多模态感知与多阶段系统设计视角，兼具算法与实践意义。
Comments 53 pages, 7 figures
采用以数据为中心的并行（DCP）训练可变长序列
机构 * National University of Singapore（新加坡国立大学）
AI总结 针对可变长序列深度学习训练的效率与易用性权衡难题，提出以数据为中心的并行（DCP）方法，通过动态调整运行时设置实现2.88倍加速，仅需10行代码即可集成到任意模型中。
超越事后温度缩放：用于大语言模型校准的双层优化方法
机构 * Dartmouth College（达特茅斯学院） ； University of Pennsylvania（宾夕法尼亚大学） ； National University of Singapore（新加坡国立大学）
AI总结 针对LLM偏好对齐导致的过度自信与校准问题，提出基于双层优化的校准方法，通过最大化预测分布熵实现，在多项选择与开放式问答任务中提升了校准效果与域外泛化能力。
Comments Third Conference on Language Modeling (COLM 2026)
SwiGLU的开放正尾是否必要？来自带MemGLU的闭尾门控的证据
机构 * City University of Hong Kong（香港城市大学） ； Beihang University（北京航空航天大学） ； National University of Singapore（新加坡国立大学）
AI总结 该研究针对仅解码器的语言模型FFN，通过对比实验发现，源自忆阻分支几何的MemGLU在相近损失下无需SwiGLU的开放正尾即可表现良好，表明模型会适应预训练的门控几何。
破坏注意力：对检测 Transformer 中编码器注意力的基于规避的对抗攻击
机构 * Queensland University of Technology（昆士兰科技大学） ； Agency for Science, Technology and Research, Singapore（新加坡科技研究局） ； National University of Singapore（新加坡国立大学） ； Indraprastha Institute of Information Technology, Delhi（英迪拉普拉斯塔信息技术学院（德里））
AI总结 本文提出首个针对检测 Transformer 编码器注意力的对抗攻击，在不可察觉扰动下破坏注意力结构，使 DETR-R50、DINO-Swin-L 等主流检测器 mAP 大幅下降，性能优于现有攻击。
Comments 8 pages, 6 figures, 6 tables
通过选择性上下文偏好优化学习何时信任
机构 * Duke University（杜克大学） ； National University of Singapore（新加坡国立大学） ； UC Berkeley（加州大学伯克利分校） ； UC Irvine（加州大学欧文分校） ； Northeastern University（东北大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本研究针对语言模型易受误导性外部信号影响的问题，提出SCOPE方法，在含四种条件的MIST基准上优化DPO目标，降低SC2W的同时保持正常上下文下的准确率，主张以选择性信任评判模型。
Comments Project Page at https://worldbench.github.io/scope GitHub Repo at https://github.com/worldbench/SCOPE HF Dataset at https://huggingface.co/datasets/worldbench/MIST-Bench
EnvACE：通过世界预演内化环境动态以实现智能体强化学习
机构 * Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学） ； Sun Yat-sen University（中山大学） ； Central South University（中南大学） ； The Chinese University of Hong Kong（香港中文大学） ； Tencent Inc.（腾讯公司）
AI总结 本文提出 EnvACE 方法，以世界预演替代外部环境交互训练 LLM 智能体，在多基准测试中性能优于基线，可突破外部环境约束扩展 LLM 智能体训练。
GST-Bench：视觉语言模型能否从视频中发展出全局空间感知能力？
机构 * ByteDance Seed（字节跳动 Seed） ； Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学）
AI总结 该研究提出GST-Bench基准评估VLMs的视频全局空间感知，发现其与人类存在显著差距，构建GST-Bench-Local探究原因，还提供GST-Train数据集助力相关研究。
SciQNet：面向科学图像质量评估的两阶段多模态适配框架
机构 * Universiti Malaya（马来亚大学） ； Universiti Tunku Abdul Rahman（拉曼大学） ； National University of Singapore（新加坡国立大学）
AI总结 本研究提出SciQNet两阶段多模态适配框架，在ICME 2026科学图像质量评估挑战赛评分赛道获第2，模型在SIQA-S、SIQA-U等指标表现优异，证实预训练数据相关性的重要性。
Hyper-ES：通过下降方向合并实现LLM推理的有效进化策略
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） ； Nanjing University（南京大学）
AI总结 本文提出Hyper-ES框架，通过梯度微调获取下降方向张成子空间，再用CMA-ES优化DARE-TIES合并系数，在数学推理任务上性能优于GRPO-LoRA，梯度更新量减少10%。
Comments 19 pages, 4 figures, 14 tables. Code: https://github.com/kuangrepi/Hyper-ES
DynaPix：视觉语言模型能否识别准确的未来？
机构 * Centre for AI Research, VinUniversity（VinUniversity人工智能研究中心） ； National University of Singapore（新加坡国立大学）
AI总结 研究构建基准DynaPix，发现视觉语言模型能较好将预测与事件关联，但难以锚定时间，经模拟器真实记录训练可改善多数问题。
Comments Work in progress
世界到手腕：面向精细机器人操作的任务条件未来手腕建模
机构 * The Hong Kong University of Science and Technology（香港科技大学） ； National University of Singapore（新加坡国立大学） ； Nanyang Technological University（南洋理工大学） ； Wuhan University（武汉大学） ； Sun Yat-sen University（中山大学） ； Xidian University（西安电子科技大学） ； Southeast University（东南大学）
AI总结 本研究提出W2-VLA模型，通过任务条件未来手腕建模结合W2-CoT辅助监督，在LIBERO等数据集及真实任务中提升了机器人精细接触敏感操作能力，动作生成速率超80Hz。
PRIMAL3：基于强化学习与模仿的多智能体路径规划——利用LaCAM3
机构 * National University of Singapore（新加坡国立大学） ； Stanford University（斯坦福大学） ； Hong Kong Polytechnic University（香港理工大学）
AI总结 PRIMAL3是整合强化学习、LaCAM3等的超大规模多智能体路径规划框架，性能优于现有基线，可扩展至10万智能体，能部署于物理机器人系统
Comments Under Review
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