NVIDIA（英伟达）

MATHENA: Mamba-based Architectural Tooth Hierarchical Estimator and Holistic Evaluation Network for Anatomy

MATHENA：基于Mamba的牙科建筑层次估计器和整体评估网络

Kyeonghun Kim, Jaehyung Park, Youngung Han, Anna Jung, Seongbin Park, Sumin Lee, Jiwon Yang, Jiyoon Han, Subeen Lee, Junsu Lim, Hyunsu Go, Eunseob Choi, Hyeonseok Jung, Soo Yong Kim, Woo Kyoung Jeong, Won Jae Lee, Pa Hong, Hyuk-Jae Lee, Ken Ying-Kai Liao, Nam-Joon Kim

机构 * OUTTA ； Seoul National University（首尔国立大学） ； Sangmyung University（祥明大学） ； Gwangju Institute of Science and Technology（光州科学技术院） ； Samsung Medical Center, Sungkyunkwan University（三星医学中心，成均馆大学） ； Samsung Changwon Hospital, Sungkyunkwan University（三星昌原医院，成均馆大学） ； NVIDIA AI Technology Center（英伟达人工智能技术中心） 纠错

AI总结 MATHENA通过整合多分辨率SSM驱动检测器和轻量级Mamba-UNet，实现了牙科诊断的统一框架，包括龋齿分割、异常检测和牙科发育阶段分类，取得高精度结果。

Comments 10 pages, 3 figures, 4 tables

MAESIL: Masked Autoencoder for Enhanced Self-supervised Medical Image Learning

MAESIL：用于增强自监督医学图像学习的掩码自编码器

Kyeonghun Kim, Hyeonseok Jung, Youngung Han, Junsu Lim, YeonJu Jean, Seongbin Park, Eunseob Choi, Hyunsu Go, SeoYoung Ju, Seohyoung Park, Gyeongmin Kim, MinJu Kwon, KyungSeok Yuh, Soo Yong Kim, Ken Ying-Kai Liao, Nam-Joon Kim, Hyuk-Jae Lee

机构 * Chung-Ang University（中央大学） ； Seoul National University（首尔大学） ； Sangmyung University（祥明大学） ； Ewha Womans University（梨花女子大学） ； Dankook University（檀国大学） ； NVIDIA ATC, Taiwan（英伟达台湾应用技术中心） 纠错

AI总结 本文提出MAESIL框架，通过3D超块输入单元和双掩码策略，提升3D医学图像自监督学习效果，在PSNR和SSIM等指标上优于AE、VAE和VQ-VAE。

Comments 5 pages, 3 figures. Accepted at ICEIC 2026

Genesis: Evolving Attack Strategies for LLM Web Agent Red-Teaming

Genesis：为LLM网络代理红队测试演变攻击策略

Zheng Zhang, Jiarui He, Yuchen Cai, Deheng Ye, Peilin Zhao, Ruili Feng, Hao Wang

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Shanghai Jiao Tong University（上海交通大学） ； Tencent（腾讯） ； Nvidia（英伟达） 纠错

AI总结 本文提出Genesis框架，通过遗传算法与混合策略表示生成对抗注入，动态发现有效策略并持续优化，提升网络代理攻击效果。

Comments Accepted by ICME 2026

Certifiably Robust RAG against Retrieval Corruption

可验证的对抗检索污染的RAG

Chong Xiang, Tong Wu, Zexuan Zhong, David Wagner, Danqi Chen, Prateek Mittal

机构 * NVIDIA（英伟达） ； Princeton University（普林斯顿大学） ； University of California, Berkeley（加州大学伯克利分校） 纠错

AI总结 本文提出RobustRAG，通过隔离-聚合策略有效防御检索污染攻击，并在三个数据集和三个LLM上验证了其在开放领域问答和自由文本生成中的有效性。