高校专区
GaussianDWM++：用于统一场景理解、编辑与多模态生成的语言接地3D高斯驾驶世界模型
机构 * School of Automation and Intelligent Sensing, Shanghai Jiao Tong University（上海交通大学自动化与智能感知学院） ； Tsinghua University（清华大学） ； Chongqing Afari Intelligent Drive Co., Ltd.（重庆阿法瑞智能驾驶有限公司） ； Nanyang Technological University（南洋理工大学）
AI总结 该研究提出GaussianDWM++，通过基础特征高斯分词器等模块构建统一框架，在多类驾驶任务中实现场景理解、编辑与多模态生成，性能达当前最优。
AdROD：面向自动驾驶的基于超网络的对抗鲁棒目标检测
机构 * Nanyang Technological University（南洋理工大学） ； City University of Hong Kong（香港城市大学）
AI总结 AdROD是面向自动驾驶的嵌入式随机集成防御软件，采用低秩超网络与功能多样性机制，设两种服务模式，经多类评估优于基线防御，可在对抗场景下保持实时安全停车。
Tac4Loco：学习用于人形机器人运动的时空足底压力表征
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； The University of Hong Kong（香港大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出Tac4Loco框架，通过构建拓扑保持的序数表征提取足底压力时空特征，结合增强本体感知训练非对称演员-评论家策略，提升人形机器人在复杂地形的运动性能并实现零样本部署。
Comments 9 pages,6 figures
PixelControl：文本到图像扩散中的细粒度条件保真度
机构 * Adobe Research（奥多比研究院） ； Nanyang Technological University（南洋理工大学） ； University of California San Diego（加州大学圣迭戈分校）
AI总结 针对可控文本到图像扩散模型细粒度结构保真度不足的问题，提出PixelControl框架，通过结构感知控制注入与多尺度金字塔循环损失等设计，提升了边界及中/小区域的结构保真度。
Comments The project homepage can be found: https://linxin0.github.io/pixelcontrol_homepage/pixelcontrol-site/
比特流动作识别即字节建模
机构 * School of Electronic Information and Communications, Huazhong University of Science and Technology（华中科技大学电子信息与通信学院） ； School of Electrical and Electronics Engineering, Nanyang Technological University（南洋理工大学电气与电子工程学院） ； Institute for Infocomm Research, Agency for Science, Technology and Research (A*STAR)（新加坡科技研究局信息通信研究院）
AI总结 该研究针对比特流损坏导致动作识别失效的问题，提出BRACE框架，结合RBCS构建首个大规模BAR数据集，实验表明其鲁棒性优于对比方法。
Comments 10 pages; supplementary material included
并非所有历史都有用：面向长 horizon 端到端自动驾驶的速度感知选择性记忆
机构 * Nanyang Technological University（南洋理工大学） ； North University of China（中北大学） ； Yanshan University（燕山大学） ； Beijing Jiaotong University（北京交通大学） ； China Automotive Technology and Research Center Co., Ltd.（中国汽车技术研究中心有限公司） ； Harbin Institute of Technology（哈尔滨工业大学） ； Beijing Institute of Technology（北京理工大学）
AI总结 针对长 horizon 端到端自动驾驶的历史规划状态不可靠问题，提出 StableDrive 模型，通过 SMM 与 MSTS 实现规划优化，在多个数据集上取得规划指标的 SOTA 性能。
Comments 14 pages, 7 figures
机器人基于视觉的触觉智能：感知、学习与具身操作
机构 * Great Bay University（大湾区大学） ； Tsinghua University（清华大学） ； The University of Hong Kong（香港大学） ； Nanyang Technological University（南洋理工大学） ； The Hong Kong Polytechnic University（香港理工大学） ； South China University of Technology（华南理工大学） ； KTH Royal Institute of Technology（瑞典皇家理工学院） ； King’s College London（伦敦国王学院）
AI总结 本综述调研机器人领域基于视觉的触觉传感器（VBTSs）全流程，对其硬件分类、学习方法、仿真与数据集等展开分析，指出开放挑战，以推进接触密集型机器人任务的触觉智能。
天生不连贯？大型语言模型的道德自我一致性研究
机构 * Cornell University（康奈尔大学） ； Cornell Tech（康奈尔科技学院） ； Nanyang Technological University（南洋理工大学）
AI总结 本研究针对GPT、Mistral、Llama等LLM，在义务论等三大伦理框架下，发现其道德推理存在最高78%的矛盾率，内部不连贯是AI对齐的必要前提。
Comments 88 pages; pages 16 to 88 are the appendix
用于鲁棒学习型图像压缩的快速测试时精化
机构 * University of Macau（澳门大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本文针对学习型图像压缩的对抗脆弱性问题，揭示其非对称对抗轨迹特性，提出快速测试时精化框架，经多系统多攻击评估验证了该框架的鲁棒性与实用性。
视觉生成AI时代的知识产权保护：一项综述
机构 * Mila - Quebec AI Institute（米拉-魁北克人工智能研究所） ； McGill University（麦吉尔大学） ； EPFL（洛桑联邦理工学院） ； Université de Montréal（蒙特利尔大学） ； Nanyang Technological University（南洋理工大学） ； Science Tokyo（东京理科大学） ； Zhejiang University（浙江大学） ； Westlake University（西湖大学） ； Sony Research（索尼研究院）
AI总结 本综述针对视觉生成AI带来的知识产权风险，提出二维分类体系梳理相关防御方法，对齐评估协议并探讨挑战，为该领域研究者提供系统概述。
Comments 35 pages, 2 figures, 3 tables
揭开层神经网络（Sheaf Neural Networks, SNNs）中的过度平滑之谜：一种指标理论判据
机构 * Chern Institute of Mathematics（陈省身数学研究所） ； Nankai University（南开大学） ； School of Physical and Mathematical Sciences（物理与数学科学学院） ； Nanyang Technological University（南洋理工大学） ； National University of Singapore（新加坡国立大学）
AI总结 本研究针对层神经网络的过度平滑问题，提出指标理论比较判据，引入GyroSheaf扩展至非线性场景，经十个模型实验验证了该判据的有效性。
决策驱动正则化：一种用于学习与优化的混合模型
机构 * Durham University Business School（杜伦大学商学院） ； Nanyang Business School, Nanyang Technological University（南洋理工大学南洋商学院） ； Faculty of Business and Economics, The University of Melbourne（墨尔本大学商学院与经济学院） ； International Institute of Finance, School of Management, University of Science and Technology of China（中国科学技术大学管理学院国际金融研究所）
AI总结 针对上下文优化中分离式学习与优化易致决策有效性下降的问题，提出决策驱动正则化框架，平衡预测精度与代价最小化，可推广SPO+，在合成研究中优于多个基准模型。
Comments 42 pages (including appendix), 7 figures in main, journal paper
周期性拓扑深度学习用于聚合物设计与发现
机构 * School of Physical and Mathematical Sciences, Nanyang Technological University, Singapore 637371（新加坡南洋理工大学物理与数学科学学院） ； School of Chemistry, Chemical Engineering and Biotechnology (CCEB), Nanyang Technological University, Singapore 637371（新加坡南洋理工大学化学、化工与生物技术学院）
AI总结 提出基于周期性Vietoris-Rips复形和层次单纯形消息传递的深度学习框架Periodic-TDL，通过捕捉多体相互作用和长程信息，在聚合物性质预测任务上超越现有模型，并验证了酯到酰胺取代和α-甲基化对热稳定性的提升。
Comments 22 pages, 3 figures, 3 tables
基于大语言模型和链式推理的智能AI框架用于无人机辅助物流调度与移动边缘计算
机构 * Nanyang Technological University（南洋理工大学） ； Singapore Institute of Technology（新加坡理工学院） ； Seatrium New Energy Laboratory（Seatrium 新能源实验室） ； Ministry of Education (MOE) Tier 1（教育部 Tier 1） ； Research Innovation and Enterprise (RIE) 2025 Industry Alignment Fund-Industry Collaboration Projects (IAF-ICP)（研究创新与企业 (RIE) 2025 行业对齐基金-行业合作项目 (IAF-ICP)）
AI总结 本文提出结合大语言模型和链式推理的智能AI框架，用于解决无人机辅助物流调度中的混合调度问题，通过分层深度强化学习实现无人机路由和任务执行优化，提升物流效率与任务完成率。
Comments 37 pages
BiAxisAudit：一种评估大语言模型偏见的新框架，跨提示敏感性和响应层分歧
机构 * Southeast University, China（东南大学） ； Nanyang Technological University, Singapore（南洋理工大学）
AI总结 本文提出BiAxisAudit框架，通过双轴评估方法揭示LLM偏见的跨提示敏感性和响应层分歧，解决单一指标无法捕捉的偏见问题。
Comments 19 pages, 6 figures. Preprint
追踪真相：面向视频大语言模型的物体感知时空监控
机构 * National University of Singapore（新加坡国立大学） ； VinUniversity（文大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出STEMO-Bench基准测试，通过分解查询验证时空监控能力，改进视频大语言模型的时空推理一致性。
Comments The authors are withdrawing this manuscript due to errors identified in the experimental evaluation and result aggregation, which affect several reported quantitative results and some conclusions. These issues require substantial re-evaluation of the experiments and analysis
属性能否预测风险？从多视图属性到端到端自动驾驶中的规划风险信号
机构 * Sun Yat-sen University（中山大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出了一种层次化属性框架，用于端到端规划中的风险预测，通过提取三种属性统计作为预测信号，提升了对轨迹误差和碰撞检测的预测能力。
多模态大语言模型中用于视觉归因的证据重组与预测上下文残差化
机构 * Shenzhen Campus of Sun Yat-sen University（中山大学深圳校区） ； Zhongguancun Academy（中关村学院） ； University of Chinese Academy of Sciences（中国科学院大学） ； Nanyang Technological University（南洋理工大学） ； Department of Mechanical Engineering, Imperial College London（伦敦帝国理工学院机械工程系）
AI总结 研究多模态大语言模型token级视觉证据难检查问题，提出基于证据重组和预测上下文残差化的ERCR框架，经实验验证该框架能改善目标token视觉证据、减轻上下文干扰，为视觉证据检查提供实用改进。
SMA：谁说的？半黑盒RAG控制中的成员泄露审计
机构 * Sun Yat-Sen University（孙中山大学） ； Nanyang Technological University（南洋理工大学） ； University of Chinese Academy of Science（中国科学院大学） ； Zhongguancun Academy（中关村学院） ； Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所）
AI总结 本研究针对半黑盒RAG控制中的成员泄露问题，提出首个源感知成员审计SMA，通过零阶优化归因估计机制与跨模态归因技术，实现生成内容的细粒度来源归因，为复杂生成系统的数据来源审计提供新视角。
MedMix：模态异质性下的专业化一致联邦稀疏混合专家模型
机构 * KAIST（韩国科学技术院） ； NTU Singapore（新加坡南洋理工大学）
AI总结 针对联邦多模态医疗AI的客户端与样本级模态异质性问题，提出MedMix框架，通过模态上下文感知路由、共识引导路由对齐与客户端自适应专家聚合，在多模态医疗数据集上取得最优平均F1值，严重异质性下提升显著。
InfiniVerse: 面向自动驾驶的占用引导无界场景生成
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Nanyang Technological University（南洋理工大学） ； Huawei Technologies Ltd.（华为技术有限公司） ； University of New South Wales（新南威尔士大学）
AI总结 提出InfiniVerse统一框架，通过3D占用表示和视频扩散模型实现从单帧到长距离、2D-3D对齐的动态城市场景可控生成，在Waymo和nuScenes上达到SOTA。
Comments Paper accepted as poster at ECCV workshop SPAD
HPSD：用于文本-图像转视频扩散模型的混合策略自蒸馏
机构 * Shanghai Jiao Tong University（上海交通大学） ； S-Lab, Nanyang Technological University（新加坡南洋理工大学S-Lab实验室） ； University of Science and Technology of China（中国科学技术大学） ； Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai AI Laboratory（上海人工智能实验室） ； Adobe Research（奥多比研究院） ； The Chinese University of Hong Kong（香港中文大学） ； CPII under InnoHK（InnoHK下属CPII机构）
AI总结 本研究提出HPSD混合策略自蒸馏框架，通过让同一TI2V模型在不同条件下分别充当教师与学生，解决现有自蒸馏方法的缺陷，显著提升T2V及TI2V生成性能，强化模型基础生成能力。
Comments Project Website: https://bujiazi.github.io/hpsd.github.io/ Code: https://github.com/Bujiazi/HPSD
EEG-PRIME：面向脑电信号解码的多层级条件原型对齐表示学习
机构 * College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院） ； Centre for AI in Medicine, Nanyang Technological University（南洋理工大学医学人工智能中心） ； Southeast University（东南大学）
AI总结 本文提出EEG-PRIME脑电基础模型，结合掩码预训练与原型对齐指令调优，在16个多类型数据集上实现跨被试解码性能提升，且具备零样本迁移能力。
用于改进人机物体交接预测的RGB-D视频生成
机构 * Nanyang Technological University（南洋理工大学） ； College of Computing and Data Science（计算与数据科学学院） ； Zhejiang University（浙江大学） ； College of Computer Science and Technology（计算机科学与技术学院） ； Alibaba Group（阿里巴巴集团）
AI总结 针对人机物体交接数据集稀缺及现实-模拟差距问题，提出Hand2Bot数据集与PassGen生成流水线，实现高意图识别准确率与低误触发率，支持机器人稳健零样本迁移与早期意图预测。
VOS-Agent：第8届LSVOS挑战赛（MOSEv2赛道）的第一名解决方案
机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Nanyang Technological University（南洋理工大学） ； Shenzhen Loop Area Institute（深圳河套学院）
AI总结 针对复杂视频目标分割中微小目标、语义主导目标的稳健传播难题，本文提出VOS-Agent协作框架，以SAM3为共享密集分割模块，根据目标特征激活专用智能体，在ECCV 2026第8届LSVOS挑战赛MOSEv2赛道获第一名，J&JF指标达69.82%。
Comments 1st Place Solution for the 8th LSVOS MOSEv2 Challenge (ECCV 2026 Workshop)
无视觉前瞻：面向世界动作模型的潜在未来
机构 * Shanghai Jiao Tong University（上海交通大学） ； ACE Robotics（ACE机器人公司） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出ForeWAM，一种动力学条件下的直接策略WAM，通过Future-KV和动力学寄存器在无需显式生成未来视频的情况下，使直接策略WAMs兼具高效动作预测与预测动力学暴露能力，在LIBERO和LIBERO-Plus上取得高成功率。
Comments 12 pages, 3 figures
智能港口中基于物联网的自主海上航行：课程引导的共享策略学习框架
机构 * Nanyang Technological University（南洋理工大学） ； School of Civil and Environmental Engineering（土木与环境工程学院） ； School of Mechanical and Aerospace Engineering（机械与航空航天工程学院）
AI总结 针对智能港口IoT自主海上设备的导航挑战，提出课程引导共享策略学习框架，经模拟验证其可靠性、避碰性等优于基线方法，可有效泛化到高密度场景。
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。
具身融合智能体：以人为中心的智能体人工智能新范式
机构 * Université de Montréal（蒙特利尔大学） ； Mila – Quebec Artificial Intelligence Institute（米拉-魁北克人工智能研究所） ； Institute of Advanced Intelligence and Computing (IAIC), A*STAR（新加坡科技研究局高级智能与计算研究所） ； Nanjing Medical University（南京医科大学） ； Nanjing University（南京大学） ； Renmin University of China（中国人民大学） ； University of Cambridge（剑桥大学） ； University of Oxford（牛津大学） ； Tsinghua University（清华大学） ； National University of Singapore（新加坡国立大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Southern University of Science and Technology（南方科技大学） ； Southeast University（东南大学） ； University of Glasgow（格拉斯哥大学） ； Nanyang Technological University（南洋理工大学）
AI总结 该研究提出以人为中心的 Combodied Agents 新范式，整合多类智能体能力形成闭环，聚焦人类状态轨迹建模，推动智能体 AI 从任务完成转向人类持续福祉。
Comments 38 pages, 6 figures, 10 tables
自我进化临床系统之路：将医疗智能体从辅助扩展到自主
机构 * Hunan University（湖南大学） ； ByteDance（字节跳动） ； Duke University（杜克大学） ； Westlake University（西湖大学） ； The University of Hong Kong（香港大学） ； Nanyang Technological University（南洋理工大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； University of Macau（澳门大学） ； The Ohio State University（俄亥俄州立大学）
AI总结 研究探讨大语言模型等对医疗智能体的重塑，从临床部署出发，将其形式化为决策系统并给出自主性分类。沿统一框架扩展，强调临床环境扩展为关键方向，定位临床自我进化为前沿，还研究了多领域应用及挑战，提供医学成像系统路线图。
Comments Project page: https://github.com/zhcz328/Awesome-Medical-Agents
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