Nanyang Technological University（南洋理工大学）

Taming Camera-Controlled Video Generation with Verifiable Geometry Reward

驯服受控摄像机视频生成的可验证几何奖励

Zhaoqing Wang, Xiaobo Xia, Zhuolin Bie, Jinlin Liu, Dongdong Yu, Jia-Wang Bian, Changhu Wang

机构 * AIsphere ； National University of Singapore（新加坡国立大学） ； Nanyang Technological University（南洋理工大学） 纠错

AI总结 本文提出了一种在线强化学习框架，通过可验证的几何奖励提升摄像机控制的视频生成精度与一致性。

Comments 11 pages, 4 figures, 7 tables

PhyCustom: Towards Realistic Physical Customization in Text-to-Image Generation

PhyCustom: 向文本到图像生成中的真实物理定制迈进

Fan Wu, Cheng Chen, Zhoujie Fu, Jiacheng Wei, Yi Xu, Deheng Ye, Guosheng Lin

机构 * Nanyang Technological University（南洋理工大学） ； Goertek Alpha Labs（歌尔声学Alpha实验室） ； Tencent（腾讯） 纠错

AI总结 PhyCustom通过引入两个新正则化损失，提升文本到图像生成中对物理概念的真实定制能力。

Comments codes:https://github.com/wufan-cse/PhyCustom

IC-World: In-Context Generation for Shared World Modeling

IC-World：基于上下文的共享世界建模生成

Fan Wu, Jiacheng Wei, Ruibo Li, Yi Xu, Junyou Li, Deheng Ye, Guosheng Lin

机构 * Nanyang Technological University（南洋理工大学） ； Goertek Alpha Labs（歌尔声学实验室） ； Tencent（腾讯） 纠错

AI总结 IC-World通过激活大视频模型的上下文生成能力，实现了多视角共享世界建模，通过强化学习和奖励模型提升生成视频的几何和运动一致性。

Comments codes:https://github.com/wufan-cse/IC-World

OpenREAD: Reinforced Open-Ended Reasoning for End-to-End Autonomous Driving with LLM-as-Critic

OpenREAD: 基于LLM作为批评者的开放性推理端到端自动驾驶框架

Songyan Zhang, Wenhui Huang, Zhan Chen, Chua Jiahao Collister, Qihang Huang, Chen Lv

机构 * Nanyang Technological University, Singapore（南洋理工大学） ； Harvard University, USA（哈佛大学） 纠错

AI总结 OpenREAD通过端到端强化微调框架，结合LLM作为批评者，提升自动驾驶中的推理与规划能力，实现从高层推理到低层轨迹规划的全面优化。

LeechHijack: Covert Computational Resource Exploitation in Intelligent Agent Systems

LeechHijack: 智能代理系统中的隐蔽计算资源利用

Yuanhe Zhang, Weiliu Wang, Zhenhong Zhou, Kun Wang, Jie Zhang, Li Sun, Yang Liu, Sen Su

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Hangzhou Dianzi University（杭州电子科技大学） ； Nanyang Technological University（南洋理工大学） ； CFAR ； North China Electric Power University（华北电力大学） ； Chongqing University of Posts（重庆邮电大学） 纠错

AI总结 LeechHijack通过隐式毒性攻击利用MCP框架中的信任边界，隐蔽劫持代理计算资源，揭示对计算溯源和资源认证机制的迫切需求。

VeriLoRA: Fine-Tuning Large Language Models with Verifiable Security via Zero-Knowledge Proofs

VeriLoRA: 通过零知识证明实现通过验证的安全大语言模型微调

Guofu Liao, Taotao Wang, Shengli Zhang, Jiqun Zhang, Shi Long, Dacheng Tao

机构 * Shenzhen University（深圳大学） ； Nanjing University of Science（南京理工大学） ； Nanyang Technological University（南洋理工大学） 纠错

AI总结 VeriLoRA通过整合零知识证明与LoRA微调，实现了大语言模型在敏感环境中的安全可信部署。

Comments This paper has been accepted for publication at the Network and Distributed System Security Symposium (NDSS) 2026