Nanyang Technological University（南洋理工大学）

Replay Failures as Successes: Sample-Efficient Reinforcement Learning for Instruction Following

重播失败作为成功：用于指令跟随的样本高效强化学习

Kongcheng Zhang, Qi Yao, Shunyu Liu, Wenjian Zhang, Min Cen, Yang Zhou, Wenkai Fang, Yiru Zhao, Baisheng Lai, Mingli Song

机构 * Zhejiang University（浙江大学） ； Nanyang Technological University（南洋理工大学） ； Dalian University of Technology（大连理工大学） ； University of Science and Technology of China（中国科学技术大学） ； Alibaba Cloud Computing（阿里云计算） ； Chinese Academy of Sciences（中国科学院） 纠错

AI总结 HiR 提出了一种样本高效强化学习框架，通过将失败尝试视为成功来提升指令跟随任务的性能，利用双偏好学习实现高效优化。

C2PO: Diagnosing and Disentangling Bias Shortcuts in LLMs

C2PO：诊断和解构大语言模型中的偏见捷径

Xuan Feng, Bo An, Tianlong Gu, Liang Chang, Fengrui Hao, Peipeng Yu, Shuai Zhao

机构 * Jinan University（济南大学） ； Nanyang Technological University（南洋理工大学） ； Engineering Research Center of Trustworthy AI (Ministry of Education)（可信人工智能工程研究中心） ； Guangxi Key Laboratory of Trusted Software（广西可信软件重点实验室） 纠错

AI总结 C2PO通过因果对比偏好优化框架，解决大语言模型中的偏见问题，同时保持推理能力。

Bridging Your Imagination with Audio-Video Generation via a Unified Director

通过统一导演模型实现想象力与音频视频生成的连接

Jiaxu Zhang, Tianshu Hu, Yuan Zhang, Zenan Li, Linjie Luo, Guosheng Lin, Xin Chen

机构 * Nanyang Technological University（南洋理工大学） 纠错

AI总结 UniMAGE通过统一导演模型整合脚本起草与关键帧生成，提升非专业人士制作多镜头电影的能力。

A Human-Oriented Cooperative Driving Approach: Integrating Driving Intention, State, and Conflict

面向人类的协作驾驶方法：整合驾驶意图、状态和冲突

Qin Wang, Shanmin Pang, Jianwu Fang, Shengye Dong, Fuhao Liu, Jianru Xue, Chen Lv

机构 * School of Software Engineering, Xi’an Jiaotong University（软件工程学院，西安交通大学） ； School of Artificial Intelligence, Xi’an Jiaotong University（人工智能学院，西安交通大学） ； School of Mechanical and Aerospace Engineering, Nanyang Technological University（机械与航空航天工程学院，南洋理工大学） 纠错

AI总结 本文提出面向人类的协作驾驶方法，通过意图感知轨迹规划和控制权分配策略，提升驾驶性能并减少人机冲突。

When Deepfake Detection Meets Graph Neural Network:a Unified and Lightweight Learning Framework

当深度伪造检测遇见图神经网络：一种统一且轻量级的学习框架

Haoyu Liu, Chaoyu Gong, Mengke He, Jiate Li, Kai Han, Siqiang Luo

机构 * Nanyang Technological University（南洋理工大学） ； University of Southern California（南加州大学） ； The University of Hong Kong（香港大学） 纠错

AI总结 本文提出SSTGNN，一种统一且轻量级的深度伪造检测框架，通过图神经网络联合处理空间、时间及频谱信息，实现高效且准确的伪造检测。

Comments Accepted to KDD 2026

Topic-FlipRAG: Topic-Orientated Adversarial Opinion Manipulation Attacks to Retrieval-Augmented Generation Models

Topic-FlipRAG: 面向主题的对抗性观点操控攻击用于检索增强生成模型

Yuyang Gong, Zhuo Chen, Jiawei Liu, Miaokun Chen, Fengchang Yu, Wei Lu, Xiaofeng Wang, Xiaozhong Liu

机构 * Wuhan University（武汉大学） ； Nanyang Technological University（南洋理工大学） ； Worcester Polytechnic Institute（沃思堡理工学院） 纠错

AI总结 本文提出Topic-FlipRAG，一种针对检索增强生成模型的面向主题对抗性观点操控攻击方法，通过两阶段流程影响模型输出观点，揭示了RAG系统安全防护的迫切需求。

Comments Accepted by USENIX Security 2025

Prompt Injection attack against LLM-integrated Applications

针对集成大语言模型应用的提示注入攻击

Yi Liu, Gelei Deng, Yuekang Li, Kailong Wang, Zihao Wang, Xiaofeng Wang, Tianwei Zhang, Yepang Liu, Haoyu Wang, Yan Zheng, Leo Yu Zhang, Yang Liu

机构 * Griffith University（格里菲斯大学） ； Nanyang Technological University（南洋理工大学） ； University of New South Wales（新南威尔士大学） ； Huazhong University of Science and Technology（华中科技大学） ； Indiana University at Bloomington（印第安纳大学布卢明顿分校） ； Southern University of Science and Technology（南方科技大学） ； Tianjin University（天津大学） 纠错

AI总结 本研究提出HouYi技术，揭示LLM集成应用中提示注入攻击的潜在风险及缓解方法。

Plug In, Grade Right: Psychology-Inspired AGIQA

插入选项，正确评分：心理学启发的AGIQA

Zhicheng Liao, Baoliang Chen, Hanwei Zhu, Lingyu Zhu, Shiqi Wang, Weisi Lin

机构 * School of Computer Science, South China Normal University（南方科技大学计算机科学学院） ； School of Computer Science and Engineering, Nanyang Technological University（南洋理工大学计算机科学与工程学院） ； School of Computer Science, City University of Hong Kong（香港城市大学计算机科学学院） 纠错

AI总结 基于心理学的AGIQA模型通过改进的分级响应模型提升图像质量评分的准确性与泛化能力。

Unleashing Foundation Vision Models: Adaptive Transfer for Diverse Data-Limited Scientific Domains

释放基础视觉模型：面向多样化数据受限科学领域的自适应迁移

Qiankun Li, Feng He, Huabao Chen, Xin Ning, Kun Wang, Zengfu Wang

机构 * University of Science and Technology of China（中国科学技术大学） ； AnnLab, Institute of Semiconductors, Chinese Academy of Sciences（中国科学院半导体研究所） ； Nanyang Technological University（南洋理工大学） 纠错

AI总结 本文提出CLAdapter，通过自适应迁移技术提升基础视觉模型在数据受限科学领域中的表现。

On the Role of Discreteness in Diffusion LLMs

扩散语言模型中离散性的作用

Ziqi Jin, Bin Wang, Xiang Lin, Lidong Bing, Aixin Sun

机构 * MiroMind AI ； Nanyang Technological University（南洋理工大学） 纠错

AI总结 本文探讨了扩散语言模型中离散性的重要性，指出现有方法在结构权衡上的不足，并提出了更符合文本结构的扩散过程改进方向。

Error Analyses of Auto-Regressive Video Diffusion Models: A Unified Framework

自回归视频扩散模型的误差分析：一个统一的框架

Jing Wang, Fengzhuo Zhang, Xiaoli Li, Vincent Y. F. Tan, Tianyu Pang, Chao Du, Aixin Sun, Zhuoran Yang

机构 * Nanyang Technological University（南洋理工大学） ； National University of Singapore（国立新加坡大学） ； Singapore University of Technology and Design（新加坡科技设计大学） ； Sea AI Lab（海思人工智能实验室） ； Yale University（耶鲁大学） 纠错

AI总结 本文提出Meta-ARVDM框架，通过分析自回归视频扩散模型的历史遗忘与时间退化现象，揭示其理论机制并提出新的评估方法。