Nanyang Technological University（南洋理工大学）

WeDefense: A Toolkit to Defend Against Fake Audio

WeDefense：一种用于对抗假音频的工具包

Lin Zhang, Johan Rohdin, Xin Wang, Junyi Peng, Tianchi Liu, You Zhang, Hieu-Thi Luong, Shuai Wang, Chengdong Liang, Anna Silnova, Nicholas Evans

机构 * Johns Hopkins University（约翰霍普金斯大学） ； Brno University of Technology（布拉格技术大学） ； National Institute of Informatics（国家信息研究所） ； National University of Singapore（新加坡国立大学） ； University of Rochester（罗切斯特大学） ； Nanyang Technological University（南洋理工大学） ； Nanjing University（南京大学） ； WeNet Opensource Community（WeNet开源社区） ； EURECOM 纠错

AI总结 WeDefense是一个开源工具包，旨在提供标准化的假音频检测与定位解决方案，包含灵活的输入增强、校准、分数融合和标准化评估指标等核心功能。

Comments This is an ongoing work. v1 corresponds to the version completed by June 4, 2025 and previously submitted to ASRU 2025

The Pictorial Cortex: Zero-Shot Cross-Subject fMRI-to-Image Reconstruction via Compositional Latent Modeling

皮层：通过组合潜在建模实现零样本跨主体fMRI到图像重建

Jingyang Huo, Yikai Wang, Yanwei Fu, Jianfeng Feng

机构 * Institute of Science and Technology for Brain-inspired Intelligence (ISTBI), Fudan University（脑启发智能科学与技术研究院，复旦大学） ； School of Data Science, Fudan University（复旦大学数据科学学院） ； Fudan ISTBI–ZJNU Algorithm Centre for Brain-Inspired Intelligence, Zhejiang Normal University（复旦ISTBI-浙师大脑启发智能算法中心，浙江师范大学） ； Shanghai Innovation Institute（上海创新研究院） ； Nanyang Technological University（南洋理工大学） 纠错

AI总结 本文提出PictorialCortex模型，通过组合潜在建模和多数据集训练，实现零样本跨主体fMRI到图像重建。

Rewarding How Models Think Pedagogically: Integrating Pedagogical Reasoning and Thinking Rewards for LLMs in Education

奖励模型如何思考：在教育中整合教学推理和思考奖励

Unggi Lee, Jiyeong Bae, Jaehyeon Park, Haeun Park, Taejun Park, Younghoon Jeon, Sungmin Cho, Junbo Koh, Yeil Jeong, Gyeonggeon Lee

机构 * Chosun University（昌原大学） ； Korea University（韩国大学） ； Seoul National University（首尔国立大学） ； Korea Institute for Curriculum and Evaluation（韩国课程与评价研究院） ； Upstage ； Indiana University Bloomington（印第安纳大学布卢明顿分校） ； Nanyang Technological University（南洋理工大学） 纠错

AI总结 本文提出PedagogicalRL-Thinking框架，通过教学推理提示和思考奖励方法，提升LLM在教育场景中的教学推理能力和结构化决策能力。

Hierarchical Self-Supervised Representation Learning for Depression Detection from Speech

层级自监督表征学习用于从语音中检测抑郁症

Yuxin Li, Eng Siong Chng, Cuntai Guan

机构 * College of Computing and Data Science（计算与数据科学学院） ； Nanyang Technological University（南洋理工大学） ； Center of AI in Medicine（医学人工智能中心） 纠错

AI总结 本文提出HAREN-CTC模型，通过层级自适应表征学习和CTC目标，有效捕捉语音中抑郁症特征，提升抑郁症检测的准确性和泛化能力。

Reading Between the Lines: Towards Reliable Black-box LLM Fingerprinting via Zeroth-order Gradient Estimation

在行之间阅读：通过零阶梯度估计实现可靠的黑盒LLM指纹识别

Shuo Shao, Yiming Li, Hongwei Yao, Yifei Chen, Yuchen Yang, Zhan Qin

机构 * Zhejiang University（浙江大学） ； Nanyang Technological University（南洋理工大学） ； City University of Hong Kong（香港城市大学） 纠错

AI总结 本文提出ZeroPrint方法，通过零阶梯度估计在黑盒环境下实现更可靠的LLM指纹识别，有效提升指纹识别的准确性和鲁棒性。

Comments This paper is accepeted by the ACM Web Conference (WWW) 2026

Graph-based Approaches and Functionalities in Retrieval-Augmented Generation: A Comprehensive Survey

基于图的方法和功能在检索增强生成中的应用：全面综述

Zulun Zhu, Tiancheng Huang, Kai Wang, Junda Ye, Xinghe Chen, Siqiang Luo

机构 * Nanyang Technological University（南洋理工大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） 纠错

AI总结 本文综述了图方法在检索增强生成中的应用，分析了图在提升性能中的作用，指出现有挑战和未来研究方向。

A Survey of Quantized Graph Representation Learning: Connecting Graph Structures with Large Language Models

图表示学习的综述：连接图结构与大语言模型

Qika Lin, Zhen Peng, Kaize Shi, Kai He, Yiming Xu, Jian Zhang, Erik Cambria, Mengling Feng

机构 * National University of Singapore（新加坡国立大学） ； Xi’an Jiaotong University（西安交通大学） ； University of Southern Queensland（南方昆士兰大学） ； Nanyang Technological University（南洋理工大学） 纠错

AI总结 本文综述了量化图表示学习，探讨了其与大语言模型的整合方法及未来研究方向。

Dynamic angular synchronization under smoothness constraints

在平滑性约束下的动态角同步

Ernesto Araya, Mihai Cucuringu, Hemant Tyagi

机构 * Department of Mathematics, Ludwig-Maximilians-Universität München（数学系，慕尼黑路德维希-马克西米利安大学） ； Department of Mathematics, University of California Los Angeles（数学系，加州大学洛杉矶分校） ； Department of Statistics & Oxford-Man Institute of Quantitative Finance, University of Oxford（统计系及牛津-曼定量金融研究所，牛津大学） ； Division of Mathematical Sciences, School of Physical and Mathematical Sciences, Nanyang Technological University（数学科学学院，南洋理工大学） ； Inria Lille（里尔Inria） 纠错

AI总结 本文提出在平滑性约束下动态角同步的算法，通过非渐近保证的均方误差收敛性，解决了时间演变中的角度估计问题。

Comments 42 pages, 9 figures. Post publication version. Corrected minor typos in eqs. (3.9), (3.11) and Assumption 3