Dr. MAS: Stable Reinforcement Learning for Multi-Agent LLM Systems
Dr. MAS：多智能体大语言模型系统的稳定强化学习
机构 * Nanyang Technological University, Singapore（南洋理工大学，新加坡）
AI总结 Dr. MAS通过智能体级归一化方法稳定多智能体大语言模型的强化学习训练，提升性能并减少梯度不稳定问题。
Comments Preprint
高校专区
Nanyang Technological University（南洋理工大学）
MVAnimate: Enhancing Character Animation with Multi-View Optimization
MVAnimate: 通过多视角优化提升角色动画
机构 * College of Computing and Data Science (CCDS), Nanyang Technological University（计算与数据科学学院（CCDS），南洋理工大学） ； Alibaba Group（阿里巴巴集团）
AI总结 MVAnimate通过多视角优化提升角色动画质量，结合2D和3D信息生成更逼真且高质量的动画视频。
Demo-ICL: In-Context Learning for Procedural Video Knowledge Acquisition
Demo-ICL: 用于过程视频知识获取的上下文学习
机构 * S-Lab, Nanyang Technological University（南洋理工大学S实验室） ； Shanghai AI Lab（上海人工智能实验室） ； CUHK-MMLab（香港大学多媒体实验室）
AI总结 Demo-ICL通过两阶段训练策略提升模型从上下文示例中学习的能力，针对视频理解中的新挑战提出Demo-ICL-Bench基准测试。
Near-Oracle KV Selection via Pre-hoc Sparsity for Long-Context Inference
通过预处理稀疏性实现近oracle的KV选择用于长上下文推理
机构 * University College London（伦敦大学学院） ； Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences (CAS)（深圳先进技术研究院，中国科学院） ； Chinese University of Hong Kong（香港中文大学） ； College of Computing & Data Science, Nanyang Technological University（computing 与数据科学学院，南洋理工大学）
AI总结 PrHS通过预处理稀疏性在长上下文推理中实现近oracle的KV选择，有效降低计算和带宽成本，提升推理效率。
Comments An effective method for accelerating LLM's inference via selective KV processing
RECUR: Resource Exhaustion Attack via Recursive-Entropy Guided Counterfactual Utilization and Reflection
RECUR：通过递归熵引导的反事实利用与反射实现资源耗尽攻击
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Nanyang Technological University（南洋理工大学） ； Wuhan University（武汉大学） ； Southeast University（东南大学） ； University of Hong Kong（香港大学）
AI总结 本文提出RECUR攻击，通过递归熵引导反事实利用与反射，揭示大型推理模型的资源耗尽风险及安全问题。
Building Egocentric Procedural AI Assistant: Methods, Benchmarks, and Challenges
构建第一人称程序化AI助手：方法、基准和挑战
机构 * Department of EEE（电子工程系） ； The Hong Kong Polytechnic University（香港理工大学） ； RayNeo ； Tsinghua University（清华大学） ； Huazhong University of Science and Technology（华中科技大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出第一人称程序化AI助手，探讨其核心任务、赋能维度及挑战，通过实验评估现有方法并指明未来研究方向。
Comments Under peer-review
On Geometry-Enhanced Parameter-Efficient Fine-Tuning for 3D Scene Segmentation
针对3D场景分割的几何增强型参数高效微调
机构 * The University of Sydney（悉尼大学） ； La Trobe University（拉特罗布大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出GEM模块，通过整合局部位置编码与轻量级注意力机制，提升3D点云模型的几何感知微调效率和性能。
Comments Neurips 2025; available at https://github.com/LiyaoTang/GEM
EgoLife: Towards Egocentric Life Assistant
EgoLife：迈向以自身为中心的生活助手
机构 * S-Lab, Nanyang Technological University, Singapore（南洋理工大学新加坡分校） ； LMMs-Lab（LMMs实验室） ； IMDEA Networks, Spain（西班牙IMDEA网络） ； University of Brescia, Italy（意大利布雷西亚大学） ； Politecnico di Milano, Italy（意大利米兰理工学院）
AI总结 EgoLife旨在通过AI赋能的可穿戴设备开发以自身为中心的生活助手，通过多模态数据集和EgoButler系统提升日常效率与个性化服务。
Comments This version corrects the author affiliation to reflect the accurate institutional information at the time of publication. No technical content of the paper has been changed
Scalable Adaptation of 3D Geometric Foundation Models via Weak Supervision from Internet Video
通过互联网视频弱监督实现3D几何基础模型的可扩展适应
机构 * Zhejiang University, State Key Lab of CAD \& CG ； Nanyang Technological University ； Independent Researcher ； Zhejiang University of Technology
AI总结 SAGE通过互联网视频弱监督实现几何基础模型的可扩展适应，提升零样本泛化能力。
Process-of-Thought Reasoning for Videos
视频过程推理
机构 * Sun Yat-sen University, China（中山大学） ； Nanyang Technological University, Singapore（南洋理工大学） ； Snap Inc.（Snap公司）
AI总结 视频过程推理框架通过结构化推理步骤提升视频理解的准确性与可解释性。
Spectral Gating Networks
谱门网络
机构 * Sun Yat-sen University, China（中山大学，中国） ； Nanyang Technological University, Singapore（南洋理工大学，新加坡）
AI总结 谱门网络通过引入紧凑的频谱路径和可学习门控，提升模型在保持稳定性和可扩展性的同时的准确率与效率权衡。
Secure Code Generation via Online Reinforcement Learning with Vulnerability Reward Model
通过在线强化学习与漏洞奖励模型实现安全代码生成
机构 * National University of Singapore（国立新加坡大学） ； Singapore Management University（新加坡管理学院） ； Nanyang Technological University（南洋理工大学） ； Monash University（墨尔本大学）
AI总结 SecCoderX通过在线强化学习与漏洞奖励模型提升代码安全性，实现功能与安全性的平衡。
Trace-Focused Diffusion Policy for Multi-Modal Action Disambiguation in Long-Horizon Robotic Manipulation
面向长时程机器人操作的多模态动作消歧的轨迹聚焦扩散策略
机构 * MARS Lab, Nanyang Technological University（MARS实验室，南洋理工大学）
AI总结 TF-DP通过轨迹聚焦解决长时程机器人操作中的多模态动作模糊问题，提升时间一致性和鲁棒性，实验结果优于普通扩散策略。
Time Is All It Takes: Spike-Retiming Attacks on Event-Driven Spiking Neural Networks
时间就是一切：针对事件驱动脉冲神经网络的脉冲重定时攻击
机构 * School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电子与电气工程学院） ； Generative AI Lab, College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院生成式人工智能实验室） ； CUHK（香港中文大学） ； Southeast University（东南大学） ； Nanyang Technological University（南洋理工大学） ； Pengcheng Laboratory（鹏城实验室）
AI总结 本文提出了一种针对事件驱动脉冲神经网络的脉冲重定时攻击，通过重定时脉冲而非改变强度或计数来实现攻击，展示了其在多个基准上的高成功率。
Comments Accepted by ICLR 2026
HEEGNet: Hyperbolic Embeddings for EEG
HEEGNet：用于EEG的双曲嵌入
机构 * Advanced Telecommunications Research Institute International（先进电信研究所国际） ； RIKEN Center for Advanced Intelligence Project（RIKEN高级人工智能项目中心） ； University of Trento（特伦特大学） ； Nanyang Technological University（南洋理工大学）
AI总结 HEEGNet通过结合欧几里得和双曲编码器，利用双曲几何提升EEG数据的泛化能力，实现领域不变的嵌入学习。
Comments Accepted to ICLR 2026
Nondeterministic Polynomial-time Problem Challenge: An Ever-Scaling Reasoning Benchmark for LLMs
非确定多项式时间问题挑战：为大语言模型构建的持续扩展推理基准
机构 * The Hong Kong Polytechnic University（香港理工大学） ； KTH Royal Institute of Technology（皇家理工学院） ； Carnegie Mellon University（卡内基梅隆大学） ； Nanyang Technological University（南洋理工大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Singapore Management University（新加坡管理学院）
AI总结 NPPC是一个持续扩展的推理基准，通过三个模块评估LLMs的推理能力，揭示其性能极限和改进方向。
Comments Accepted to TMLR
WorldEdit: Towards Open-World Image Editing with a Knowledge-Informed Benchmark
WorldEdit: 向开放世界图像编辑迈进的基于知识的基准
机构 * Zhejiang University（浙江大学） ； Johns Hopkins University（约翰霍普金斯大学） ； Nanyang Technological University（南洋理工大学）
AI总结 WorldEdit通过引入基于知识的基准，提升模型在开放世界图像编辑中对隐式指令的理解和处理能力。
CodeCircuit: Toward Inferring LLM-Generated Code Correctness via Attribution Graphs
CodeCircuit: 通过归因图推断LLM生成代码的正确性
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Edinburgh（爱丁堡大学） ； Nanyang Technological University（南洋理工大学） ； National University of Singapore（新加坡国立大学） ； IQuest Research（IQuest研究）
AI总结 CodeCircuit通过归因图分析LLM内部结构，推断生成代码的正确性，验证内部动态信号的预测能力。
