高校专区
MNIST-PRO：MNIST作为AI智能体的部分可观测世界回归
机构 * Nanyang Technological University（南洋理工大学） ； Agency for Science, Technology, and Research (A*STAR)（新加坡科学、技术与研究局（A*STAR））
AI总结 本研究提出MNIST-PRO基准，将MNIST数字识别转化为带回溯约束的顺序搜索任务，评估多模态模型在部分可观测性下的表现，发现智能体存在感知整合、探索持续性及信念修正三大瓶颈，凸显构建更新可靠感知状态的重要性。
InfraOcc：具备静态-动态推理能力的基础设施占用基准测试集
机构 * Nanyang Technological University（南洋理工大学） ； Zhejiang University（浙江大学） ； Beihang University（北京航空航天大学） ； Beijing Institute of Technology（北京理工大学） ； Yanshan University（燕山大学） ； Westlake University（西湖大学） ； University of Hong Kong（香港大学） ； University of California, Los Angeles（加利福尼亚大学洛杉矶分校）
AI总结 本文构建了首个基础设施占用基准InfraOcc，提出ProSD-Occ方法实现静态-动态渐进推理，在多赛道排名第一，为固定视角路边占用提供了新的推理范式。
Comments 17 pages, 12 figures
大型智能体：面向持久智能体的感知中心架构
机构 * Fudan University（复旦大学） ； Peking University（北京大学） ； Nanyang Technological University（南洋理工大学） ； Tencent（腾讯）
AI总结 该研究提出面向持久智能体的感知中心架构（Pera），用于刻画、组织和指导持久AI智能体的发展，类比软件工程的小型到大型编程，推动语言智能体向长期自适应智能系统演进。
Comments 41 pages, 5 figures
无知还是无能？构建面向大语言模型智能体的知识门控可验证任务
机构 * DataGrids ； Shanghai University（上海大学） ； Peking University（北京大学） ； Northwestern Polytechnical University（西北工业大学） ； Nanyang Technological University（南洋理工大学） ； East China Normal University（华东师范大学）
AI总结 该研究针对大语言模型智能体任务缺乏对约定访问控制的问题，提出知识门控任务构建协议，经实验验证其有效性并发布部分任务套件与工具。
超越token级引导：通过跨系列表示转向实现专用大语言模型的推理时对齐
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） ； College of Cryptology and Cyber Science, Nankai University（南开大学密码与网络科学学院）
AI总结 针对专用LLM推理时对齐的缺陷，提出CREST方法，通过跨系列表示转向提升安全性，同时保留领域能力，在安全基准上比基线提升达22.2%。
Comments Accepted by EMNLP 2026
EMERGE-Policy：超越单一策略的机器人心智涌现
机构 * Tsinghua University（清华大学） ； Nanjing University of Science and Technology（南京理工大学） ； Xi’an Jiaotong University（西安交通大学） ； Xidian University（西安电子科技大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Peking University（北京大学） ； Nanyang Technological University（南洋理工大学）
AI总结 EMERGE-Policy是一种图结构智能体框架，通过多角色子智能体协作划分功能子任务，无需额外微调即可在公开基准和真实机器人实验中实现出色性能，扩展了机器人策略的应用范围。
VibeJam：用于智能体辅助Web开发的用户研究平台
机构 * University of Maryland（马里兰大学） ； New York University（纽约大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Nanyang Technological University（南洋理工大学）
AI总结 研究推出开源浏览器平台VibeJam，支持用户与Aider智能体协作开发网站，试点显示其获资深程序员认可且初级学生用其生成的网站质量更优，可推动编码智能体相关研究。
Comments EMNLP 2026 (Demo)
查看计分板：多项选择题评估的计分方案分析
机构 * University of Maryland（马里兰大学） ； New York University（纽约大学） ； Nanyang Technological University（南洋理工大学）
AI总结 该研究分析6种教育启发式计分方案对MCQA评估的影响，发现其可改变31个LLM的排名、更准确预测用户偏好，并揭示不同模型能力，还探讨了方案向其他任务的扩展。
Comments EMNLP 2026
事后记忆-PRM：通过可审计的事后信用监督记忆管理
机构 * Peking University（北京大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； Fullive-AI ； Nanyang Technological University（南洋理工大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； Beihang University（北京航空航天大学） ； Beijing Institute of Technology, Zhuhai（北京理工大学珠海学院） ； Northeastern University（东北大学） ； University of Illinois Chicago（芝加哥大学伊利诺伊分校）
AI总结 该研究提出Hindsight Memory-PRM，利用轨迹审计轨迹训练记忆效用评判器并确定代理奖励，在LoCoMo、LongMemEval数据集上的性能优于基线系统，实现高效的长视野LLM智能体记忆管理监督。
AnyWorld：用于跨 embodiments 泛化的分解式第一人称世界模型
机构 * Nanyang Technological University（南洋理工大学） ； Institute of Advanced Intelligence and Computing, A*STAR（新加坡科技研究局高级智能与计算研究院） ； XPENG Robotics（小鹏机器人） ； Zhejiang University（浙江大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 AnyWorld 框架通过分解交互为动作、相机、embodiment 因子，将人类交互重组为机器人原生经验，生成数据可提升机器人操作性能，验证了动作校准与视觉重组的必要性。
Comments Project page: https://xpeng-robotics.github.io/anyworld/
AdapToPASS：面向全景语义分割的歧义感知自适应球形Transformer
机构 * NTU Singapore（新加坡南洋理工大学） ； HKUST（香港科技大学）
AI总结 AdapToPASS是一种生物启发的球形Transformer，通过自适应建模歧义提升全景语义分割性能，在未见过的球形变换下较次优方法相对mIoU提升最高18.77%，轻量变体参数不足2M且性能优于紧凑基线。
Comments 25 Pages, 7 Tables, 15 Figures
让提示桥接防御知识：通过漏洞感知GPL实现可迁移图净化
机构 * Southeast University（东南大学） ； Nanyang Technological University（南洋理工大学）
AI总结 针对现有图对抗净化方法领域受限的缺陷，提出ProGAP方案，通过漏洞感知图提示学习实现可迁移图净化，性能提升1%-9%且时间消耗最多减少2.2倍。
Comments To appear in the Proceedings of the 34th ACM International Conference on Multimedia (MM '26). 10 pages, 7 figures, and 4 tables. Shuomin Xue and Jingyuan Li contributed equally to this work
Flow-JEPA：用于JEPA世界模型中鲁棒潜在动力学的流匹配方法
机构 * Nanyang Technological University（南洋理工大学） ； The University of Queensland（昆士兰大学）
AI总结 本研究针对JEPA世界模型确定性自回归预测器易累积误差且对扰动敏感的问题，提出Flow-JEPA，采用条件流匹配实现随机轨迹级预测，显著提升了干净及含噪观测下的平均成功率。
诊断后优化：基于AudioLLM引导校正的闭环TTS系统
机构 * National University of Singapore（新加坡国立大学） ； Tencent（腾讯） ； LIGHTSPEED（光速） ； Nanyang Technological University（南洋理工大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Shenzhen Loop Area Institute（深圳河套学院）
AI总结 针对开环TTS易出现韵律缺陷且指标难检测的问题，提出含AudioLLM评判器与细粒度优化器的LoopTTS框架，构建4.2万示例数据集训练优化器，实验表明其修复质量与指令遵循能力更优。
Comments Accepted by EMNLP 2026 main conference
修复还是重采样？重新思考LLM多智能体系统中的故障调试
机构 * East China Normal University（华东师范大学） ； Nanyang Technological University（南洋理工大学） ； Singapore Management University（新加坡管理大学） ； Xi’an University of Architecture and Technology（西安建筑科技大学）
AI总结 本研究针对LLM多智能体系统的故障调试，提出SymTrace评估框架与SymFail数据集，发现现有无指导重运行方法不可靠，提出的症状驱动干预方法可显著提升故障修复率。
超越语义准确率：面向安全关键型语言理解的后果感知评估
机构 * ATMRI, Nanyang Technological University (NTU)（南洋理工大学ATMRI） ； Centre of AI Research, VinUniversity（文大学人工智能研究中心） ； School of Management, Indian Institute of Technology Mandi（印度理工大学曼迪分校管理学院）
AI总结 针对空管场景，研究发现传统NLP指标会误判语言模型的操作可靠性，提出后果感知评估可弥补语义-安全差距，为安全关键型部署提供必要补充。
DreamHand：复用视频扩散模型实现遮挡鲁棒的第一人称视角3D手部运动恢复
机构 * ACE Robotics（ACE机器人公司） ； Nanyang Technological University（南洋理工大学） ； The Chinese University of Hong Kong（香港中文大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 DreamHand是复用视频扩散模型的离线片段级框架，通过确定性干净潜在编码器与双向时空解码器恢复带度量位置的连续双手轨迹，在五个第一人称视角基准测试中实现最佳性能，为机器人操作数据提供可扩展路径。
Comments Project Page: https://ggxxii.github.io/ace-ego-hand
SAPO：用于智能体强化学习的单回滚自回归策略优化
机构 * Xiamen University（厦门大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本研究针对智能体强化学习现有方法的三大局限，提出SAPO框架，其共享策略与价值函数的自回归主干，结合广义优势估计器，在ALFWorld、WebShop任务上性能优于PPO和GRPO，内存与计算效率更高。
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。
通过采样BPE词元统计审计中文网页规模语料库
机构 * Tsinghua University（清华大学） ； SiliconProspect AI（硅景人工智能） ； Nanyang Technological University（南洋理工大学） ； Alibaba Group（阿里巴巴集团）
AI总结 针对中文网页污染审计的三项挑战，提出Sampled-BPE轻量级审计流程，在大幅降低运行时间和内存消耗的同时保持精度，审计多类语料库并发布分层中文网页词元数据集。
AffordTrajDP：用于机器人操纵的动态 affordance 引导视觉运动策略学习
机构 * Nanyang Technological University（南洋理工大学）
AI总结 针对静态 affordance 导致的机器人操纵轨迹漂移问题，提出 AffordTrajDP 动态框架，以物体为中心传播锚点 affordance 生成轨迹，在 ManiSkill3 上成功率达70.0%，现实实验验证其鲁棒性与组件有效性。
非完全人类品味：LLM调查替代者的程式化杂食性
机构 * Nanyang Technological University Singapore（新加坡南洋理工大学）
AI总结 本研究使用多个大型语言模型生成大量调查替代者，发现其品味存在系统性正向偏差、丧失真实品味结构的复杂关系，且扭曲了品味与社会空间的关联。
世界模型遇见语言模型：论具体推理与抽象推理的互补性
机构 * Nanyang Technological University（南洋理工大学）
AI总结 本文提出受控具体推理框架及PF-OPSD方法，通过结合世界模型的视觉模拟与多模态大语言模型的抽象推理，在空间前瞻和开放域物理预测任务上提升性能与鲁棒性。
Comments EMNLP 2026
不要阅读一切：用于线性注意力的曲率条件查询
机构 * Nanyang Technological University（南洋理工大学） ； National University of Singapore（国立新加坡大学） ； VinUniversity（文理大学）
AI总结 针对线性注意力在上下文检索和长上下文任务中的不足，提出曲率条件查询（CCQ）机制，通过二阶泰勒展开构建局部二次模型，利用运行键协方差收缩查询向量，仅修改读取步骤，兼容现有线性注意力骨干，在困惑度、零样本下游准确率、检索和长上下文任务上取得提升。
Comments EMNLP 2026 camera ready
技能即伪代码：将技能库重构为面向LLM智能体的伪代码
机构 * Nanyang Technological University（南洋理工大学） ； Fudan University（复旦大学） ； Shanghai AI Laboratory（上海人工智能实验室）
AI总结 提出Skill-as-Pseudocode (SaP)方法，自动将Markdown技能库转换为带类型伪代码，通过确定性质量检查解决LLM智能体在检索技能时产生的混淆循环问题，在ALFWorld任务上显著优于基线。
Comments EMNLP Findings 2026
统一-MAS：通用领域节点生成以增强自动多智能体系统
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Nanyang Technological University（南洋理工大学） ； National University of Singapore（新加坡国立大学） ； Institute for Infocomm Research (I 2 R), A*STAR（信息通信研究院（I2R），A*STAR）
AI总结 本文提出统一-MAS，通过离线节点合成解耦细粒度节点实现与拓扑编排，提升多智能体系统在知识密集型领域的性能与成本效益。
Comments Code is available at https://github.com/linhh29/Unified-MAS
通过可微编程学习优化
机构 * Nanyang Technological University（南洋理工大学）
AI总结 本教程介绍利用可微编程学习设计一阶优化算法，通过端到端训练提升收敛性和解质量，并基于Fenchel-Rockafellar对偶性展示ADMM和PDHG等算法的学习与适应。
机构 * Nanyang Technological University, Singapore（南洋理工大学，新加坡）
Comments Withdrawn by the author(s): the experimental results were incomplete and this research direction is not being continued
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