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
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