National University of Singapore（新加坡国立大学）

Physics-Informed Uncertainty Enables Reliable AI-driven Design

物理启发的不确定性使AI驱动的设计更加可靠

Tingkai Xue, Chin Chun Ooi, Yang Jiang, Luu Trung Pham Duong, Pao-Hsiung Chiu, Weijiang Zhao, Nagarajan Raghavan, My Ha Dao

机构 * Department of Mechanical Engineering, National University of Singapore（新加坡国立大学机械工程系） ； Institute of High Performance Computing, Agency for Science Technology and Research（科技研究局高性能计算研究所） ； Centre for Frontier AI Research, Agency for Science Technology and Research（科技研究局前沿人工智能研究中心） ； College of Electronics and Information Engineering, Shenzhen University（深圳大学电子与信息工程学院） ； Engineering Product Design Pillar, Singapore University of Technology and Design（新加坡科技设计大学工程产品设计支柱） ； Technology Centre for Offshore and Marine, Singapore（新加坡海洋与近海技术中心） 纠错

AI总结 物理启发的不确定性方法提升AI驱动的反向设计效率与鲁棒性

LLMPopcorn: Exploring LLMs as Assistants for Popular Micro-video Generation

LLMPopcorn：探索大型语言模型作为流行微视频生成助手

Junchen Fu, Xuri Ge, Kaiwen Zheng, Alexandros Karatzoglou, Ioannis Arapakis, Xin Xin, Yongxin Ni, Joemon M. Jose

机构 * University of Glasgow（格拉斯哥大学） ； Shandong University（山东大学） ； Amazon（亚马逊） ； Telefónica Research（Telefónica研究院） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 LLMPopcorn利用大型语言模型生成流行微视频，通过实验证明先进LLM可生成高流行度内容，并优化生成效果。

Comments Accepted by ICASSP2026

ELIP: Efficient Discriminative Language-Image Pre-training with Fewer Vision Tokens

ELIP: 一种更高效的语言-图像预训练方法，使用更少的视觉标记

Yangyang Guo, Haoyu Zhang, Yongkang Wong, Liqiang Nie, Mohan Kankanhalli

机构 * National University of Singapore（新加坡国立大学） ； Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） 纠错

AI总结 ELIP通过高效修剪视觉标记，减少计算资源消耗，同时保持模型性能，适用于多种下游任务。

UniGRec: Unified Generative Recommendation with Soft Identifiers for End-to-End Optimization

UniGRec: 一种基于软标识符的统一生成推荐方法用于端到端优化

Jialei Li, Yang Zhang, Yimeng Bai, Shuai Zhu, Ziqi Xue, Xiaoyan Zhao, Dingxian Wang, Frank Yang, Andrew Rabinovich, Xiangnan He

机构 * University of Science and Technology of China（科学技术大学） ； National University of Singapore（国立新加坡大学） ； The Chinese University of Hong Kong（香港中文大学） 纠错

AI总结 UniGRec通过统一生成推荐框架解决端到端优化中的软标识符问题，提出退火推理对齐、码字均匀性正则化和双协作蒸馏机制，提升推荐性能。

Comments 11 pages, 6 figures

Are We Evaluating the Edit Locality of LLM Model Editing Properly?

我们是否正确评估了LLM模型编辑的编辑局部性？

Wei Liu, Haomei Xu, Hongkai Liu, Zhiying Deng, Ruixuan Li, Heng Huang, Yee Whye Teh, Wee Sun Lee

机构 * National University of Singapore（新加坡国立大学） ； Huazhong University of Science（华中科技大学） ； Central China Normal University ； University of Maryland, College Park（马里兰大学学院市分校） 纠错

AI总结 本文提出了一种改进的LLM模型编辑特异性评估协议，以更准确地衡量知识保留能力。

Deep Neural networks for solving high-dimensional parabolic partial differential equations

深度神经网络求解高维抛物型偏微分方程

Wenzhong Zhang, Zheyuan Hu, Wei Cai, George EM Karniadakis

机构 * Suzhou Institute for Advanced Research, University of Science and Technology of China（中国科学技术大学苏州研究院） ； Department of Mathematics, Southern Methodist University（南方法国大学数学系） ； Department of Computer Science, School of Computing, National University of Singapore（新加坡国立大学计算机科学系） ； Department of Mathematics, Southern Methodist University (SMU)（南方法国大学数学系） ； Division of Applied Mathematics, Brown University（布朗大学应用数学系） 纠错

AI总结 本文介绍了利用深度神经网络求解高维抛物型PDEs的方法，探讨了三种主要范式及其应用，展示了方法的可扩展性和有效性。

Multi-scale Temporal Prediction via Incremental Generation and Multi-agent Collaboration

多尺度时间预测 via 逐步生成和多智能体协作

Zhitao Zeng, Guojian Yuan, Junyuan Mao, Yuxuan Wang, Xiaoshuang Jia, Yueming Jin

机构 * National University of Singapore（新加坡国立大学） ； Alibaba Group（阿里巴巴集团） ； Renmin University of China（中国人民大学） 纠错

AI总结 本文提出了一种多尺度时间预测方法，通过逐步生成和多智能体协作，提升多尺度和多状态预测的准确性和一致性。

Comments 20 pages, 6 figures

Journal ref NeurIPS 2025

CondensNet: Enabling stable long-term climate simulations via hybrid deep learning models with adaptive physical constraints

CondensNet：通过混合深度学习模型与自适应物理约束实现稳定的长期气候模拟

Xin Wang, Jianda Chen, Juntao Yang, Jeff Adie, Simon See, Kalli Furtado, Chen Chen, Troy Arcomano, Romit Maulik, Wei Xue, Gianmarco Mengaldo

机构 * Department of Mechanical Engineering, National University of Singapore（新加坡国立大学机械工程系） ； Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系） ； NVIDIA AI Technology Centre（NVIDIA人工智能技术中心） ； Centre for Climate Research Singapore（新加坡气候研究中心） ； Environmental Science Division, Argonne National Laboratory（阿贡国家实验室环境科学部） ； Information Sciences and Technology Department, The Pennsylvania State University（宾夕法尼亚州立大学信息科学与技术系） 纠错

AI总结 CondensNet通过引入自适应物理约束，解决了混合模型中凝结过程的不稳定性问题，提升了长期气候模拟的稳定性与效率。

Debate, Deliberate, Decide (D3): A Cost-Aware Adversarial Framework for Reliable and Interpretable LLM Evaluation

辩论、 deliberative、决定（D3）：一种成本意识的对抗框架，用于可靠且可解释的LLM评估

Abir Harrasse, Chaithanya Bandi, Hari Bandi

机构 * Martian ； NUS（新加坡国立大学） ； MIT（麻省理工学院） 纠错

AI总结 D3是一种通过结构化辩论和聚合机制提升LLM评估可靠性和可解释性的对抗框架，通过预算停止机制优化成本效率。

Journal ref EACL 2026

ThinkTank-ME: A Multi-Expert Framework for Middle East Event Forecasting

ThinkTank-ME: 一个用于中东事件预测的多专家框架

Haoxuan Li, He Chang, Yunshan Ma, Yi Bin, Yang Yang, See-Kiong Ng, Tat-Seng Chua

机构 * University of Electronic Science and Technology of China（电子科技大学） ； Communication University of China（中国通信大学） ； Singapore Management University（新加坡国立管理学院） ； Tongji University（同济大学） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 ThinkTank-ME通过多专家协作框架提升中东事件预测的准确性与复杂性处理能力。