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

Revisiting Incremental Stochastic Majorization-Minimization Algorithms with Applications to Mixture of Experts

重新审视增量随机主要化-最小化算法及其在专家混合模型中的应用

TrungKhang Tran, TrungTin Nguyen, Gersende Fort, Tung Doan, Hien Duy Nguyen, Binh T. Nguyen, Florence Forbes, Christopher Drovandi

机构 * School of Computing, National University of Singapore（新加坡国立大学计算机学院） ； ARC Centre of Excellence for the Mathematical Analysis of Cellular Systems（细胞系统数学分析卓越中心） ； School of Mathematical Sciences, Queensland University of Technology（昆士兰科技大学数学科学学院） ； Laboratoire d’Analyse et d’Architecture des Systèmes, CNRS（系统分析与架构实验室，CNRS） ； School of Medicine and Dentistry, Griffith University（格里菲斯大学医学与牙科学院） ； Department of Mathematics and Physical Sciences, La Trobe University（拉特罗布大学数学与物理科学系） ； Institute of Mathematics for Industry, Kyushu University（工业数学研究所，九州大学） ； Faculty of Mathematics and Computer Science, University of Science, Ho Chi Minh City（胡志明市大学数学与计算机科学学院） ； Vietnam National University, Ho Chi Minh City（越南国家大学，胡志明市） ； Univ. Grenoble Alpes, Inria, CNRS, Grenoble INP, LJK（格勒诺布尔阿尔卑斯大学，Inria，CNRS，格勒诺布尔INP，LJK） 纠错

AI总结 本文提出了一种增量随机主要化-最小化算法，适用于专家混合模型，通过放松EM要求提升算法灵活性，并在回归任务中优于多种随机优化器。

Comments TrungKhang Tran and TrungTin Nguyen are co-first authors

Video-KTR: Reinforcing Video Reasoning via Key Token Attribution

Video-KTR: 通过关键令牌 attribution 增强视频推理

Ziyue Wang, Sheng Jin, Zhongrong Zuo, Jiawei Wu, Han Qiu, Qi She, Hao Zhang, Xudong Jiang

机构 * ByteDance（字节跳动） ； School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电子与电气工程学院） ； National University of Singapore（国立新加坡大学） ； College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院） 纠错

AI总结 Video-KTR通过结合三种attribution信号，提升视频推理的准确性和可解释性，实现状态-of-the-art性能。

Comments Accepted to ICLR 2026

Revisiting Parameter Server in LLM Post-Training

重新审视LLM后训练中的参数服务器

Xinyi Wan, Penghui Qi, Guangxing Huang, Chaoyi Ruan, Min Lin, Jialin Li

机构 * Sea AI Lab（海智实验室） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 本文提出On-Demand Communication（ODC），通过优化参数服务器在LLM后训练中的应用，有效应对不平衡负载，提升设备利用率和训练效率。

Comments Accepted in ICLR'26

Curiosity Driven Knowledge Retrieval for Mobile Agents

基于好奇心的知识检索用于移动代理

Sijia Li, Xiaoyu Tan, Shahir Ali, Niels Schmidt, Gengchen Ma, Xihe Qiu

机构 * Shanghai University of Engineering Science（上海工程技术大学） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 本研究提出一种基于好奇心的知识检索框架，通过结构化AppCards提升移动代理在复杂任务中的规划可靠性与执行稳定性。

QA-ReID: Quality-Aware Query-Adaptive Convolution Leveraging Fused Global and Structural Cues for Clothes-Changing ReID

QA-ReID: 基于融合全局和结构线索的高质量查询自适应卷积用于衣物变换ReID

Yuxiang Wang, Kunming Jiang, Tianxiang Zhang, Ke Tian, Gaozhe Jiang

机构 * School of Business, Stevens Institute of Technology（斯蒂文斯理工学院商学院） ； Electrical and Computer Engineering, University of California, San Diego（加州大学圣地亚哥分校电子与计算机工程系） ； Tandon School of Engineering, New York University（纽约大学塔恩工学院） ； Institute of Operations Research and Analytics, National University of Singapore（新加坡国立大学运筹与分析研究所） 纠错

AI总结 QA-ReID通过融合全局和结构线索的高质量查询自适应卷积，提升衣物变换ReID的鲁棒性和性能

Fast and Safe Trajectory Optimization for Mobile Manipulators With Neural Configuration Space Distance Field

用于移动机械臂的快速且安全的轨迹优化与神经配置空间距离场

Yulin Li, Zhiyuan Song, Yiming Li, Zhicheng Song, Kai Chen, Chunxin Zheng, Zhihai Bi, Jiahang Cao, Sylvain Calinon, Fan Shi, Jun Ma

机构 * Robotics and Autonomous Systems Thrust, The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学机器人与自主系统研究组） ； Department of Electrical and Computer Engineering, National University of Singapore（新加坡国立大学电子与计算机工程系） ； Idiap Research Institute（Idiap研究所） ； Institute of Data Science, The University of Hong Kong（香港大学数据科学研究所） 纠错

AI总结 本文提出广义配置空间距离场（GCDF）用于移动机械臂的快速且安全轨迹优化，通过神经网络生成连续距离场并结合高效的凸优化框架实现高精度碰撞推理。

Vlaser: Vision-Language-Action Model with Synergistic Embodied Reasoning

Vlaser：具有协同具身推理能力的视觉-语言-动作模型

Ganlin Yang, Tianyi Zhang, Haoran Hao, Weiyun Wang, Yibin Liu, Dehui Wang, Guanzhou Chen, Zijian Cai, Junting Chen, Weijie Su, Wengang Zhou, Yu Qiao, Jifeng Dai, Jiangmiao Pang, Gen Luo, Wenhai Wang, Yao Mu, Zhi Hou

机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学） ； Nanjing University（南京大学） ； Fudan University（复旦大学） ； Tsinghua University（清华大学） ； NUS（新加坡国立大学） ； Northeastern University（东北大学） ； Shenzhen University（深圳大学） 纠错

AI总结 Vlaser通过整合高级推理与低级控制，解决了具身推理与VLA策略学习之间的关键差距，在多个基准测试中取得最佳性能。

A Gentle Introduction and Tutorial on Deep Generative Models in Transportation Research

深度生成模型在交通研究中的温和入门与教程

Seongjin Choi, Zhixiong Jin, Seung Woo Ham, Jiwon Kim, Lijun Sun

机构 * University of Minnesota（明尼苏达大学） ； Univ. Guatave Eiffel, ENTPE, LICIT-ECO7（埃弗尔大学） ； Urban Transport Systems Laboratory (LUTS), École Polytechnique Fédérale de Lausanne (EPFL)（洛桑联邦理工学院交通系统实验室） ； National University of Singapore（新加坡国立大学） ； The University of Queensland（昆士兰大学） ； McGill University（麦吉尔大学） 纠错

AI总结 本文介绍了深度生成模型在交通研究中的应用，涵盖基础概念、模型详解、文献综述及实践代码，旨在为研究人员提供从入门到高级应用的全面指导。

Comments 64 pages, 21 figures, 4 tables

Journal ref Transportation Research Part C: Emerging Technologies (2025)