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

GitSearch: Enhancing Community Notes Generation with Gap-Informed Targeted Search

GitSearch: 通过填补缺口的定向搜索增强社区注释生成

Sahajpreet Singh, Kokil Jaidka, Min-Yen Kan

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

AI总结 GitSearch 通过填补缺口的定向搜索方法，显著提升了社区注释的覆盖率和帮助性，达到 99% 的覆盖率和 69% 的胜率。

Comments 18 pages, 11 figures, 7 tables

Kirin: Improving ANN efficiency with SNN Hybridization

Kirin：通过混合SNN提升ANN效率

Chenyu Wang, Zhanglu Yan, Zhi Zhou, Xu Chen, Weng-Fai Wong

机构 * Sun Yat-sen University（中山大学） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 Kirin通过混合整数和脉冲神经网络，实现无损失的ANN到SNN转换，显著提升能效和效率。

UrbanGraphEmbeddings: Learning and Evaluating Spatially Grounded Multimodal Embeddings for Urban Science

UrbanGraphEmbeddings: 学习和评估空间导向的多模态嵌入用于城市科学

Jie Zhang, Xingtong Yu, Yuan Fang, Rudi Stouffs, Zdravko Trivic

机构 * National University of Singapore Department of Architecture Singapore ； The Chinese University of Hong Kong Dept of Systems Eng. \& Eng. Mgmt. China ； Singapore Management University School of Computing \& Info. Systems Singapore ； National University of Singapore ； Department of Architecture ； The Chinese University of Hong Kong ； Singapore Management University 纠错

AI总结 本文提出UGE框架，通过空间导向的多模态嵌入提升城市理解任务性能，实验显示在图像检索和地理位置排名上取得显著提升。

Collision Risk Estimation via Loss Prediction in End-to-End Autonomous Driving

通过碰撞损失预测进行端到端自动驾驶中的碰撞风险估计

Ziliang Xiong, Shipeng Liu, Nathaniel Helgesen, Hongwei Li, Joakim Johnander, Per-Erik Forssen

机构 * Zenseact（Zenseact公司） ； Department of Biomedical Engineering and Department of Diagnostic Radiology, National University of Singapore（生物医学工程系和诊断放射学系，新加坡国立大学） 纠错

AI总结 通过预测碰撞损失来估计碰撞风险，提升端到端自动驾驶的安全性。

Fast Model Selection and Stable Optimization for Softmax-Gated Multinomial-Logistic Mixture of Experts Models

快速模型选择与稳定优化的softmax门控多项式-对数混合专家模型

TrungKhang Tran, TrungTin Nguyen, Md Abul Bashar, Nhat Ho, Richi Nayak, Christopher Drovandi

机构 * School of Computing, National University of Singapore, 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研究中心） ； School of Mathematical Sciences, Queensland University of Technology, Brisbane, Australia.（昆士兰科技大学数学科学学院） ； Department of Statistics and Data Science, University of Texas at Austin, Austin, USA（德克萨斯大学奥斯汀分校统计与数据科学系） 纠错

AI总结 本文提出了一种基于softmax门控多项式-对数混合专家模型的快速模型选择与稳定优化方法，通过批量MM算法和树状图适应技术，实现了高效的模型训练和参数恢复。

Comments TrungKhang Tran and TrungTin Nguyen are co-first authors

Deepfake Synthesis vs. Detection: An Uneven Contest

深度伪造合成与检测：一场不平衡的竞赛

Md. Tarek Hasan, Sanjay Saha, Shaojing Fan, Swakkhar Shatabda, Terence Sim

机构 * United International University（国际大学） ； National University of Singapore（国立新加坡大学） ； BRAC University（布拉克大学） 纠错

AI总结 本研究发现现有深度伪造检测模型在面对现代合成技术生成的深度伪造时表现不佳，亟需改进以应对不断演变的生成技术。

Cross-Linguistic Persona-Driven Data Synthesis for Robust Multimodal Cognitive Decline Detection

跨语言人格驱动的数据合成用于鲁棒多模态认知衰退检测

Rui Feng, Zhiyao Luo, Liuyu Wu, Wei Wang, Yuting Song, Yong Liu, Kok Pin Ng, Jianqing Li, Xingyao Wang

机构 * Engineering Research Center of Intelligent Theranostics Technology and Instruments, Ministry of Education, School of Biomedical Engineering and Informatics, Nanjing Medical University（智能诊疗技术与仪器工程研究中心、教育部、生物医学工程与信息学院、南京医科大学） ； Institute of Biomedical Engineering, University of Oxford（生物医学工程研究所、牛津大学） ； Institute of High Performance Computing, Agency for Science, Technology and Research (A*STAR)（高性能计算研究所、科技研究局（A*STAR）） ； Department of Neurology, National Neuroscience Institute, Singapore, 308433, Singapore（神经病学部、新加坡国家神经科学研究所） ； Duke-NUS Medical School, Singapore, 169857, Singapore（新加坡国立大学医学院） 纠错

AI总结 SynCog通过跨语言人格驱动数据合成与推理链微调，提升多模态模型在认知衰退检测中的诊断性能和跨语言泛化能力。

Comments 18 pages, 7 figures, 6 tables

SPD-Faith Bench: Diagnosing and Improving Faithfulness in Chain-of-Thought for Multimodal Large Language Models

SPD-Faith Bench: 诊断和改进多模态大语言模型中的推理忠实性

Weijiang Lv, Yaoxuan Feng, Xiaobo Xia, Jiayu Wang, Yan Jing, Wenchao Chen, Bo Chen

机构 * Xidian University（西安电子科技大学） ； National University of Singapore（新加坡国立大学） ； Xi’an Jiaotong University（西安交通大学） 纠错

AI总结 SPD-Faith Bench通过细粒度图像差异推理诊断并改进多模态大语言模型中的推理忠实性，揭示了感知盲区和感知-推理脱节的系统性失败模式，并提出SAGE框架提升视觉路由和推理与感知的一致性。

Comments 53 pages, 42 figures, 14 tables

BFTS: Thompson Sampling with Bayesian Additive Regression Trees

BFTS：基于贝叶斯加法回归树的 Thompson 探索

Ruizhe Deng, Bibhas Chakraborty, Ran Chen, Yan Shuo Tan

机构 * Department of Statistics and Data Science, National University of Singapore（统计与数据科学系，国立新加坡大学） ； Centre for Biomedical Data Science, Duke-NUS Medical School（生物医学数据科学中心，杜克-新加坡国立大学医学院） ； Department of Biostatistics and Bioinformatics, Duke University（生物统计学与生物信息学系，杜克大学） ； Department of Statistics and Data Science, Washington University in St. Louis（统计与数据科学系，圣路易斯华盛顿大学） 纠错

AI总结 BFTS 是首个将贝叶斯加法回归树整合到探索循环中的上下文老虎机算法，通过理论证明和实验验证，实现了非参数老虎机的最优性能和实际应用效果。

Learning to Self-Verify Makes Language Models Better Reasoners

学习自我验证使语言模型更擅长推理

Yuxin Chen, Yu Wang, Yi Zhang, Ziang Ye, Zhengzhou Cai, Yaorui Shi, Qi Gu, Hui Su, Xunliang Cai, Xiang Wang, An Zhang, Tat-Seng Chua

机构 * National University of Singapore（新加坡国立大学） ； University of Science and Technology of China（中国科学技术大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） 纠错

AI总结 通过自我验证学习提升语言模型的推理能力，有效提高生成和验证性能。

SIGMA: Selective-Interleaved Generation with Multi-Attribute Tokens

SIGMA: 带多属性标记的选择性交错生成

Xiaoyan Zhang, Zechen Bai, Haofan Wang, Yiren Song

机构 * Creatly AI ； University of Michigan（密歇根大学） ； Lovart AI ； National University of Singapore（新加坡国立大学） 纠错

AI总结 SIGMA通过引入多属性标记实现多条件生成，提升可控性、一致性和视觉质量，优于Bagel在组合任务中的表现。

MemPot: Defending Against Memory Extraction Attack with Optimized Honeypots

MemPot：通过优化的陷阱来防御内存提取攻击

Yuhao Wang, Shengfang Zhai, Guanghao Jin, Yinpeng Dong, Linyi Yang, Jiaheng Zhang

机构 * National University of Singapore（新加坡国立大学） ； Tsinghua University（清华大学） ； Southern University of Science and technology（南方科技大学） 纠错

AI总结 MemPot通过优化陷阱文档和理论验证，有效防御内存提取攻击，提升检测性能与效率。

ODELoRA: Training Low-Rank Adaptation by Solving Ordinary Differential Equations

ODELoRA: 通过求解常微分方程进行低秩适应训练

Yihang Gao, Vincent Y. F. Tan

机构 * Department of Mathematics, National University of Singapore（数学系，新加坡国立大学） ； Department of Mathematics and Department of Electrical and Computer Engineering, National University of Singapore（数学系和电气与计算机工程系，新加坡国立大学） 纠错

AI总结 ODELoRA通过求解常微分方程实现低秩适应训练，提供统一的ODE视角并实现线性收敛与稳定特征学习。

Comments 38 pages

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

Tianyi Wu, Mingzhe Du, Yue Liu, Chengran Yang, Terry Yue Zhuo, Jiaheng Zhang, See-Kiong Ng

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） 纠错

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。

Lookahead-then-Verify: Reliable Constrained Decoding for Diffusion LLMs under Context-Free Grammars

前瞻性验证：用于扩散大语言模型在无上下文自由文法下的可靠约束解码

Yitong Zhang, Yongmin Li, Yuetong Liu, Jia Li, Xiaoran Jia, Zherui Li, Ge Li

机构 * College of AI, Tsinghua University（清华大学人工智能学院） ； School of Computer Science, Peking University（北京大学计算机学院） ； School of Computer Science and Engineering, Beihang University（北航计算机科学与工程学院） ； School of Computer Science and Technology, Beijing Institute of Technology（北京理工大学计算机科学与技术学院） ； School of Computing, National University of Singapore（新加坡国立大学计算机学院） 纠错

AI总结 LAVE通过并行预测标记分布实现可靠的约束解码，提升扩散大语言模型在上下文无关文法下的生成准确性。

Single Index Bandits: Generalized Linear Contextual Bandits with Unknown Reward Functions

单索引老虎机：具有未知奖励函数的广义线性上下文老虎机

Yue Kang, Mingshuo Liu, Bongsoo Yi, Jing Lyu, Zhi Zhang, Doudou Zhou, Yao Li

机构 * Microsoft（微软公司） ； University of California, Davis（加州大学戴维斯分校） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； University of California, Los Angeles（加州大学洛杉矶分校） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 本文提出单索引老虎机问题，针对未知奖励函数设计STOR和ESTOR算法，实现近最优遗憾界，并在高维稀疏环境下验证算法有效性。

Comments The Fourteenth International Conference on Learning Representations (ICLR 2026)

Revisiting Transformers with Insights from Image Filtering and Boosting

重新审视Transformer：基于图像滤波和提升的见解

Laziz U. Abdullaev, Maksim Tkachenko, Tan M. Nguyen

机构 * Department of Mathematics, National University of Singapore（新加坡国立大学数学系） ； Rakuten Group, Inc.（乐天集团） 纠错

AI总结 本文通过图像处理框架重新审视Transformer，提出两种架构改进以提升可解释性和性能。

On Reasoning Strength Planning in Large Reasoning Models

在大推理模型中关于推理强度规划的研究

Leheng Sheng, An Zhang, Zijian Wu, Weixiang Zhao, Changshuo Shen, Yi Zhang, Xiang Wang, Tat-Seng Chua

机构 * National University of Singapore（新加坡国立大学） ； University of Science and Technology of China（中国科学技术大学） ； Harbin Institute of Technology（哈尔滨工业大学） 纠错

AI总结 本研究揭示了大推理模型通过预先分配方向向量来规划推理强度，为控制其推理行为提供了新方法。

AlphaSteer: Learning Refusal Steering with Principled Null-Space Constraint

AlphaSteer: 通过原理性零空间约束学习拒绝引导

Leheng Sheng, Changshuo Shen, Weixiang Zhao, Junfeng Fang, Xiaohao Liu, Zhenkai Liang, Xiang Wang, An Zhang, Tat-Seng Chua

机构 * National University of Singapore（国立新加坡大学） ； University of Science and Technology of China（中国科学技术大学） ； Harbin Institute of Technology（哈尔滨工业大学） 纠错

AI总结 AlphaSteer 通过原理性零空间约束学习拒绝引导，提升大语言模型的安全性与效用平衡。

Comments ICLR 2026

On the Computational Efficiency of Bayesian Additive Regression Trees: An Asymptotic Analysis

关于贝叶斯加法回归树计算效率的分析：渐近分析

Yan Shuo Tan, Omer Ronen, Theo Saarinen, Bin Yu

机构 * Department of Statistics and Data Science, National University of Singapore（统计与数据科学系，新加坡国立大学） ； Department of Statistics, UC Berkeley（统计系，加州大学伯克利分校） ； Department of Electrical Engineering and Computer Sciences, UC Berkeley（电气工程与计算机科学系，加州大学伯克利分校） ； Center for Computational Biology, UC Berkeley（计算生物学中心，加州大学伯克利分校） 纠错

AI总结 本文分析了BART采样器在大规模数据下的计算效率，发现其收敛时间随样本量增加而增加，但通过增加树数量或提高温度可有效缓解这一问题。

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

Yicheng He, Zheng Zhao, Zhou Kaiyu, Bryan Dai, Jie Fu, Yonghui Yang

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） 纠错

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。