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

Convex Markov Games and Beyond: New Proof of Existence, Characterization and Learning Algorithms for Nash Equilibria

凸马尔可夫游戏及更进一步：Nash均衡的存在性、特征及学习算法的新证明

Anas Barakat, Ioannis Panageas, Antonios Varvitsiotis

机构 * Singapore University of Technology and Design（新加坡科技设计大学） ； University of California Irvine, USA（加州大学 Irvine 分校） ； Centre for Quantum Technologies, National University of Singapore（新加坡国立大学量子中心） ； Archimedes/Athena Research Center, Greece（阿基米德/雅典娜研究中心） 纠错

AI总结 本文提出通用效用马尔可夫游戏（GUMGs）理论框架，证明Nash均衡的存在性与一阶静态点一致，并设计无模型策略梯度算法，扩展了传统cMGs的理论边界。

Comments AISTATS 2026

SafeNeuron: Neuron-Level Safety Alignment for Large Language Models

SafeNeuron: 大语言模型的神经层面安全对齐

Zhaoxin Wang, Jiaming Liang, Fengbin Zhu, Weixiang Zhao, Junfeng Fang, Jiayi Ji, Handing Wang, Tat-Seng Chua

机构 * Xidian University, Xi'an, China（西安电子科技大学） ； Harbin Institute of Technology, Harbin, China（哈尔滨工业大学） ； National University of Singapore,Singapore（新加坡国立大学） 纠错

AI总结 SafeNeuron通过神经层面安全对齐框架提升模型鲁棒性，减少攻击风险并保持通用能力。

dVoting: Fast Voting for dLLMs

dVoting: dLLMs的快速投票

Sicheng Feng, Zigeng Chen, Xinyin Ma, Gongfan Fang, Xinchao Wang

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

AI总结 dVoting通过快速投票技术提升dLLMs推理能力，无需训练，有效提高多个基准测试的性能。

Scaling World Model for Hierarchical Manipulation Policies

为分层操作策略扩展世界模型

Qian Long, Yueze Wang, Jiaxi Song, Junbo Zhang, Peiyan Li, Wenxuan Wang, Yuqi Wang, Haoyang Li, Shaoxuan Xie, Guocai Yao, Hanbo Zhang, Xinlong Wang, Zhongyuan Wang, Xuguang Lan, Huaping Liu, Xinghang Li

机构 * Xi’an Jiao Tong University（西安交通大学） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； Tsinghua University（清华大学） ； National University of Singapore（新加坡国立大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） 纠错

AI总结 本文提出分层VLA框架，利用大规模预训练世界模型提升机器人操作在分布外场景的泛化能力，实验显示性能提升显著。

Can World Simulators Reason? Gen-ViRe: A Generative Visual Reasoning Benchmark

世界模拟器能推理吗？Gen-ViRe：一个生成性视觉推理基准

Xinxin Liu, Zhaopan Xu, Ming Li, Kai Wang, Yong Jae Lee, Yuzhang Shang

机构 * University of Central Florida（中央佛罗里达大学） ； National University of Singapore（新加坡国立大学） ； UW-Madison（威斯康星大学麦迪逊分校） 纠错

AI总结 Gen-ViRe提出一个生成性视觉推理基准，通过分解CoF推理为六个认知维度和24个子任务，评估视频模型的推理能力，揭示视觉质量与推理深度的差异。

Comments 10 pages

Real-IAD Variety: Pushing Industrial Anomaly Detection Dataset to a Modern Era

现实工业异常检测数据集：推动工业异常检测数据集进入现代时代

Wenbing Zhu, Chengjie Wang, Bin-Bin Gao, Jiangning Zhang, Guannan Jiang, Jie Hu, Zhenye Gan, Lidong Wang, Ziqing Zhou, Jianghui Zhang, Linjie Cheng, Yurui Pan, Bo Peng, Mingmin Chi, Lizhuang Ma

机构 * Fudan University（复旦大学） ； Youtu Lab, Tencent（腾讯优图实验室） ； Shanghai Jiao Tong University（上海交通大学） ； Rongcheer Co., Ltd（融雪科技有限公司） ； City University of Hong Kong（香港城市大学） ； National University of Singapore（新加坡国立大学） ； Shanghai Ocean University（上海海洋大学） 纠错

AI总结 Real-IAD Variety 是一个大规模、高多样性的工业异常检测数据集，用于评估和训练下一代基础IAD模型，揭示了现有方法在类别扩展时的性能下降问题。

Comments 17 pages, 8 figures and 7 tables

Accelerating nuclear-norm regularized low-rank matrix optimization through Burer-Monteiro decomposition

通过布勒-蒙特罗分解加速核范数正则化的低秩矩阵优化

Ching-pei Lee, Ling Liang, Tianyun Tang, Kim-Chuan Toh

机构 * Institute of Statistical Mathematics（统计数学研究所） ； Department of Mathematics University of Maryland at College Park（大学数学系） ； Institute of Operations Research and Analytics National University of Singapore（运营研究与分析国家大学研究所） ； Department of Mathematics and Institute of Operations Research and Analytics National University of Singapore（大学数学系和运营研究与分析国家大学研究所） 纠错

AI总结 BM-Global通过布勒-蒙特罗分解加速核范数正则化的低秩矩阵优化，实现快速收敛和高效参数调优。

Comments Removed a wrong claim in Theorem 5

Journal ref Journal of Machine Learning Research 2024

A Generic Framework for Fair Consensus Clustering in Streams

一种面向流的公平共识聚类通用框架

Diptarka Chakraborty, Kushagra Chatterjee, Debarati Das, Tien-Long Nguyen

机构 * National University of Singapore（新加坡国立大学） ； Pennsylvania State University（宾夕法尼亚州立大学） 纠错

AI总结 本文提出了一种面向流的公平共识聚类通用框架，通过整合最近公平聚类与聚类拟合，实现了在流模型和离线重新查看时的改进近似保证。

Comments Accepted in AAMAS 2026

Active Zero: Self-Evolving Vision-Language Models through Active Environment Exploration

主动零：通过主动环境探索实现自我进化的视觉-语言模型

Jinghan He, Junfeng Fang, Feng Xiong, Zijun Yao, Fei Shen, Haiyun Guo, Jinqiao Wang, Tat-Seng Chua

机构 * Foundation Model Research Center, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所基础模型研究中心） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； National University of Singapore（新加坡国立大学） ； Wuhan AI Research（武汉人工智能研究所） ； Tsinghua University（清华大学） 纠错

AI总结 Active-Zero通过主动环境探索实现视觉-语言模型的自我进化，提升推理和理解任务的性能。

MemRL: Self-Evolving Agents via Runtime Reinforcement Learning on Episodic Memory

MemRL: 通过运行时强化学习在事件记忆上实现自我进化代理

Shengtao Zhang, Jiaqian Wang, Ruiwen Zhou, Junwei Liao, Yuchen Feng, Zhuo Li, Yujie Zheng, Weinan Zhang, Ying Wen, Zhiyu Li, Feiyu Xiong, Yutao Qi, Bo Tang, Muning Wen

机构 * Shanghai Jiao Tong University, Shanghai, China（上海交通大学） ； Xidian University, Xi'an, China（西安电子科技大学） ； National University of Singapore, Singapore（新加坡国立大学） ； Shanghai Innovation Institute, Shanghai, China（上海创新研究院） ； MemTensor (Shanghai) Technology Co., Ltd., Shanghai, China（MemTensor（上海）科技有限公司） ； University of Science and Technology of China, Hefei, China（中国科学技术大学） 纠错

AI总结 MemRL通过运行时强化学习在事件记忆上实现自我进化，解决稳定性与可塑性矛盾，实现持续改进。

Comments 41 pages, 11 figures

The Canary's Echo: Auditing Privacy Risks of LLM-Generated Synthetic Text

知更鸟的回声：审计大语言模型生成合成文本的隐私风险

Matthieu Meeus, Lukas Wutschitz, Santiago Zanella-Béguelin, Shruti Tople, Reza Shokri

机构 * Imperial College London（帝国理工学院伦敦分校） ； Microsoft（微软公司） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 本文提出通过设计具有分布内前缀和高困惑度后缀的知更鸟，提高基于数据的MIAs的威力，以更准确评估LLM生成合成数据的隐私风险。

Comments 42nd International Conference on Machine Learning (ICML 2025)

Journal ref Proc. Mach. Learn. Res. 267 (2025) 43557-43580