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

Understanding Evolution Strategies for LLM Reasoning: Broader Reasoning Coverage than GRPO

理解用于大语言模型推理的进化策略：比GRPO更广泛的推理覆盖范围

Yunpeng Ba, Zhi Zheng, Yue Xie, Jiaqing Li, Xialiang Tong, Tao Zhong, Mingxuan Yuan, Zhichao Lu, Xuyang Wu, Zhenkun Wang

机构 * Southern University of Science and Technology（南方科技大学） ； National University of Singapore（新加坡国立大学） ； Harbin Institute of Technology, Weihai（哈尔滨工业大学（威海）） ； Huawei Noah’s Ark Lab（华为诺亚方舟实验室） ； City University of Hong Kong（香港城市大学） 纠错

AI总结 本文研究用于LLM推理的进化策略（ES），发现ES比GRPO有更广泛的推理覆盖范围，开发了结合两者优势的GRPO-ES策略，还揭示了ES的功能稀疏性等特性，确立其为独特的推理后训练范式。

Establishing Boundary KKT Convergence of Mirror Descent through Reparameterization

通过重参数化建立镜像下降法的边界KKT收敛性

Kuangyu Ding, Kim-Chuan Toh

机构 * School of Industrial Engineering, Purdue University（普渡大学工业工程学院） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 本文通过度量扁平化重参数化S，证明镜像下降法在非凸问题中可收敛到KKT点，还将该框架应用于Shannon熵等示例，为后续扩展Bregman型方法奠定基础。

Comments 23 pages

FleetScape: A Mixed Reality Sandtable for Spatial Supervision and Control of Scalable Drone Fleets

FleetScape：用于可扩展无人机机群空间监督与控制的混合现实沙盘

Peisen Xu, Jérémie Garcia, Peter Cleveland, Wei Tsang Ooi, Christophe Jouffrais

机构 * University of Toulouse, Fédération ENAC ISAE-SUPAERO ONERA（图卢兹大学、法国航空航天学校联合会、高等航空航天学院、法国航空航天研究院） ； CNRS, IPAL（法国国家科学研究中心、IPAL机构） ； National University of Singapore（新加坡国立大学） ； National University of Singapore, Augmented Human Lab（新加坡国立大学增强人类实验室） ； National University of Singapore, School of Computing（新加坡国立大学计算机学院） 纠错

AI总结 该研究提出混合现实沙盘系统FleetScape，通过空间交互优化无人机机群监督，经用户研究验证其对态势感知和控制切换的作用，同时得出相关设计启示。

Comments UIST 2026

Self-Evaluation Is Already There: Eliciting Latent Judge Calibration in Base LLMs with Minimal Data

自我评估已然存在：用最少数据激发基础LLM中的潜在评判校准

XiuYu Zhang, Yi Shan, Junfeng Fang, Zhenkai Liang

机构 * National University of Singapore（新加坡国立大学） ； Beijing University of Technology（北京理工大学） 纠错

AI总结 本文提出自我评估激发（SEE）方法，通过少量数据（160个示例）结合校准耦合强化学习和掩码蒸馏，激发基础LLM中已有的预测外部评判者评分能力，在保持答案质量的同时显著提升校准性能。

Comments Findings of the Association for Computational Linguistics: EMNLP 2026

Online Learning-to-Defer with Varying Experts

在线学习延迟决策与变化专家

Dang Hoang Duy, Yannis Montreuil, Maxime Meyer, Axel Carlier, Lai Xing Ng, Wei Tsang Ooi

机构 * School of Computing, National University of Singapore（新加坡国立大学计算机学院） ； Fédération ENAC ISAE-SUPAERO ONERA, Université de Toulouse, France（法国图卢兹大学ENAC ISAE-SUPAERO ONERA联合体） ； Institute for Infocomm Research, A*STAR , Singapore（新加坡A*STAR信息通信研究所） ； IPAL, IRL 2955, Singapore（新加坡IPAL实验室） ； Department of Mathematics, National University of Singapore（新加坡国立大学数学系） 纠错

AI总结 针对动态专家池和流式数据，提出首个在线学习延迟决策算法，利用H-一致性界和在线凸优化实现遗憾界保证。