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

Scaling Large Reasoning Models beyond Human Supervision: A Path toward Superintelligence

超越人类监督扩展大型推理模型：通往超级智能的路径

Zhiqin Yang, Jingwen Fu, Yuhan Liu, Hengyu Liu, Yonggang Zhang, Kainan Cao, Zizhuo Zhang, Chenxin Li, Ruibin Yuan, Jiahao Pan, Jiankai Sun, Zhenyuan Zhang, Yibo Li, Yunlong Lin, Jing Xiong, Sida Lin, Bo Han, Wei Xue, Yike Guo

机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Zhongguancun Academy（中关村学院） ； Xi’an Jiaotong University（西安交通大学） ； The Chinese University of Hong Kong（香港中文大学） ； The University of Hong Kong（香港大学） ； Hong Kong Baptist University（香港浸会大学） ； Hunyuan Tencent（腾讯混元） ； National University of Singapore（新加坡国立大学） ； Xiamen University（厦门大学） 纠错

AI总结 本文研究人类监督逐步退出时大型推理模型（LRMs）的扩展路径，提出五级阶梯框架，分析自主化带来的风险，围绕策略能力等开展评估，为开发通往超级智能的自我维持学习系统提供结构化方案。

Comments 72pages

BAITBENCH: Measuring Agent Reward Hacking with Optional Shortcuts Planted in ML Tasks

BAITBENCH：通过植入ML任务中的可选捷径测量智能体的奖励黑客行为

Pradyumna Shyama Prasad, Meiri Anto, Leon Eshuijs, Julian Moncarz, Kaustubh Kislay, Juan J. Vazquez

机构 * National University of Singapore（新加坡国立大学） ； MIT（麻省理工学院） ； Vrije Universiteit Amsterdam（阿姆斯特丹自由大学） ； University of Toronto（多伦多大学） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Arb Research（Arb研究机构） 纠错

AI总结 BAITBENCH是含三个合成表格型ML任务的基准，用于测量智能体利用可选捷径获得虚高分的奖励黑客行为，实验显示57.1%的运行存在该行为，发布相关资源作为缓解措施评估测试平台。

RailSyn: Diagnosis-Guided Image Generation for Traceable Data Completion in Railway Foreign Object Detection

RailSyn：面向铁路异物检测中可追溯数据补全的诊断引导图像生成方法

Quan Hao, Chenxi Zhang, Ziyang Tao, Yuyuan Zhou, Yudong Wang, Rui Shi, Lechuan Xu, Changhao Liu, Liguo Zhang

机构 * School of Information Science and Technology, Beijing University of Technology（北京工业大学信息科学与技术学院） ； Pratt School of Engineering, Duke University（杜克大学普拉特工程学院） ； Academy of Mathematics and Systems Science, Chinese Academy of Sciences（中国科学院数学与系统科学研究院） ； School of Mathematical Sciences, University of Chinese Academy of Sciences（中国科学院大学数学科学学院） ； Industrial Systems Engineering and Management, National University of Singapore（新加坡国立大学工业系统工程与管理系） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） 纠错

AI总结 RailSyn是诊断引导的图像生成框架，通过检查器定位补全区域并明确需求，生成器满足需求，可提升RFOD检测性能，在9种主流检测器上AP50--95最高增益4.9点，具跨架构实用性。

Modality Disentangled Learning for Incomplete Multimodal Emotion Recognition: A Primitive Memory Distillation Perspective

面向不完整多模态情感识别的模态解耦学习：一种原语记忆蒸馏视角

Jiaqi Zhang, Zheng Pang, Mengting Li, Yiqi Wang, Guangyuan Dong, Chao Xue, Yusen Wu, Zihao Li, Huy Phan, Sicheng Zhao, Björn W. Schuller, Jiachen Luo

机构 * Jiangsu University（江苏大学） ； Griffith University（格里菲斯大学） ； National University of Singapore（新加坡国立大学） ； University of New South Wales（新南威尔士大学） ； Fujian University of Technology（福建理工大学） ； Xi’an Jiaotong-Liverpool University（西交利物浦大学） ； German Research Center for Artificial Intelligence（德国人工智能研究中心） ； Tsinghua University（清华大学） ； Technical University of Munich（慕尼黑工业大学） ； Imperial College London（伦敦帝国学院） ； Queen Mary University of London（伦敦玛丽女王大学） 纠错

AI总结 本文针对不完整多模态情感识别中现有方法忽略模态异质性的问题，提出PriMD框架，通过解耦语义与原语构建记忆库，在多数据集上实现SOTA性能与更强鲁棒性。

Comments 19 Pages, 8 Figures, 13 Tables. Accepted to EMNLP 2026 Findings

SpectraTac: A Compact Camera-Free Optical Tactile Sensor with Distributed Color Sensing

SpectraTac：一种具备分布式颜色感知的紧凑型无相机光学触觉传感器

Hao Wu, Haotian Guo, Yu Feng, Yutong Wang, Yanzhe Wang, Jianshu Zhou

机构 * National University of Singapore（新加坡国立大学） ； Zhejiang University（浙江大学） 纠错

AI总结 本研究提出SpectraTac无相机光学触觉传感器，采用分布式颜色感知，实现紧凑低成本，三维力预测误差低、接触分类准确率高，可用于机器人等领域的触觉传感。

RIDGE: Region-Informed Derivative-Guided Evidence Selection for Long Video Understanding

RIDGE：用于长视频理解的区域感知导数引导证据选择

Shanqing Xu, Meng Luo, Mengchen Qian, Yuhui Gao, Siyue Peng, Xiaohan Zhong, Xiaojin Zhang, Zhongyu Wei, Wei Chen, Xiang Bai

机构 * Huazhong University of Science and Technology（华中科技大学） ； National University of Singapore（新加坡国立大学） ； Fudan University（复旦大学） 纠错

AI总结 针对长视频理解中视觉内容超出LVLM固定token预算的问题，提出RIDGE框架，通过将帧-查询相似性曲线作为时间信号划分区域并选择证据，在多基准和主干上取得最优性能。

Comments EMNLP 2026

GenRubric: Self-Evolving Rubric Generation for Scalable LLM Evaluation

GenRubric：用于可扩展大语言模型评估的自进化评分规则生成

Yifan Chen, Haitao Li, Qingyao Ai, Fengbin Zhu, Tat-Seng Chua, Min Zhang, Yiqun Liu

机构 * Tsinghua University（清华大学） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 GenRubric是一种自进化框架，通过强化学习结合多维度奖励优化评分规则生成，其在人工基准实验中提升了与专家评分的一致性，可泛化到新领域，助力可扩展的特定查询LLM评估。

LARC: Lazy Adaptive Reachability Certification of Robot Manipulator Trajectories

LARC：机械臂轨迹的惰性自适应可达性认证

Yu Feng, Hao Wu, Yuzhe Wang, Jianshu Zhou

机构 * National University of Singapore（新加坡国立大学） ； Singapore Institute of Manufacturing Technology（新加坡制造技术研究院） ； Agency for Science Technology and Research（新加坡科技研究局） 纠错

AI总结 针对机械臂轨迹离散检查易漏碰撞、均匀时间划分浪费算力的问题，提出LARC惰性自适应可达性认证，仅对安全距离不确定的区间二分，在AgileX PIPER轨迹上实现约10倍加速且匹配基线决策，仅部分轨迹未认证。

Multi-Scale Temporal Domain Alignment for Federated Video Domain Adaptation

面向联邦视频领域自适应的多尺度时间域对齐

Lee En-Yi Hannah, Haozhi Cao, Yuecong Xu

机构 * National University of Singapore（新加坡国立大学） ； The University of Tokyo（东京大学） 纠错

AI总结 该研究针对联邦视频领域自适应的时间信息对齐难题，提出METAL框架，通过多尺度时间对齐与知识蒸馏实现跨域视频动作识别，在两个数据集上较现有方法最高提升28.47%，验证了多尺度设计的有效性。

Comments 10 pages, 1 figure, 5 tables. Open-source will be available

CGFM-Nav: Cognitive Graph-Field Memory for Semantic-Guided Lifelong Multimodal Embodied Navigation

CGFM-Nav：用于语义引导的终身多模态具身导航的认知图场记忆

Yuxiang Xiao, Xibei Chen, Xin Zhou, Jie Chen, Yifeng Zhang, Guillaume Sartoretti

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

AI总结 该研究针对视觉与语言导航中环境表征的不足，提出CGFM及基于其的CGFM-Nav框架，在GOAT-Bench实验中提升了导航的成功率与SPL，验证了方法的有效性。

Comments 5 pages, 2 figures

Towards Fully Automated Medical Imaging Code Generation via Validation-based Context Engineering

基于验证的上下文工程实现全自动医学影像代码生成

Zixiao Zhao, Jing Sun, Zhe Hou, Cheng-Hao Cai, Qian Liu, Mengze Li, Zijian Zhang, Jin Song Dong

机构 * University of Auckland（奥克兰大学） ； Griffith University（格里菲斯大学） ； Suzhou Industrial Park Monash Research Institute of Science and Technology（苏州工业园区莫纳什科技研究院） ； Beijing Institute of Technology（北京理工大学） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 本文提出AutoMedImg多智能体框架，通过规划与编码阶段的多阶段验证及自动上下文工程，实现零人工干预的全自动医学影像代码生成，在六个数据集上分割任务Dice最高0.90、分类准确率99%。

From Analytics to Tumor Boards: An Evidence-Linked Multi-Agent Workflow for Oncology Feature Extraction

从分析学到肿瘤委员会：一种用于肿瘤学特征提取的证据关联多智能体工作流

Daniel Kang, Michelle Hu, Soorya Ram Shimgekar, Shayan Vassef, Yufan Wang, Anit Kumar Sahu, Munmun De Choudhury, Vedant Das Swain, Christian Poellabauer, Li Yan Khor, Koustuv Saha, Robert Wojciechowski, Elliot Kidd, Piyum Zonooz, Navin Kumar

机构 * Nimblemind ； School of Interactive Computing, Georgia Institute of Technology（佐治亚理工学院交互计算学院） ； NYU Tandon School of Engineering, New York University（纽约大学坦登工程学院） ； Florida International University（佛罗里达国际大学） ； Duke-NUS Medical School（杜克-新加坡国立大学医学院） ； Singapore General Hospital（新加坡中央医院） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； OncoLens 纠错

AI总结 该研究针对肿瘤学文档的结构化提取需求，提出nMAS多智能体工作流，在230份肿瘤学文档上的F1值达85.0%，优于对照模型，验证了其将碎片化肿瘤学文档转为结构化数据的可行性。

Diagnose, Then Refine: A Closed-Loop TTS System with AudioLLM-Guided Correction

诊断后优化：基于AudioLLM引导校正的闭环TTS系统

Zeyang Song, Tianchi Liu, Tianrui Wang, Chenglin Xu, Steven Y. Guo, Haizhou Li

机构 * National University of Singapore（新加坡国立大学） ； Tencent（腾讯） ； LIGHTSPEED（光速） ； Nanyang Technological University（南洋理工大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Shenzhen Loop Area Institute（深圳河套学院） 纠错

AI总结 针对开环TTS易出现韵律缺陷且指标难检测的问题，提出含AudioLLM评判器与细粒度优化器的LoopTTS框架，构建4.2万示例数据集训练优化器，实验表明其修复质量与指令遵循能力更优。

Comments Accepted by EMNLP 2026 main conference

Multi-Agent Self-Improving Reinforcement Learning for Video Reasoning

用于视频推理的多智能体自增强强化学习

Mingwen Zhang, Jisheng Dang, Minqiang Yang, Bimei Wang, Bin Hu, Tat-Seng Chua

机构 * Lanzhou University（兰州大学） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 该研究提出结合可训练Grounder与冻结Verifier的多智能体强化学习框架，在20亿参数规模下实现视频推理任务零样本迁移，相关指标优于同等规模基线，验证了冻结验证作为证据选择训练信号的有效性。

FRAC-MAS: A Safe and Explainable Multi-Agent System for Fracture Diagnosis

FRAC-MAS：一种用于骨折诊断的安全可解释多智能体系统

Hardik Iyer, Tirath Bhathawala, Mihir Panchal, Ying-Jung Chen, Kiran Bhowmick, Pankaj Sonawane, Meera Narvekar

机构 * Dwarkadas J Sanghvi College of Engineering（德瓦卡达斯J.桑吉维工程学院） ； University of Amsterdam（阿姆斯特丹大学） ； National University of Singapore（新加坡国立大学） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 FRAC-MAS是一种结合堆叠集成视觉模型、共形预测与多智能体评审员的骨折诊断系统，可实现安全可解释的放射学分诊，性能优于单智能体基线，生成更易理解的临床报告。

Comments Medical Image Computing and Computer Assisted Intervention (MICCAI) 2nd Workshop on Agentic AI for Medicine (AgenticMed)

SatDL: Jointly Optimizing Data Redistribution and Training for Satellite-Based Distributed Learning

SatDL：联合优化卫星分布式学习中的数据重分布与训练

Hao Wu, Kin Whye Chew, Yizhan Han, Han Li, Jingxian Wang

机构 * School of Computing National University of Singapore Singapore hao\ 纠错

AI总结 本文针对卫星分布式学习中数据非IID导致的训练慢、能耗高问题，提出SatDL框架，通过Distributor-Critic联合优化数据传输与训练，可降低总学习时间和能耗，精度接近现有基准。

Comments Withdrawn because this version was submitted prematurely, before all co-authors had completed their review and approved the manuscript for public dissemination. As a result, this version does not represent a manuscript approved by all authors

When Images Look Right and Retrieve Wrong: Coverage-Guided Cross-Scale Re-Indexing for Knowledge-Faithful Generative Perception

当生成图像看起来正确但检索错误：面向知识保真生成感知的覆盖度引导跨尺度重索引

Guangyuan Dong, Chuang Liu, Haoyu Wang, Yangchen Zeng, Jiaqi Zhang, Li Jiuxing, Xiaoyang Yu, Pinlong Zhao, Yuchao Hou, Ziwei Li, Zheng Lin, Alexander Lim Han Yang, Yusen Wu

机构 * National University of Singapore（新加坡国立大学） ； Wuhan University（武汉大学） ； ByteDance（字节跳动） ； Nankai University（南开大学） ； JD Research, JD.com, Inc.（京东研究院（京东有限公司）） ； Zhejiang University（浙江大学） ； King Abdullah University of Science and Technology（阿卜杜拉国王科技大学） ； The University of Hong Kong（香港大学） 纠错

AI总结 针对生成图像因尺度差异导致的语义崩溃问题，提出闭环多模态索引框架CERES，在多基准上实现SOTA，显著提升概念-查询检索性能。

Comments 20 pages, 7 figures, and 20 tables

SPADE: Self-Play in Adaptive Synthetic Executable Environments

SPADE：自适应合成可执行环境中的自博弈

Bo Liu, Simon Yu, Yiding Jiang, Ao Qu, Andrew Zhao, Zichen Liu, Junsu Kim, Zijian Zhou, Seungone Kim, Tongzheng Ren, Mickel Liu, Hanfei Yu, Zhaorun Chen, Weiyan Shi, Paul Pu Liang, Luke Zettlemoyer, Yejin Choi, Natasha Jaques

机构 * University of Washington（华盛顿大学） ； Stanford University（斯坦福大学） ； Northeastern University（东北大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Massachusetts Institute of Technology（麻省理工学院） ； National University of Singapore（新加坡国立大学） ； Seoul National University（首尔大学） ； Stevens Institute of Technology（史蒂文斯理工学院） ； University of Chicago（芝加哥大学） 纠错

AI总结 SPADE是一种双角色自博弈强化学习框架，让单个LLM同时担任环境设计者与推理智能体，在多类基准上显著提升了语言智能体的性能，推动了开放式自我改进。

Comments Work in progress. Project page: this https URL (https://spade-rl.github.io); Code: this https URL (https://github.com/spade-rl/spade)

Reinforcing Step-level Reasoning for Effective Self-Correction in LLMs

强化步骤级推理以实现大语言模型的有效自校正

Vu Duc Anh, Nhat M. Hoang, Do Xuan Long, Cong-Duy Nguyen, Ponhvoan Srey, Luu Anh Tuan

机构 * Nanyang Technological University（南洋理工大学） ； National University of Singapore（新加坡国立大学） ； VinUniversity ； Institute for Infocomm Research (IR), A*STAR（新加坡科技研究局信息通信研究院） 纠错

AI总结 针对大语言模型自校正的核心挑战，提出SFS-DPO及教师辅助变体SFS-DPO-R框架，经多模型多域评估，其性能优于现有步骤级训练基线，可提升自校正频率与有效性。

Skills for the future software profession: beyond agentic AI!

未来软件职业的技能：超越智能体AI！

Abhik Roychoudhury, Sungmin Kang, Baishakhi Ray

机构 * National University of Singapore（新加坡国立大学） ； Columbia University（哥伦比亚大学） 纠错

AI总结 本文通过2026年在纽约和新加坡举行的两场圆桌会议，总结未来软件工程师所需的核心技能，强调验证与确认在智能体处理实现时的重要性。

Don't Read Everything: A Curvature-Conditioned Query for Linear Attention

不要阅读一切：用于线性注意力的曲率条件查询

Dong Le, Thong Nguyen, Cong-Duy Nguyen, Anh Tuan Luu

机构 * Nanyang Technological University（南洋理工大学） ； National University of Singapore（国立新加坡大学） ； VinUniversity（文理大学） 纠错

AI总结 针对线性注意力在上下文检索和长上下文任务中的不足，提出曲率条件查询（CCQ）机制，通过二阶泰勒展开构建局部二次模型，利用运行键协方差收缩查询向量，仅修改读取步骤，兼容现有线性注意力骨干，在困惑度、零样本下游准确率、检索和长上下文任务上取得提升。

Comments EMNLP 2026 camera ready

When the Strongest Teacher Is Not the Best Teacher: Student-Centric Answer Selection

最强的教师并不总是最好的教师：以学生为中心的答案选择

Zhengyu Hu, Zheyuan Xiao, Linxin Song, Fengqing Jiang, Yuetai Li, Zhihan Xiong, Yue Liu, Junhao Lin, Yao Su, Lijie Hu, Kaize Ding, Teng Xiao, Radha Poovendran

机构 * University of Washington（华盛顿大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of Southern California（南加州大学） ； Independent Researcher（独立研究者） ； National University of Singapore（新加坡国立大学） ； Microsoft（微软） ； Google（谷歌） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； Northwestern University（西北大学） ； Allen Institute for AI (AI2)（人工智能研究院（AI2）） 纠错

AI总结 提出以学生为中心的答案采样（SCAS）框架，通过估计学生中心的学习成本选择教师生成的答案，从而提升学生模型性能。

Relevance as a Vulnerability: How Web Retrieval Degrades Safety Alignment in LLM Agents

相关性即漏洞：网络检索如何削弱LLM智能体的安全对齐

Aditya Nawal, Manit Baser, Mohan Gurusamy

机构 * Department of Electrical and Computer Engineering（电子与计算机工程系） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 本文提出AgentREVEAL框架，分析检索集成方式和内容属性如何导致LLM智能体安全退化，发现相关性是共同激活条件，并引入HarmURLBench基准。

Comments Accepted to EMNLP 2026 Findings

OrScale: Orthogonalised Optimization with Layer-Wise Trust-Ratio Scaling

OrScale：基于层间信任比缩放的正交化优化

Yuxuan Lou, Yang You

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

AI总结 OrScale通过引入信任比缩放改进Muon算法，通过层间正交化优化提升训练稳定性，实现更高效的收敛与泛化性能。

Can We Change the Stroke Size for Easier Diffusion?

我们能否通过改变笔触大小来使扩散更简单？

Yunwei Bai, Ying Kiat Tan, Yao Shu, Tsuhan Chen

机构 * National University of Singapore（新加坡国立大学） ； Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） 纠错

AI总结 本文研究通过控制笔触大小改变监督目标的粗糙度，以缓解低信噪比下的预测挑战。

SafeMath: Inference-time Safety improves Math Accuracy

SafeMath: 在推理过程中提升安全性以提高数学准确性

Sagnik Basu, Subhrajit Mitra, Aman Juneja, Somnath Banerjee, Rima Hazra, Animesh Mukherjee

机构 * Indian Institute of Technology Kharagpur（印度理工学院克勒格布尔分校） ； Cisco Systems（思科系统公司） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 本文研究了有害数学问题对LLM的影响，提出SafeMath技术在保障安全的同时提升数学推理能力。

Comments Accepted in EMNLP Findings 2026

Unified-MAS: Universally Generating Domain-Specific Nodes for Empowering Automatic Multi-Agent Systems

统一-MAS：通用领域节点生成以增强自动多智能体系统

Hehai Lin, Yu Yan, Zixuan Wang, Bo Xu, Sudong Wang, Weiquan Huang, Ruochen Zhao, Minzhi Li, Chengwei Qin

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Nanyang Technological University（南洋理工大学） ； National University of Singapore（新加坡国立大学） ； Institute for Infocomm Research (I 2 R), A*STAR（信息通信研究院（I2R），A*STAR） 纠错

AI总结 本文提出统一-MAS，通过离线节点合成解耦细粒度节点实现与拓扑编排，提升多智能体系统在知识密集型领域的性能与成本效益。

Comments Code is available at this https URL (https://github.com/linhh29/Unified-MAS)

Towards Natural Personalization: Evaluating Long-Horizon Preference Following in Personalized User-LLM Interactions

迈向真实个性化：评估个性化用户-LLM交互中的长周期偏好跟随

Qianyun Guo, Yibo Li, Yue Liu, Bryan Hooi

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

AI总结 RealPref提出一个评估个性化用户-LLM交互中长周期偏好跟随的基准，揭示LLM在长上下文和隐性偏好下的表现下降问题。

Comments Accepted to EMNLP 2026 Findings

Cross-Modal Visuo-Tactile Representation Learning with Action Chunking Transformers for Contact-Rich Manipulation

一种低成本的基于视觉的触觉夹具，用于接触丰富的操作

Yaohua Liu, Rong Fu, Amir H. Gandomi, Simon Fong, Hengjun Zhang

机构 * Guangdong Institute of Intelligence Science and Technology（广东智能科学与技术研究院） ； Innovation and Research and Development Department, BoardWare Information System Company Ltd.（创新与研发部，BoardWare信息系统有限公司） ； School of Artificial Intelligence, Nanjing Agricultural University（人工智能学院，南京农业大学） ； School of Computing, National University of Singapore（计算机学院，新加坡国立大学） ； School of Electronic Engineering and Automation, Guilin University of Electronic Technology（电子工程与自动化学院，桂林电子科技大学） 纠错

AI总结 本研究提出了一种低成本的视觉-触觉夹具，通过融合视觉和触觉反馈，提升接触丰富环境中的操作性能。

Reasoning or Rambling? Exploring the Effect of Thinking on Agent Persuasion

推理还是漫谈？探究思考过程对智能体说服能力的影响

Haodong Zhao, Jidong Li, Zhaomin Wu, Tianjie Ju, Zhuosheng Zhang, Bingsheng He, Gongshen Liu

机构 * School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学学院） ； National University of Singapore（新加坡国立大学） ； Inner Mongolia Research Institute, Shanghai Jiao Tong University（上海交通大学内蒙古研究院） 纠错

AI总结 本文对比通用LLM与LRM，发现推理对智能体说服能力存在二元性影响，还揭示其依赖表面线索的漏洞，提出提示级对抗性论点检测方法以提升鲁棒性。

Comments Accepted as EMNLP 2026 Findings