Nanyang Technological University
PulseAugur coverage of Nanyang Technological University — every cluster mentioning Nanyang Technological University across labs, papers, and developer communities, ranked by signal.
4 天有情绪数据
-
新加坡改革婴儿奖金计划以应对创纪录的低出生率
新加坡正在实施新的“SG儿童支持计划”，以解决其创纪录的低出生率和生育率问题，后者在2025年降至每名女性0.87个孩子。经过改革的“婴儿奖金”计划最初于2001年推出，提供更长的育儿假、经济支持和更实惠的看护选择，到孩子17岁时总计近7万新加坡元。虽然专家对这种持续和全面的方法持谨慎乐观态度，但过去的财政激励措施未能扭转出生率下降的趋势，因为父母越来越关注金钱以外的问题，例如时间和工作家庭压力以及育儿。
-
新加坡大学整合人工智能工具以提升毕业生就业竞争力
新加坡的大学正在将ChatGPT Edu和Gemini Enterprise等人工智能工具整合到其课程中，为学生适应不断变化的就业市场做准备。新加坡国立大学将于8月31日起提供ChatGPT Edu的访问权限，而南洋理工大学已经向学生开放了Google的人工智能套件。这些机构的目标是到2030年将人工智能素养融入其大部分课程中，尽管教育工作者在推广人工智能的同时，仍面临培养批判性思维的挑战。
-
Omega-0：新人形机器人动作模型在家庭任务上成功率达81.8%
南洋理工大学、北京大学和北京人工智能研究院的研究人员推出了一款新颖的世界动作模型Omega-0。该模型使人形机器人能够同时执行行走和观察等动作，在真实世界的家庭任务上取得了81.8%的成功率。据报道，Omega-0在这些任务上的表现优于pi-0.5、EgoVLA、GR00T-N1.7和psi-0等其他模型。
-
南洋理工大学副校长Kuan Jimmy Hsia加盟中国新大学
南洋理工大学（NTU）杰出研究员兼前副校长Kuan Jimmy Hsia已接受宁波东方理工大学（EIT）的全职职位。Hsia是美国科学促进会（AAAS）会士，在跨学科力学、生物材料和微/纳米力学方面拥有丰富经验，他表示建立新学术体系的机会是促使他此次调动的动机。他之前的职业生涯曾在伊利诺伊大学厄巴纳-香槟分校和卡内基梅隆大学担任重要职务。
-
MTS框架修复：研究人员解决数据选择中长达八年的数学难题
南洋理工大学的研究人员已经识别并解决了Meta-learning for Training-data Selection (MTS)框架中存在的根本性数学缺陷，这些缺陷此前阻碍了其在实践中的应用。该团队发现，MTS由于倾向于为极少数数据点分配极端权重，导致梯度信噪比低，实际上减小了批次大小并引入了噪声。此外，他们发现MTS依赖于不足的输入特征（主要是训练损失）来评估数据质量，导致噪声或冗余样本被错误分类。通过提出增加批次大小和纳入更丰…
-
Adata董事长：DRAM短缺将持续10年，AI泡沫论为时过早
Adata董事长陈立白预测，全球DRAM短缺将持续十年，直至2030年代。他认为目前关于AI泡沫的讨论为时过早，并建议此类担忧更可能在2040年或2050年出现。陈立白将持续短缺归因于多个行业和边缘设备的AI应用快速扩张，以及主要内存制造商在吸取了过往市场周期教训后谨慎的产能扩张。他还指出，中国制造商在半导体设备方面面临限制，进一步限制了供应。
-
CamVLA模型使机器人能够在无需重新校准的情况下适应新的摄像头角度
来自南洋理工大学和阿里巴巴集团的研究人员开发了CamVLA，一种新颖的视觉-语言-动作模型。该模型能够使机器人适应新的摄像头位置，而无需重新校准。CamVLA通过使用单个RGB图像来处理以前未见过的摄像头角度，从而简化了机器人的部署和操作。
-
电子蟑螂获得水下呼吸能力，用于灾难救援
研究人员开发出一种3D打印的电子蟑螂，能够进行长达三小时的水下导航。这项创新建立在先前对电子昆虫的研究基础上，增强了它们在灾难救援行动中的能力。经过改造的蟑螂配备了红外摄像头和一个特殊的“潜水服”，通过受控的氧气释放系统，使它们能够在水下呼吸。
-
ECCV 2026 的 MARS2 研讨会聚焦多模态视频推理
MARS2 研讨会，聚焦多模态推理和视频分析的“慢思考”，正在为 ECCV 2026 组织。该竞赛旨在解决广告和营销理解等现实世界应用。来自 MIT、剑桥和牛津等知名机构的研究人员参与其中，Tec-Do 和 Minimax 被列为组织者和赞助商。
-
新加坡外籍劳工工资纠纷暴露雇主权力失衡
新加坡近日有数百名外籍劳工因工资纠纷举行抗议，暴露了赋予雇主对其员工工作许可和就业保障巨大权力的系统性问题。虽然当局迅速响应，协助受影响的工人处理索赔和安排新工作，但专家指出，工作准证的雇主担保制度本身就使外籍劳工处于不利地位。涉事公司的董事目前正协助调查，其护照已被扣留。
-
人工智能热潮推高2003年DDR2内存价格 · 已追踪2个来源
2003年标准DDR2内存价格在第二季度飙升高达60%，预计第三季度将进一步上涨35-40%。此次短缺是由人工智能基础设施的高需求驱动的，这促使三星（Samsung）、SK海力士（SK hynix）和美光（Micron）等主要制造商优先生产高带宽内存（HBM）和服务器DRAM。因此，买家正在重新设计产品以使用更老的内存标准，导致包括DDR2、DDR3和DDR4在内的历代DRAM价格上涨。
-
研究：奖励模型在没有锚定情况下学习数据集的怪癖，而非价值观
来自新加坡国立大学（NUS）、VinUniversity 和南洋理工大学（NTU）的一项新研究调查了弱到强奖励模型，发现模型在训练数据集上的高表现并不能保证其泛化到新的、未见过数据的能力。研究人员确定了表示漂移（representation drift）为一个关键问题，并提出了一种名为表示锚定（Representation Anchoring）的解决方案来缓解它。他们的发现表明，使用像RAIL数据集这样多样化、以价值观为基础的基准对于…
-
新加坡成为美中公司中立的AI中心
新加坡正成为人工智能公司的中立中心，吸引了美国和中国的公司。OpenAI、Google DeepMind和Anthropic等主要AI公司已在该城邦建立或扩大业务，被其地缘政治中立性、监管清晰度和顶尖大学的强大人才库所吸引。腾讯等中国公司也在增加投资，利用新加坡作为全球扩张的战略基地，并应对国际业务要求。
-
OneRank 架构统一了推荐系统的多任务学习
研究人员推出了一种新颖的 Transformer 原生架构 OneRank，旨在统一推荐系统中的多任务学习。该框架通过在 Transformer 堆栈中集成特征编码和预测，解决了当前模型的局限性，从而减少了任务间的干扰并提高了可扩展性。在大规模工业数据集上的实验表明，OneRank 在排序效果上显著优于现有基线模型，同时保持了计算效率。
-
中国美妆品牌瞄准东南亚，寻求全球扩张
中国美妆品牌正日益将东南亚作为其主要的全球市场进行扩张，这得益于激烈的国内竞争以及该地区对中国产品日益增长的接受度。像 Joy Group（旗下拥有 Judydoll 和 Joocyee 品牌）这样的公司正在建立区域中心，并看到了显著的海外销售额，尤其是在越南。这一趋势得到了中国在研发方面的巨额投资以及政府提升文化影响力的推动，同时品牌也在通过讲故事和传承更好地进行市场营销。
-
3D AI 进展：物体关节、4D 动态与高效重建
3D 计算机视觉的最新研究正超越简单的形状重建，转向理解物体的关节、运动和高效处理。CVPR 2026 上发表的论文探讨了 AI 如何推断物体的可动部件及其功能，如 PARTICULATE 框架所示。此外，Velox 等新方法正在学习动态 4D 物体的紧凑表示，捕捉随时间变化的几何形状和外观。效率也是一个关键焦点，HeSS 等研究开发了优化 VGGT 等复杂模型的技术，以实现更快、更准确的 3D 重建。
-
NTU团队从单张图像生成可用于仿真的3D资产
新加坡南洋理工大学（NTU）的研究人员开发了 PhysX-Anything 系统，该系统能够从单张图像生成具有物理模拟能力的3D资产。这项进展超越了仅仅创建视觉上逼真的3D模型，而是能够生成具有准确结构组件、关节关系、材料属性和功能行为的资产。该系统旨在通过自动化从单个输入图像推断物理属性，来显著降低机器人训练、AR/VR应用和工业仿真创建3D资产的成本和精力。
-
新加坡工人党领导人 Pritam Singh 面临内部挑战
新加坡工人党领导人 Pritam Singh 正面临党内对其领导地位的挑战。25 名党内骨干成员已呼吁召开特别会议，罢免他作为总书记的职务，理由是违反了党章。这场内部冲突似乎源于代际分歧，据报道，老一辈党员对 Singh 的领导能力持怀疑态度，不如新一代的年轻专业人士。
-
VGGT-Edit 实现5秒3D场景编辑，速度提升120倍
来自北京大学、香港中文大学和上海人工智能实验室的研究人员开发了 VGGT-Edit，一个新颖的3D场景编辑框架。该系统直接在3D空间中操作，避免了基于2D的编辑方法的低效率，并实现了120倍的速度提升，大约在5秒内完成编辑。VGGT-Edit 利用残差场预测机制和深度同步文本注入，以确保多视图的语义一致性和稳定性，使3D场景操作更具交互性和精确性。
-
新 PRISM 框架纠正多模态大模型训练中的 SFT 缺陷
来自香港科技大学（广州）等机构的新研究揭示了多模态大语言模型（MLLMs）常见训练范式中的一个关键缺陷。监督微调（SFT）后进行强化学习（RL）的标准方法，可能会通过引入分布漂移而无意中损害模型性能，导致模型表面上模仿正确答案而非真正理解它们。这个问题在更强的模型中尤为突出，因为 SFT 可能会在 RL 开始之前就降低模型能力。提出的 PRISM 框架通过在 SFT 和 RL 之间插入一个分布对齐阶段来解决这个问题，使用一种新颖的混合…