新加坡 AI 研究月報（2026 年 7 月）
📅 2026-07 📖 OpenAlex + 站方篩選
研究月報 National University of Singapore Nanyang Technological University
AI 安全與評估
- · 【National University of Singapore】A Practical Guide to Interpretability Metrics for Chain of Thought Reasoning — 一份由 NUS 撰寫的調查系統地組織了思維鏈可解釋性指標這一零散的領域，直接解決 LLM 推理軌跡是否忠實而非僅僅看起來可信的問題。這是人工智慧安全/評估領域的核心工作，涉及相信前沿推理模型的一箇中心問題。（https://doi.org/10.5281/zenodo.21127002）
- · 【Nanyang Technological University】Are heterogeneous graph neural networks truly effective for node classification? A causal perspective — 這篇由南洋理工大學（NTU）牽頭的論文使用因果推斷來測試異構圖神經網路在節點分類上報告的效能提升是否真實，或是被資料集工件混淆，這是一項注重嚴謹性的貢獻，發表在備受尊敬的期刊《Knowledge-Based Systems》上。它代表了實質性的新加坡主導的AI方法論工作，而不是下游領域應用。（https://doi.org/10.1016/j.knosys.2026.116595）
- · 【Singapore University of Social Sciences】Governance-Aware Agentic AI for Enterprise Engineering Systems: A Design-Science Reference Architecture and Quantitative Risk-Control Model — 該論文來自新加坡社會科學大學，提出了設計科學參考架構和定量風險控制模型，用於在企業環境中治理代理型AI，涵蓋可審計性、工具呼叫控制和人工升級。隨著企業代理型AI採納加速，該治理框架與新加坡的AI政策生態系統直接相關，雖然該論文仍為概念性預印本（Zenodo），未經實證驗證。（https://doi.org/10.5281/zenodo.21264296）
LLMs 與智慧體
- · 【Nanyang Technological University】Beyond Textual Repository Exploration: Dual-Modal Structural Reasoning for Agentic Issue Resolution — 南洋理工大學研究人員提出 DUALVIEW，這是一種雙模態（文本+程式碼結構）推理方法，用於智慧體自動解決 issue，可以解決編碼智慧體在導航大型程式碼倉庫時的已知失效模式。它正處於當前 LLM 智慧體研究快速發展的 agentic coding 領域核心。（https://openalex.org/W7167379738）
- · 【Singapore Management University】Knowledge-State Generative Agents for Pre Assessment Question Evaluation — 新加坡管理大學(SMU)研究人員構建並實證驗證了基於大語言模型的生成型代理，這些代理模擬具有不同掌握水平的學生以評估評估問題的質量，並基於來自424名學生的真實資料進行了測試。該研究發表在頂級資訊系統期刊上，展示了可信的應用型大語言模型-代理研究，具有明確的教育生態系統相關性。（https://openalex.org/W7164709949）
- · 【National University of Singapore】ChakapBot: A Generative AI-Powered Chatbot for the Revitalisation of Baba Malay — ChakapBot 由新加坡國立大學（NUS）開發，是一款生成式 AI 聊天機器人，基於社群策劃的語料庫進行訓練，旨在支援瀕危新加坡遺產語言巴巴馬來語（Baba Malay）的復興和文獻記錄，已在 26 名參與者的試點專案中進行驗證。這是一個獨特的、社會性基礎的 LLM 應用，具有明確的生態系統和文化保護意義，超越了典型的商業用途。（https://doi.org/10.3390/languages11070145）
多模態與視覺
- · 【Nanyang Technological University】LongVQUBench: Benchmarking Long-Term Video Quality Understanding of Vision-Language Models — LongVQUBench 是 NTU 推出的一項重要新基準（1,200+ 個影片，1,500 個問答對），用於評估大型視覺語言模型的長期影片質量理解能力，填補了真實存在的空白，因為先前的基準只覆蓋短影片片段。它直接測試前沿多模態模型在時序推理上的能力。（https://openalex.org/W7167289797）
- · 【National University of Singapore】NoPA: Non-Parametric Online 3D Scene Graph Generation — 由NUS主導的NoPA通過替換粗糙的單高斯物件近似，推進了即時3D場景圖生成，既改進了速度，也提高了具身/機器人感知的幾何保真度。這是對核心多模態感知問題的紮實技術貢獻，具有實際的機器人相關性。（https://openalex.org/W7167290256）
科學與健康的人工智慧
- · 【Nanyang Technological University】Reaction-aware molecular representation learning: Toward generalizable artificial intelligence for enzymatic catalysis — NTU研究人員推出了一個反應感知分子表徵學習框架，旨在實現用於酶催化的可泛化AI，發表於《Acta Pharmaceutica Sinica B》。它針對的是AI-for-science領域的核心瓶頸——"化學反應的可轉移表徵"——而不是一個狹窄的、增量式的應用場景。（https://doi.org/10.1016/j.apsb.2026.06.033）
- · 【Agency for Science, Technology and Research】CycPeptMPDB-4D: Multi-Solvent Conformational Ensembles for Predicting Cyclic Peptide Permeability — CycPeptMPDB-4D是一個大規模多機構（A*STAR、NUS、NTU）資源，包含5,160個環肽的分子動力學衍生構象集合，明確為訓練用於膜通透性預測的3D/4D深度學習模型而構建。這是一項基礎資料集貢獻，橋接了基於物理的模擬與AI驅動的藥物發現，反映了新加坡在AI科學基礎設施中日益增長的角色。（https://doi.org/10.5281/zenodo.21237441）
💬 總結： 新加坡七月論文揭示了一個戰略轉向——從前沿模型開發轉向智慧體AI系統和AI-科學基礎設施，同時越來越強調治理、可解釋性和嚴格的評估方法。該投資組合涵蓋即時3D感知智慧體、應用教育智慧體、分子發現數據集和企業治理框架，將新加坡明確定位為既是可信度評估者，也是高風險領域AI部署基礎設施的架構者。