新加坡 AI 研究月报（2026 年 7 月）
📅 2026-07 📖 OpenAlex + 站方筛选
研究月报 National University of Singapore Nanyang Technological University
AI 安全与评估
- · 【National University of Singapore】A Practical Guide to Interpretability Metrics for Chain of Thought Reasoning — 一份由 NUS 撰写的调查系统地组织了思维链可解释性指标这一零散的领域，直接解决 LLM 推理轨迹是否忠实而非仅仅看起来可信的问题。这是人工智能安全/评估领域的核心工作，涉及相信前沿推理模型的一个中心问题。（https://doi.org/10.5281/zenodo.21127002）
- · 【Nanyang Technological University】Are heterogeneous graph neural networks truly effective for node classification? A causal perspective — 这篇由南洋理工大学（NTU）牵头的论文使用因果推断来测试异构图神经网络在节点分类上报告的性能提升是否真实，或是被数据集工件混淆，这是一项注重严谨性的贡献，发表在备受尊敬的期刊《Knowledge-Based Systems》上。它代表了实质性的新加坡主导的AI方法论工作，而不是下游领域应用。（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 — 该论文来自新加坡社会科学大学，提出了设计科学参考架构和定量风险控制模型，用于在企业环境中治理代理型AI，涵盖可审计性、工具调用控制和人工升级。随着企业代理型AI采纳加速，该治理框架与新加坡的AI政策生态系统直接相关，虽然该论文仍为概念性预印本（Zenodo），未经实证验证。（https://doi.org/10.5281/zenodo.21264296）
LLMs 与智能体
- · 【Nanyang Technological University】Beyond Textual Repository Exploration: Dual-Modal Structural Reasoning for Agentic Issue Resolution — 南洋理工大学研究人员提出 DUALVIEW，这是一种双模态（文本+代码结构）推理方法，用于智能体自动解决 issue，可以解决编码智能体在导航大型代码仓库时的已知失效模式。它正处于当前 LLM 智能体研究快速发展的 agentic coding 领域核心。（https://openalex.org/W7167379738）
- · 【Singapore Management University】Knowledge-State Generative Agents for Pre Assessment Question Evaluation — 新加坡管理大学(SMU)研究人员构建并实证验证了基于大语言模型的生成型代理，这些代理模拟具有不同掌握水平的学生以评估评估问题的质量，并基于来自424名学生的真实数据进行了测试。该研究发表在顶级信息系统期刊上，展示了可信的应用型大语言模型-代理研究，具有明确的教育生态系统相关性。（https://openalex.org/W7164709949）
- · 【National University of Singapore】ChakapBot: A Generative AI-Powered Chatbot for the Revitalisation of Baba Malay — ChakapBot 由新加坡国立大学（NUS）开发，是一款生成式 AI 聊天机器人，基于社区策划的语料库进行训练，旨在支持濒危新加坡遗产语言巴巴马来语（Baba Malay）的复兴和文献记录，已在 26 名参与者的试点项目中进行验证。这是一个独特的、社会性基础的 LLM 应用，具有明确的生态系统和文化保护意义，超越了典型的商业用途。（https://doi.org/10.3390/languages11070145）
多模态与视觉
- · 【Nanyang Technological University】LongVQUBench: Benchmarking Long-Term Video Quality Understanding of Vision-Language Models — LongVQUBench 是 NTU 推出的一项重要新基准（1,200+ 个视频，1,500 个问答对），用于评估大型视觉语言模型的长期视频质量理解能力，填补了真实存在的空白，因为先前的基准只覆盖短视频片段。它直接测试前沿多模态模型在时序推理上的能力。（https://openalex.org/W7167289797）
- · 【National University of Singapore】NoPA: Non-Parametric Online 3D Scene Graph Generation — 由NUS主导的NoPA通过替换粗糙的单高斯对象近似，推进了实时3D场景图生成，既改进了速度，也提高了具身/机器人感知的几何保真度。这是对核心多模态感知问题的扎实技术贡献，具有实际的机器人相关性。（https://openalex.org/W7167290256）
科学与健康的人工智能
- · 【Nanyang Technological University】Reaction-aware molecular representation learning: Toward generalizable artificial intelligence for enzymatic catalysis — NTU研究人员推出了一个反应感知分子表征学习框架，旨在实现用于酶催化的可泛化AI，发表于《Acta Pharmaceutica Sinica B》。它针对的是AI-for-science领域的核心瓶颈——"化学反应的可转移表征"——而不是一个狭窄的、增量式的应用场景。（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是一个大规模多机构（A*STAR、NUS、NTU）资源，包含5,160个环肽的分子动力学衍生构象集合，明确为训练用于膜通透性预测的3D/4D深度学习模型而构建。这是一项基础数据集贡献，桥接了基于物理的模拟与AI驱动的药物发现，反映了新加坡在AI科学基础设施中日益增长的角色。（https://doi.org/10.5281/zenodo.21237441）
💬 总结： 新加坡七月论文揭示了一个战略转向——从前沿模型开发转向智能体AI系统和AI-科学基础设施，同时越来越强调治理、可解释性和严格的评估方法。该投资组合涵盖实时3D感知智能体、应用教育智能体、分子发现数据集和企业治理框架，将新加坡明确定位为既是可信度评估者，也是高风险领域AI部署基础设施的架构者。