Unmasking the Factual-Conceptual Gap in Persian Language Models
揭示波斯语言模型中的事实-概念鸿沟
机构 * EPFL（瑞士联邦理工学院） ； University of Isfahan（伊斯法罕大学） ； University of Oxford（牛津大学）
AI总结 本文通过DivanBench揭示波斯语言模型在文化常识推理上的不足，发现模型在处理迷信和习俗问题时存在严重偏差，且预训练并未提升推理能力。
高校专区
EPFL（洛桑联邦理工学院）
Generating Directed Graphs with Dual Attention and Asymmetric Encoding
生成具有双注意力和非对称编码的有向图
机构 * LTS4, EPFL, Lausanne, Switzerland（EPFL）
AI总结 本文提出Directo模型，通过双注意力和非对称编码生成有向图，解决了方向性依赖和标准化基准问题，展示了方法在多种设置中的有效性。
Comments Accepted as a conference paper at ICLR 2026
Journal ref International Conference on Learning Representations (ICLR) 2026
LayerSync: Self-aligning Intermediate Layers
LayerSync: 自对齐的中间层
机构 * Ecole Polytechnique Fédérale de Lausanne (EPFL)（联邦理工学院洛桑校区）
AI总结 LayerSync通过自对齐中间层提升扩散模型的生成质量和训练效率，适用于图像、音频、视频等多种领域。
Enhancing Multilingual LLM Pretraining with Model-Based Data Selection
通过基于模型的数据选择增强多语言大语言模型预训练
机构 * EPFL（苏黎世联邦理工学院）
AI总结 本文提出了一种基于模型的数据选择框架，通过提高多语言大语言模型预训练的效果，实现了在较少训练数据下达到基线分数并提升其他基准测试的表现。
Comments NeurIPS 2025 Track on Datasets and Benchmarks
