EPFL（洛桑联邦理工学院）

Less is More: Convergence Benefits of Fewer Data Weight Updates over Longer Horizon

少即是多：更少数据权重更新在更长地平线上的收敛优势

Rudrajit Das, Neel Patel, Meisam Razaviyayn, Vahab Mirrokni

机构 * Google Research（谷歌研究） ； EPFL（瑞士联邦理工学院） ； University of Southern California（南加州大学） 纠错

AI总结 本文研究了数据混合中有限内更新步骤数对收敛的影响，证明了贪心方法在简单二次示例中可能失效，并推导了最优步骤数与参数更新预算的关系。

Knowledge-aware Visual Question Generation for Remote Sensing Images

面向遥感图像的知识感知视觉问题生成

Siran Li, Li Mi, Javiera Castillo-Navarro, Devis Tuia

机构 * EPFL Switzerland（瑞士联邦理工学院） 纠错

AI总结 本文提出KRSVQG模型，通过结合外部知识生成更丰富、基于图像和领域知识的问题，提升遥感图像问答系统的性能。

Buy versus Build an LLM: A Decision Framework for Governments

买还是建一个大语言模型：政府的决策框架

Jiahao Lu, Ziwei Xu, William Tjhi, Junnan Li, Antoine Bosselut, Pang Wei Koh, Mohan Kankanhalli

机构 * National University of Singapore（新加坡国立大学） ； AI Singapore（AI新加坡） ； Salesforce AI Research（Salesforce AI研究） ； EPFL（苏黎世联邦理工学院） ； University of Washington（华盛顿大学） ； Allen Institute for AI（人工智能研究院） 纠错

AI总结 本文提出政府在大语言模型决策中应考虑主权、安全、成本等因素的框架，帮助确定购买或建设更适合其需求的方法。

Comments The short version of this document is published as an ACM TechBrief at https://dl.acm.org/doi/epdf/10.1145/3797946, and this document is published as an ACM Technology Policy Council white paper at https://www.acm.org/binaries/content/assets/public-policy/buildvsbuyai.pdf

Flower: A Flow-Matching Solver for Inverse Problems

Flower：一种用于反问题的流匹配求解器

Mehrsa Pourya, Bassam El Rawas, Michael Unser

机构 * Biomedical Imaging Group, EPFL（瑞士洛桑联邦理工学院生物医学成像组） 纠错

AI总结 Flower通过流匹配方法在反问题中实现高质量重建，结合理论分析与实践验证，统一了多种求解方法。

Optimal Local Convergence Rates of Stochastic First-Order Methods under Local $α$-PL

随机一阶方法在局部α-PL条件下的最优局部收敛速率

Saeed Masiha, Saber Salehkaleybar, Niao He, Negar Kiyavash, Patrick Thiran

机构 * EPFL School of Management of Technology（苏黎世联邦理工学院管理技术学院） ； Leiden University Computer Science institute (LIACS)（莱顿大学计算机科学研究所） ； ETH Department of Computer Science（苏黎世联邦理工学院计算机科学系） ； EPFL Department of Computer and Communications Sciences（苏黎世联邦理工学院计算机与通信科学系） 纠错

AI总结 本文研究了在局部α-PL条件下，随机一阶方法的最优局部收敛速率，得出了下界和上界均为O(ε^{-2/α})的结果。

Fairness-Aware Partial-label Domain Adaptation for Voice Classification of Parkinson's and ALS

面向语音分类的公平性意识部分标签领域适应

Arianna Francesconi, Zhixiang Dai, Arthur Stefano Moscheni, Himesh Morgan Perera Kanattage, Donato Cappetta, Fabio Rebecchi, Paolo Soda, Valerio Guarrasi, Rosa Sicilia, Mary-Anne Hartley

机构 * organization= School of Computer ； Communication Sciences, EPFL (\'Ecole polytechnique f\'ed\'erale de Lausanne) , city= Lausanne , country= Switzerland ； organization= Eustema S.p.A., Research ； Development Centre , city= Naples , country= Italy ； organization= UniCamillus-Saint Camillus International University of Health Sciences , city= Rome , country= Italy ； organization= Department of Diagnostics ； Intervention, Radiation Physics, Biomedical Engineering, Umeå University , city= Umeå , country= Sweden 纠错

AI总结 本文提出了一种融合域泛化和对抗对齐的框架，用于在部分标签不匹配和公平性约束下实现帕金森病和肌萎缩侧索硬化症的统一语音分类。

Comments 7 pages, 1 figure. Submitted to Pattern Recognition Letters

HeurekaBench: A Benchmarking Framework for AI Co-scientist

HeurekaBench: 一个用于AI合作者的基准评估框架

Siba Smarak Panigrahi, Jovana Videnović, Maria Brbić

机构 * École Polytechnique Fédérale de Lausanne (EPFL)（瑞士联邦理工学院（EPFL）） 纠错

AI总结 HeurekaBench通过创建基于真实科学流程的基准，为评估AI合作者提供了一种方法，通过半自动流程生成探索性问题，并展示了批评模块对提升代理性能的效果。

Comments 33 pages, 5 figures, 7 tables. Code available at https://github.com/mlbio-epfl/HeurekaBench. Accepted to ICLR 2026