EPFL（洛桑联邦理工学院）

PolyFormer: learning efficient reformulations for scalable optimization under complex physical constraints

PolyFormer: 为在复杂物理约束下可扩展优化学习高效重述

Yilin Wen, Yi Guo, Bo Zhao, Wei Qi, Zechun Hu, Colin Jones, Jian Sun

机构 * School of Electrical and Electronic Engineering（电气电子工程学院） ； North China Electric Power University（华北电力大学） ； Department of Electrical Engineering（电气工程系） ； Tsinghua University（清华大学） ； School of Automation（自动化学院） ； Beijing Institute of Technology（北京理工大学） ； Department of Industrial Engineering（工业工程系） ； Laboratory for Systems and Control（系统与控制实验室） ； École Polytechnique Fédérale de Lausanne (EPFL)（瑞士联邦理工学院（EPFL）） 纠错

AI总结 PolyFormer通过将物理和几何知识转化为高效多边形重述，实现了在复杂约束下的高效优化，显著提升计算效率和内存利用率。

Comments Code availability: All the data and code are made openly available at https://github.com/wenyl16/PolyFormer

Mitigating Unintended Memorization with LoRA in Federated Learning for LLMs

在大语言模型联邦学习中使用LoRA缓解意外记忆

Thierry Bossy, Julien Vignoud, Tahseen Rabbani, Juan R. Troncoso Pastoriza, Martin Jaggi

机构 * Tune Insight SA ； EPFL（苏黎世联邦理工学院） ； Yale University（耶鲁大学） 纠错

AI总结 本文研究了在大语言模型联邦学习中使用LoRA技术有效降低模型对训练数据的记忆能力，并展示了其在不同领域和隐私保护技术中的应用效果。

Journal ref Published in Transactions on Machine Learning Research (02/2026)

QualiTeacher: Quality-Conditioned Pseudo-Labeling for Real-World Image Restoration

QualiTeacher: 基于质量条件的伪标签用于现实世界图像恢复

Fengyang Xiao, Jingjia Feng, Peng Hu, Dingming Zhang, Lei Xu, Guanyi Qin, Lu Li, Chunming He, Sina Farsiu

机构 * Duke University Tsinghua University \'Ecole Polytechnique F\'ed\'erale de Lausanne (EPFL) National University of Singapore Sun Yat - sen University or 纠错

AI总结 QualiTeacher通过条件化伪标签质量提升图像恢复质量，解决传统方法中伪标签质量与模型泛化能力的矛盾。

Comments 15 pages, 8 figures

Meta-RL Induces Exploration in Language Agents

元强化学习诱导语言智能体的探索

Yulun Jiang, Liangze Jiang, Damien Teney, Michael Moor, Maria Brbic

机构 * EPFL（苏黎世联邦理工学院） ； ETH Zurich（苏黎世联邦理工学院） ； Idiap Research Institute（Idiap研究机构） 纠错

AI总结 LaMer通过元强化学习框架提升语言智能体的探索能力，显著提高多任务性能并增强泛化能力。

Comments ICLR 2026

Gradient-based Nested Co-Design of Aerodynamic Shape and Control for Winged Robots

基于梯度的翼形与控制的嵌套协同设计

Daniele Affinita, Mingda Xu, Benoît Valentin Gherardi, Pascal Fua

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

AI总结 本文提出了一种基于梯度的嵌套协同设计框架，通过神经网络代理模型优化翼形与控制的协同设计，提升固定翼滑翔机在着陆和短距离着陆任务中的性能。

Scale Dependent Data Duplication

规模依赖的数据复制

Joshua Kazdan, Noam Levi, Rylan Schaeffer, Jessica Chudnovsky, Abhay Puri, Bo He, Mehmet Donmez, Sanmi Koyejo, David Donoho

机构 * Department of Statistics, Stanford University ； AI4Science, EPFL ； Department of Computer Science, Stanford University ； ServiceNow Research ； Department of XXX, University of YYY, Location, Country ； School of ZZZ, Institute of WWW, Location, Country ； École Polytechnique F\'ed\'erale de Lausanne (EPFL), CH-1015 Lausanne, Switzerland 纠错

AI总结 研究发现数据复制在不同规模下表现不同，模型能力提升导致语义相似性梯度一致，大规模下语义碰撞加速，提出明确的规模定律以提高预测准确性。

CDE: Concept-Driven Exploration for Reinforcement Learning

CDE：基于概念的强化学习探索

Le Mao, Andrew H. Liu, Renos Zabounidis, Yanan Niu, Zachary Kingston, Joseph Campbell

机构 * Department of Electrical and Computer Engineering, Purdue University（电子工程系，普渡大学） ； Department of Computer Science, Purdue University（计算机科学系，普渡大学） ； Robotics Institute, Carnegie Mellon University（机器人研究所，卡内基梅隆大学） ； Department of Management of Technology, EPFL（技术管理系，瑞士联邦理工学院） 纠错

AI总结 CDE通过利用预训练视觉-语言模型生成任务相关的视觉概念，提升强化学习中视觉任务的探索效率和鲁棒性。

Comments Preprint

Faster Gradient Methods for Highly-Smooth Stochastic Bilevel Optimization

更高效的梯度方法用于高光滑随机双层优化

Lesi Chen, Junru Li, El Mahdi Chayti, Jingzhao Zhang

机构 * Tsinghua University（清华大学） ； Shanghai Qizhi Institude（上海启智研究所） ； École Polytechnique Fédérale de Lausanne（瑞士联邦理工学院） 纠错

AI总结 本文提出F²SA-p方法，通过高阶有限差分提升随机双层优化的收敛速度，达到近最优的复杂度界。

Comments ICLR 2026; Add one additional author compared to v1

Empirical Asset Pricing via Ensemble Gaussian Process Regression

通过集成高斯过程回归进行实证资产定价

Damir Filipović, Puneet Pasricha

机构 * École Polytechnique Fédérale de Lausanne（瑞士联邦理工学院） ； Swiss Finance Institute（瑞士金融研究所） ； Indian Institute of Technology Ropar（印度理工学院罗帕尔分校） 纠错

AI总结 本文提出了一种基于高斯过程回归的集成学习方法，用于预测股票收益率，并在实证分析中展示了其在预测精度和夏普比率上的优越性。