EPFL（洛桑联邦理工学院）

Efficient Federated Search for Retrieval-Augmented Generation using Lightweight Routing

高效联邦搜索用于检索增强生成：使用轻量级路由

Akash Dhasade, Rachid Guerraoui, Anne-Marie Kermarrec, Diana Petrescu, Rafael Pires, Mathis Randl, Martijn de Vos

机构 * EPFL（瑞士联邦理工学院洛桑分校） 纠错

AI总结 本文提出RAGRoute，一种轻量级路由机制，通过神经分类器动态选择相关数据源，减少通信开销和端到端延迟，同时保持检索质量，在三个基准测试中实现通信量减少80.65%和延迟减少52.50%。

Comments To appear in the proceedings of DAIS 2026 (Distributed Applications and Interoperable Systems). An earlier version appeared at EuroMLSys 2025

Deep Privacy Funnel Model: From a Discriminative to a Generative Approach with an Application to Face Recognition

深度隐私 funnel 模型：从判别到生成方法的转变及其在人脸识别中的应用

Behrooz Razeghi, Parsa Rahimi, Sébastien Marcel

机构 * Harvard University（哈佛大学） ； Idiap Research Institute（Idiap 研究所） ； École Polytechnique Fédérale de Lausanne (EPFL)（洛桑联邦理工学院） ； Université de Lausanne（洛桑大学） 纠错

AI总结 本文提出深度隐私 funnel 模型，结合信息论隐私原则与表征学习，改进人脸识别中的隐私保护与效用平衡，同时引入生成隐私 funnel 模型和深度变分隐私 funnel 模型，降低敏感信息泄露。

Towards Rapid Constitutive Model Discovery from Multi-Modal Data: Physics Augmented Finite Element Model Updating (paFEMU)

面向多模态数据的快速本构模型发现：物理增强有限元模型更新（paFEMU）

Jingye Tan, Govinda Anantha Padmanabha, Steven J. Yang, Nikolaos Bouklas

机构 * University of Southern California（南加州大学） ； Cornell University（康奈尔大学） ； Ecole Polytechnique Federale de Lausanne (EPFL)（洛桑联邦理工学院） ； Pasteur Labs 纠错

AI总结 本文提出paFEMU方法，结合AI本构建模、稀疏化可解释模型发现和基于有限元的伴随优化，利用多模态数据实现快速本构模型发现。