EPFL（洛桑联邦理工学院）

Do LLMs Game Formalization? Evaluating Faithfulness in Logical Reasoning

大语言模型是否在形式化中作弊？评估逻辑推理中的忠实性

Kyuhee Kim, Auguste Poiroux, Antoine Bosselut

机构 * EPFL（苏黎世联邦理工学院） 纠错

AI总结 本文评估了大语言模型在逻辑推理中的忠实性，发现统一生成方法在形式化过程中未表现出系统性作弊行为，但两种阶段流程揭示了两种不同的不忠实性模式。

Comments 25 pages, 4 figures, 22 tables. Published at the VerifAI-2 Workshop, ICLR 2026 (non-archival). Code and data: https://github.com/koreankiwi99/formalization-gaming

FairTree: Subgroup Fairness Auditing of Machine Learning Models with Bias-Variance Decomposition

FairTree: 机器学习模型子组公平性审计的偏差-方差分解

Rudolf Debelak

机构 * University of Zurich（苏黎世大学） ； EPFL（瑞士联邦理工学院） 纠错

AI总结 本文提出FairTree算法，通过偏差-方差分解实现对机器学习模型子组公平性的审计，支持连续、分类和有序特征，且无需离散化。通过模拟研究验证了其在公平性评估中的有效性。

Comments Accepted at ACM FAccT 2026

Latent Linear Quadratic Regulator for Robotic Control Tasks

隐式线性二次调节器用于机器人控制任务

Yuan Zhang, Shaohui Yang, Toshiyuki Ohtsuka, Colin Jones, Joschka Boedecker

机构 * University of Freiburg（弗赖堡大学） ； EPFL（苏黎世联邦理工学院） ； Kyoto University（京都大学） 纠错

AI总结 本文提出隐式线性二次调节器（LaLQR），通过将状态空间映射到隐空间，使动态模型线性化并使成本函数二次化，从而高效应用LQR。实验表明其在效率和泛化能力上优于其他基线方法。

Comments Accepted at L4DC 2026

Thrust Regulation Through Wing Linkage Modulation on the Aerobat Platform: Piezoelectric Slip-Stick Actuated Regulator Development

通过翼链接调节实现推力调节：Aerobat平台上的压电滑stick执行器开发

Luca Ciampaglia

机构 * SiliconSynapse Lab（硅芯合成实验室） ； École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院） 纠错

AI总结 本文研究了通过调节计算结构中第一半径链接的有效长度来实现推力调节，开发了压电滑stick执行器以实现独立翼推力控制。

Evaluating Answer Leakage Robustness of LLM Tutors against Adversarial Student Attacks

评估LLM导师对对抗性学生攻击的答案泄露鲁棒性

Jin Zhao, Marta Knežević, Tanja Käser

机构 * EPFL（瑞士联邦理工学院） 纠错

AI总结 本文研究了学生对抗性攻击下LLM导师的答案泄露鲁棒性，评估了多种模型在对抗攻击下的表现，并提出标准化基准和防御策略。

Comments ACL 2026