EPFL（洛桑联邦理工学院）

Are We Making Progress in Multimodal Domain Generalization? A Comprehensive Benchmark Study

我们是否在多模态领域泛化中取得进展？一个全面的基准研究

Hao Dong, Hongzhao Li, Shupan Li, Muhammad Haris Khan, Eleni Chatzi, Olga Fink

机构 * ETH Zürich（苏黎世联邦理工学院） ； Zhengzhou University（郑州大学） ； MBZUAI（马克斯·普朗克人工智能研究所） ； EPFL（苏黎世联邦理工学院） 纠错

AI总结 本文通过MMDG-Bench基准测试，评估了多模态领域泛化方法的有效性，发现现有方法在公平比较下进步有限，且存在领域和模态配置差异，揭示了领域泛化仍需进一步改进。

Comments Code: https://github.com/lihongzhao99/MMDG_Benchmark

Independent Learning of Nash Equilibria in Partially Observable Markov Potential Games with Decoupled Dynamics

在具有解耦动态的可部分观测马尔可夫势博弈中独立学习纳什均衡

Philip Jordan, Maryam Kamgarpour

机构 * SYCAMORE, EPFL（SYCAMORE，瑞士联邦理工学院） 纠错

AI总结 本文研究了在可部分观测马尔可夫博弈（POMG）中纳什均衡的学习问题，提出了一种独立学习算法，通过不通信的方式，使玩家在仅观察自身动作和观测的情况下，联合收敛到近似纳什均衡，从而实现高效的样本和计算复杂度。

Joint Consistency: A Unified Test-Time Aggregation Framework via Energy Minimization

联合一致性：通过能量最小化实现的统一测试时间聚合框架

Yunzhen Yao, Hongye Wang, Yahong Wang, Michael C. Gastpar, Bo Jiang, Lie He

机构 * EPFL（苏黎世联邦理工学院） ； SUFE（上海财经大学） 纠错

AI总结 本文提出联合一致性框架，通过能量最小化统一测试时间聚合，整合现有投票和加权聚合方法，利用LLM作为裁判进行交互矩阵构建，并在大规模测试中实现高效近似策略。

SwarmCoDe: A Scalable Co-Design Framework for Heterogeneous Robot Swarms via Dynamic Speciation

SwarmCoDe：一种通过动态种群划分实现异构机器人群规模化协同设计的框架

Andrew Wilhelm, Josie Hughes

机构 * Department of Mechanical Engineering, École Polytechnique Fédérale de Lausanne（瑞士联邦理工学院洛桑分校机械工程系） 纠错

AI总结 本文提出SwarmCoDe框架，通过动态种群划分自动扩展机器人群异质性以匹配任务复杂度，实现大规模异构机器人群的协同设计优化。

Comments 8 pages, 9 figures

Graph Learning Is Suboptimal in Causal Bandits

图学习在因果老虎机中是次优的

Mohammad Shahverdikondori, Jalal Etesami, Negar Kiyavash

机构 * College of Management of Technology, EPFL（EPFL技术管理学院） ； Department of Computer Science, TU Munich（慕尼黑技术大学计算机科学系） 纠错

AI总结 本文研究了在因果充分性条件下因果老虎机的 regrets 最小化问题，发现学习父集并非最优策略，并提出无需图学习的近优算法。

Comments 32 pages, accepted at AISTATS 2026

Time series saliency maps: explaining models across multiple domains

时间序列显著图：跨多个领域的模型解释

Christodoulos Kechris, Jonathan Dan, David Atienza

机构 * EPFL（苏黎世联邦理工学院） 纠错

AI总结 本文提出跨域集成梯度方法，用于时间序列模型的跨领域解释，通过复杂域扩展实现频率基属性分配，在三个真实任务中展示了可解释的领域特定属性。