The Generalized Turing Test: A Foundation for Comparing Intelligence
通用图灵测试：比较智能的基础
机构 * MIT（麻省理工学院） ； ETH Zurich（苏黎世联邦理工学院） ； EPFL（苏黎世联邦理工学院）
AI总结 本文提出通用图灵测试框架，通过不可区分性比较任意智能体的能力，研究其性质并实证分析现代模型的智能层次。
高校专区
EPFL（洛桑联邦理工学院）
A Random-Matrix Criterion for Initializing Gated Recurrent Neural Networks
门控循环神经网络初始化的随机矩阵准则
机构 * Institute of Mathematics, EPFL, 1015 Lausanne, Switzerland（瑞士洛桑联邦理工学院数学研究所）
AI总结 本文提出一种随机矩阵准则，用于估计门控循环神经网络初始化的临界值，以优化混沌预测任务的性能。
Comments 10 pages, 5 figures, 2 appendices
GenMed: A Pairwise Generative Reformulation of Medical Diagnostic Tasks
GenMed：医学诊断任务的成对生成性重述
机构 * CVLab, École Polytechnique Fédérale de Lausanne (EPFL)（瑞士联邦理工学院（EPFL）计算机视觉实验室） ； Fudan University（复旦大学） ； Beihang University（北航大学） ； ELLIS Institute Finland（芬兰ELLIS研究所） ； Aalto University（艾尔沃斯大学） ； The Hong Kong Polytechnic University（香港理工大学）
AI总结 本文提出一种生成性方法，通过扩散模型建模联合分布P(X,Y)，在推理时优化输出，支持任意观测组合，实验显示在医学图像分割、少样本分割、退化输入分割、形状补全和零样本应用中表现优异。
Reducing Prompt Sensitivity in LLM-based Speech Recognition Through Learnable Projection
通过可学习投影减少基于LLM的语音识别中的提示敏感性
机构 * Idiap Research Institute（Idiap研究 institute） ； EPFL（苏黎世联邦理工学院） ； Uniphore（Uniphore公司） ； University of Zurich（苏黎世大学） ； Brno University of Technology（布拉格技术大学）
AI总结 本文提出一种可学习的提示投影模块，通过优化LLM输入空间提升语音识别性能，减少提示设计的不稳定性。
Comments Paper accepted at ICASSP 2026
Bayesian Optimization with Structured Measurements: A Vector-Valued RKHS Framework
基于结构化测量的贝叶斯优化：一种向量值RKHS框架
机构 * Automatic Control Laboratory, EPFL（瑞士联邦理工学院自动控制实验室）
AI总结 本文提出一种基于向量值RKHS框架的贝叶斯优化方法，利用结构化测量信息提升样本效率，通过UCB算法实现子线性收敛率。
WindINR: Latent-State INR for Fast Local Wind Query and Correction in Complex Terrain
WindINR: 隐式神经表示的潜在状态用于复杂地形中快速局部风查询与修正
机构 * Tsinghua University（清华大学） ； MBZUAI ； Columbia University（哥伦比亚大学） ； EPFL（苏黎世联邦理工学院） ； The Arctic University of Norway（挪威北极大学）
AI总结 WindINR通过隐式神经表示框架实现复杂地形中高分辨率局部风查询和稀疏观测修正，利用潜在状态解码器提升查询效率，实现快速修正和高精度风力预测。
LLM-Augmented Chemical Synthesis and Design Decision Programs
基于大语言模型的化学合成与设计决策程序
机构 * École Polytechnique Fédérale de Lausanne (EPFL)（瑞士联邦理工学院洛桑校区） ； National Centre of Competence in Research (NCCR) Catalysis（催化领域竞争力研究国立中心） ； Harvard University（哈佛大学） ； Cornell University（康奈尔大学）
AI总结 本文提出利用大语言模型增强的 retrosynthesis 规划方法，通过高效编码反应路径和新的路线搜索策略，提升多步合成规划与可合成分子设计能力。
Comments ICML 2025
Select-then-differentiate: Solving Bilevel Optimization with Manifold Lower-level Solution Sets
选择后再求导：解决具有流形下层解集的双层优化问题
机构 * EPFL School of Management of Technology（EPFL管理学院） ； ETH Department of Computer Science（ETH计算机科学系）
AI总结 本文研究了下层问题具有非孤立流形极小解时的乐观双层优化，提出HG-MS方法结合显式乐观选择和高效的伪逆超梯度计算，证明其在流形内在维度内收敛，并在实际应用中取得最佳成绩。
Projection-Free Functional Constrained Optimization for Risk Aversion and Sparsity Control
无投影函数约束优化用于风险规避和稀疏性控制
机构 * H. Milton Stewart School of Industrial and Systems Engineering, Georgia Institute of Technology（赫尔曼·米利顿·斯图尔特工业与系统工程学院，佐治亚理工学院） ； College of Management of Technology, EPFL（技术管理学院，苏黎世联邦理工学院）
AI总结 本文提出无投影方法解决函数约束优化问题，针对凸和非凸目标，提出LCG和IPP-LCG方法，展示了迭代复杂度并验证了在投资组合选择和IMRT中的稀疏性与风险平衡。
