EPFL（洛桑联邦理工学院）

Deep Learning as Neural Low-Degree Filtering: A Spectral Theory of Hierarchical Feature Learning

深度学习作为神经低阶过滤：层次特征学习的谱理论

Yatin Dandi, Matteo Vilucchio, Luca Arnaboldi, Hugo Tabanelli, Florent Krzakala

机构 * Information Learning and Physics Laboratory, École Polytechnique Fédérale de Lausanne (EPFL)（信息学习与物理实验室，瑞士联邦理工学院（EPFL）） ； Statistical Physics of Computation Laboratory, École Polytechnique Fédérale de Lausanne (EPFL)（计算统计物理实验室，瑞士联邦理工学院（EPFL）） 纠错

AI总结 本文提出神经低阶过滤理论，揭示深度学习中层次特征学习的谱机制，通过低阶相关性选择方向，构建新特征，并通过实验验证其有效性。

Comments 62 pages, many figures, companion codes in https://github.com/IdePHICS/Neural-LoFi-Theory

Efficient distributional regression trees learning algorithms for calibrated non-parametric probabilistic forecasts

高效分布回归树学习算法用于校准的非参数概率预测

Quentin Duchemin, Guillaume Obozinski

机构 * Swiss Data Science Center（瑞士数据科学中心） ； EPFL（瑞士联邦理工学院） ； ETH Zürich（苏黎世联邦理工学院） 纠错

AI总结 本文提出高效算法用于校准非参数概率预测，通过min-max堆等数据结构提升计算效率，展示其在WIS和CRPS损失函数下的竞争力，并利用树结构实现可解释的群体条件覆盖保障。

Tracing Persona Vectors Through LLM Pretraining

通过LLM预训练追溯人格向量

Viktor Moskvoretskii, Dominik Glandorf, Jorge Medina Moreira, Tanja Käser, Robert West

机构 * EPFL（苏黎世联邦理工学院） 纠错

AI总结 研究LLM预训练中人格向量的形成机制，发现其在早期阶段就形成并持续优化，为模型安全性和可控性提供新视角。

Comments Preprint

Color Constancy in Hyperspectral Imaging via Reduced Spectral Spaces

通过降维光谱空间实现超光谱成像的色恒性

G. Dofri Vidarsson, Liying Lu, Sabine Süsstrunk

机构 * \'Ecole Polytechnique F\'ed\'erale de Lausanne (EPFL), Lausanne, Switzerland 纠错

AI总结 本文研究了超光谱数据中光谱维度和表示选择对光照估计的影响，采用Color-by-Correlation框架，探讨了如何高效利用超光谱信息提升光照估计性能。

Calibration-Free Gas Source Localization with Mobile Robots: Source Term Estimation Based on Concentration Measurement Ranking

无需校准的移动机器人气体源定位：基于浓度测量排名的源项估计

Wanting Jin, Agatha Duranceau, İzzet Kağan Erünsal, Alcherio Martinoli

机构 * Distributed Intelligent Systems and Algorithms Laboratory, School of Architecture, Civil and Environmental Engineering, École Polytechnique Fédérale de Lausanne (EPFL)（分布式智能系统与算法实验室，建筑、 civil 和环境工程学院，洛桑联邦理工学院（EPFL）） 纠错

AI总结 本文提出一种无需校准的气体源定位方法，通过分析移动机器人收集的浓度测量排名差异，估计源位置的概率分布，适用于真实环境。

Comments This paper has been accepted for publication in the IEEE International Conference on Robotics and Automation (ICRA), 2026

Loopholing Discrete Diffusion: Deterministic Bypass of the Sampling Wall

突破离散扩散：确定性绕过采样壁垒

Mingyu Jo, Jaesik Yoon, Justin Deschenaux, Caglar Gulcehre, Sungjin Ahn

机构 * KAIST（韩国科学技术院） ； EPFL（苏黎世联邦理工学院） ； Microsoft（微软） ； SAP ； NYU（纽约大学） 纠错

AI总结 本文提出Loopholing机制，通过确定性潜在路径解决离散扩散模型采样瓶颈问题，显著降低生成困惑度，提升文本连贯性，并在推理任务中表现优异。

Comments Accepted at ICLR 2026