EPFL（洛桑联邦理工学院）

Framing Migration News with LLMs: Structured CoT as a Support for Human Interpretation

使用LLM构建移民新闻框架：结构化思维链作为人类解释的支持

David Alonso del Barrio, Jing Wen, Daniel Gatica-Perez

机构 * Idiap Research Institute（日内瓦研究所） ； University of Geneva（日内瓦大学） ； EPFL（瑞士联邦理工学院） 纠错

AI总结 本研究提出结构化思维链（SCoT）提示方法，利用本地可部署的开源LLM（Llama3-8B）辅助移民新闻的框架分析，在单GPU上提升分类性能，并通过人类评估验证其逻辑性和对解释的影响。

Balancing Symmetry and Efficiency in Graph Flow Matching

平衡图流匹配中的对称性与效率

Benjamin Honoré, Alba Carballo-Castro, Yiming Qin, Pascal Frossard

机构 * LTS4, EPFL, Lausanne, Switzerland（LTS4，瑞士洛桑联邦理工学院，拉夫斯堡） 纠错

AI总结 通过可控对称调制方案，研究图生成模型中严格等变性带来的计算成本与收敛速度之间的权衡，发现适当调节对称性可在加速收敛的同时避免过拟合。

Comments 15 pages, 11 figures

Enhanced Renewable Energy Forecasting using Context-Aware Conformal Prediction

基于上下文感知保形预测的增强型可再生能源预测

Alireza Moradi, Mathieu Tanneau, Reza Zandehshahvar, Pascal Van Hentenryck

机构 * EPFL, Switzerland（瑞士联邦理工学院） ； Ghent University, Belgium（比利时根特大学） 纠错

AI总结 提出上下文感知保形预测（CACP）框架，通过加权历史观测校准预测区间，无需重新训练模型，提升可再生能源预测的可靠性和效率。

Alignment-Aware Decoding

对齐感知解码

Frédéric Berdoz, Luca A. Lanzendörfer, René Caky, Roger Wattenhofer

机构 * EPFL, Switzerland（瑞士联邦理工学院） 纠错

AI总结 提出一种推理时增强模型对齐的方法——对齐感知解码（AAD），可解释为隐式奖励优化，无需额外训练，在多种基准和模型规模上优于强基线，并能生成合成数据改善数据受限场景下的对齐。

Comments Accepted at ICML 2026