EPFL（洛桑联邦理工学院）

Online Convex Optimization with Sublinear Noisy Probes

具有亚线性噪声探测的在线凸优化

Simone Di Gregorio, Anupam Gupta, Stefano Leonardi, Matteo Russo

机构 * Sapienza University of Rome（罗马大学） ； New York University（纽约大学） ； EPFL（瑞士联邦理工学院洛桑分校） 纠错

AI总结 研究在线凸优化中利用亚线性噪声成对探测降低遗憾，通过方差缩减和连续指数权重二阶分析获得紧界。

Comments Accepted at COLT '26

Journal ref Proceedings of Thirty Ninth Conference on Learning Theory (COLT 2026), PMLR 336:1938-1962, 2026

NEST3D: A High-Resolution Multimodal Dataset of Sociable Weaver Tree Nests

NEST3D：织布鸟树巢的高分辨率多模态数据集

Constanza A. Molina Catricheo, Simon Boeder, Ting-Jia Guo, Giacomo May, Clément Berthelot, Devis Tuia, Friedrich Fedor Reinhard, Fabio Remondino, Benjamin Risse

机构 * Institute for Geoinformatics (ifgi), University of Münster（明斯特大学地理信息学研究所） ； École Polytechnique Fédérale de Lausanne (EPFL)（洛桑联邦理工学院） ； Max Planck Institute of Animal Behavior（马克斯·普朗克动物行为研究所） ； University of Konstanz（康斯坦茨大学） ； Kuzikus Research Station（库兹库斯研究站） ； Fondazione Bruno Kessler (FBK)（布鲁诺·凯斯勒基金会） 纠错

AI总结 针对织布鸟巢缺乏精细3D结构数据的问题，提出包含104棵巢树、1.4TB多模态无人机数据集，并基准测试语义分割方法，PT-v3达86.35% mIoU。

Comments 14 pages, 4 figures. Dataset available at https://huggingface.co/NEST3D

MirrorCheck: Efficient Adversarial Defense for Vision-Language Models

MirrorCheck: 视觉-语言模型的高效对抗防御

Samar Fares, Klea Ziu, Toluwani Aremu, Nikita Durasov, Martin Takáč, Pascal Fua, Ivan Laptev, Karthik Nandakumar

机构 * Mohamed Bin Zayed University of Artificial Intelligence（莫扎伊德大学人工智能大学） ； NVIDIA ； École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院） ； Michigan State University（密歇根州立大学） 纠错

AI总结 提出MirrorCheck框架，利用文本到图像模型和随机化策略检测并防御针对视觉-语言模型的自适应对抗攻击。

Playing Devil's Advocate: Off-the-Shelf Persona Vectors Rival Targeted Steering for Sycophancy

扮演魔鬼的代言人：现成的人格向量在顺从性上与针对性引导相媲美

Ishaan Kelkar, Nebras Alam, Vikram Kakaria, Madhur Panwar, Vasu Sharma, Maheep Chaudhary

机构 * University of Toronto（多伦多大学） ； Princeton University（普林斯顿大学） ； Purdue University（普渡大学） ； EPFL（瑞士联邦理工学院） ； Algoverse ； Independent（独立） 纠错

AI总结 本文研究了不同人格对顺从性的影响，发现现成的人格引导向量在减少顺从性方面与针对性引导相当，且在用户正确时保持准确性。

Journal ref ICML, Pluralistic Alignment Workshop, 2026

Denoising Score Matching with Random Features: Insights on Diffusion Models from Precise Learning Curves

随机特征去噪分数匹配：从精确学习曲线看扩散模型

Anand Jerry George, Rodrigo Veiga, Nicolas Macris

机构 * École Polytechnique Fédérale de Lausanne (EPFL)（联邦理工学院洛桑校区） 纠错

AI总结 通过随机特征神经网络参数化分数函数，推导去噪分数匹配的渐近精确误差，揭示模型复杂度、数据量和噪声样本数对扩散模型泛化与记忆的影响。

Comments Published at AISTATS 2026