EPFL（洛桑联邦理工学院）

Quantifying the Agreement Between Data-Influence and Data-Similarity to Understand LLM Behavior

量化数据影响与数据相似性之间的一致性以理解LLM行为

Christopher J. Anders, Henrique Da Silva Gameiro, Nico Daheim, Mohammad Emtiyaz Khan

机构 * RIKEN Center for Advanced Intelligence Project, Tokyo, Japan（日本东京理化学研究所先进智能项目中心） ； Section of Computer Science, EPFL Lausanne, Switzerland（瑞士洛桑联邦理工学院计算机科学系） ； Ubiquitous Knowledge Processing Lab (UKP Lab), Department of Computer Science, Technical University of Darmstadt（达姆施塔特工业大学计算机科学系泛在知识处理实验室） ； National Research Center for Applied Cybersecurity ATHENE, Germany（德国国家应用网络安全研究中心ATHENE） ； TU Darmstadt & Hessian Center for AI (hessian.AI), Darmstadt, Germany（达姆施塔特工业大学与黑森州人工智能中心） 纠错

AI总结 通过排序重叠量化数据相似性与数据影响在输出追踪中的一致性和不对称性，并利用不对称性实现成本-精度权衡。

Comments 37 pages, 35 figures, preprint

Rethinking Object-Centric Representations for Video Dynamics Modeling

重新思考面向对象的视频动态建模表示

Amaury Wei, Ismail Nejjar, Olga Fink

机构 * Intelligent Maintenance and Operation Systems (IMOS) École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院智能维护与操作系统实验室（IMOS）） 纠错

AI总结 提出STAITUS框架，通过解耦每个槽为外观和几何位姿，在运动、遮挡等场景下实现更清晰的分割和更稳定的身份保持。

Comments 17 pages, 6 figures

Scene-agnostic ALS boresight self-calibration

场景无关的ALS视准轴自标定

Aurélien Brun, Jan Skaloud

机构 * EPFL ENAC ESO, Bâtiment GC - Station 18, 1015 Lausanne, Switzerland（瑞士洛桑联邦理工学院环境、建筑与土木工程学院地理信息与遥感实验室） 纠错

AI总结 提出两种基于点对点对应关系的ALS视准轴自标定方法，无需平面约束，可在常规测绘任务中实现标定。

Physics-Informed Eikonal Caging for Whole-Arm Manipulation Planning

基于物理信息的Eikonal笼形约束的全臂操作规划

Yan Zhang, Yiming Li, Yifei Dong, Florian T. Pokorny, Sylvain Calinon

机构 * Idiap Research Institute（Idiap 研究所） ； École Polytechnique Fédérale de Lausanne (EPFL)（洛桑联邦理工学院） ； KTH Royal Institute of Technology（瑞典皇家理工学院） 纠错

AI总结 提出将笼形约束重新表述为最小时间逃逸问题，利用物理信息神经网络近似满足Eikonal方程的逃逸时间场，实现全臂操作规划中的鲁棒性提升。

Comments Under review

WildBox: A Dataset and Benchmark for Aerial Monocular 3D Detection of African Savanna Wildlife

WildBox: 非洲稀树草原野生动物航拍单目3D检测数据集与基准

Vandita Shukla, Kilian Meier, Lucie Laporte-Devylder, Camille Rondeau Saint-Jean, Jenna M. Kline, Blair R. Costelloe, Devis Tuia, Fabio Remondino, Benjamin Risse

机构 * D Optical Metrology Unit, Fondazione Bruno Kessler（布鲁诺·凯斯勒基金会3D光学计量部） ； Computer Vision and Machine Learning Systems group, Institute for Geoinformatics, University of Muenster（明斯特大学地理信息学研究所计算机视觉与机器学习系统组） ； School of Civil, Aerospace and Design Engineering, University of Bristol（布里斯托大学土木、航空航天与设计工程学院） ； Department of Biology, University of Southern Denmark（南丹麦大学生物学系） ； The Ohio State University（俄亥俄州立大学） ； Department of Collective Behavior, Max Planck Institute of Animal Behavior（马克斯·普朗克动物行为研究所集体行为系） ； University of Konstanz（康斯坦茨大学） ； Centre for the Advanced Study of Collective Behaviour, University of Konstanz（康斯坦茨大学集体行为高级研究中心） ； Department of Biology, University of Konstanz（康斯坦茨大学生物学系） ； Environmental Computational Science and Earth Observation Laboratory, EPFL（瑞士联邦理工学院环境计算科学与地球观测实验室） 纠错

AI总结 提出WildBox数据集，含23.7万3D框标注，评估两种开放词汇单目3D架构，发现零样本3D检测失败，微调后恢复性能，深度估计是主要瓶颈。

NASDAQ: Normalized Observation Space Dynamics-Augmented Q-Learning

NASDAQ：归一化观测空间动力学增强Q学习

Xinwei Liu, Junyuan Liang, Zicong Hong, Jianting Zhang, Wuhui Chen

机构 * Sun Yat-sen University（中山大学） ； EPFL（瑞士联邦理工学院洛桑分校） ； Purdue University（普渡大学） 纠错

AI总结 针对观测预测强化学习中低维观测维度不平衡导致性能下降的问题，提出归一化方法平衡损失和梯度，并构建NASDAQ框架，结合价值学习与两个辅助任务，在多个领域取得领先性能且训练时间更短。

SciR: A Controllable Benchmark for Scientific Reasoning in LLMs

SciR: 面向LLM科学推理的可控基准

Pierre Beckmann, Marco Valentino, Andre Freitas

机构 * Idiap Research Institute（Idiap研究 institute） ； EPFL（瑞士联邦理工学院） ； School of Computer Science, University of Sheffield（谢菲尔德大学计算机科学学院） ； University of Manchester（曼彻斯特大学） ； National Biomarker Centre, CRUK Manchester Institute（国家生物标志物中心，CRUK曼彻斯特研究所） 纠错

AI总结 提出SciR基准，通过形式对象生成可验证的多范式科学推理任务，并控制信息提取和推理难度两个维度，揭示LLM在科学推理中的弱点。

Beyond Spherical Harmonics: Rethinking Appearance Models for Radiance Reconstruction

超越球谐函数：重新思考辐射重建的外观模型

Ewa Miazga, Jorge Condor, Piotr Didyk

机构 * École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院） ； Università della Svizzera Italiana（意大利语区瑞士大学） 纠错

AI总结 本文系统评估多种球面函数，提出归一化各向异性球面Gabor函数，以紧凑表示高效建模高频外观效果，在辐射场重建中实现五倍内存节省和更优质量。

Comments 19 pages, 11 figures

Minimax Limits of k-Fold Cross-Validation via Majority

k折交叉验证的极小极大极限：多数投票算法

Ido Nachum, Rüdiger Urbanke, Thomas Weinberger

机构 * University of Haifa（海法大学） ； EPFL（苏黎世联邦理工学院） 纠错

AI总结 本文通过分析二元分类中多数投票算法的交叉验证均方误差，揭示了k折交叉验证的极小极大极限，证明当折数k随样本数n增长时，任何经验风险最小化算法的均方误差下界为Ω(√k/n)。

Comments arXiv admin note: substantial text overlap with arXiv:2511.03554

Evolving Many Worlds: Towards Open-Ended Discovery in Petri Dish NCA via Population-Based Training

演化多重世界：通过基于种群的训练在 Petri 培养皿 NCA 中实现开放式发现

Uljad Berdica, Jakob Foerster, Frank Hutter, Arber Zela

机构 * FLAIR, University of Oxford（奥克斯大学FLAIR实验室） ； ELLIS Institute Tübingen（图宾根ELLIS研究所） ； University of Freiburg（弗赖堡大学） ； Prior Labs（Prior实验室） ； EPFL（瑞士联邦理工学院洛桑分校） 纠错

AI总结 提出 PBT-NCA 元进化算法，通过复合目标（历史行为新颖性与当代视觉多样性）演化 Petri 培养皿神经细胞自动机种群，自发产生持续涌现的生命现象，实现开放式演化。

Comments 10 pages, 12 figures

What Language is This? Ask Your Tokenizer

这是什么语言？问你的分词器

Clara Meister, Ahmetcan Yavuz, Pietro Lesci, Tiago Pimentel

机构 * EPFL（苏黎世联邦理工学院） ； University of Cambridge（剑桥大学） 纠错

AI总结 提出基于UnigramLM分词算法的UniLID方法，通过比较字符串在各语言单字分布下的似然进行语言识别，在低资源和细粒度方言场景下显著提升样本效率。

Comments In Proceedings of ICML 2026

Provable Learning of Random Hierarchy Models and Hierarchical Shallow-to-Deep Chaining

随机层次模型与层次化浅到深链的可证明学习

Yunwei Ren, Yatin Dandi, Florent Krzakala, Jason D. Lee

机构 * Princeton University（普林斯顿大学） ； École Polytechnique Fédérale de Lausanne（瑞士联邦理工学院洛桑分校） ； University of California, Berkeley（加州大学伯克利分校） 纠错

AI总结 针对深度网络能否高效利用层次结构的问题，证明在温和条件下深度卷积网络可高效学习随机层次模型，并提出逐层训练策略。

Comments COLT 2026

Time-Vertex Machine Learning for Optimal Sensor Placement in Temporal Graph Signals: Applications in Structural Health Monitoring

时间顶点机器学习用于时间图信号中的最优传感器布置：在结构健康监测中的应用

Keivan Faghih Niresi, Jun Qing, Mengjie Zhao, Olga Fink

机构 * Intelligent Maintenance and Operations Systems Lab., EPFL, Lausanne, Switzerland（智能维护与运营系统实验室，瑞士联邦理工学院，洛桑） 纠错

AI总结 本文提出时间顶点机器学习框架，结合图信号处理、时域分析和机器学习，实现可解释且高效的传感器布置，通过识别代表性节点减少冗余并保留关键信息。

Sparse Neuron Ablation Triggers Catastrophic Collapse of the Language Core in Large Vision-Language Models

稀疏神经元消融引发大型视觉-语言模型中语言核心的灾难性崩溃

Cen Lu, Yung-Chen Tang, Andrea Cavallaro

机构 * École Polytechnique Fédérale de Lausanne (EPFL)（瑞士洛桑联邦理工学院） ； Idiap Research Institute（日内瓦研究所） 纠错

AI总结 提出渐进式神经元消融方法CAN，发现消融极少量（如LLaVA-1.5-7b中仅4个）位于语言模型下投影层的神经元即可导致LVLM灾难性崩溃，揭示功能依赖语言骨干中的稀疏神经元子集。

Comments Accepted to ICML 2026 Mechanistic Interpretability Workshop

RINS-T: Robust Implicit Neural Solvers for Time Series Linear Inverse Problems

RINS-T：用于时间序列线性逆问题的鲁棒隐式神经求解器

Keivan Faghih Niresi, Zepeng Zhang, Olga Fink

机构 * Intelligent Maintenance and Operations Systems Laboratory, EPFL（智能维护与运营系统实验室，瑞士联邦理工学院） 纠错

AI总结 本文提出RINS-T，一种无需预训练的深度先验框架，通过隐式先验和鲁棒优化技术提升时间序列数据的鲁棒性和稳定性，解决逆问题中的噪声和异常检测挑战。

Comments Accepted to IEEE Transactions on Instrumentation and Measurement

Efficient Unsupervised Domain Adaptation Regression for Spatial-Temporal Sensor Fusion

高效无监督领域适应回归用于空间-时间传感器融合

Keivan Faghih Niresi, Ismail Nejjar, Olga Fink

机构 * Intelligent Maintenance and Operations Systems Laboratory, EPFL（智能维护与操作系统实验室，瑞士联邦理工学院） 纠错

AI总结 本文提出一种针对回归任务的高效无监督领域适应方法，通过整合空间-时间图神经网络和源目标域扰动逆Gram矩阵对齐，实现无标注数据下的可扩展领域适应，验证于空气质量监测和EEG信号重建任务，取得最佳性能。

Comments Accepted to IEEE Internet of Things Journal

From Markov to Laplace: How Mamba In-Context Learns Markov Chains

从马尔可夫到拉普拉斯：Mamba如何通过上下文学习马尔可夫链

Marco Bondaschi, Nived Rajaraman, Xiuying Wei, Kannan Ramchandran, Razvan Pascanu, Caglar Gulcehre, Michael Gastpar, Ashok Vardhan Makkuva

机构 * EPFL（苏黎世联邦理工学院） ； UC Berkeley（加州大学伯克利分校） ； Google DeepMind（谷歌DeepMind） ； Télécom Paris（巴黎电信学院） 纠错

AI总结 本文研究Mamba在马尔可夫链上的上下文学习能力，发现单层Mamba能高效学习最优的拉普拉斯平滑估计器，并理论上揭示了卷积在其中的关键作用。

Comments Oral presentation at ICLR 2026

A Neural Operator-Based Approach to Symbolic Discovery of PDEs

基于神经算子的偏微分方程符号发现方法

Sergei Garmaev, Olga Fink

机构 * Intelligent Maintenance and Operations Systems Laboratory, EPFL（智能维护与操作系统实验室，瑞士联邦理工学院） 纠错

AI总结 提出NOMTO框架，通过将预训练神经算子作为符号网络节点，扩展了Equation Learner架构，能够从数据中发现包含非局部算子、辅助场耦合或记忆效应的偏微分方程。

Physics-Enhanced Graph Neural Networks For Soft Sensing in Industrial Internet of Things

基于物理的图神经网络用于工业物联网中的软传感

Keivan Faghih Niresi, Hugo Bissig, Henri Baumann, Olga Fink

机构 * Intelligent Maintenance and Operations Systems (IMOS) Lab, EPFL（智能维护与运营系统实验室，EPFL） ； Swiss Federal Institute of Metrology (METAS)（瑞士联邦计量研究院） 纠错

AI总结 本文提出基于物理的图神经网络，通过整合物理原理提升传感器数据建模的准确性，尤其在存在噪声和参数误差时表现更优。

Comments 14 pages, 10 figures. Accepted to IEEE Internet of Things Journal