EPFL（洛桑联邦理工学院）

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

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

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。