EPFL（洛桑联邦理工学院）

BenchX: Benchmarking AI Models for Cancer Detection and Localization with Demographic and Protocol Biases

BenchX: 基于人口统计和协议偏差的癌症检测与定位AI模型基准测试

Qi Chen, Wenxuan Li, Pedro R. A. S. Bassi, Xinze Zhou, Jakob Wasserthal, Ibrahim Ethem Hamamci, Sezgin Er, Ashwin Kumar, Yiwen Ye, Yuhan Wang, Yuyin Zhou, Akshay S. Chaudhari, Curtis Langlotz, Kang Wang, Yang Yang, Alan L. Yuille, Zongwei Zhou

机构 * Johns Hopkins University（约翰霍普金斯大学） ； German Cancer Research Center（德国癌症研究中心） ； University Hospital Basel（巴塞尔大学医院） ； University of Zurich（苏黎世大学） ； ETH AI Center（苏黎世联邦理工学院AI中心） ； Istanbul Medipol University（伊斯坦布尔梅迪波尔大学） ； Stanford University（斯坦福大学） ； École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院） ； Nanyang Technological University（南洋理工大学） ； University of California, Santa Cruz（加州大学圣克鲁兹分校） ； University of California, San Francisco（加州大学旧金山分校） ； Johns Hopkins Medicine（约翰霍普金斯医学） 纠错

AI总结 提出BenchX基准，通过85,355次CT扫描系统评估12个肿瘤检测AI模型在肿瘤大小、位置、患者亚组和成像协议上的表现，揭示模型在罕见亚组中性能不佳。

Grounding Generative Policies in Physics: Optimization-Guided Diffusion for Robot Control

将生成式策略基于物理：面向机器人控制的优化引导扩散

Sabrina Bodmer, René Zurbrügg, Tifanny Portela, Hao Ma, Alexandre Didier, Marco Hutter, Colin Jones, Melanie Zeilinger

机构 * ETH Zurich（苏黎世联邦理工学院） ； EPFL（洛桑联邦理工学院） 纠错

AI总结 提出推理时优化框架，通过将扩散引导建模为约束优化问题，在采样中施加物理可行性约束，无需重训练即可提升机器人任务成功率。

LangMAP: A Language-Adaptive Approach to Tokenization

LangMAP：一种语言自适应的分词方法

Clara Meister, Suchir Salhan, Andrzej Szablewski, Pietro Lesci, Paula Buttery, Tiago Pimentel

机构 * EPFL（瑞士联邦理工学院洛桑） ； University of Cambridge（剑桥大学） ； ETH Zürich（苏黎世联邦理工学院） 纠错

AI总结 提出LangMAP分词方案，扩展UnigramLM到多语言设置，从共享词汇表生成语言特定分词，无需改变词汇表即可适配预训练模型，在14个分词器、9种自然语言和9种编程语言上提升了形态边界对齐和AST叶边界对齐。

AI-Driven Analytics of Team-Teaching Talk: Acoustic Patterns across Experience, Cohorts and the Learning Design

AI驱动的团队教学对话分析：跨经验、学生群体和学习设计的声学模式

Yuchen Liu, Roberto Martinez-Maldonado, Riordan Alfredo, Paola Mejia-Domenzain, Dwi Rahayu, Sadia Nawaz

机构 * Monash University（莫纳什大学） ； EPFL（瑞士联邦理工学院） 纠错

AI总结 本文提出基于AI的语音处理方法，分析团队教学中的课堂对话，发现经验丰富的教师、本科生班级和协作学习任务中音量变化更大，表明教师更频繁调节音量以突出关键信息并促进互动。

Comments Accepted at AIED 2026 (International Conference on Artificial Intelligence in Education), 14 pages, 4 figures

Selective Rotary Position Embedding

选择性旋转位置嵌入

Sajad Movahedi, Timur Carstensen, Arshia Afzal, Frank Hutter, Antonio Orvieto, Volkan Cevher

机构 * ELLIS Institute Tübingen（图宾根埃利斯研究所） ； LIONS, EPFL（日内瓦理工学院LIONS实验室） ； University of Freiburg（弗赖堡大学） ； Max-Planck-Institute for Intelligent Systems（智能系统马克斯·普朗克研究所） ； Prior Labs（Prior实验室） 纠错

AI总结 本文提出选择性RoPE，一种输入依赖的旋转嵌入机制，适用于线性和softmax变压器，通过任意角度旋转提升语言建模和复杂序列任务性能。

Comments ICLR 2026

Multi-agent imitation learning with function approximation: Linear Markov games and beyond

具有函数逼近的多智能体模仿学习：线性马尔可夫博弈及其扩展

Luca Viano, Till Freihaut, Emanuele Nevali, Volkan Cevher, Matthieu Geist, Giorgia Ramponi

机构 * EPFL（苏黎世联邦理工学院） ； University of Zurich（苏黎世大学） 纠错

AI总结 本文首次理论分析线性马尔可夫博弈中的多智能体模仿学习，利用特征级集中性系数替代状态-动作级系数，并提出首个计算高效的交互式MAIL算法，样本复杂度仅依赖特征维度d。

CanadaFireSat: Toward high-resolution wildfire forecasting with multiple modalities

CanadaFireSat：面向多模态高分辨率野火预测

Hugo Porta, Emanuele Dalsasso, Jessica L. McCarty, Devis Tuia

机构 * EPFL（瑞士联邦理工学院） ； Université Grenoble Alpes, Inria, CNRS, Grenoble INP, LJK（格勒诺布尔阿尔卑斯大学，法国国家科学研究中心，格勒诺布尔INP，LJK实验室） ； NASA Ames Research Center, Earth Science Division（美国航空航天局阿姆斯研究中心，地球科学部门） 纠错

AI总结 提出CanadaFireSat基准数据集，利用多模态数据（高分辨率多光谱卫星图像、中分辨率卫星产品和环境因子）结合深度学习模型，实现加拿大100米分辨率野火预测，多模态输入在2023年野火季F1分数达60.3%。

Comments 37 pages, 11 figures. Published in ISPRS Journal of Photogrammetry and Remote Sensing (2026)

Journal ref ISPRS Journal of Photogrammetry and Remote Sensing, Volume 239, September 2026, Pages 555-572

Reinforcement Learning to Disentangle Multiqubit Quantum States from Partial Observations

基于部分观测的多量子比特态纠缠消除的强化学习

Pavel Tashev, Stefan Petrov, Matthew T. Diaz, Friederike Metz, Alaina M. Green, Norbert M. Linke, Marin Bukov

机构 * Department of Mathematics and Informatics（数学与信息学系） ； St. Kliment Ohridski University of Sofia（索菲亚圣克莱门特·欧赫里迪斯大学） ； Joint Quantum Institute（联合量子研究所） ； Department of Physics（物理系） ； University of Maryland（马里兰大学） ； National Quantum Laboratory (QLab)（国家量子实验室（QLab）） ； Institute of Physics（物理研究所） ； École Polytechnique Fédérale de Lausanne (EPFL)（洛桑联邦理工学院（EPFL）） ； Center for Quantum Science and Engineering（量子科学与工程中心） ； Quantum Systems Unit（量子系统单元） ； OIST Graduate University（OIST研究生大学） ； Duke Quantum Center（杜克量子中心） ； Max Planck Institute for the Physics of Complex Systems（复杂系统物理研究所） 纠错

AI总结 提出使用演员-评论家深度强化学习算法，仅基于两量子比特约化密度矩阵，为最多16量子比特态构建短纠缠消除电路，并在离子阱量子计算机上实验验证。

Comments The source code as well as a demo in the form of an interactive Jupyter notebook are available on Github: https://github.com/mgbukov/RL_disentangle