EPFL（洛桑联邦理工学院）

A Model-Based Decoupling Strategy for Proprioception and Contact Sensing in an Architected Soft Manipulator

基于模型的结构化软操纵器本体感觉与接触传感解耦策略

Francesco Stella, Annan Zhang, Cosimo Della Santina, Josie Hughes, Daniela Rus

机构 * Embodied AI SA（具身人工智能公司） ； CREATE Lab, STI, EPFL（洛桑联邦理工学院智能系统学院创意实验室） ； Delft University of Technology（代尔夫特理工大学） ； German Aerospace Center（德国航空航天中心） ； MIT Computer Science & Artificial Intelligence Laboratory（麻省理工学院计算机科学与人工智能实验室） 纠错

AI总结 研究软连续体机器人传感难题，提出基于模型策略从通用流体压力传感器解耦信号，用于ITH段，单段试验效果良好，集成到Air-Helix进行演示，证明该方法是实现软机器人并发传感的实用途径。

Comments Accepted for publication in the proceedings of the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)

Scaling Point-in-Time Language Models

扩展即时语言模型

Bryan Kelly, Semyon Malamud, Johannes Schwab, Teng Andrea Xu

机构 * Yale School of Management（耶鲁大学管理学院） ； AQR Capital Management（AQR资产管理公司） ； NBER（美国国家经济研究局） ； Swiss Finance Institute（瑞士金融研究所） ； EPFL（洛桑联邦理工学院） ； CEPR（经济政策研究中心） 纠错

AI总结 研究旨在解决大型语言模型的前瞻性偏差问题，通过在大量按时间顺序过滤的令牌上训练仅解码器变压器构建即时语言模型，缩小了与无约束模型的性能差距，经LoRA微调提升可用性，并发布完整管道支持相关研究。

Improving Neural Network Training by Decoupling the Magnitude and Direction of Weight Vectors

通过解耦权重向量的幅度和方向改进神经网络训练

Alexander Hägele, Alejandro Hernández-Cano, Atli Kosson, Martin Jaggi

机构 * Machine Learning and Optimization Lab, EPFL（EPFL机器学习与优化实验室） 纠错

AI总结 提出幅度-方向（MD）解耦方法，将权重分解为固定范数的方向和可学习的幅度增益，以独立学习率更新，消除权重衰减和预热需求，在Adam和Muon优化器上均提升性能。

Comments Typos & writing; downstream evaluations