高校专区
通过改进的数据-噪声耦合实现流基生成模型的更快推理
机构 * University of Bern（伯尔尼大学） ； EPFL（苏黎世联邦理工学院）
AI总结 本文提出LOOM-CFM方法，通过优化 minibatch OT 跨 minibatch 的 assignments，提升流基生成模型在样本速度与质量间的平衡，支持高分辨率潜在空间合成和蒸馏初始化。
Comments Patched from ICLR2025. Code: https://github.com/araachie/loom-cfm
PhysMoDPO：基于物理的类人运动与偏好优化
机构 * Mohamed Bin Zayed University of Artificial Intelligence (MBZUAI)（穆罕默德·本·扎耶德人工智能大学） ； LIGM, École des Ponts, IP Paris, Univ Gustave Eiffel, CNRS（LIGM，巴黎理工学院，IP巴黎，古斯塔夫·埃菲尔大学，国家科学研究中心） ； École polytechnique fédérale de Lausanne (EPFL)（洛桑联邦理工学院）
AI总结 PhysMoDPO通过整合完整身体控制器和偏好优化框架，提升生成运动在物理真实性和任务性能上的表现，适用于文本到运动和空间控制任务。
Comments Project page: https://mael-zys.github.io/PhysMoDPO/
VLD：用于强化学习导航的视觉语言目标距离
机构 * ETH Zurich（苏黎世联邦理工学院） ； EPFL（瑞士联邦理工学院） ； Stanford University（斯坦福大学） ； UC Berkeley（伯克利大学）
AI总结 本文提出VLD学习框架，通过解耦感知学习与策略学习，利用大规模视频数据训练距离预测器，提升机器人导航性能与现实迁移能力。
语言模型是单射的，因此可逆
机构 * EPFL（苏黎世联邦理工学院） ； Sapienza University of Rome（罗马大学） ； Paradigma ； University of Athens（雅典大学） ； Archimedes/Athena RC, Greece（阿基米德/雅典研究中心，希腊）
AI总结 研究证明语言模型在映射离散序列到连续表示时是单射的，通过实验验证无碰撞，并提出SipIt算法实现精确逆向恢复。
通过狭窄缝隙的变形翼无人机飞行
机构 * Laboratory of Intelligent Systems, École Polytechnique Fédérale de Lausanne (EPFL)（智能系统实验室，瑞士联邦理工学院洛桑分校） ； Avian-Insect Robotics in Motion Laboratory, University of Nevada, Reno, USA（鸟类-昆虫运动机器人实验室，内华达大学里诺分校）
AI总结 本文提出了一种变形翼无人机通过狭窄缝隙的方法，通过优化轨迹和非线性模型预测控制，实现了低速下的精准穿越与高度稳定控制。
通过超级神经元进行类别视觉问答的捷径
机构 * Seoul National University（首尔国立大学） ； EPFL（瑞士联邦理工学院） ； Google Deepmind（谷歌DeepMind）
AI总结 本文提出通过超级神经元提升类别视觉问答的性能，利用标量激活代替注意力向量，实现更高效的分类和更快的推理速度。
Comments 25 pages, 15 tables, 8 figures
描述性语音质量评估的校准-推理框架
机构 * EPFL（苏黎世联邦理工学院） ； Logitech（洛吉科技）
AI总结 本研究提出校准-推理框架，通过强化学习优化提升语音质量评估的多维描述和缺陷定位精度。
Comments Submitted to Interspeech 2026
Latent-DARM: 联结离散扩散与自回归模型以实现推理
机构 * EPFL（苏黎世联邦理工学院） ； MBZUAI（马克斯·普朗克人工智能研究所） ； ETH Zürich（苏黎世联邦理工学院） ； Microsoft Research Asia（微软亚洲研究院）
AI总结 Latent-DARM通过结合离散扩散模型与自回归模型，提升多智能体系统在推理任务中的表现和协作效率。
Comments Published at LIT Workshop at ICLR 2026
SynthWorlds: 用于语言模型中推理与知识分离的受控并行世界
机构 * University of Washington（华盛顿大学） ； Stanford University（斯坦福大学） ； EPFL（苏黎世联邦理工学院） ； Google Research（谷歌研究）
AI总结 SynthWorlds通过构建两个结构相同的并行世界，分离语言模型的推理与知识能力，揭示了模型在仅依赖参数化知识和知识增强设置下的性能差异。
Comments ICLR 2026
PolyFormer: 为在复杂物理约束下可扩展优化学习高效重述
机构 * School of Electrical and Electronic Engineering（电气电子工程学院） ； North China Electric Power University（华北电力大学） ； Department of Electrical Engineering（电气工程系） ； Tsinghua University（清华大学） ； School of Automation（自动化学院） ； Beijing Institute of Technology（北京理工大学） ； Department of Industrial Engineering（工业工程系） ； Laboratory for Systems and Control（系统与控制实验室） ； École Polytechnique Fédérale de Lausanne (EPFL)（瑞士联邦理工学院（EPFL））
AI总结 PolyFormer通过将物理和几何知识转化为高效多边形重述，实现了在复杂约束下的高效优化，显著提升计算效率和内存利用率。
Comments Code availability: All the data and code are made openly available at https://github.com/wenyl16/PolyFormer
在大语言模型联邦学习中使用LoRA缓解意外记忆
机构 * Tune Insight SA ； EPFL（苏黎世联邦理工学院） ； Yale University（耶鲁大学）
AI总结 本文研究了在大语言模型联邦学习中使用LoRA技术有效降低模型对训练数据的记忆能力，并展示了其在不同领域和隐私保护技术中的应用效果。
Journal ref Published in Transactions on Machine Learning Research (02/2026)
QualiTeacher: 基于质量条件的伪标签用于现实世界图像恢复
机构 * Duke University Tsinghua University \'Ecole Polytechnique F\'ed\'erale de Lausanne (EPFL) National University of Singapore Sun Yat - sen University or
AI总结 QualiTeacher通过条件化伪标签质量提升图像恢复质量，解决传统方法中伪标签质量与模型泛化能力的矛盾。
Comments 15 pages, 8 figures
元强化学习诱导语言智能体的探索
机构 * EPFL（苏黎世联邦理工学院） ； ETH Zurich（苏黎世联邦理工学院） ； Idiap Research Institute（Idiap研究机构）
AI总结 LaMer通过元强化学习框架提升语言智能体的探索能力，显著提高多任务性能并增强泛化能力。
Comments ICLR 2026
基于梯度的翼形与控制的嵌套协同设计
机构 * École Polytechnique Fédérale de Lausanne（瑞士联邦理工学院）
AI总结 本文提出了一种基于梯度的嵌套协同设计框架，通过神经网络代理模型优化翼形与控制的协同设计，提升固定翼滑翔机在着陆和短距离着陆任务中的性能。
规模依赖的数据复制
机构 * Department of Statistics, Stanford University ； AI4Science, EPFL ； Department of Computer Science, Stanford University ； ServiceNow Research ； Department of XXX, University of YYY, Location, Country ； School of ZZZ, Institute of WWW, Location, Country ； École Polytechnique F\'ed\'erale de Lausanne (EPFL), CH-1015 Lausanne, Switzerland
AI总结 研究发现数据复制在不同规模下表现不同，模型能力提升导致语义相似性梯度一致，大规模下语义碰撞加速，提出明确的规模定律以提高预测准确性。
CDE：基于概念的强化学习探索
机构 * Department of Electrical and Computer Engineering, Purdue University（电子工程系，普渡大学） ； Department of Computer Science, Purdue University（计算机科学系，普渡大学） ； Robotics Institute, Carnegie Mellon University（机器人研究所，卡内基梅隆大学） ； Department of Management of Technology, EPFL（技术管理系，瑞士联邦理工学院）
AI总结 CDE通过利用预训练视觉-语言模型生成任务相关的视觉概念，提升强化学习中视觉任务的探索效率和鲁棒性。
Comments Preprint
更高效的梯度方法用于高光滑随机双层优化
机构 * Tsinghua University（清华大学） ； Shanghai Qizhi Institude（上海启智研究所） ； École Polytechnique Fédérale de Lausanne（瑞士联邦理工学院）
AI总结 本文提出F²SA-p方法，通过高阶有限差分提升随机双层优化的收敛速度，达到近最优的复杂度界。
Comments ICLR 2026; Add one additional author compared to v1
通过集成高斯过程回归进行实证资产定价
机构 * École Polytechnique Fédérale de Lausanne（瑞士联邦理工学院） ； Swiss Finance Institute（瑞士金融研究所） ； Indian Institute of Technology Ropar（印度理工学院罗帕尔分校）
AI总结 本文提出了一种基于高斯过程回归的集成学习方法，用于预测股票收益率，并在实证分析中展示了其在预测精度和夏普比率上的优越性。
梯度流使Softmax输出向低熵解极化
机构 * Theory of Machine Learning Lab, EPFL（机器学习理论实验室，苏黎世联邦理工学院）
AI总结 本文研究了基于Softmax模型的梯度流动态，揭示其驱动优化向低熵解发展，并探讨了其在Transformer训练中的普遍性和实际影响。
Comments 35 pages, 21 figures
二维RMSD投影用于反应路径可视化与验证
机构 * Institute IMX and Lab-COSMO（IMX研究所和Lab-COSMO） ； École polytechnique fédérale de Lausanne (EPFL)（洛桑联邦理工学院） ； TurtleTech ehf.（TurtleTech公司）
AI总结 本文提出一种二维RMSD投影方法，用于可视化和验证反应路径，适用于环加成反应和复杂反应的分析。
Comments 11 pages, 4 figures
具有学习能量感知指导的鲁棒工具选择与操作规划
机构 * division of Robotics, Perception and Learning, KTH Royal Institute of Technology（机器人、感知与学习系，皇家理工学院） ； Idiap Research Institute（Idiap研究机构） ； EPFL（瑞士联邦理工学院）
AI总结 本文提出了一种基于学习能量感知指导的鲁棒工具选择与操作规划方法，通过分层优化流程提升工具使用在外部干扰下的鲁棒性。
Comments IEEE International Conference on Robotics and Automation (ICRA), 2026
利用LLM参数知识进行事实核查而不进行检索
机构 * S-NLP Group（S-NLP小组） ； AXXX ； MIRAI ； MBZUAI ； EPFL（瑞士联邦理工学院）
AI总结 本文提出不依赖检索的事实核查任务，通过利用LLM内部表示提升事实验证性能，展示INTRA方法在多语言和长文本生成场景中的优越表现。
Comments Preprint
流形与李群上的曲线诱导动力系统
机构 * Delft University of Technology（代尔夫特理工大学） ； Idiap Research Institute（Idiap研究所） ； École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院）
AI总结 本文提出了一种在黎曼流形和李群上实时构建动力系统的框架CDSM，通过曲线诱导的切向和法向分量实现轨迹精度和响应性的提升。
Comments Preprint, 14 pages, video linked in the paper, Saray Bakker and Martin Schonger contributed equally as first authors and are listed alphabetically
可泛化的异构地图集合多尺度分割
机构 * EPFL, Swiss Federal Institute of Technology in Lausanne. Digital Humanities Laboratory (DHLAB), School of Computer（瑞士联邦理工学院洛桑分校，数字人文实验室） ； EPFL. Laboratory of Urban Sociology (LASUR), School of Architecture, Civil（瑞士联邦理工学院洛桑分校，城市社会学实验室）
AI总结 本文提出Semap数据集和多尺度分割框架，用于可泛化的异构历史地图分割，提升鲁棒性和迁移能力。
Comments 30 pages, 15 figures
当弱大语言模型自信发言时，偏好对齐会变得更强大
机构 * EPFL（苏黎世联邦理工学院） ； Sharif University of Technology（谢赫·穆吉加布大学）
AI总结 本文提出CW-PO框架，利用弱LLM的置信度加权实现更高效的偏好对齐，仅用20%的人类标注即可超越传统方法。
Comments 32 pages, 8 figures, International Conference on Learning Representations 2026
细粒度微调在激活差异中留下明显可读的痕迹
机构 * EPFL（苏黎世联邦理工学院） ； Ecole Normale Supérieure Paris-Saclay（巴黎-萨克雷高等师范学校） ； Université Paris-Saclay（巴黎-萨克雷大学） ； Harvard University（哈佛大学） ； MATS
AI总结 研究发现狭窄微调会在激活中留下明显痕迹，揭示了微调领域偏见，并警告了使用此类模型进行广泛微调研究的局限性。
Comments ICLR 2026
肌腱力建模用于强化学习策略的sim2real迁移：用于肌腱驱动机器人的应用
机构 * CREATE Lab, Swiss Federal Institute of Technology Lausanne (EPFL)（CREATE实验室，瑞士联邦理工学院洛桑分校（EPFL））
AI总结 本研究提出一种基于变压器的肌腱力建模方法，通过模拟与强化学习结合，提升真实机器人中肌腱驱动手指的控制性能。
Comments preprint
我们是否需要所有合成数据？通过扩散模型的目标图像增强
机构 * University of California Los Angeles (UCLA)（加州大学洛杉矶分校） ； Ecole Polytechnique Federale de Lausanne (EPFL)（瑞士联邦理工学院洛桑分校）
AI总结 TADA通过选择性增强训练初期未被学习的示例，利用扩散模型提高图像分类的泛化能力，实验表明仅增强30-40%的数据即可提升性能。
极简多模态异常合成用于分布外检测与分割
机构 * Technical University of Munich（慕尼黑技术大学） ； ETH Zürich（苏黎世联邦理工学院） ； Fraunhofer IKS（弗劳恩霍夫研究所） ； EPFL（苏黎世联邦理工学院）
AI总结 本文提出极简多模态异常合成方法Feature Mixing，通过理论支持提升OOD检测性能，实验表明其在多个数据集上达到最优效果，速度提升显著。
Comments NeurIPS 2025
SigmaQuant: 面向边缘 DNN 推理的硬件感知异构量化方法
机构 * Embedded Systems Laboratory (ESL), EPFL, Switzerland（嵌入式系统实验室（ESL），EPFL，瑞士） ； University of Applied Sciences and Arts Western Switzerland (HES-SO), Switzerland（应用科学与艺术西瑞士大学（HES-SO），瑞士）
AI总结 SigmaQuant 是一种面向边缘 DNN 推理的自适应异构量化方法，通过动态分配不同比特宽度以优化精度与资源使用平衡。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈