RIVA: Leveraging LLM Agents for Reliable Configuration Drift Detection
RIVA: 利用LLM代理进行可靠的配置漂移检测
机构 * EPFL（瑞士洛桑联邦理工学院）
AI总结 RIVA通过多代理系统和交叉验证技术，提高在工具响应错误时的IaC验证可靠性。
高校专区
EPFL（洛桑联邦理工学院）
Beyond Binary Preferences: A Principled Framework for Reward Modeling with Ordinal Feedback
超越二元偏好：基于顺序反馈的奖励建模原理框架
机构 * Stanford University（斯坦福大学） ； Amazon AGI（亚马逊人工智能研究） ； EPFL（瑞士联邦理工学院） ； Qualcomm AI Research（高通人工智能研究） ； Aktus AI
AI总结 本文提出基于顺序反馈的奖励建模原理框架，通过离散顺序回归方法，学习阈值参数以捕捉偏好顺序结构，实现更有效的细粒度人类反馈利用。
The Hidden Width of Deep ResNets: Tight Error Bounds and Phase Diagram
深度残差网络的隐藏宽度：紧密的误差界与相图
机构 * Ecole Polytechnique Fédérale de Lausanne (EPFL), Institute of Mathematics（瑞士联邦理工学院洛桑分校数学研究所）
AI总结 该研究探讨了深度残差网络的隐藏宽度特性，揭示了其在不同深度和宽度下的误差界与相图，证明了残差尺度对局部特征更新的影响，并展示了训练动态中均值ODE的非线性参数化特性。
Adaptive Confidence Regularization for Multimodal Failure Detection
多模态故障检测的自适应置信度正则化
机构 * Technical University of Munich（慕尼黑技术大学） ； ETH Zürich（苏黎世联邦理工学院） ； EPFL（苏黎世联邦理工学院） ； Fraunhofer IKS（弗劳恩霍夫研究所）
AI总结 本文提出自适应置信度正则化方法，通过检测多模态预测中的置信度退化，提升故障识别的可靠性。
Comments Accepted by CVPR 2026
Adaptive Attacks on Trusted Monitors Subvert AI Control Protocols
对可信监控的自适应攻击颠覆AI控制协议
机构 * MATS ； EPFL（瑞士联邦理工学院） ； ELLIS Institute Tübingen & Max Planck Institute for Intelligent Systems（图宾根ELLIS研究所及图宾根马克斯·普朗克智能系统研究所） ； Tübingen AI Center（图宾根人工智能中心） ； University of Tübingen（图宾根大学）
AI总结 本文提出针对AI控制协议中监控模型的自适应攻击方法，通过嵌入提示注入技术规避监控并完成恶意任务，揭示了当前控制协议的安全漏洞。
Control Tax: The Price of Keeping AI in Check
控制税：保持AI受控的成本
机构 * EPFL（瑞士联邦理工学院） ； MATS
AI总结 本文提出控制税概念，通过理论框架量化控制成本，评估语言模型在对抗性环境下的安全性，并开发优化的监控策略以平衡安全与成本效益。
When Bias Meets Trainability: Connecting Theories of Initialization
当偏见遇见可训练性：连接初始化理论
机构 * ETH Zurich（苏黎世联邦理工学院） ； Eawag (ETH)（埃瓦格（ETH）） ； University of Basel（巴塞尔大学） ； EPFL（苏黎世联邦理工学院）
AI总结 本文通过理论证明，揭示了深度神经网络初始化偏见与可训练性之间的联系，表明优化可训练性的初始化本质上具有偏见。
A Multi-Objective Evaluation Framework for Analyzing Utility-Fairness Trade-Offs in Machine Learning Systems
一种用于分析机器学习系统中效用-公平性权衡的多目标评估框架
机构 * Idiap Research Institute（Idiap研究 institute） ； École Polytechnique Fédérale de Lausanne（瑞士联邦理工学院） ； Federal University of São Paulo（圣保罗联邦大学）
AI总结 本文提出了一种多目标评估框架，用于分析机器学习系统中效用与公平性之间的权衡，适用于医疗影像等对公平性要求较高的领域。
Comments Accepted for publication at the Journal of Machine Learning for Biomedical Imaging (MELBA) https://melba-journal.org/2025:050
Journal ref Machine.Learning.for.Biomedical.Imaging. 2025 (3)
GrapHist: Graph Self-Supervised Learning for Histopathology
GrapHist: 基于图的病理学自监督学习
机构 * EPFL（瑞士联邦理工学院） ； LTS4
AI总结 GrapHist通过基于图的自监督学习方法，在病理学中实现高效的表示学习，适用于多种下游任务，且参数更少，性能更优。
MuViT: Multi-Resolution Vision Transformers for Learning Across Scales in Microscopy
MuViT：多分辨率视觉变换器用于跨尺度学习的显微镜分析
机构 * Swiss Federal Institute of Technology Lausanne（瑞士联邦理工学院洛桑分校） ； Center for Scalable Data Analytics and Artificial Intelligence (ScaDS.AI)（可扩展数据与人工智能中心（ScaDS.AI）） ； Technische Universität Dresden（德累斯顿技术大学）
AI总结 MuViT 通过多分辨率视觉变换器在显微镜分析中实现跨尺度学习，提升多分辨率信息利用能力。
Comments Accepted at CVPR 2026
SenCache: Accelerating Diffusion Model Inference via Sensitivity-Aware Caching
SenCache: 通过敏感性感知缓存加速扩散模型推理
机构 * École Polytechnique Fédérale de Lausanne (EPFL)（瑞士联邦理工学院（EPFL））
AI总结 SenCache通过敏感性感知缓存策略，提升扩散模型推理效率与视觉质量。
Spatio-Temporal Garment Reconstruction Using Diffusion Mapping via Pattern Coordinates
基于模式坐标扩散映射的时空服装重建
机构 * CVLab, École Polytechnique Fédérale de Lausanne (EPFL)（瑞士联邦理工学院（EPFL）计算机视觉实验室） ； Mohamed bin Zayed University of Artificial Intelligence（马尔代夫人工智能大学） ； Department of Computer Science and Engineering, Southern University of Science and Technology（南方科技大学计算机科学与工程系） ； Pinscreen and Mohamed bin Zayed University of Artificial Intelligence（Pinscreen和马尔代夫人工智能大学）
AI总结 本文提出了一种基于模式坐标扩散映射的时空服装重建方法，结合隐式缝合模式与生成扩散模型，实现高保真3D服装重建，适用于虚拟试穿和动画等领域。
Comments arXiv admin note: text overlap with arXiv:2504.08353
Learning to Build: Autonomous Robotic Assembly of Stable Structures Without Predefined Plans
学习构建：无需预定义计划的自主机器人稳定结构组装
机构 * Lab of Creative Computation, École Polytechnique Fédérale de Lausanne（创意计算实验室，瑞士联邦理工学院） ； Swiss Data Science Center（瑞士数据科学中心）
AI总结 本文提出了一种无需预定义计划的自主机器人组装方法，通过强化学习策略实现灵活适应环境变化的稳定结构构建。
Carré du champ flow matching: better quality-generalisation tradeoff in generative models
Carré du champ flow matching: 更好的质量-泛化权衡在生成模型中
机构 * Institute of Artificial Intelligence（人工智能研究所） ； Medical University of Vienna（维也纳医科大学） ； University of Oxford（牛津大学） ； AITHYRA ； EPFL（苏黎世联邦理工学院）
AI总结 Carré du champ flow matching通过几何感知噪声改进生成模型的质量-泛化权衡，适用于数据稀缺和非均匀采样场景。
Simple Models, Real Swimming: Digital Twins for Tendon-Driven Underwater Robots
简单模型，真实游泳：用于腱驱动水下机器人的数字孪生
机构 * Soft Robotics Lab and ETH AI Center, ETH Zurich（ETH苏黎世人工智能中心） ； Prema Lab, New York University（纽约大学Prema实验室） ； CREATE Lab, EPFL（EPFL CREATE实验室）
AI总结 本文提出了一种基于简化流体力学模型的腱驱动水下机器人，通过高效模拟环境实现快速泛化，展示了其在强化学习中的有效性及作为数字孪生的潜力。
Zeroth-Order Stackelberg Control in Combinatorial Congestion Games
组合拥堵博弈中的零阶Stackelberg控制
机构 * EPFL School of Management of Technology（瑞士联邦理工学院（EPFL）管理技术学院） ； EPFL Department of Computer and Communications Sciences（瑞士联邦理工学院（EPFL）计算机与通信科学系）
AI总结 本文提出ZO-Stackelberg方法，用于组合拥堵博弈中的领导者-追随者优化问题，通过零阶更新和分层采样实现高效收敛到均衡解。
CiteLLM: An Agentic Platform for Trustworthy Scientific Reference Discovery
CiteLLM：一个用于可信科学引文发现的代理平台
机构 * Hong Kong Polytechnic University（香港理工大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； Swiss Federal Technology Institute of Lausanne (EPFL)（洛桑联邦理工学院） ； Hong Kong University of Science and Technology (HKUST)（香港科学大学）
AI总结 CiteLLM通过在LaTeX编辑器中嵌入LLM工具，实现可信的科学引文发现，确保引文的准确性和可靠性。
Comments Accepted by TheWebConf 2026 Demo Track
Inducing Dyslexia in Vision Language Models
在视觉语言模型中诱发失读症
机构 * École Polytechnique Fédérale de Lausanne (EPFL)（瑞士联邦理工学院（EPFL））
AI总结 本研究通过视觉语言模型模拟失读症，揭示了视觉词形处理与阅读障碍的关系，并建立了研究脑部疾病的计算框架。
Statistical Advantage of Softmax Attention: Insights from Single-Location Regression
Softmax 注意力的统计优势：来自单位置回归的见解
机构 * Institute of Mathematics, EPFL（EPFL数学研究所） ； Statistical Physics of Computation Laboratory, École Polytechnique Fédérale de Lausanne（计算统计物理实验室，瑞士联邦理工学院） ； Inria, École Normale Supérieure, PSL Research University（Inria，巴黎高等师范学院，PSL研究大学） ； Laboratoire de Mathématiques d’Orsay, Université Paris Saclay and Institut Universitaire de France（奥赛数学实验室，巴黎萨克雷大学及法国国家科学院） ； Departement d’Informatique, École Normale Supérieure, PSL & CNRS（信息科学系，巴黎高等师范学院，PSL与CNRS）
AI总结 本文研究了softmax注意力在单位置回归任务中的统计优势，证明其在高维极限下能实现贝叶斯风险，优于线性注意力，并探讨了其他激活函数的性能特性。
Comments Accepted at the ICLR 2026
Journal ref ICLR 2026
AquaCast: Urban Water Dynamics Forecasting with Precipitation-Informed Multi-Input Transformer
AquaCast: 基于降水信息的多输入变压器用于城市水动态预测
机构 * EPFL（苏黎世联邦理工学院） ； Empa（瑞士联邦材料科学与技术研究所） ； EPFL Lausanne（苏黎世联邦理工学院） ； Empa Thun（瑞士联邦材料科学与技术研究所）
AI总结 AquaCast通过融合降水信息和多输入变压器，实现城市水动态预测，优于现有方法并在真实和合成数据上表现稳健。
Comments This work has been submitted to Journal of Hydrology, Elsevier, and a preprint version is also available at SSRN 10.2139/ssrn.5399833
Loc$^2$: Interpretable Cross-View Localization via Depth-Lifted Local Feature Matching
Loc$^2$: 通过深度提升的局部特征匹配实现可解释的跨视角定位
机构 * École Polytechnique Fédérale de Lausanne（联邦理工学院洛桑校区）
AI总结 Loc$^2$通过深度提升的局部特征匹配实现跨视角定位，具有高精度和可解释性，适用于复杂场景。
Mechanistic Indicators of Understanding in Large Language Models
大语言模型中理解机制的指示器
机构 * École Polytechnique Fédérale de Lausanne (EPFL)（联邦理工学院） ； Idiap Research Institute（Idiap研究所） ； University of Bern, Department of Philosophy（伯尔尼大学哲学系）
AI总结 本文提出一个分层框架，探讨大语言模型中理解的三个层次，通过机制可解释性揭示AI理解的机制与人类认知的异同。
Comments 38 pages
Matching Multiple Experts: On the Exploitability of Multi-Agent Imitation Learning
多专家匹配：多智能体模仿学习的可利用性分析
机构 * EPFL（苏黎世联邦理工学院） ； UC Berkeley（加州大学伯克利分校） ； University of Zurich（苏黎世大学）
AI总结 本文研究了多智能体模仿学习中学习低可利用策略的不可能性与难度，通过战略支配假设提出纳什差距的分析方法，并引入最佳响应连续性概念。
Communication-Inspired Tokenization for Structured Image Representations
受通信启发的结构化图像表示分词
机构 * Computer Vision Group, University of Bern, Switzerland（伯恩大学计算机视觉组） ； VITA Lab, EPFL, Switzerland（苏黎世联邦理工学院VITA实验室）
AI总结 COMiT通过受通信启发的分词框架，学习结构化离散视觉分词序列，提升图像重建和语义理解能力。
Comments Project website: https://araachie.github.io/comit/
Smoothly Differentiable and Efficiently Vectorizable Contact Manifold Generation
光滑可微且高效可向量化的接触流形生成
机构 * University of Tübingen（图宾根大学） ； Idiap Research Institute（Idiap研究机构） ； EPFL（瑞士联邦理工学院）
AI总结 本文提出了一种高效且可微的接触流形生成框架，通过平衡凸原形方法与障碍方法，实现高效且光滑的接触模拟。
Coherent and Multi-modality Image Inpainting via Latent Space Optimization
通过潜在空间优化实现一致性和多模态图像修复
机构 * Xi’an Jiaotong University（西安交通大学） ； EPFL（苏黎世联邦理工学院） ； University of Chinese Academy of Sciences（中国科学院大学）
AI总结 PILOT通过潜在空间优化提升图像修复的一致性和多模态处理能力。
Less is More: Convergence Benefits of Fewer Data Weight Updates over Longer Horizon
少即是多：更少数据权重更新在更长地平线上的收敛优势
机构 * Google Research（谷歌研究） ； EPFL（瑞士联邦理工学院） ； University of Southern California（南加州大学）
AI总结 本文研究了数据混合中有限内更新步骤数对收敛的影响，证明了贪心方法在简单二次示例中可能失效，并推导了最优步骤数与参数更新预算的关系。
Knowledge-aware Visual Question Generation for Remote Sensing Images
面向遥感图像的知识感知视觉问题生成
机构 * EPFL Switzerland（瑞士联邦理工学院）
AI总结 本文提出KRSVQG模型，通过结合外部知识生成更丰富、基于图像和领域知识的问题，提升遥感图像问答系统的性能。
Buy versus Build an LLM: A Decision Framework for Governments
买还是建一个大语言模型：政府的决策框架
机构 * National University of Singapore（新加坡国立大学） ； AI Singapore（AI新加坡） ； Salesforce AI Research（Salesforce AI研究） ； EPFL（苏黎世联邦理工学院） ； University of Washington（华盛顿大学） ； Allen Institute for AI（人工智能研究院）
AI总结 本文提出政府在大语言模型决策中应考虑主权、安全、成本等因素的框架，帮助确定购买或建设更适合其需求的方法。
Comments The short version of this document is published as an ACM TechBrief at https://dl.acm.org/doi/epdf/10.1145/3797946, and this document is published as an ACM Technology Policy Council white paper at https://www.acm.org/binaries/content/assets/public-policy/buildvsbuyai.pdf
Flower: A Flow-Matching Solver for Inverse Problems
Flower：一种用于反问题的流匹配求解器
机构 * Biomedical Imaging Group, EPFL（瑞士洛桑联邦理工学院生物医学成像组）
AI总结 Flower通过流匹配方法在反问题中实现高质量重建，结合理论分析与实践验证，统一了多种求解方法。
