高校专区
随机一阶方法在局部α-PL条件下的最优局部收敛速率
机构 * EPFL School of Management of Technology（苏黎世联邦理工学院管理技术学院） ； Leiden University Computer Science institute (LIACS)（莱顿大学计算机科学研究所） ； ETH Department of Computer Science（苏黎世联邦理工学院计算机科学系） ； EPFL Department of Computer and Communications Sciences（苏黎世联邦理工学院计算机与通信科学系）
AI总结 本文研究了在局部α-PL条件下，随机一阶方法的最优局部收敛速率，得出了下界和上界均为O(ε^{-2/α})的结果。
面向语音分类的公平性意识部分标签领域适应
机构 * organization= School of Computer ； Communication Sciences, EPFL (\'Ecole polytechnique f\'ed\'erale de Lausanne) , city= Lausanne , country= Switzerland ； organization= Eustema S.p.A., Research ； Development Centre , city= Naples , country= Italy ； organization= UniCamillus-Saint Camillus International University of Health Sciences , city= Rome , country= Italy ； organization= Department of Diagnostics ； Intervention, Radiation Physics, Biomedical Engineering, Umeå University , city= Umeå , country= Sweden
AI总结 本文提出了一种融合域泛化和对抗对齐的框架，用于在部分标签不匹配和公平性约束下实现帕金森病和肌萎缩侧索硬化症的统一语音分类。
Comments 7 pages, 1 figure. Submitted to Pattern Recognition Letters
HeurekaBench: 一个用于AI合作者的基准评估框架
机构 * École Polytechnique Fédérale de Lausanne (EPFL)（瑞士联邦理工学院（EPFL））
AI总结 HeurekaBench通过创建基于真实科学流程的基准，为评估AI合作者提供了一种方法，通过半自动流程生成探索性问题，并展示了批评模块对提升代理性能的效果。
Comments 33 pages, 5 figures, 7 tables. Code available at https://github.com/mlbio-epfl/HeurekaBench. Accepted to ICLR 2026
对离散图像标记器的对抗鲁棒性的研究
机构 * Mila - Quebec AI Institute（魁北克AI研究所） ； EPFL（苏黎世联邦理工学院） ； ELLIS Institute Finland - Aalto University（芬兰ELLIS研究所-阿莱大学）
AI总结 本文研究了离散图像标记器的对抗鲁棒性，提出了一种无监督对抗训练方法以提升其鲁棒性，适用于多种多模态任务。
学习权重参数以训练数据归因
机构 * EPFL（苏黎世联邦理工学院） ； Stony Brook University（史蒂文斯理工学院） ； UNC Charlotte（北卡罗来纳大学夏洛特分校）
AI总结 本文提出一种无需标注标签即可直接从数据学习参数重要性权重的方法，提升训练数据归因的准确性与细粒度分析能力。
Comments 31 pages
Journal ref ICLR 2026
相关尖峰模型中的谱阈值与部分最小二乘法的基本限制
机构 * Pierre Mergny Information, Learning and Physics Laboratory (IdePHICS), EPFL, 1015 Lausanne, Switzerland（Pierre Mergny 信息、学习与物理实验室（IdePHICS），EPFL） ； Lenka Zdeborová Statistical Physics of Computation Laboratory (SPOC), EPFL, 1015 Lausanne, Switzerland（Lenka Zdeborová 统计物理计算实验室（SPOC），EPFL）
AI总结 该研究通过随机矩阵理论分析，揭示了部分最小二乘法在相关尖峰模型中的谱阈值及性能极限，发现PLS在特定条件下无法恢复信号，与贝叶斯最优估计器存在性能差距。
Comments 24 pages, 4 figures
Journal ref AISTATS 2026
基于神经网络先验的传播过程推断
机构 * Information, Learning and Physics Laboratory. Ecole Polytechnique Fédérale de Lausanne (EPFL)（信息、学习与物理实验室。瑞士联邦理工学院） ； Statistical Physics of Computation Laboratory. Ecole Polytechnique Fédérale de Lausanne (EPFL)（计算统计物理实验室。瑞士联邦理工学院）
AI总结 本文提出基于神经网络先验的传播过程推断模型，通过混合信念传播和近似消息传递算法提升初始状态和传播轨迹的恢复能力。
Comments 26 pages, 13 figures
Journal ref Phys. Rev. E 113, 015301, 2026
数据蒸馏用于记忆数据：软标签可以泄露未见的教师知识
机构 * Freya Behrens Statistical Physics of Computation Laboratory, École polytechnique fédérale de Lausanne (EPFL), Switzerland（弗雷娅·贝亨斯 统计物理计算实验室，瑞士联邦理工学院（EPFL）） ； Lenka Zdeborová Statistical Physics of Computation Laboratory, École polytechnique fédérale de Lausanne (EPFL), Switzerland（伦卡·兹德博罗娃 统计物理计算实验室，瑞士联邦理工学院（EPFL））
AI总结 本研究通过软标签蒸馏揭示了学生模型能有效学习并准确预测未见过的记忆数据，其效果依赖于温度参数，且在不同网络和数据设置下均保持稳定。
Comments 9 pages, 21 figures
Journal ref ICLR 2026
图神经网络的统计物理分析：在上下文随机块模型中接近最优性
机构 * Statistical physics of computation laboratory, École polytechnique fédérale de Lausanne, Switzerland（计算物理实验室，瑞士联邦理工学院）
AI总结 本文通过统计物理方法分析图卷积网络在上下文随机块模型中的泛化性能，揭示了增加深度可接近贝叶斯最优性，并提出了一种基于动态平均场理论的连续极限处理方法。
Journal ref Phys. Rev. X 15, 041026, 2025
揭示波斯语言模型中的事实-概念鸿沟
机构 * EPFL（瑞士联邦理工学院） ； University of Isfahan（伊斯法罕大学） ； University of Oxford（牛津大学）
AI总结 本文通过DivanBench揭示波斯语言模型在文化常识推理上的不足，发现模型在处理迷信和习俗问题时存在严重偏差，且预训练并未提升推理能力。
生成具有双注意力和非对称编码的有向图
机构 * LTS4, EPFL, Lausanne, Switzerland（EPFL）
AI总结 本文提出Directo模型，通过双注意力和非对称编码生成有向图，解决了方向性依赖和标准化基准问题，展示了方法在多种设置中的有效性。
Comments Accepted as a conference paper at ICLR 2026
Journal ref International Conference on Learning Representations (ICLR) 2026
LayerSync: 自对齐的中间层
机构 * Ecole Polytechnique Fédérale de Lausanne (EPFL)（联邦理工学院洛桑校区）
AI总结 LayerSync通过自对齐中间层提升扩散模型的生成质量和训练效率，适用于图像、音频、视频等多种领域。
通过基于模型的数据选择增强多语言大语言模型预训练
机构 * EPFL（苏黎世联邦理工学院）
AI总结 本文提出了一种基于模型的数据选择框架，通过提高多语言大语言模型预训练的效果，实现了在较少训练数据下达到基线分数并提升其他基准测试的表现。
Comments NeurIPS 2025 Track on Datasets and Benchmarks
ColBERT-Zero：为预训练ColBERT模型而预训练或不预训练
机构 * Ecole Polytechnique Fédérale de Lausanne (EPFL)（瑞士联邦理工学院（EPFL））
AI总结 ColBERT-Zero通过大规模预训练多向量模型，无需额外数据即可超越现有模型，实现新的性能突破。
Comments 9 pages, 5 tables, 2 figures
易于数据删除的基准
机构 * epfl（苏黎世联邦理工学院） ； harvard（哈佛大学）
AI总结 本文提出了一种统一的基准测试套件，通过KLoM度量简化机器删除算法的评估，促进研究和最佳实践。
Comments ICML 2025 Workshop on Machine Unlearning for Generative AI
AMBER：一种可 tether 部署的抓取爬行器，配备顺应性微刺，用于树冠操作
机构 * eAviation Laboratory, TUM School of Engineering and Design（eAviation实验室，技术大学工程与设计学院） ； Laboratory of Sustainability Robotics, EMPA（可持续机器人实验室，EMPA） ； Laboratory of Sustainability Robotics, EPFL（可持续机器人实验室，瑞士联邦理工学院） ； Aerial Robotics Laboratory, Imperial College London（空域机器人实验室，伦敦帝国理工学院） ； Bristol University（布里斯托大学）
AI总结 AMBER是一种可空中部署的抓取爬行器，利用顺应性微刺轨道和双轨道旋转夹具，在树冠中实现自适应移动和操作，具备低功耗、高机动性的特点。
通过谈判评估语言模型的代理能力
机构 * EPFL（瑞士联邦理工学院） ； UGA（普罗万大学） ； CNRS（法国国家科学研究中心） ； LIG（里莫恩-盖朗实验室） ； Stanford University（斯坦福大学）
AI总结 通过谈判游戏评估语言模型的代理能力，发现封闭源模型更擅长完成任务，合作谈判游戏最具挑战性，且强模型可能输给弱对手。
Comments Accepted to ICLR 2024, code and link to project data are made available at https://github.com/epfl-dlab/LAMEN
减法调制网络与可学习周期激活
机构 * School of Electrical Engineering and Computer Science, KTH Royal Institute of Technology, Sweden（电气工程与计算机科学学院，皇家理工学院，瑞典） ； School of Computer and Communication Sciences, EPFL, Switzerland（计算机与通信科学学院，瑞士联邦理工学院）
AI总结 SMN通过可学习周期激活和调制掩码模块，实现了高效高保真图像重建和3D NeRF新视角合成。
Comments 4 pages, 3 figures, 3 tables
Journal ref ICASSP 2026-2026 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)
运动模式转换：应对下肢外骨骼系统和用户特定变异
机构 * REHAssist Group, EPFL（EPFL 集团） ； Department of Mechanical Engineering, Politecnico di Milano（米兰理工学院机械工程系） ； BioRobotics Laboratory (BioRob), EPFL（EPFL 生物机器人实验室） ； Robotics and InteractionS Team, LAAS-CNRS（LAAS-CNRS 机器人与交互团队） ； Translational Neural Engineering Laboratory (TNE), EPFL（EPFL 转化神经工程实验室）
AI总结 本文提出两种方法，通过统计和贝叶斯优化提升下肢外骨骼运动模式转换检测精度，提高80%的准确性，强调个性化在自适应控制中的重要性。
Comments 10 pages, 11 figures
分区生成建模：无掩码的掩码建模
机构 * EPFL（苏黎世联邦理工学院）
AI总结 PGMs通过分区替代掩码，实现高效生成模型，提升吞吐量并降低生成困惑度，兼容现有MGM方法。
在简单视觉规划任务中多模态大语言模型推理的分布外泛化
机构 * Tübingen AI Center -- University of Tübingen（图宾根人工智能中心 -- 图宾根大学） ； EPFL（瑞士联邦理工学院） ； ELLIS Institute Finland -- Aalto University（芬兰ELLIS研究所 -- 阿尔托大学）
AI总结 研究多模态大语言模型在简单视觉规划任务中推理能力的分布外泛化，发现结合多种文本格式的推理方法效果最佳，纯文本模型表现优于图像输入模型。
超越掩码扩散语言模型的扩展
机构 * Department of Computer Science, Cornell Tech, NYC, USA（康奈尔科技学院计算机科学系） ； Department of Computer Science, Cornell University, Ithaca, USA（康奈尔大学计算机科学系） ； School of Computer and Communication Sciences, EPFL Lausanne, Switzerland（洛桑联邦理工学院计算机与通信科学学院） ； Department of Computer Science, University of Chicago, Illinois（芝加哥大学计算机科学系） ； NVIDIA, Santa Clara, USA（英伟达）
AI总结 本文研究了统一状态和插值离散扩散方法的扩展定律，发现掩码扩散在FLOPs效率上可提升12%，并展示了统一状态扩散在GSM8K任务中的优越表现
Comments code: https://github.com/s-sahoo/scaling-dllms
局部差分隐私下的参数变化点检测方法
机构 * School of Computer and Communication Sciences, École Polytechnique Fédérale de Lausanne (EPFL), Vaud, Switzerland（计算机与通信科学学院，瑞士洛桑联邦理工学院（EPFL），瓦乌州）
AI总结 本文提出基于局部差分隐私的参数变化点检测方法，通过随机响应和二进制机制提升隐私保护下的检测精度，并揭示隐私对性能的影响。
Comments 43 pages, 20 figures
抽象标签和对象标签对图像隐私分类的影响
机构 * Idiap Research Institute（Idiap研究机构） ； EPFL（苏黎世联邦理工学院）
AI总结 本文研究了抽象标签和对象标签在图像隐私分类中的效果差异，发现有限标签预算下抽象标签更有效，而标签数量充足时对象标签同样有用。
Comments This work has been accepted to the ICASSP 2026
上下文在线双边交易
机构 * New York University（纽约大学） ； Sapienza University（萨皮恩扎大学） ； Google Research（谷歌研究） ； EPFL（苏黎世联邦理工学院）
AI总结 本文研究了具有上下文性估值的双边交易问题，设计了在两位反馈下实现O(d log d)遗憾的算法，并在一位反馈下允许小负利润的算法，同时探讨了预算平衡与时间范围无关的交易收益算法。
对数几率正则化的隐含偏见
机构 * Raymond and Beverly Sackler School of Physics and Astronomy, Tel-Aviv University, Tel-Aviv 69978, Israel（雷蒙德与贝弗利·萨克勒物理与天文学学院，特拉维夫大学） ； École Polytechnique Fédérale de Lausanne (EPFL), Switzerland（洛桑联邦理工学院（EPFL），瑞士） ； Racah Institute of Physics, The Hebrew University of Jerusalem, Edmond J. Safra Campus, Jerusalem 9190401, Israel（拉卡姆物理研究所，耶路撒冷希伯来大学） ； Selim Benin School of Computer Science and Engineering, The Hebrew University of Jerusalem, Edmond J. Safra Campus, Jerusalem 9190401, Israel（塞利姆·本因计算机科学与工程学院，耶路撒冷希伯来大学）
AI总结 本文研究了对数几率正则化在线性分类中的隐含偏见，证明其诱导对数几率集中并提升泛化能力。
权重衰减可能比muP对学习率转移更重要
机构 * Amazon FAR (Frontier AI & Robotics)（亚马逊前沿人工智能与机器人实验室） ； EPFL（瑞士联邦理工学院）
AI总结 研究发现权重衰减在学习率转移中比muP更有效，挑战了传统观点并解释了muP对独立权重衰减的依赖。
Comments ICLR 2026
块采样MAC-贝叶斯泛化界限
机构 * Department of Electrical and Electronic Engineering（电气与电子工程系） ； The University of Melbourne（墨尔本大学） ； Laboratory for Information in Networked Systems（网络化系统信息实验室） ； École polytechnique fédérale de Lausanne (EPFL)（洛桑联邦理工学院（EPFL））
AI总结 本文提出了一类块采样MAC-贝叶斯界限，通过改进传统PAC-贝叶斯界限的紧致性，展示了其在泛化误差界中的优势。
Comments Accepted for publication at The Fourteenth International Conference on Learning Representations (ICLR 2026)
PeakWeather: 气象瑞士天气站测量数据用于时空深度学习
机构 * Università della Svizzera italiana（瑞士大学） ； IDSIA（智能系统研究所） ； Federal Office of Meteorology and Climatology MeteoSwiss（联邦气象与气候办公室MeteoSwiss） ； ETH Zürich（苏黎世联邦理工学院） ； EPFL（洛桑联邦理工学院） ； Swiss Data Science Center（瑞士数据科学中心） ； Politecnico di Milano（米兰理工学院）
AI总结 PeakWeather提供了一个高质量的天气观测数据集，用于时空深度学习任务，包含瑞士多个站点的气象数据及地形指数，支持多种预测和分析应用。
对穆恩的简要二次方的见解
机构 * Institute of Mathematics, EPFL, Switzerland（数学研究所，EPFL，瑞士）
AI总结 穆恩通过极因子更新权重矩阵，在大规模训练中表现优异，其性能需超越局部代理和最坏情况保证，揭示极步误差对动态和有限时间性能的影响，以及目标结构性质对有限预算常数的影响。
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