高校专区
基于样条的边界表示法：采用等几何分析的稀疏视图重建与仿真
机构 * Schindler AG（辛德勒公司） ； École polytechnique fédérale de Lausanne（洛桑联邦理工学院）
AI总结 提出FORGE-SIM方法，从稀疏位姿RGB图像直接重建兼容仿真的多面片B样条边界表示，统一图像重建与仿真建模，消除计算机视觉与数值分析间的障碍。
Comments 72 pages
Raven：通过稀疏内存路由实现高召回率序列建模
机构 * EPFL（洛桑联邦理工学院） ； Carnegie Mellon University（卡内基梅隆大学） ； MBZUAI（穆罕默德·本·扎耶德人工智能大学） ； Cartesia AI（卡泰西亚人工智能公司）
AI总结 研究针对线性时间序列模型长上下文召回权衡问题，提出Raven模型，通过固定内存插槽和依赖输入的路由，减轻SWA和SSMs的不足，在召回密集基准测试中表现出色，外推时也保持有效。
通过基于证据的推理进行智能根本原因分析
机构 * EPFL - IMOS Laboratory（洛桑联邦理工学院 - IMOS实验室）
AI总结 研究针对工业异常根本原因诊断依赖人工且现有数据驱动方法有局限的问题，提出AgentRCA框架，结合数字孪生和大语言模型进行推理，在实际设施上评估，性能与监督基线相当且能产生透明推理轨迹，为工业根本原因分析提供实用基础。
Comments 21 pages, 9 figures
KroQuant：用于扩散Transformer高效训练后量化的克罗内克结构块变换
机构 * EPFL（洛桑联邦理工学院） ； Advanced Micro Devices, Inc.（超威半导体公司）
AI总结 研究针对扩散Transformer训练后量化到W4A4质量严重下降问题，提出KroQuant方法，对激活值3个2元素块应用克罗内克结构可逆变换，存储参数少，运行快，结合离线LoRaQ权重校准，输出更接近FP参考且保持或提高图像质量。
LeanFlow：工作流驱动的精益自动形式化案例研究
机构 * Moonshot AI（月球计划人工智能公司） ； epfl-lara（洛桑联邦理工学院拉腊实验室）
AI总结 研究通过对两篇数学论文案例研究，探讨文档到项目形式化中运行时机制对相关指标的影响，使用Kimi2.6和GPT5.5进行消融实验，报告多项数据，展示LeanFlow在特定任务上的表现及校准成果。
Comments 14 pages, 3 figures, ICML 2026: AI for Math Workshop
接触网-受电弓系统中弧光检测的多模态学习
机构 * Chair of Structural Mechanics & Monitoring, ETH Zürich（苏黎世联邦理工学院结构力学与监测教授职位） ； Intelligent Maintenance and Operations Systems Lab, EPFL（洛桑联邦理工学院智能维护与运营系统实验室）
AI总结 本文提出多模态学习框架，结合图像与力数据，有效检测接触网-受电弓系统中的弧光事件，提升检测鲁棒性和准确性。
用于本构模型中不确定性量化和传播的区间与模糊物理增强神经网络（iPANN和fPANN）
机构 * Cornell University（康奈尔大学） ； Ecole Polytechnique Federale de Lausanne (EPFL)（洛桑联邦理工学院） ； Sandia National Laboratories（桑迪亚国家实验室） ； University of Southern California（南加州大学） ； Pasteur Labs（巴斯德实验室）
AI总结 针对本构模型不确定性量化与传播难题，提出iPANN和fPANN，通过学习自由能密度分支、编码机械约束及两阶段转移学习训练模型，在合成数据上评估，能包围应力观测值并传播不确定性，提供了相关有效途径。
算子学习求解不同初始条件下的福克-普朗克方程
机构 * Fuzhou University（福州大学） ； Louisiana State University（路易斯安那州立大学） ； Beijing Normal-Hong Kong Baptist University（北京师范大学-香港浸会大学联合国际学院） ； École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院） ； Chinese Academy of Sciences（中国科学院）
AI总结 提出基于条件归一化流的物理信息神经网络框架，利用Chapman-Kolmogorov方程和线性化SDE基分布，高效求解多种初始条件下FPE的算子，引入时间加权损失函数解决小时间不稳定性。
Comments 26 pages, 11 figures
DBMol：通过结构预测模型设计高亲和力、靶向特异性小分子
机构 * EPFL（洛桑联邦理工学院） ； MRC-LMB（医学研究委员会分子生物学实验室） ； University of Cambridge（剑桥大学）
AI总结 研究旨在利用结构预测模型设计高亲和力小分子。核心方法是引入DBMol框架，经交替优化和投影过程，结合结构预测模型优化分子。主要贡献是有效优化亲和力代理，提高口袋覆盖率，保持分子多样性，在无参考配体监督下有竞争力。
神经柯尔莫哥洛夫方程：一般噪声下随机动力学的可并行学习
机构 * EPFL（洛桑联邦理工学院） ； Imperial College（帝国理工学院）
AI总结 针对神经随机微分方程现有方法的局限性，提出神经柯尔莫哥洛夫方程，基于柯尔莫哥洛夫前向方程重构，通过其算子结构学习随机强迫，利用拉格朗日伽辽金投影和算子分裂实现并行训练，在多基准测试中表现良好。
大气数据的物理信息超分辨率
机构 * EPFL（洛桑联邦理工学院） ； University of Cambridge（剑桥大学）
AI总结 针对全球变暖下大气数据超分辨率问题，提出基于原始方程的PISR方法及NPC度量，通过约束SR模型遵循物理方程，实验表明该方法能提升重建保真度，增强极端事件检测能力。
潜意识时钟：扩散语言模型中的潜在时间建模
机构 * Sapienza University of Rome（罗马大学） ； EPFL（洛桑联邦理工学院） ； Independent researcher（独立研究者）
AI总结 本文发现扩散语言模型在残差流中编码了与扩散时间步相关的潜在表示，可通过探针提取，并通过沿推断时间步的低维子空间引导来调节去噪进度，影响模型置信度和熵。
Comments Equal contribution: Thomas Vaitses Fontanari and Simone Petruzzi
学习交朋友：引导大语言模型智能体形成新兴社会关系
机构 * EPFL Lausanne, Switzerland（洛桑联邦理工学院） ； University of Technology Sydney（悉尼技术大学）
AI总结 研究LLM智能体能否再现人类在线行为社会动态及相关机制。提出多智能体LLM模拟框架，设计行为奖励函数，经实验发现引导后的智能体形成稳定互动与社会关系，为研究LLM群体集体动态建立测试平台。
Comments NeurIPS 2025 Workshop: Scaling Environments for Agents (SEA)
MXSens：用于高效大语言模型推理的灵敏度感知混合精度量化
机构 * EPFL（洛桑联邦理工学院） ； Tsinghua University（清华大学） ； MangoBoost Inc.（芒果助推公司） ； Korea University（韩国大学） ； Google DeepMind（谷歌DeepMind）
AI总结 研究针对大语言模型推理中4位量化因异常值致精度降的问题，提出MXSens方法，基于列和层灵敏度分配混合尾数比特宽度，无需训练，利用MXINT块结构，在多模型任务中优于现有方法，平衡了量化的准确性与资源效率。
变压器真的无所不能吗？论跨任务归纳偏差的兼容性
机构 * Idiap Research Institute（Idiap研究所） ； EPFL（洛桑联邦理工学院） ； Adelaide University（阿德莱德大学）
AI总结 研究探讨变压器对给定任务是否最优，提出为数据集优化变压器架构的方法，在算法玩具任务和代码语言建模数据集上实验，发现标准变压器非局部最优，简单替代方案有优劣，暗示有改进架构可支持多种能力。
Comments Published as a conference paper at ICLR 2026. https://github.com/idiap/lm-afs
在大型残差网络中，随机失活与随机梯度掩码渐近等价
机构 * École Polytechnique Fédérale de Lausanne（联邦理工学院洛桑校区） ； Institute of Mathematics（数学研究所） ； Department of Mathematics（数学系）
AI总结 研究随机失活与随机梯度掩码两种训练技术，发现在大型残差网络中，二者在深度和宽度渐近大时差异消失，都收敛到相同极限动态，此渐近等价性适用于多种变体，包括逐层随机失活。
具身大脑：通过生物真实神经力学模型连接大脑、身体与行为
机构 * EPFL（瑞士联邦理工学院）
AI总结 本文综述生物真实神经力学模型，通过将人工神经控制器嵌入模拟环境中的身体模型，揭示神经、身体与环境交互的行为控制算法，并推动神经科学、机器人学和机器学习之间的交流。
Comments 18 pages, 4 figures (including 1 graphical abstract), 1 table
Journal ref Current Opinion in Neurobiology, 100, 103244 (2026)
PriPHiT: 保护隐私的深度神经网络分层训练
机构 * Signal Processing Laboratory (LTS4), École Polytechnique Fédérale de Lausanne (EPFL)（瑞士联邦理工学院洛桑校区信号处理实验室） ； Centre Suisse d’Electronique et de Microtechnique (CSEM)（瑞士电子与微技术中心）
AI总结 PriPHiT通过在边缘设备和云服务器上分层训练深度神经网络，利用对抗性早期退出和噪声添加技术，在保护隐私的同时提升模型性能。
Comments 21 pages, 19 figures, 11 tables
Journal ref Published in IEEE Transactions on Multimedia, vol. 27, pp. 8803-8818, 2025
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
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）
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)
扩展即时语言模型
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）
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。
通过解耦权重向量的幅度和方向改进神经网络训练
机构 * Machine Learning and Optimization Lab, EPFL（EPFL机器学习与优化实验室）
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
多模态作为监督：通过多模态进行自监督的测试环境特化
机构 * Swiss Federal Institute of Technology Lausanne (EPFL)（瑞士洛桑联邦理工学院）
AI总结 研究利用跨模态学习机制，提出在特定测试环境下的受限设置并开发TST方法，通过在测试环境收集多模态数据自监督预训练模型，评估其在下游任务的表现，发现可减少对外部大规模数据集预训练的依赖。
Comments Project page: https://tst-vision.epfl.ch/
具有全局一致性的无序输入的即时3D高斯点云重建
机构 * Inria, Université Côte d’Azur（法国蔚蓝海岸大学 - 法国国家信息与自动化研究所） ； EPFL（洛桑联邦理工学院）
AI总结 研究针对无序输入的辐射场捕获，提出利用视觉位置识别模型等实现快速匹配找关键帧，结合GPU优化等进行局部重建，再用基于聚类方法实现回环闭合，引入渐进层次结构处理大场景，提供具全局一致性的即时反馈3DGS重建。
Journal ref SIGGRAPH Conference Papers 2026
灯塔强化学习：通过策略性重置点实现样本高效的电路优化
机构 * Sony Group Corporation（索尼集团公司） ； EPFL（洛桑联邦理工学院） ； Sony Semiconductor Solutions（索尼半导体解决方案公司） ； TU Munich（慕尼黑工业大学）
AI总结 研究针对模拟电路规模确定问题，提出灯塔强化学习方法，通过策略性重置策略，从高性能配置初始化情节引导探索，相比其他方法在样本效率、优化性能、通用性等方面显著提升，可增强基于强化学习的优化方法。
在机器人运动强化学习中预训练Actor-Critic算法
机构 * Robotic Systems Lab, ETH Zürich（苏黎世联邦理工学院机器人系统实验室） ； Section of Microengineering, EPFL（日内瓦联邦理工学院微工程系） ； ETH AI Center（苏黎世联邦理工学院人工智能中心）
AI总结 本研究提出了一种在机器人运动强化学习中预训练Actor-Critic算法的方法，通过预训练模型提升样本效率和任务性能。
Comments Published in IEEE Robotics and Automation Letters (RA-L)
通过特权表示学习实现基于视觉的人形足球运球
机构 * Sapienza University of Rome（罗马第一大学） ； Institut de Robòtica i Informàtica Industrial (CSIC-UPC)（工业机器人与信息学研究所（西班牙科学与技术研究委员会 - 加泰罗尼亚理工大学）） ； École Polytechnique Fédérale de Lausanne (EPFL)（洛桑联邦理工学院）
AI总结 研究人形机器人基于视觉的运球问题，提出将时间深度编码器嵌入强化学习策略的集成方法，应用于模拟机器人，该方法在不同场景下实现了一定成功率的运球，为处理复杂运球场景奠定基础。
用于可解释的分布外检测的稀疏自编码器
机构 * Purdue University（普渡大学） ； EPFL（洛桑联邦理工学院）
AI总结 研究如何可靠检测分布外样本，利用稀疏自编码器从神经网络中间激活中学习可解释特征，通过余弦相似度得出OOD分数，该方法在检测基准上性能领先且能提供可解释见解。
注意力折扣自适应采样器用于掩码扩散语言模型
机构 * University of Bern（伯尔尼大学） ； EPFL（瑞士联邦理工学院洛桑分校）
AI总结 针对掩码扩散语言模型并行解码中候选词交互导致的不安全问题，提出训练无关的重排序规则ADAS，通过注意力折扣软惩罚改进子集构建，在多个基准上提升低NFE性能。
限制非确定性：作为数据库管理系统的人工智能驱动研究系统，实现可靠、无浪费、透明和协作式研究 [愿景]
机构 * EPFL（瑞士联邦理工学院）
AI总结 研究指出大语言模型代理在研究中存在不可信问题，根源是代理循环的随机调用无法检查内部状态。借鉴数据库经验，建议用确定性带版本的数据流引擎组织研究项目，大语言模型作查询编译器，五条设计规则确保研究可靠、透明且协作。
Prompting-MammAlps：用于相机陷阱数据的细粒度文本到视频检索
机构 * Ecole Polytechnique Fédérale de Lausanne (EPFL)（洛桑联邦理工学院） ； Max Planck Institute of Animal Behavior（马克斯·普朗克动物行为研究所） ； University of Konstanz（康斯坦茨大学）
AI总结 针对相机陷阱数据自动检索视频的难题，提出Prompting-MammAlps基准及细粒度可解释TVR方法，训练视觉变压器并结合大语言模型处理查询，在基准测试中取得较好成绩，优于零样本VLM。
Comments Accepted at ECCV 2026; Project page: https://cnai.epfl.ch/prompting-mammalps
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