高校专区
盲点基准：评估多模态模型中的盲点
机构 * École Polytechnique Fédérale de Lausanne（瑞士联邦理工学院）
AI总结 研究旨在评估多模态模型盲点，引入盲点基准，收集学生原始问题并标注，提出任务分类法和自动评分管道。分析发现闭源前沿模型超越开源模型，各模型在不同任务类型表现各异，凸显该基准对识别模型弱点的价值。
Comments 25 pages, 8 figures
ICDAR 2026关于历史文档的大语言模型辅助OCR后校正的HIPE-OCRepair竞赛
机构 * École Polytechnique Fédérale de Lausanne (EPFL), Switzerland（瑞士联邦理工学院洛桑分校） ； University of Zurich, Switzerland（苏黎世大学）
AI总结 ICDAR 2026的HIPE-OCRepair竞赛旨在评估大语言模型辅助历史文档OCR后校正系统能力，提供可重现评估框架。四支队伍提交不同策略系统，结果显示虽能提高OCR质量，但性能因多种因素而异，还存在过度校正问题，相关资源已发布供后续研究。
Comments 17 pages
超越热成像：从时间分辨热观测中推断热物理性质
机构 * École polytechnique fédérale de Lausanne（洛桑联邦理工学院） ； Schindler Holding AG（迅达控股公司）
AI总结 研究从热观测推断热物理性质的问题，提出ThermoField框架，通过可微热传递模拟统一热场景重建和热物理参数估计，能在复杂3D场景中联合重建几何、估计热扩散率并预测热演变，为相关研究提供统一方法。
Comments 31 pages, In submission
DiPhon：基于图子上的扩散用于可扩展图生成
机构 * King Juan Carlos University（金 Juan 卡洛斯大学） ； EPFL（苏黎世联邦理工学院） ； University of Pennsylvania（宾夕法尼亚大学）
AI总结 研究如何将扩散模型扩展到大型图，通过图子提出DiPhon框架，制定连续扩散过程并推导逆时间过程，证明其与连续图子过程的矩匹配，实验展示了在小图训练后生成大图的可扩展性。
视觉语言模型中的奖励估值：快感缺乏背后的因果机制
机构 * EPFL（苏黎世联邦理工学院）
AI总结 研究探讨视觉语言模型中奖励估值情况，基于神经科学观点，通过有针对性扰动识别奖励预期单元，测试其因果作用，发现模型存在奖励估值和预期缺陷，结果反映了人工智能模型与人类平行的奖励估值回路。
单轴与多轴机器人颈部运动的通信效率
机构 * University of Bristol School of Engineering Mathematics and Technology（布里斯托大学工程数学与技术学院） ； EPFL Institute of Mechanical Engineering（洛桑联邦理工学院机械工程学院） ； University of Tokyo Department of Precision Engineering（东京大学精密工程系）
AI总结 研究机器人颈部运动的通信效率，提出信息论框架，通过实验发现交流信息在2自由度时达峰值，3自由度时下降，引入运动信息空间揭示交流效率，挑战解剖学完整性提升机器人表现力的假设，为形态设计提供定量基础。
Comments Under review
DynaVieW：用于理解分层视觉动态的模式引导世界建模
机构 * EPFL, Switzerland（瑞士联邦理工学院） ； Harvard University（哈佛大学） ； Sony Group Corporation（索尼集团） ； ETH Zurich, Switzerland（瑞士苏黎世联邦理工学院）
AI总结 针对多模态语言模型难以系统建模视频视觉场景时间演变的问题，提出DynaVieW模型，通过学习交错状态转换序列理解视觉动态，在多架构下联合建模，提升下游视觉叙事创作等任务表现。
Comments ICML 2026
从视觉语言导航中的区域到达到实例级定位
机构 * Australian Institute for Machine Learning, Adelaide University（澳大利亚机器学习研究所，阿德莱德大学） ； Ruyi Dynamics（如意动力） ； Fudan University（复旦大学） ； Swiss Federal Institute of Technology Lausanne (EPFL)（瑞士洛桑联邦理工学院）
AI总结 研究视觉语言导航中当前评估协议局限，提出‘最后3米定位差距’及指标，构建REALM模块和REVERIE - AIM数据集，可减少过早终止，提升定位精度和视觉定位成功率。
反思性对话还是提示细化？导师支架对学生独立使用大语言模型进行编程的影响
机构 * MOBOTS & LEARN, EPFL, Switzerland（瑞士洛桑联邦理工学院的MOBOTS与学习实验室） ； University of Teacher Education (Haute École Pédagogique) Vaud, Switzerland（瑞士沃州高等师范学校） ； Center for Digital Education & LEARN, EPFL, Switzerland（瑞士洛桑联邦理工学院的数字教育与学习中心）
AI总结 研究两种基于大语言模型的导师（苏格拉底式指导和提示细化导师）对学生提示实践、学习及后续大语言模型使用的影响，通过两阶段实验，发现苏格拉底式指导有助于学生长期利用大语言模型学习。
Comments Best paper award, Published in AIED 2026: The 27th International Conference on Artificial Intelligence in Education
Journal ref In International Conference on Artificial Intelligence in Education (pp. 546-561). Cham: Springer Nature Switzerland (2026)
归纳头对N元语法进行插值
机构 * TML Lab, EPFL, Switzerland（瑞士联邦理工学院TML实验室） ； IIT Madras, India（印度IIT马德拉斯）
AI总结 研究在k阶马尔可夫链上训练的变压器中的归纳头，识别出两种互补平滑机制，构建实现这两种机制的解缠变压器，结果表明训练后的变压器能恢复预测注意力模式，优于经典基于计数的基线。
Comments Published as a conference paper at ICML 2026. OpenReview: https://openreview.net/forum?id=BSY7jhBxM1
表示分布匹配用于一步视觉生成
机构 * EPFL（瑞士联邦理工学院） ； Sorbonne Université（索邦大学）
AI总结 提出表示分布匹配（RDM）框架，通过匹配生成与参考特征分布实现一步图像生成，发现MMD在正确估计下成为强目标，平衡编码器组合可抵抗欺骗，改进的iRDM在ImageNet上达到一步生成最优。
NEvo: 神经引导的动态视觉选择性视频合成
机构 * EPFL（苏黎世联邦理工学院） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 提出神经引导视频合成框架NEvo，通过进化搜索优化视频刺激以激活目标脑区，揭示视觉皮层动态选择性，并发现侧流对社会动态特征的敏感性。
Comments 10 pages, 6 figures
低预算黑箱优化的生成式精炼
机构 * CVLab EPFL（瑞士洛桑联邦理工学院计算机视觉实验室）
AI总结 提出SPARROW算法，通过解耦生成先验与奖励信号，利用固定结构化提议算子进行基于排名的引导，在极低评估预算下实现复杂几何空间和不可靠奖励信号的有效优化。
Comments 20 pages, 7 figures
具有可验证奖励的串联强化学习
机构 * University of Toronto（多伦多大学） ； EPFL（瑞士联邦理工学院洛桑分校）
AI总结 提出串联强化学习（TRL），通过强弱模型交替生成推理链并共同奖励，在保持独立推理能力的同时提升模型间兼容性和可读性。
Comments 21 pages,7 figures,8 tables
历史文本中命名实体识别的时间融合策略研究
机构 * Digital Humanities Laboratory, EPFL, Lausanne, Switzerland（瑞士洛桑联邦理工学院数字人文实验室）
AI总结 针对历史文本中实体随时间漂移的问题，系统研究了将时间元数据嵌入NER模型的轻量级融合策略，实验表明后期融合在早期和噪声时期表现更鲁棒。
Journal ref International Conference on Theory and Practice of Digital Libraries 2025
宽度和数据如何影响二次神经网络中的泛化缩放定律
机构 * Statistical Physics of Computation Laboratory, École Polytechnique Fédérale de Lausanne (EPFL)（统计物理与计算实验室，洛桑联邦理工学院） ； Information, Learning and Physics Laboratory, École Polytechnique Fédérale de Lausanne (EPFL)（信息、学习与物理实验室，洛桑联邦理工学院）
AI总结 研究二次两层网络中泛化误差随样本数、宽度和正则化的缩放规律，揭示由目标谱结构控制的数据相关幂律和相变。
一种用于电影心脏MRI时空建模的潜在ODE方法
机构 * Swiss Data Science Center, EPFL and ETH Zürich（瑞士数据科学中心，EPFL 和 ETH 苏黎世） ； Diagnostic and Interventional Radiology, University Hospital Zürich（诊断与介入放射学，苏黎世大学医院） ； Institute for Biomedical Engineering, University and ETH Zürich（生物医学工程研究所，苏黎世大学和 ETH 苏黎世） ； Biomedical Informatics Group, ETH Zürich（生物医学信息学小组，ETH 苏黎世） ； Division of Preventive Medicine, Brigham and Women’s Hospital / Harvard Medical School（预防医学部，布莱根妇女医院/哈佛医学院）
AI总结 提出一种基于神经ODE的潜在动力学模型，从心脏MRI中编码双心室结构和全周期运动，通过图网格自编码器重建3D+t运动，并利用Cox模型评估偏离预期状态对心衰的预测能力，在UK Biobank数据上优于传统指标。
Dot-Flik：一种用于分布式昆虫监测的可扩展边缘AI架构
机构 * École Polytechnique Fédérale de Lausanne（瑞士联邦理工学院洛桑校区） ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 提出基于运动信息帧过滤和分层物联网架构的边缘AI系统，在低成本硬件上实现实时昆虫监测，减少60-80%帧传输并节能22.6%。
WinDOM：面向小型模型GUI定位的自家族蒸馏
机构 * \'Ecole Polytechnique F\'ed\'erale de Lausanne (EPFL), Lausanne, Switzerland
AI总结 提出WinDOM数据集和自家族蒸馏方法，通过DOM直接获取边界框数据，结合强化学习提升小模型GUI定位性能，在Qwen3.5-2B上取得显著提升。
HIPE-2026 概述：从多语言历史文本中提取人物-地点关系
机构 * University of Zurich（苏黎世大学） ； École Polytechnique Fédérale de Lausanne (EPFL)（洛桑联邦理工学院） ； Swiss Federal Institute of Technology Zurich (ETHZ)（苏黎世联邦理工学院）
AI总结 提出HIPE-2026评测任务，针对多语言历史文档中的人物-地点关系（at和isAt）进行提取，采用三方面评估框架，比较了多种方法在准确性、效率和跨域泛化上的表现。
Comments Condensed Overview of CLEF-HIPE-2026 Shared Task Results
极限空间高效语言生成
机构 * EPFL（苏黎世联邦理工学院） ； Stanford University（斯坦福大学）
AI总结 针对空间效率约束下的极限语言生成问题，提出基于DFA假设类的流式算法，在多项式空间内实现生成差距O(k^{2s-2})，并证明近乎匹配的下界。
Comments Accepted at COLT 2026
BenchX: 基于人口统计和协议偏差的癌症检测与定位AI模型基准测试
机构 * Johns Hopkins University（约翰霍普金斯大学） ； German Cancer Research Center（德国癌症研究中心） ； University Hospital Basel（巴塞尔大学医院） ； University of Zurich（苏黎世大学） ； ETH AI Center（苏黎世联邦理工学院AI中心） ； Istanbul Medipol University（伊斯坦布尔梅迪波尔大学） ； Stanford University（斯坦福大学） ； École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院） ； Nanyang Technological University（南洋理工大学） ； University of California, Santa Cruz（加州大学圣克鲁兹分校） ； University of California, San Francisco（加州大学旧金山分校） ； Johns Hopkins Medicine（约翰霍普金斯医学）
AI总结 提出BenchX基准，通过85,355次CT扫描系统评估12个肿瘤检测AI模型在肿瘤大小、位置、患者亚组和成像协议上的表现，揭示模型在罕见亚组中性能不佳。
将生成式策略基于物理：面向机器人控制的优化引导扩散
机构 * ETH Zurich（苏黎世联邦理工学院） ； EPFL（洛桑联邦理工学院）
AI总结 提出推理时优化框架，通过将扩散引导建模为约束优化问题，在采样中施加物理可行性约束，无需重训练即可提升机器人任务成功率。
LangMAP：一种语言自适应的分词方法
机构 * EPFL（瑞士联邦理工学院洛桑） ； University of Cambridge（剑桥大学） ； ETH Zürich（苏黎世联邦理工学院）
AI总结 提出LangMAP分词方案，扩展UnigramLM到多语言设置，从共享词汇表生成语言特定分词，无需改变词汇表即可适配预训练模型，在14个分词器、9种自然语言和9种编程语言上提升了形态边界对齐和AST叶边界对齐。
AI驱动的团队教学对话分析：跨经验、学生群体和学习设计的声学模式
机构 * Monash University（莫纳什大学） ； EPFL（瑞士联邦理工学院）
AI总结 本文提出基于AI的语音处理方法，分析团队教学中的课堂对话，发现经验丰富的教师、本科生班级和协作学习任务中音量变化更大，表明教师更频繁调节音量以突出关键信息并促进互动。
Comments Accepted at AIED 2026 (International Conference on Artificial Intelligence in Education), 14 pages, 4 figures
量化数据影响与数据相似性之间的一致性以理解LLM行为
机构 * RIKEN Center for Advanced Intelligence Project, Tokyo, Japan（日本东京理化学研究所先进智能项目中心） ； Section of Computer Science, EPFL Lausanne, Switzerland（瑞士洛桑联邦理工学院计算机科学系） ； Ubiquitous Knowledge Processing Lab (UKP Lab), Department of Computer Science, Technical University of Darmstadt（达姆施塔特工业大学计算机科学系泛在知识处理实验室） ； National Research Center for Applied Cybersecurity ATHENE, Germany（德国国家应用网络安全研究中心ATHENE） ； TU Darmstadt & Hessian Center for AI (hessian.AI), Darmstadt, Germany（达姆施塔特工业大学与黑森州人工智能中心）
AI总结 通过排序重叠量化数据相似性与数据影响在输出追踪中的一致性和不对称性，并利用不对称性实现成本-精度权衡。
Comments 37 pages, 35 figures, preprint
重新思考面向对象的视频动态建模表示
机构 * Intelligent Maintenance and Operation Systems (IMOS) École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院智能维护与操作系统实验室（IMOS））
AI总结 提出STAITUS框架，通过解耦每个槽为外观和几何位姿，在运动、遮挡等场景下实现更清晰的分割和更稳定的身份保持。
Comments 17 pages, 6 figures
场景无关的ALS视准轴自标定
机构 * EPFL ENAC ESO, Bâtiment GC - Station 18, 1015 Lausanne, Switzerland（瑞士洛桑联邦理工学院环境、建筑与土木工程学院地理信息与遥感实验室）
AI总结 提出两种基于点对点对应关系的ALS视准轴自标定方法，无需平面约束，可在常规测绘任务中实现标定。
基于物理信息的Eikonal笼形约束的全臂操作规划
机构 * Idiap Research Institute（Idiap 研究所） ； École Polytechnique Fédérale de Lausanne (EPFL)（洛桑联邦理工学院） ； KTH Royal Institute of Technology（瑞典皇家理工学院）
AI总结 提出将笼形约束重新表述为最小时间逃逸问题，利用物理信息神经网络近似满足Eikonal方程的逃逸时间场，实现全臂操作规划中的鲁棒性提升。
Comments Under review
WildBox: 非洲稀树草原野生动物航拍单目3D检测数据集与基准
机构 * D Optical Metrology Unit, Fondazione Bruno Kessler（布鲁诺·凯斯勒基金会3D光学计量部） ； Computer Vision and Machine Learning Systems group, Institute for Geoinformatics, University of Muenster（明斯特大学地理信息学研究所计算机视觉与机器学习系统组） ； School of Civil, Aerospace and Design Engineering, University of Bristol（布里斯托大学土木、航空航天与设计工程学院） ； Department of Biology, University of Southern Denmark（南丹麦大学生物学系） ； The Ohio State University（俄亥俄州立大学） ； Department of Collective Behavior, Max Planck Institute of Animal Behavior（马克斯·普朗克动物行为研究所集体行为系） ； University of Konstanz（康斯坦茨大学） ； Centre for the Advanced Study of Collective Behaviour, University of Konstanz（康斯坦茨大学集体行为高级研究中心） ； Department of Biology, University of Konstanz（康斯坦茨大学生物学系） ； Environmental Computational Science and Earth Observation Laboratory, EPFL（瑞士联邦理工学院环境计算科学与地球观测实验室）
AI总结 提出WildBox数据集，含23.7万3D框标注，评估两种开放词汇单目3D架构，发现零样本3D检测失败，微调后恢复性能，深度估计是主要瓶颈。
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