Pretraining Scaling Laws for Generative Evaluations of Language Models
生成评估的预训练扩展定律
机构 * Computer Science Stanford University（计算机科学 斯坦福大学） ； AI Center EPFL（人工智能中心 EPFL）
AI总结 本文提出三种预训练扩展定律，用于生成评估的性能预测，揭示了不同扩展定律在稳定性与预测性能上的差异。
高校专区
EPFL（洛桑联邦理工学院）
Effective LoRA Adapter Routing using Task Representations
利用任务表示的有效LoRA适配器路由
机构 * EPFL（苏黎世联邦理工学院）
AI总结 LORAUTER通过任务表示实现高效适配器路由，优于现有方法并在未见过的任务上取得最佳成绩。
Early and Prediagnostic Detection of Pancreatic Cancer from Computed Tomography
从计算机断层扫描中早期和预诊断性检测胰腺癌
机构 * Johns Hopkins University（约翰霍普金斯大学） ； University of Bologna（博洛尼亚大学） ； Istituto Italiano di Tecnologia（意大利技术研究院） ； Shandong Provincial Qianfoshan Hospital（山东省千佛山医院） ； Qilu Hospital of Shandong University（山东大学齐鲁医院） ； Jagiellonian University（杰齐洛尼亚大学） ； University of California, San Francisco（加州大学旧金山分校） ； University of California, Berkeley（加州大学伯克利分校） ； Johns Hopkins Medicine（约翰霍普金斯医学中心） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Warmia and Mazury（马尔堡大学） ； National Medical Institute of the Ministry of Internal Affairs and Administration（内政部和行政管理局国家医疗研究所） ； Henan Provincial People’s Hospital & The People’s Hospital of Zhengzhou University（河南省人民医院及郑州大学人民医院） ； City of Hope National Medical Center（希望国家医学中心） ； Centre Européen de Calcul Atomique et Moléculaire, École Polytechnique Fédérale de Lausanne（欧洲原子和分子计算中心，洛桑联邦理工学院） ； Northeastern University（东北大学） ； Rutgers University（罗格斯大学） ； The First Affiliated Hospital of Soochow University（苏州大学第一附属医院） ； Massachusetts General Hospital（麻省总医院）
AI总结 ePAI通过人工智能在CT扫描中早期检测胰腺癌，显著提高灵敏度并准确定位微小病变。
JointDiff: Bridging Continuous and Discrete in Multi-Agent Trajectory Generation
JointDiff: 在多智能体轨迹生成中弥合连续与离散
机构 * Kognia Sports Intelligence（Kognia体育智能） ； Visual Intelligence for Transportation, EPFL（交通视觉智能，EPFL） ； Institut de Robòtica i Informàtica Industrial, CSIC-UPC（机器人与信息工业研究所，CSIC-UPC）
AI总结 JointDiff通过联合生成连续和离散事件，提升多智能体轨迹生成的可控性和真实性。
Comments Accepted at ICLR 2026
Emergent Dynamics in Neural Cellular Automata
神经细胞自动机中的涌现动态
机构 * School of Computer and Communication Sciences, EPFL（计算机与通信科学学院，EPFL）
AI总结 本文研究了神经细胞自动机架构与涌现动态之间的关系，通过调整通道数和隐藏神经元数量，揭示了动态模式生成的设计原则。
Comments 2 pages
Journal ref ALIFE 2024: Proceedings of the 2024 Artificial Life Conference July 22-26, 2024
NoiseNCA: Noisy Seed Improves Spatio-Temporal Continuity of Neural Cellular Automata
NoiseNCA: 噪声种子提升神经细胞自动机的时空连续性
机构 * 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 NoiseNCA通过引入噪声种子提升神经细胞自动机的时空连续性，实现对模式形成速度和尺度的连续控制，拓展了NCA在动态系统中的应用。
Comments 9 pages, 12 figures
Journal ref ALIFE 2024: Proceedings of the 2024 Artificial Life Conference July 22-26, 2024
Mesh Neural Cellular Automata
网格神经元细胞自动机
机构 * EPFL（瑞士联邦理工学院） ； Google Research（谷歌研究）
AI总结 MeshNCA是一种无需UV映射即可实时生成高质量3D动态纹理的神经元细胞自动机方法，通过多模态监督和用户交互实现了纹理合成的泛化能力。
Comments ACM Transactions on Graphics (TOG) - SIGGRAPH 2024
Journal ref ACM Transactions on Graphics (TOG), Volume 43, Issue 4 Article No.: 122, Pages 1 - 16; 19 July 2024
Investigating the Development of Task-Oriented Communication in Vision-Language Models
探究视觉-语言模型中以任务为导向的交流发展
机构 * Technion – Israel Institute of Technology（技术ion–以色列理工学院） ； EPFL（苏黎世联邦理工学院） ； University of California, Berkeley（加州大学伯克利分校） ； Harvard University（哈佛大学）
AI总结 研究视觉-语言模型在协作任务中发展以任务为导向的通信协议的潜力与风险
Just in time Informed Trees: Manipulability-Aware Asymptotically Optimized Motion Planning
及时知情树：面向可 manipulability 的渐进优化运动规划
机构 * Human-Robot Interfaces and Interaction(HRI2), Istituto Italiano Di Tecnologia (IIT)（人机交互（HRI2），意大利技术研究所（IIT）） ； Swiss Federal Technology Institute of Lausanne (EPFL)（洛桑联邦理工学院（EPFL）） ； Technical University of Munich（慕尼黑技术大学） ； School of Control Science and Engineering, Shandong University（控制科学与工程学院，山东大学） ； School of Computer Science, University of Nottingham, UK（计算机科学学院，诺丁汉大学（英国））
AI总结 JIT*算法通过两个核心模块提升运动规划效率，优化路径发现并减少奇异点风险，适用于高维机器人路径规划。
CASCADE: Cumulative Agentic Skill Creation through Autonomous Development and Evolution
CASCADE：通过自主开发与进化实现累积性代理技能创造
机构 * Department of Materials Science and Engineering, University of California, Berkeley, California, United States（加州大学伯克利分校材料科学与工程系） ； Materials Sciences Division, Lawrence Berkeley National Laboratory, California, United States（劳伦斯伯克利国家实验室材料科学部） ； Laboratory of Artificial Chemical Intelligence (LIAC), Institute of Chemical Sciences and Engineering, École Polytechnique Fédérale de Lausanne (EPFL), Lausanne, Switzerland（日内瓦联邦理工学院化学科学与工程研究所人工化学智能实验室） ； National Centre of Competence in Research (NCCR) Catalysis, École Polytechnique Fédérale de Lausanne (EPFL), Lausanne, Switzerland（日内瓦联邦理工学院催化研究国家中心）
AI总结 CASCADE通过自主开发与进化实现代理技能的累积，提升复杂科学任务的适应性和扩展性。
A Riemannian Take on Distance Fields and Geodesic Flows in Robotics
对机器人中距离场和测地线流的黎曼几何方法
机构 * Idiap Research Institute（Idiap研究机构） ； École Polytechnique Fédérale de Lausanne (EPFL)（瑞士联邦理工学院洛桑分校）
AI总结 本文提出了一种基于黎曼几何的神经求解器，用于在机器人任务中计算测地线和最短路径，通过无网格隐式表示解决黎曼恩方程，实现对非欧几里得结构的高效建模。
Comments 27 pages, 20 figures. International Journal of Robotics Research (IJRR)
CaTs and DAGs: Integrating Directed Acyclic Graphs with Transformers for Causally Constrained Predictions
因果图与变换器：将有向无环图与变换器结合用于因果受限预测
机构 * Kivira Health（Kivira健康公司） ； The Sense Innovation and Research Center, CHUV, Lausanne, Switzerland（The Sense创新与研究中心，CHUV，洛桑，瑞士） ； Centre for Vision, Speech and Signal Processing, University of Surrey, U.K.（视觉、语音和信号处理中心，萨里大学，英国） ； Institute of Psychology, University of Lausanne, Switzerland（心理学研究所，洛桑大学，瑞士） ； EPFL, Switzerland（瑞士联邦理工学院）
AI总结 本文提出因果变换器（CaTs），通过整合有向无环图与变换器，实现因果受限预测，提升模型的鲁棒性、可靠性和可解释性。
Synchronization on circles and spheres with nonlinear interactions
圆和球上的同步与非线性相互作用
机构 * The Wharton School, University of Pennsylvania, USA（沃森学校，宾夕法尼亚大学） ； Institute of Mathematics, EPFL, Lausanne, Switzerland（数学研究所，EPFL，拉沃斯纳，瑞士） ； CERMICS, ENPC, Institut Polytechnique de Paris, CNRS, France（CERMICS，ENPC，巴黎理工学院，CNRS，法国）
AI总结 研究圆和球面上非线性相互作用下的同步问题，发现维度d影响同步条件，提出新的同步条件并证明其有效性。
Comments 30 pages, 1 figure
A Gentle Introduction and Tutorial on Deep Generative Models in Transportation Research
深度生成模型在交通研究中的温和入门与教程
机构 * University of Minnesota（明尼苏达大学） ； Univ. Guatave Eiffel, ENTPE, LICIT-ECO7（埃弗尔大学） ； Urban Transport Systems Laboratory (LUTS), École Polytechnique Fédérale de Lausanne (EPFL)（洛桑联邦理工学院交通系统实验室） ； National University of Singapore（新加坡国立大学） ； The University of Queensland（昆士兰大学） ； McGill University（麦吉尔大学）
AI总结 本文介绍了深度生成模型在交通研究中的应用，涵盖基础概念、模型详解、文献综述及实践代码，旨在为研究人员提供从入门到高级应用的全面指导。
Comments 64 pages, 21 figures, 4 tables
Journal ref Transportation Research Part C: Emerging Technologies (2025)
Tandem Training for Language Models
语言模型的串联训练
机构 * EPFL（瑞士联邦理工学院） ； University of Toronto（多伦多大学） ； Microsoft（微软公司）
AI总结 本文提出串联训练方法，通过强化学习促进语言模型在任务中保持可解释性，使模型能适应较弱协作者并保持高准确性。
Journal ref Proceedings of the 2026 Conference of the European Chapter of the Association for Computational Linguistics (EACL)
Exploring the Landscape of Non-Equilibrium Memories with Neural Cellular Automata
探索非平衡记忆的景观：神经细胞自动机
机构 * SB Schools, École Polytechnique Fédérale de Lausanne (EPFL), Switzerland（瑞士联邦理工学院（EPFL）SB学院） ； Department of Computing and Mathematical Sciences, Caltech, Pasadena, CA 91125, USA（加州理工学院计算与数学科学系） ； Institute for Quantum Information and Matter, Caltech, Pasadena, CA 91125, USA（加州理工学院量子信息与物质研究所） ； Department of Physics, University of California Berkeley, Berkeley, CA 94720, USA（加州大学伯克利分校物理系）
AI总结 本研究通过神经细胞自动机探索非平衡记忆的多样性，发现多种记忆机制能以不同方式存储和纠正信息。
Comments 4+9 pages; v2: expanded discussion, typos fixed
Journal ref Phys. Rev. Lett. 136, 037102 - Published 21 January, 2026
COARSE: Collaborative Pseudo-Labeling with Coarse Real Labels for Off-Road Semantic Segmentation
COARSE：协作伪标签与粗略真实标签用于越野语义分割
机构 * Jet Propulsion Laboratory, California Institute of Technology（喷气推进实验室，加州理工学院） ； EPFL, Ecole Polytechnique Federale de Lausanne（苏黎世联邦理工学院）
AI总结 COARSE通过协作伪标签与粗略真实标签提升越野语义分割的域适应能力，实验证明在多生物环境下的有效性。
Comments preprint, 8 pages
BrainDistill: Implantable Motor Decoding with Task-Specific Knowledge Distillation
BrainDistill: 可植入式运动解码与任务特定知识蒸馏
机构 * Neuro-X Institute, EPFL, Geneva, Switzerland（Neuro-X研究所，EPFL，瑞士日内瓦） ； NeuroRestore, Defitech Center for Interventional Neurotherapies, EPFL/CHUV/UNIL, Lausanne, Switzerland（NeuroRestore，介入神经治疗中心，EPFL/CHUV/UNIL，瑞士洛桑） ； Department of Medicine, University of Fribourg, Fribourg, Switzerland（医学系，弗里堡大学，瑞士弗里堡） ； Department of Clinical Neuroscience, Lausanne University Hospital (CHUV)（临床神经科学系，洛桑大学医院（CHUV）） ； University of Lausanne (UNIL), Lausanne, Switzerland（洛桑大学（UNIL），瑞士洛桑） ； Department of Neurosurgery, CHUV, Lausanne, Switzerland（神经外科系，CHUV，瑞士洛桑）
AI总结 BrainDistill通过整合可植入神经解码器与任务特定知识蒸馏框架，实现了在电力受限环境下高效运动解码。
Comments 21 pages,7 figures
Latent Causal Diffusions for Single-Cell Perturbation Modeling
潜在因果扩散用于单细胞扰动建模
机构 * Department of Computer Science, ETH Zürich（苏黎世联邦理工学院计算机科学系） ； Laboratory for Information and Decision Systems, Massachusetts Institute of Technology（麻省理工学院信息与决策系统实验室） ； Eric and Wendy Schmidt Center, Broad Institute of MIT and Harvard（MIT和哈佛大学博德研究所埃里克·安德森·温德斯中心） ； School of Computer and Communication Sciences, EPFL（苏黎世联邦理工学院计算机与通信科学学院） ； Swiss Institute for Experimental Cancer Research, School of Life Sciences, EPFL（瑞士实验癌症研究所以及EPFL生命科学学院） ； Max Planck Institute for Intelligent Systems, Tübingen, Germany（德国图宾根最大计划智能系统研究所） ； ELLIS Institute, Tübingen, Germany（德国图宾根ELLIS研究所）
AI总结 本文提出潜在因果扩散模型，用于单细胞扰动建模，通过因果线性化方法揭示基因调控的因果结构。
Tracking the Limits of Knowledge Propagation: How LLMs Fail at Multi-Step Reasoning with Conflicting Knowledge
追踪知识传播的极限：LLMs在存在冲突知识的多步骤推理中的失败
机构 * EPFL（苏黎世联邦理工学院） ； Stony Brook University（石溪大学）
AI总结 TRACK基准测试揭示了LLMs在存在冲突知识的多步骤推理中因无法有效整合更新信息而性能下降的问题。
Comments Accepted to EACL 2026 (Main)
Decoder-Free Supervoxel GNN for Accurate Brain-Tumor Localization in Multi-Modal MRI
无解码器的监督超像素图神经网络用于多模态MRI中脑肿瘤的准确定位
机构 * European Organization for Nuclear Research, Geneva, Switzerland（欧洲核子研究中心） ； Dept. of Neuroscience, École Polytechnique Fédérale de Lausanne, Lausanne, Switzerland（瑞士洛桑联邦理工学院神经科学系） ； BCN Medtech, Dept. of Engineering, Universitat Pompeu Fabra, Barcelona, Spain（巴塞罗那大学工程系） ； Universidade de Coimbra, Coimbra, Portugal（科英布拉大学） ； Sapienza Università di Roma, Rome, Italy（罗马萨皮恩扎大学） ； ICREA, Barcelona, Spain（巴塞罗那高等科研机构）
AI总结 本文提出SVGFormer，一种无解码器的监督超像素图神经网络，用于多模态MRI中脑肿瘤的准确定位，通过层次编码器结合Transformer和图注意力网络，实现高精度和可解释的医学图像分析。
Comments 10 pages, 3 figures,
CauScientist: Teaching LLMs to Respect Data for Causal Discovery
CauScientist: 教授大语言模型尊重数据进行因果发现
机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） ； Tongji University（同济大学） ； École Polytechnique Fédérale de Lausanne（瑞士联邦理工学院）
AI总结 CauScientist通过结合大语言模型与概率统计，提升因果发现的准确性与可靠性，实现显著的F1分数提升和召回率提高。
Diffusion-based Inverse Model of a Distributed Tactile Sensor for Object Pose Estimation
基于扩散的分布式触觉传感器逆模型用于物体姿态估计
机构 * Idiap Research Institute（Idiap研究机构） ； École Polytechnique Fédérale de Lausanne（瑞士联邦理工学院） ； Oxford Robotics Institute（牛津机器人研究所）
AI总结 本文提出基于扩散模型的分布式触觉传感器逆模型，用于在无视觉数据情况下提高物体姿态估计的精度和效率。
Improving Audio Question Answering with Variational Inference
通过变分推断改进音频问答
机构 * Idiap Research Institute, Martigny, Switzerland（日内瓦研究所） ； École Polytechnique Fédérale de Lausanne, Lausanne, Switzerland（洛桑联邦理工学院）
AI总结 本文通过改进的变分推断优化器提升音频问答任务的预测准确性与校准性。
Comments ICASSP 2026
Revisiting Deep Information Propagation: Fractal Frontier and Finite-size Effects
重新审视深度信息传播：分形前沿与有限尺寸效应
机构 * MathLab, International School for Advanced Studies (SISSA)（数学实验室，国际先进研究学院（SISSA）） ； Biomedical Imaging Group, École Polytechnique Fédérale de Lausanne（生物医学成像组，瑞士联邦理工学院） ； Laboratoire de Physique de l’ENS Lyon, CNRS UMR 5672（Lyon 大学物理实验室，CNRS UMR 5672）
AI总结 本研究揭示了深度神经网络中信息传播的分形结构，指出有限尺寸网络对分离与鲁棒性权衡的重要性。
Comments 19 pages
Universal Architectures for the Learning of Polyhedral Norms and Convex Regularizers
通用架构用于学习多面体范数和凸正则化器
机构 * Biomedical Imaging Group, École polytechnique fédérale de Lausanne (EPFL)（瑞士洛桑联邦理工学院生物医学成像组）
AI总结 本文提出通用架构用于学习多面体范数和凸正则化器，通过合成和分析形式实现图像重建，优于稀疏性方法。
Comments Accepted for publication in SIAM Journal on Imaging Sciences
Scalable Music Cover Retrieval Using Lyrics-Aligned Audio Embeddings
基于歌词对齐音频嵌入的可扩展音乐封面检索
机构 * Deezer Research, Paris, France（DeepZoom研究机构，法国巴黎） ； EPFL, Lausanne, Switzerland（瑞士洛桑联邦理工学院）
AI总结 LIVI通过利用歌词信息提升音乐封面检索的准确性和效率，减少对复杂模型的依赖。
Comments Published at ECIR 2026 (European Conference of Information Retrieval)
Compartmentalised Agentic Reasoning for Clinical NLI
临床自然语言推理中的 compartmentalised agentic 推理
机构 * Department of Computer Science, University of Manchester, UK（曼彻斯特大学计算机科学系） ； National Biomarker Centre, CRUK-MI, University of Manchester, UK（曼彻斯特大学国家生物标记中心） ； Idiap Research Institute, Switzerland（日内瓦IDIAP研究所） ； School of Computer Science, University of Sheffield, UK（谢菲尔德大学计算机科学系） ； École Polytechnique Fédérale de Lausanne (EPFL), Switzerland（洛桑联邦理工学院（EPFL））
AI总结 CARENLI 通过 compartmentalisation 和验证提升临床自然语言推理的准确率，从 23% 提高到 57%
Sampling-Based Constrained Motion Planning with Products of Experts
基于采样法的约束运动规划与专家产品
机构 * Idiap Research Institute（Idiap研究机构） ； École Polytechnique Fédérale de Lausanne (EPFL)（瑞士联邦理工学院）
AI总结 本文提出了一种基于专家产品的采样方法，用于改进约束优化中的MPC性能，通过先投影再采样的策略提升效率和探索多样性。
Opportunities and Challenges of Natural Language Processing for Low-Resource Senegalese Languages in Social Science Research
自然语言处理在塞内加尔语言社会科学研究中的机遇与挑战
机构 * Polytechnic School (ESP)（多科技术校） ； Gaston Berger University (UGB)（加斯顿-伯杰大学） ； Federal Institute of Technology Lausanne (EPFL)（洛桑联邦理工学院）
AI总结 本文探讨了自然语言处理在塞内加尔六种语言社会科学研究中的机遇与挑战，提出构建可持续的NLP生态系统，强调伦理治理与跨学科合作。
