高校专区
语言模型是高效的推理者吗？从逻辑编程的角度看
机构 * ETH Zürich（苏黎世联邦理工学院） ； MPI for Intelligent Systems, Tübingen（智能系统马克斯·普朗克研究所） ； EPFL（苏黎世联邦理工学院） ； Idiap Research Institute（Idiap研究机构） ； Purdue University（普渡大学）
AI总结 本文从逻辑编程角度评估语言模型的推理效率，发现其在存在无关信息时推理能力下降，生成证明常包含不必要的推理步骤。
Comments NeurIPS 2025
PrivLEX：通过视觉-语言模型检测图像中的法律概念
机构 * EPFL（苏黎世联邦理工学院） ； Idiap Research Institute（Idiap研究机构）
AI总结 PrivLEX通过视觉-语言模型实现图像中法律概念的检测，无需显式标签即可进行可解释的隐私分类。
Transformer文本嵌入的微分隐私：非参数变分信息瓶颈
机构 * Idiap Research Institute（Idiap研究 institute） ； EPFL（瑞士联邦理工学院）
AI总结 本文提出非参数变分微分隐私方法，通过在transformer嵌入中注入噪声来保护文本数据隐私，同时保持模型准确性。
Comments 11 pages, 2 figures
实例依赖的非随机线性部分观察后悔界
机构 * EPFL（苏黎世联邦理工学院） ； Università degli Studi di Milano（米兰大学） ； Politecnico di Milano（米兰理工大学） ； ETH Zürich（苏黎世联邦理工学院） ； Univ. Grenoble Alpes（格勒诺布尔阿尔卑斯大学） ； Inria（法国国家信息与自动化技术研究院） ； CNRS（法国国家科学研究中心） ； Grenoble INP（格勒诺布尔INP） ； LJK（实验室）
AI总结 本文提出了一种非随机线性部分观察问题的实例依赖后悔界，通过探索-优化方法实现了高效实现，并在不同游戏中达到了标准的√T和T^{2/3}速率。
通过选择性数据删除实现分布机器遗忘
机构 * Stanford University（斯坦福大学） ； EPFL（瑞士联邦理工学院）
AI总结 本文提出了一种基于选择性数据删除的分布机器遗忘方法，通过Kullback-Leibler散度约束实现高效删除与保留平衡，实验表明在低散度环境下样本效率显著提升。
跨固定收益产品类别的迁移学习
机构 * EPFL（瑞士联邦理工学院）
AI总结 本文提出了一种跨固定收益产品类别的迁移学习框架，通过扩展核岭回归到向量值设置，解决稀疏或噪声数据下的折现曲线估计问题，并通过高斯过程解释和实验验证提升了外推性能。
基于学习的多视图立体：综述
机构 * Department of Computer Science, ETH Zurich（苏黎世联邦理工学院计算机科学系） ； Graduate School of Information Science and Technology, The University of Tokyo（东京大学信息科学与技术研究生院） ； Department of Computer Science, University of Southern California（南加州大学计算机科学系） ； Department of Engineering Science, University of Oxford（牛津大学工程科学系） ； University of Chinese Academy of Sciences（中国科学院大学） ； 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） ； Australian National University（澳大利亚国立大学） ； Microsoft, Zurich（微软（瑞士））
AI总结 本文综述了基于学习的多视图立体方法，重点介绍了基于深度图的方法，并讨论了该领域未来的研究方向。
Comments Accepted to IEEE T-PAMI 2026
基于模块化可折叠机器人的表面操控
机构 * Swiss Federal Institute of Technology 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模块化可折叠机器人的表面操控方法，通过调整表面位置和方向实现物体的稳定操控，适用于各种形状和刚度的物体。
Comments This manuscript has been published in npj Robotics. Supplementary video: https://www.youtube.com/watch?v=2TPTBqp84BY
Journal ref npj Robot 4, 3 (2026)
将机器生成的简短描述整合到维基百科Android应用中：Descartes的试点部署
机构 * EPFL（苏黎世联邦理工学院） ； Wikimedia Foundation（维基媒体基金会）
AI总结 Descartes模型通过提供机器生成的简短描述建议，帮助维基百科编辑提高内容质量，试点结果显示其在12种语言中有效减少内容缺口。
带有归一化流的变分自编码器用于X射线光谱拟合
机构 * Department of Physics & Astronomy University of Southampton（物理与天文学系 英国南安普顿大学） ； Laboratoire d’astrophysique EPFL（天体物理学实验室 EPFL） ； Harvard-Smithsonian Center for Astrophysics（哈佛-史密松天体物理中心）
AI总结 本文提出一种基于变分自编码器和归一化流的模型，用于高效X射线光谱拟合，实现快速且精确的光谱重建。
Comments 7 pages, 1 table, 3 figures. Accepted as a workshop paper to Machine Learning and the Physical Sciences at NeurIPS 2025
MixRI：用于新颖物体姿态估计的参考图像特征混合
机构 * School of Electronics and Information, Northwestern Polytechnical University（电子与信息学院，西北工业大学） ； Shaanxi Key Laboratory of Information Acquisition and Processing（陕西省信息获取与处理重点实验室） ； CVLab, EPFL, Switzerland（EPFL瑞士计算机视觉实验室）
AI总结 MixRI通过轻量级网络和参考图像融合策略，实现新颖物体姿态估计，减少计算和存储需求，同时保持与传统方法相当的性能。
Comments Accepted by ICCV 2025
Journal ref Proceedings of the IEEE/CVF International Conference on Computer Vision (2025) 9024--9035
高维统计模型用于对抗训练：几何与权衡
机构 * Kasimir Tanner Information Learning and Physics Laboratory, École Polytechnique Fédérale de Lausanne (EPFL)（信息学习与物理实验室，瑞士联邦理工学院（EPFL）） ； Matteo Vilucchio Information Learning and Physics Laboratory, École Polytechnique Fédérale de Lausanne (EPFL)（信息学习与物理实验室，瑞士联邦理工学院（EPFL）） ； Bruno Loureiro Departement d’Informatique, École Normale Supérieure, PSL & CNRS（信息系，巴黎高等师范学院，PSL与CNRS） ； Florent Krzakala Information Learning and Physics Laboratory, École Polytechnique Fédérale de Lausanne (EPFL)（信息学习与物理实验室，瑞士联邦理工学院（EPFL））
AI总结 本文提出了一种高维统计模型，用于分析对抗训练中的几何权衡，揭示了多特征类型对鲁棒性和准确性的影响。
Journal ref In Proceedings of Machine Learning Research (AISTATS 2025), vol. 258, pp. 2530-2538, 2025
利用深度估计减少语义分割中域移时的假阴性
机构 * Ruhr University Bochum（博尔塔伦大学波恩姆大学） ； University of Wuppertal（乌珀塔尔大学） ； EPFL（瑞士联邦理工学院）
AI总结 通过单目深度估计减少域移时语义分割中的假阴性，提升分割精度和泛化能力。
非凸广义线性模型在高维中的渐进行为：复制公式的一个证明
机构 * Information Learning and Physics Laboratory, École Polytechnique Fédérale de Lausanne (EPFL)（信息学习与物理实验室，瑞士联邦理工学院（EPFL）） ； Statistical Physics of Computation Laboratory, École Polytechnique Fédérale de Lausanne (EPFL)（计算统计物理实验室，瑞士联邦理工学院（EPFL）） ； Unité de Mathématiques Pures et Appliquées, École Normale Supérieure de Lyon (ENS)（数学纯与应用单位，里昂高等师范学院（ENS））
AI总结 本文通过严格证明非凸GLMs的复制对称公式，展示了其在高维优化中的有效性，并通过Tukey损失、负则正则化和线性化AMP算法的应用，验证了统计物理预测在非凸问题中的正确性。
Comments In this revised version assumptions have been relaxed, and the analysis now relies on the most general condition ensuring the existence of the proximal operators. Several other minor edits and clarifications were also made
Cmprsr: 基于抽象的token级问题无关提示压缩器
机构 * Compresr Inc.（Compresr公司） ； EPFL（瑞士联邦理工学院）
AI总结 Cmprsr通过优化压缩元提示和微调技术，在多种压缩率下实现高效且高质量的提示压缩，适用于不同输入长度和领域。
一种通过命题图遍历实现全面RAG的导航方法
机构 * Idiap Research Institute（日内瓦研究所） ； École Polytechnique Fédérale de Lausanne（联邦理工学院洛桑分校） ； University of Manchester（曼彻斯特大学） ； CRUK Manchester Institute（CRUK曼彻斯特研究所）
AI总结 ToPG通过命题图遍历实现高效结构RAG系统，结合查询意识的图遍历与事实细粒度，提升复杂多跳查询和单跳事实检索的性能。
Comments 23 pages, 10 figures, 6 tables
逆向Q学习：在线模仿学习中的Q^π-可实现MDP
机构 * Universitat Pompeu Fabra（庞培法布拉大学） ； EPFL（瑞士联邦理工学院）
AI总结 本文提出SPOIL算法，通过线性Q^π-可实现MDP的结构性假设，在有限样本下实现与专家策略性能匹配，并在非线性情况下扩展，展示其在深度模仿学习中的优越性能。
这集合值得我的LLM投入时间吗？自动测量文本语料库中的信息潜力
机构 * EPFL（瑞士联邦理工学院） ； DHLab（数字人文实验室）
AI总结 本文提出了一种自动化方法，通过生成多项选择题并测量LLM在有无原始材料时的表现差异，来评估文本语料库的信息潜力，以优化数据获取和整合决策。
一种用于良好臂识别的任何时间算法
机构 * EPFL（洛桑联邦理工学院） ； Inria Lille（里尔大学研究所） ； Université Paris Cité（巴黎城市大学） ； Inserm（法国国家医学研究院） ； Université Sorbonne Paris Nord（巴黎北大学校） ； BioComp, Institut de Biologie de l’ENS (IBENS UMR 8197)（生物计算，巴黎高等师范学校生物研究所） ； Université Paris Cité, Inserm, NeuroDiderot, UMR-1141（巴黎城市大学，法国国家医学研究院，NeuroDiderot，UMR-1141） ； University of Rostock（罗斯托克大学）
AI总结 本文提出了一种用于良好臂识别的任何时间算法APGAI，该算法在固定预算和置信度设置下具有高效性和良好的实证性能。
Comments 90 pages, 23 figures, 14 tables. To be published in the Journal of Machine Learning Research
学习使硬尾变小：在可解线性模型中训练依赖的推理缩放
机构 * École Polytechnique Fédérale de Lausanne (EPFL)（联邦理工学院洛桑校区）
AI总结 LID模型通过训练依赖的推理缩放定律，揭示学习如何缩小误差分布的硬尾，提供可检验的预测和计算分配规则。
Comments 10 pages
利用大语言模型的真实深度
机构 * University of Geneva（日内瓦大学） ； EPFL（瑞士联邦理工学院） ； FAIR at META（META 的 FAIR）
AI总结 通过重构计算图并并行评估连续层对，提升大语言模型的推理效率，同时保持较高的准确率。
激活 oracle：训练和评估 LLM 作为通用目的激活解释器
机构 * MATS ； Truthful AI ； EPFL（瑞士联邦理工学院） ； ENS Paris-Saclay（巴黎-萨克雷大学） ； Northeastern University（东北大学） ； Anthropic
AI总结 本文提出了一种通用的 LLM 激活解释器，通过多样化训练在多个下游任务中表现出色，能恢复模型内部信息。
Comments 36 pages
科学探索中的因果推断
机构 * Institute of Science and Technology（科学与技术研究所） ； École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院）
AI总结 本文提出神经效应搜索方法，通过预训练模型和稀疏自动编码器，在真实世界科学试验中实现了无监督因果效应识别。
可视化 Lenia 参数空间的结构
机构 * EPFL（苏黎世联邦理工学院） ； CIIRC, CTU and FIT, CTU（捷克技术大学计算机科学与信息研究中心） ； Universitat Pompeu Fabra（庞培法华大学）
AI总结 本文提出了一种方法，通过分类 Lenia 系统为四种动态类别，可视化其参数空间结构并发现新的孤子家族及相空间结构的普遍性。
Comments 2 pages
HOLOGRAPH：通过sheaf理论对大型语言模型先验进行对齐以实现主动因果发现
机构 * Korea Advanced Institute of Science ； \'Ecole Polytechnique F\'ed\'erale de Lausanne (EPFL), Lausanne, Switzerland
AI总结 HOLOGRAPH通过sheaf理论对齐大型语言模型先验，实现主动因果发现，提供严谨的数学基础并实现竞争性性能。
一个图来跟踪他们所有人：动态图神经网络用于单视图和多视图跟踪
机构 * EPFL（苏黎世联邦理工学院） ； Invision AI ； CSEM（瑞士联邦材料科学与技术研究院）
AI总结 本文提出了一种动态图神经网络模型，用于单视图和多视图人群跟踪，通过构建动态空间时间图提升遮挡处理能力，并公开了新的大规模数据集以促进研究。
PERK：长上下文推理作为参数高效测试时学习
机构 * EPFL（瑞士联邦理工学院）
AI总结 PERK通过参数高效测试时学习方法，实现对长上下文的高效推理，显著提升模型性能。
Comments 10 pages, 7 figures
信息导向采样用于老虎机：入门
机构 * Institute of Physics, School of Basic Sciences, École Polytechnique Fédérale de Lausanne - EPFL, Lausanne, Switzerland ； Quantitative Life Sciences section, The Abdus Salam International Center for Theoretical Physics (ICTP), Trieste, Italy ； Department of Oncology, Universit\`a degli Studi di Torino, Italy
AI总结 本文介绍信息导向采样策略在老虎机问题中的应用，通过分析对称老虎机和一枚公平硬币场景，展示IDS在不同设定下的性能表现。
VibrantLeaves: 一种基于原理的参数图像生成器用于训练深度恢复模型
机构 * School of Computer and Communication Sciences, EPFL（EPFL计算机与通信科学学院） ； LTCI, Télécom Paris Institut Polytechnique de Paris（巴黎电信理工学院LTCI）
AI总结 VibrantLeaves通过几何建模、纹理和图像获取建模生成合成图像，提升深度恢复模型的训练效果和鲁棒性。
跨模态反事实解释：在主观分类中揭示决策因素和数据集偏见
机构 * EPFL（瑞士联邦理工学院）
AI总结 本文提出DeX框架，通过跨模态分解和图像特定概念生成自然语言反事实解释，揭示主观分类中的决策因素和数据集偏见，提升模型公平性。
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