高校专区
时间中的先验：语言模型可解释性中缺失的归纳偏置
机构 * Goodfire AI ； Independent（独立） ； SEAS, Harvard University（哈佛大学SEAS学院） ； EPFL（瑞士联邦理工学院） ； Kempner Institute at Harvard University（哈佛大学凯普内研究所） ； Department of Psychology, Stanford University（斯坦福大学心理学系） ； Department of Psychology, Harvard University（哈佛大学心理学系） ； Decode Research ； Boston University（波士顿大学）
AI总结 本文提出时序特征分析方法，通过引入时序归纳偏置，改进语言模型表示的可解释性，有效区分抽象与新颖信息，克服现有方法的局限。
Comments Preprint
URL助益，主题引导：理解元数据在LLM训练中的效用
机构 * EPFL（苏黎世联邦理工学院）
AI总结 本研究探讨了元数据在LLM训练中的效用，发现URL上下文能提升训练效率，而主题和格式信息则能引导生成输出，但不加速训练。
Comments NeurIPS 2025, Camera Ready
在何时自底向上方法胜过自顶向下方法在分层社区检测中？
机构 * École Polytechnique Fédérale de Lausanne（瑞士联邦理工学院洛桑分校）
AI总结 本文研究了自底向上方法在分层社区检测中的优势，证明其在中间层次实现精确恢复的理论保证优于自顶向下方法。
基于量子傅里叶变换的太阳能辐照度预测核函数
机构 * Ecole Polytechnique Fédérale de Lausanne (EPFL)（瑞士联邦理工学院） ； Mechanical Engineering Department, Universidad de Chile（智利大学机械工程系） ； Departamento de Ingeniería Mecánica y Metalúrgica, Escuela de Ingeniería, Pontificia Universidad Católica de Chile（智利天主教大学机械工程与冶金系） ； Garrick Institute for the Risk Sciences, University of California（加州大学风险科学研究所）
AI总结 本文提出基于量子傅里叶变换的核函数，用于提升太阳能辐照度预测的精度与鲁棒性。
Comments 33 pages, 13 figures
一种数据驱动的扩散方法用于音频深度伪造解释
机构 * EPFL（瑞士联邦理工学院） ； Reality Defender Inc.（Reality Defender公司）
AI总结 本文提出了一种数据驱动的扩散方法，通过时频差异信号训练模型，以更准确地识别音频深度伪造中的伪影区域。
Comments 5 pages, 3 figures, accepted at Interspeech 2025
Journal ref Interspeech 2025
流式子模最大化中的公平性：在Matroid约束下
机构 * Samsung - SAIT AI Lab, Montreal（三星 - SAIT AI实验室，蒙特利尔） ； Sapienza University of Rome（罗马萨皮恩扎大学） ； Google Zurich（谷歌苏黎世） ； Google Zurich EPFL（谷歌苏黎世EPFL） ； Microsoft Research（微软研究院）
AI总结 本文研究了在Matroid约束下流式子模最大化问题的公平性，提出流式算法和不可能结果，通过现实应用验证了效率、质量和公平性的权衡。
Comments Correcting error in Proposition C.6. This doesn't affect any other result in the paper
基于最优传输的序列到序列建模可微对齐框架
机构 * Idiap Research Institute（Idiap研究机构） ； EPFL（瑞士联邦理工学院） ； BUT（布拉格技术大学）
AI总结 本文提出基于最优传输的可微对齐框架，改进序列到序列模型的对齐性能，同时在ASR性能上有所权衡。
成语的解剖：追踪语言模型中的非组合性
机构 * Theoretical Particle Physics Laboratory, Institute of Physics, EPFL, Lausanne, Switzerland（理论粒子物理实验室，物理研究所，EPFL，洛桑，瑞士）
AI总结 本文研究了语言模型处理习语的非组合性机制，通过电路发现技术揭示了习语处理中的注意力模式和增强接收现象。
VersaPants：一种用于下肢动作捕捉的宽松织物电容式传感系统
机构 * École Polytechnique Fédérale de Lausanne (EPFL)（瑞士联邦理工学院洛桑分校）
AI总结 VersaPants是一种基于织物的电容式传感系统，通过轻量级Transformer模型实现下肢动作捕捉，具有高精度和低功耗的特点。
Comments 14 pages, 8 figures
PrIntMesh：3D器官网格重建的精确交界面
机构 * EPFL（瑞士联邦理工学院） ； UNC Charlotte（北卡罗来纳大学夏洛特分校） ； ELLIS Institute Finland（芬兰埃利斯研究所） ； Adis SA（Adis SA公司）
AI总结 PrIntMesh通过统一系统重建方法，实现高精度的3D器官网格重建，有效处理共享界面并保持结构一致性。
Comments 12 pages, 9 figures
离散化分布：具有Wasserstein距离保证的高斯混合分布高效量化
机构 * TU Delft（代尔夫特理工大学） ； EPFL（苏黎世联邦理工学院）
AI总结 discretize_distributions通过高效量化方法和Wasserstein距离保证，实现高斯混合分布的准确离散近似。
机构 * SonyAI, Switzerland（索尼AI（瑞士）） ； Sony Semiconductor Solutions Europe, Germany（索尼半导体解决方案欧洲（德国）） ； EPFL, Switzerland（苏黎世联邦理工学院（瑞士）） ； TU Munich, Germany（慕尼黑技术大学（德国））
机构 * EPFL, Intelligent Maintenance and Operations Systems（苏黎世联邦理工学院，智能维护与操作系统） ； SKF, Research and Technology Development（SKF，研究与技术开发）
Comments Reuploaded with new version-- equation 16 was incorrect
机构 * CLAIRE, EPFL（EPFL的CLAIRE） ； Google DeepMind（谷歌DeepMind）
Comments Accepted by NeurIPS 2025
机构 * EPFL（瑞士联邦理工学院） ； LTS4（LTS4实验室） ； PCSL（PCSL实验室）
机构 * SYCAMORE Lab, École Polytechnique Fédérale de Lausanne (EPFL), Switzerland（苏黎世联邦理工学院（EPFL））
机构 * Harvard（哈佛大学） ； Stanford（斯坦福大学） ； EPFL（苏黎世联邦理工学院） ； CMU（卡内基梅隆大学）
Comments NeurIPS 2025 (Oral)
机构 * Institute of Mathematics, EPFL, Switzerland（瑞士联邦理工学院数学研究所） ； Computational Engineering Lab, Empa, Switzerland（瑞士Empa计算工程实验室） ； ENSAE, IP Paris, France（法国IP巴黎高等商学院）
机构 * Institute of Mathematics, EPFL, Switzerland（瑞士联邦理工学院数学研究所） ； Computational Engineering Lab, Empa, Switzerland（瑞士Empa计算工程实验室）
机构 * Hamburg University of Technology（汉堡理工大学） ； Helmholtz-Zentrum Hereon（海德堡研究中心） ； University of Toronto（多伦多大学） ； EPFL（苏黎世联邦理工学院）
Comments Accepted for publication in Communications of the ACM (CACM), Opinion section
机构 * Tsinghua University（清华大学） ； Mohamed bin Zayed University of Artificial Intelligence (MBZUAI)（Mohamed bin Zayed人工智能大学） ； École Polytechnique Fédérale de Lausanne (EPFL)（洛桑联邦理工学院） ； Carnegie Mellon University（卡内基梅隆大学）
机构 * Massachusetts Institute of Technology（麻省理工学院） ； École Polytechnique Fédérale de Lausanne（瑞士联邦理工学院） ； University of California, Berkeley（加州大学伯克利分校） ； Princeton University（普林斯顿大学）
Comments Accepted at NeurIPS 2025
机构 * École Polytechnique Fédérale de Lausanne (EPFL), Laboratory for Information and Inference Systems (LIONS)（瑞士联邦理工学院（EPFL）、信息与推断系统实验室）
机构 * Biomedical Imaging Group（生物医学成像组） ； Center for Imaging -- EPFL（成像中心 -- EPFL） ； Paul Scherrer Institute (PSI)（保罗·施特默研究所（PSI））
机构 * École Polytechnique Fédérale de Lausanne (EPFL)（联邦理工学院洛桑校区） ； Instituto de Matemática Pura e Aplicada (IMPA)（数学与应用数学研究所） ； Universidade do Estado do Rio de Janeiro (UERJ)（里约热内卢州立大学） ； Laboratório Nacional de Computação Científica (LNCC)（国家科学计算实验室） ； University of Georgia (UGA)（佐治亚大学）
Comments Accepted at NeurIPS 2025 (poster). 24 pages, 10 figures
机构 * EPFL, School of Computer and Communication Sciences（苏黎世联邦理工学院计算机与通信科学学院） ； Department of Electrical Engineering University 1 City 1（电气工程系大学1城市1）
机构 * Department of Electronics and Informatics, Vrije Universiteit Brussel（布鲁塞尔自由大学电子与信息系） ； VITA Lab, EPFL（EPFL VITA实验室）
Comments 13 pages
机构 * Statistical Physics of Computation Laboratory (SPOC), EPFL, Switzerland（统计物理计算实验室（SPOC），瑞士联邦理工学院） ； Inria Paris, DI ENS, PSL University, Paris, France（巴黎Inria，ENS DI，巴黎大学，法国） ； Information, Learning, and Physics Laboratory (IDEPHICS), EPFL, Switzerland（信息、学习和物理实验室（IDEPHICS），瑞士联邦理工学院）
Journal ref COLT 2025
机构 * ELLIS Alicante, Spain（阿利坎特ELLIS研究所，西班牙） ； Universitat d’Alacant, Spain（阿利坎特大学，西班牙） ； École Polytechnique Fédérale de Lausanne, EPFL, Switzerland（洛桑联邦理工学院，瑞士）
机构 * Emanuele Troiani Statistical Physics Of Computation Laboratory, École Polytechnique Fédérale de Lausanne (EPFL)（埃因斯坦理工大学统计物理计算实验室） ； Hugo Cui Center of Mathematical Sciences and Applications, Harvard University（哈佛大学数学科学中心） ； Yatin Dandi Statistical Physics Of Computation Laboratory, École Polytechnique Fédérale de Lausanne (EPFL) Information Learning and Physics Laboratory, École Polytechnique Fédérale de Lausanne (EPFL)（埃因斯坦理工大学统计物理计算实验室） ； Florent Krzakala Information Learning and Physics Laboratory, École Polytechnique Fédérale de Lausanne (EPFL)（埃因斯坦理工大学信息学习与物理实验室） ； Lenka Zdeborová Statistical Physics Of Computation Laboratory, École Polytechnique Fédérale de Lausanne (EPFL)（埃因斯坦理工大学统计物理计算实验室）
Journal ref ICML 2025
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