高校专区
用于确定性、自扩展反应分类的可验证规则的智能体生成
机构 * École Polytechnique Fédérale de Lausanne (EPFL)（洛桑联邦理工学院） ； Laboratory for Chemical Technology, Ghent University（根特大学化学技术实验室） ； NCCR Catalysis（瑞士国家研究能力中心催化项目）
AI总结 提出多智能体LLM框架，通过验证循环自动生成反应规则，将标准分类从68类扩展到14,073类，并实现97.7%的未知反应分类准确率。
VecHeart：通过混合VecSets实现整体四腔心脏解剖建模
机构 * CVLAB, EPFL（EPFL计算机视觉实验室）
AI总结 本文提出VecHeart框架，通过混合部分Transformer和解剖完成遮蔽策略，实现四腔心脏结构的完整重建与生成，解决了传统方法在多部分关联建模中的不足。
Comments Accepted by MICCAI 2026
通过动作生成与动作追踪学习全身体态的人形运动
机构 * Robotic Systems Lab, ETH Zuirch（苏黎世联邦理工学院机器人系统实验室） ； Simon Fraser University（西蒙弗雷泽大学） ； ETH AI Center, ETH Zurich（苏黎世联邦理工学院人工智能中心） ； EPFL（苏黎世联邦理工学院）
AI总结 本文提出结合参考动作学习与地形感知适应的全身体态人形运动框架，通过扩散模型预测地形感知参考动作，并利用强化学习训练全身体态追踪器，提升在不同地形上的适应能力。
跨全栈和稀疏心脏磁共振成像的端到端4D心脏网格恢复
机构 * School of Computer and Communication Science, EPFL（计算机与通信科学学院，瑞士联邦理工学院） ； ELLIS Institute Finland, Aalto University, Finland（芬兰ELLIS研究所，阿尔托大学，芬兰） ； University of North Carolina at Charlotte（北卡罗来纳大学夏洛特分校） ； Center for Interventional MRI, CHUV（介入MRI中心，CHUV）
AI总结 研究针对心脏磁共振成像序列重建心脏运动问题，提出TetHeart框架，利用可变形四面体，通过创新机制和策略，能从全栈及稀疏切片观测恢复4D心脏网格，在多数据集上实现高精度和强泛化。
Comments Accepted by TMLR
通过模仿学习实现自主软机器人血管内导航
机构 * Johns Hopkins University（约翰霍普金斯大学） ； Stanford University（斯坦福大学） ； McGill University（麦吉尔大学） ； University of Maryland（马里兰大学） ； Swiss Federal Institute of Technology in Lausanne (EPFL)（日内瓦联邦理工学院（EPFL）） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 研究旨在实现自主软机器人血管内导航，开发基于变压器的模仿学习框架，通过目标条件等实现通用导航，在多种几何结构上训练并评估，策略成功率高，还进行了相关研究及扩展，提升了在未见几何结构上的成功率。
时间序列的终端降维及其应用
机构 * TU Dortmund（图宾根大学） ； EPFL（苏黎世联邦理工学院） ； CNRS & Université Paris Cité, IRIF（国家科学研究中心及巴黎cité大学，IRIF） ； Aarhus University（奥胡斯大学）
AI总结 研究针对时间序列聚类等复杂结构降维问题，将终端嵌入推广到仿射线段，利用保线终端嵌入结合约翰逊 - 林登施特劳斯嵌入获得无维核心集，实验表明其在时间序列降维上表现良好且有独特优势。
Comments ICML 2026
划分路径的核：树集成的统一表示
机构 * Datapred SAS ； Datapred SA ； EPFL Innovation Park – Bâtiment A
AI总结 提出KPP核，通过路径度量索引森林节点，统一了预测、精确加性归因、确定性Lipschitz鲁棒半径和Rademacher风险界，为树集成提供几何框架。
Comments v3 (38 pages): adds a 40-dataset benchmark study with Friedman and Nemenyi analyses, leaf-only and node-weight ablations, and per-dataset supplementary tables; incorporates three correctness-focused revision passes. Results and conclusions unchanged
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
如何利用合成语音提升基于LLM的ASR系统？
机构 * Idiap Research Institute（Idiap研究 institute） ； Universite de Toulon（里昂大学） ； EPFL（瑞士联邦理工学院） ； University of Zurich（苏黎世大学） ； Uniphore（Uniphore公司） ； Brno University of Technology（布拉格技术大学）
AI总结 针对隐私敏感领域合成语音与真实数据分布差异问题，通过分析SLAM-ASR架构定位差异来源，发现早期到中间层对时间与韵律扰动敏感，并证明卷积房间脉冲响应可缩小差距，结合层选择模块与RIR增强仅用25%真实语音即达到全真实数据基线。
Comments Submitted to SLT 2026
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
柔顺、扭转梁体的振动用于欠驱动四足运动
机构 * Reconfigurable Robotics Laboratory, School of Engineering, EPFL（可重构机器人实验室，工程学院，EPFL） ； The School of Manufacturing Systems and Networks, Fulton Schools of Engineering（制造系统与网络学院，福尔顿工程学院）
AI总结 Flix-Walker利用柔顺螺旋梁和振动驱动实现欠驱动四足运动，通过参数优化提升运动稳健性与自主导航能力。
Comments This manuscript is under revision for possible publication in the IEEE/ASME Transactions on Mechatronics. Copyright may be transferred to IEEE if the manuscript is accepted for publication, without further notice. Supplementary videos: https://youtu.be/T3d6FT3Rx-s, https://youtu.be/nPQrhKlN02E
Journal ref IEEE/ASME Transactions on Mechatronics, 2026
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
MAM-AI：面向桑给巴尔护士和助产士的设备端医疗检索增强生成系统
机构 * École Polytechnique Fédérale de Lausanne（瑞士联邦理工学院洛桑分校）
AI总结 针对撒哈拉以南非洲地区护士助产士难以获取权威指南的问题，提出完全运行于安卓设备上的医疗问答系统MAM-AI，采用300M嵌入模型检索87份指南文档，并用4B int4生成器离线生成带引用的回答，评估发现小生成器在安全性和有用性间存在权衡，通过优化提示词降低回避率。
Comments 38 pages. Video demo: https://www.youtube.com/watch?v=M_Kruluel28 ; browser demo, code, models, and benchmarks linked in the paper
mamabench 和 mamaretrieval：评估孕产妇、新生儿和生殖健康领域医学检索增强生成的基准
机构 * École Polytechnique Fédérale de Lausanne（瑞士联邦理工学院洛桑校区）
AI总结 针对助产士咨询的孕产妇、新生儿和生殖健康问题，构建了包含25,949个问题的QA基准mamabench和基于3,185个查询的段落级相关性基准mamaretrieval，采用分级相关标注和标签质量审计。
Comments 13 pages, 3 tables. Datasets and construction code linked in the paper
面向静态摩擦控制的反向设计Metainterfaces：超越赫茨极限
机构 * Institute of Civil Engineering, Institute of Materials, École Polytechnique Fédérale de Lausanne (EPFL)（土木工程研究所、材料研究所、洛桑联邦理工学院（EPFL））
AI总结 本文提出了一种反向设计摩擦学Metainterfaces的方法，通过非线性宏观响应突破传统赫茨接触的限制，利用可微接触力学引擎和二次优化器实现可编程接触行为，通过正则化物理梯度发现复杂摩擦定律的非标准拓扑结构。
Comments 19 pages, 8 figures
揭示随机性：面向交通预测的通用多模态概率建模
机构 * Urban Transport Systems Laboratory (LUTS), EPFL（智能交通系统实验室（LUTS），EPFL）
AI总结 本文提出一种通用多模态概率建模方法，通过替换输出层为GMM层，提升交通预测的不确定性建模能力，实验表明其在多种数据集上表现优异。
Transformer中稀疏注意力模式的增量学习
机构 * TML Lab, EPFL（EPFL语言模型实验室）
AI总结 研究在高阶马尔可夫链上训练的简单Transformer，其通过稀疏注意力模式从多个过去位置学习信息，分析学习动态及阶段转换，用简化微分方程建模并证明收敛，为结构化注意力模式和头专业化提供理论解释。
Comments Published at ICML 2026. OpenReview: https://openreview.net/forum?id=vSRh1qU5sH. 41 pages, 21 figures
Journal ref Proceedings of the 43rd International Conference on Machine Learning (ICML 2026)
通过模拟和受数据库管理系统启发的缓存替换策略在大语言模型推理系统开发和在线工作负载中节省GPU时间
机构 * EPFL, Switzerland（苏黎世联邦理工学院） ； NUS, Singapore（新加坡国立大学） ； POSTECH, South Korea（POSTECH大学）
AI总结 研究大语言模型推理系统，通过模拟和受数据库管理系统启发的缓存替换策略，节省GPU时间，提出新缓存替换策略并证明其有效性。
奇偶感知字节对编码：提高词元化中的跨语言公平性
机构 * EPFL（苏黎世联邦理工学院） ； University of Zurich（苏黎世大学）
AI总结 研究针对词元化中低资源语言词元化不合理问题，引入奇偶感知字节对编码，通过公平最大化规则平衡跨语言公平性与全局压缩，减少词元化不平等，对全局压缩和下游语言模型性能影响小。
Comments ACL 2026
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
语言统计中的对称性塑造了模型表示的几何结构
机构 * UC Berkeley（加州大学伯克利分校） ； EPFL（瑞士联邦理工学院洛桑分校） ； Johns Hopkins（约翰斯·霍普金斯大学） ； Google DeepMind（谷歌DeepMind）
AI总结 本文证明语言统计中的平移对称性（如月份共现频率仅取决于时间间隔）决定了词嵌入模型的高维几何结构，并推导出表示流形的解析形式，该几何在统计扰动下仍保持鲁棒。
Comments ICML 2026
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