EPFL（洛桑联邦理工学院）

An Ergonomic, Customizable Soft Robotic Glove toward Personalized Hand Rehabilitation

一种符合人体工程学、可定制的软体机器人手套，用于个性化手部康复

Rui Chen, Firman Isma Serdana, Domenico Chiaradia, Xianlong Mai, Elena Losanno, Gabriele Righi, Claudia De Santis, Federica Serra, Vincent Mendez, Cristian Camardella, Daniele Leonardis, Giulio Del Popolo, Silvestro Micera, Antonio Frisoli

机构 * The Biorobotics Inst. and Dept. of Excellence in Robotics and AI, Scuola Superiore Sant’Anna, Pisa, Italy（生物机器人研究所和机器人与人工智能卓越部门，圣安娜高等学院，比萨，意大利） ； Institute of Mechanical Intelligence and Department of Excellence in Robotics and AI, Scuola Superiore Sant’Anna (SSSA), 56127, Pisa, Italy（机械智能研究所和机器人与人工智能卓越部门，圣安娜高等学院（SSSA），56127，比萨，意大利） ； CAS Key Laboratory of Mechanical Behavior and Design of Materials, Institute of Humanoid Robots, School of Engineering Sciences, University of Science and Technology of China, Hefei, China（中国科学技术大学材料机械行为与设计国家重点实验室，人形机器人研究所，工程科学学院，合肥，中国） ； Modular Implantable Neuroprostheses (MINE) Laboratory, Università Vita-Salute San Raffaele & Sant’Anna School of Advanced Studies, Milan, Italy（可植入神经假体（MINE）实验室，维塔-桑瑞法大学及圣安娜高级研究学院，米兰，意大利） ； Careggi University Hospital, 50134 Florence, Italy（Careggi大学医院，50134，佛罗伦萨，意大利） ； Bertarelli Fndn. Chair in Translational Neuroengineering, Neuro X Institute, École Polytechnique Fédérale de Lausanne (EPFL), Laussane, Switzerland（伯特拉里基金会转化神经工程主席，Neuro X研究所，洛桑联邦理工学院（EPFL），洛桑，瑞士） 纠错

AI总结 针对手部康复需求，提出一种基于织物的可定制软体机器人手套，采用数控热封技术制造双腔致动器，通过个性化指关节适配和凹形外表面设计提升舒适度与抓握力，实验验证其能降低前臂肌肉活动并改善脊髓损伤患者的抓握模式。

Graph Learning Should Move Beyond Restrictive Views of Spectral and Message-Passing GNNs

图学习应超越对谱图神经网络和消息传递图神经网络的狭隘观点

Antonis Vasileiou, Juan Cervino, Pascal Frossard, Charilaos I. Kanatsoulis, Christopher Morris, Michael T. Schaub, Pierre Vandergheynst, Zhiyang Wang, Guy Wolf, Ron Levie

机构 * RWTH Aachen University（亚琛工业大学） ； Massachusetts Institute of Technology（麻省理工学院） ； École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院） ； Stanford University（斯坦福大学） ； University of California San Diego（加州大学圣地亚哥分校） ； Univ. de Montréal（蒙特利尔大学） ； Mila（Mila人工智能研究所） ； Technion – Israel Institute of Technology（技术学院–以色列理工学院） 纠错

AI总结 本文澄清了谱图神经网络与消息传递图神经网络的异同，提出基于特征基对称性的谱GNN精确定义，并倡导统一理论框架以推动图学习发展。

Comments 44 pages, 1 figure

Causal Evaluation of Membership Inference Attacks

成员推断攻击的因果评估

Mathieu Even, Clément Berenfeld, Linus Bleistein, Tudor Cebere, Julie Josse, Aurélien Bellet

机构 * Inria（法国国家科学研究中心） ； PreMeDICaL, Inserm, Montpellier, France（PreMeDICaL、法国国家医学研究院、蒙彼利埃，法国） ； School of Computer and Communication Science (EPFL)（信息与通信科学学院（EPFL）） ； School of Life Sciences (EPFL)（生命科学学院（EPFL）） ； Lausanne, Switzerland（瑞士洛桑） 纠错

AI总结 将成员推断攻击评估视为因果推断问题，定义记忆化为包含数据点的因果效应，提出多轮、单轮和零轮设置下的实用估计器并验证其有效性。

Comments Fixed ref label problems

MirrorCheck: Efficient Adversarial Defense for Vision-Language Models

MirrorCheck: 视觉-语言模型的高效对抗防御

Samar Fares, Klea Ziu, Toluwani Aremu, Nikita Durasov, Martin Takáč, Pascal Fua, Ivan Laptev, Karthik Nandakumar

机构 * Mohamed Bin Zayed University of Artificial Intelligence（莫扎伊德大学人工智能大学） ； NVIDIA ； École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院） ； Michigan State University（密歇根州立大学） 纠错

AI总结 提出MirrorCheck框架，利用文本到图像模型和随机化策略检测并防御针对视觉-语言模型的自适应对抗攻击。

Playing Devil's Advocate: Off-the-Shelf Persona Vectors Rival Targeted Steering for Sycophancy

扮演魔鬼的代言人：现成的人格向量在顺从性上与针对性引导相媲美

Ishaan Kelkar, Nebras Alam, Vikram Kakaria, Madhur Panwar, Vasu Sharma, Maheep Chaudhary

机构 * University of Toronto（多伦多大学） ； Princeton University（普林斯顿大学） ； Purdue University（普渡大学） ； EPFL（瑞士联邦理工学院） ； Algoverse ； Independent（独立） 纠错

AI总结 本文研究了不同人格对顺从性的影响，发现现成的人格引导向量在减少顺从性方面与针对性引导相当，且在用户正确时保持准确性。

Journal ref ICML, Pluralistic Alignment Workshop, 2026

Denoising Score Matching with Random Features: Insights on Diffusion Models from Precise Learning Curves

随机特征去噪分数匹配：从精确学习曲线看扩散模型

Anand Jerry George, Rodrigo Veiga, Nicolas Macris

机构 * École Polytechnique Fédérale de Lausanne (EPFL)（联邦理工学院洛桑校区） 纠错

AI总结 通过随机特征神经网络参数化分数函数，推导去噪分数匹配的渐近精确误差，揭示模型复杂度、数据量和噪声样本数对扩散模型泛化与记忆的影响。

Comments Published at AISTATS 2026

Diffusion-based Cumulative Adversarial Purification for Vision Language Models

基于扩散的累积对抗净化方法用于视觉语言模型

Jia Fu, Yongtao Wu, Yihang Chen, Kunyu Peng, Xiao Zhang, Volkan Cevher, Sepideh Pashami, Anders Holst

机构 * KTH Royal Institute of Technology（皇家理工学院） ； Swiss Federal Institute of Technology Lausanne（洛桑联邦理工学院） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； CISPA Helmholtz Center for Information Security（信息安全赫尔姆霍兹中心） ； RISE Research Institutes of Sweden（瑞典RISE研究机构） ； Halmstad University（哈马碧大学） 纠错

AI总结 提出DiffCAP，一种基于扩散的对抗净化策略，通过理论证明对抗效应随扩散单调衰减，并利用噪声注入与VLM嵌入相似度阈值自适应净化，显著提升防御效果并加速去噪。

Comments Accepted to Transactions on Machine Learning Research (TMLR 2026)

Helpful to a Fault: Measuring Illicit Assistance in Multi-Turn, Multilingual LLM Agents

有益于故障：测量多轮、多语言LLM代理中的非法协助

Nivya Talokar, Ayush K Tarun, Murari Mandal, Maksym Andriushchenko, Antoine Bosselut

机构 * EPFL（苏黎世联邦理工学院） ； independent（独立研究员） ； tubingen（图宾根大学） 纠错

AI总结 本文提出STING框架，用于评估多轮多语言LLM代理在执行非法任务时的协助能力，发现低资源语言中攻击成功率不一致，提供实际部署中的压力测试方法。

Comments Accepted in ICML 2026

Improved Analysis of the Accelerated Noisy Power Method with Applications to Decentralized PCA

加速噪声幂方法的改进分析及其在分布式PCA中的应用

Pierre Aguié, Mathieu Even, Laurent Massoulié

机构 * École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院） 纠错

AI总结 本文改进了加速噪声幂方法的分析，在更宽松的扰动条件下保持加速收敛速率，并首次提出具有可证明加速收敛的分布式PCA算法。

Zero and Few Shot Load Forecasting with Large Language Models

基于大语言模型的零样本和少样本负荷预测

Wenlong Liao, Chengrui Zhang, Zhe Yang, Mengshuo Jia, Christian Rehtanz, Jiannong Fang, Fernando Porté-Agel

机构 * School of Electrical Engineering, Southeast University（东南大学电气工程学院） ； Wind Engineering and Renewable Energy Laboratory, Ecole Polytechnique Federale de Lausanne (EPFL)（瑞士联邦理工学院洛桑分校风能与可再生能源实验室） ； College of Electrical Engineering and New Energy, China Three Gorges University（中国三峡大学电气工程与新能源学院） ； Department of Electrical and Electronic Engineering, Imperial College London（伦敦帝国理工学院电子与电气工程系） ； The Department of Automation, School of Automation and Intelligent Sensing, Shanghai Jiao Tong University（上海交通大学自动化与智能感知学院） ； The Key Laboratory of System Control and Information Processing, Ministry of Education of China, Shanghai（中国教育部系统控制与信息处理重点实验室，上海） ； State Key Laboratory of Submarine Geoscience, Shanghai（上海 submarine 地球科学国家重点实验室） ； Institute of Energy Systems, Energy Efficiency and Energy Economic, TU Dortmund University（德意志图林根大学能源系统、能效与能源经济研究所） 纠错

AI总结 提出利用预训练语言模型Chronos进行零样本和少样本负荷预测，在数据稀缺场景下显著优于多种基线模型。

Comments 24 pages,5 figures

Journal ref International Journal of Electrical Power & Energy Systems, Volume 177,April 2026

LAGO: A Local-Global Optimization Framework Combining Trust Region Methods and Bayesian Optimization

LAGO：一种结合信赖域方法和贝叶斯优化的局部-全局优化框架

Eliott Van Dieren, Tommaso Vanzan, Fabio Nobile

机构 * Institute of Mathematics EPFL（瑞士联邦理工学院数学研究所） ； Dipartimento di Scienze Matematiche Politecnico di Torino（都灵理工大学数学系） 纠错

AI总结 提出LAGO框架，通过自适应竞争机制耦合贝叶斯优化和基于梯度的信赖域局部细化，用于光滑且梯度可用的昂贵目标函数优化，在提议层面分离全局探索与局部细化。

Comments 21 pages, 12 figures

CoQuIR: A Comprehensive Benchmark for Code Quality-Aware Information Retrieval

CoQuIR：面向代码质量感知信息检索的综合基准

Jiahui Geng, Fengyu Cai, Shaobo Cui, Qing Li, Liangwei Chen, Chenyang Lyu, Haonan Li, Derui Zhu, Walter Pretschner, Heinz Koeppl, Fakhri Karray

机构 * Linköping University（林波伊大学） ； MBZUAI（麦肯锡人工智能研究院） ； TU Darmstadt（德累斯顿技术大学） ； Shanghai Jiao Tong University（上海交通大学） ； EPFL（苏黎世联邦理工学院） ； University of Groningen（Groningen大学） ； Google Tokyo（东京Google） ； Alibaba Group（阿里巴巴集团） ； TU Munich（慕尼黑技术大学） 纠错

AI总结 提出首个大规模多语言代码质量感知检索基准CoQuIR，涵盖正确性、效率、安全性和可维护性四维度，通过细粒度标注和两个质量中心指标评估23个模型，发现顶尖模型常无法区分有缺陷代码，并探索了训练方法以提升质量感知能力。

The Utility and Complexity of in- and out-of-Distribution Machine Unlearning

分布内与分布外机器遗忘的效用与复杂性

Youssef Allouah, Joshua Kazdan, Rachid Guerraoui, Sanmi Koyejo

机构 * EPFL（瑞士联邦理工学院） ； Stanford University（斯坦福大学） 纠错

AI总结 本文分析近似机器遗忘的效用、时间和空间复杂度权衡，提出输出扰动的经验风险最小化实现分布内遗忘的紧致权衡，并针对分布外遗忘提出鲁棒噪声梯度下降变体以摊销时间复杂性。