高校专区
分层消息传递策略用于多智能体强化学习
机构 * IDSIA USI-SUPSI, Università della Svizzera italiana（瑞士意大利语区大学IDSIA USI-SUPSI） ； Politecnico di Milano（米兰理工大学） ； EPFL（洛桑联邦理工学院）
AI总结 提出一种结合分层强化学习和消息传递的多智能体策略学习方法，通过分层图结构实现智能体间的协调与规划，并设计基于优势函数的新颖奖励分配方法，在基准测试中取得优于现有技术的性能。
立场：协作式自主AI需要跨生态系统的互操作性
机构 * EPFL, Lausanne, Switzerland（瑞士洛桑联邦理工学院）
AI总结 本文提出通过采用最小标准实现互操作性，以构建开放、安全、可扩展的自主代理生态系统，并设计了名为“代理网络”的架构基础。
Comments Accepted at ICML 2026
让绘画奏响
机构 * MOX, Department of Mathematics, Politecnico di Milano（米兰理工大学） ； Institute of Mathematics, Ecole Polytechnique Federale de Lausanne（洛桑联邦理工学院） ； Riemann International School of Mathematics（黎曼国际数学学院）
AI总结 本文提出一种数学方法，通过正交基函数的有限展开提取绘画与音乐作品的相似性，基于傅里叶和小波基函数对绘画和音乐进行数字化处理，并通过L²投影在有限维子空间中实现最佳匹配，最终开发了一个可下载的工具进行分析。
Comments revised version, new numerical results
Journal ref Annals of the University of Craiova, Mathematics and Computer Science Series, Vol 53(1) 2026, pages 331-350
OLIVE: 基于视图增强的潜在预测与波形重构的语音自监督学习
机构 * Idiap Research Institute（Idiap研究 institute） ； EPFL（瑞士联邦理工学院）
AI总结 提出OLIVE框架，联合优化视图增强掩码潜在预测与波形重构，使早期编码器保留信号信息、后期表示具有不变性，提升生成与说话人任务性能。
病理基础模型中的不确定性估计：基于深度互学习
机构 * UM6P（摩洛哥穆萨-阿卜杜勒-阿齐兹大学） ； EPFL（瑞士联邦理工学院） ； UM5（摩洛哥穆萨-阿卜杜勒-阿齐兹大学）
AI总结 提出DICE框架，通过集成多个冻结的病理基础模型并利用深度互学习对齐，以模型分歧作为不确定性代理，实现可靠的不确定性估计、异常定位，并在分类、校准和定位上匹配或超越现有方法。
通过学习的随机停止稳定循环Transformer中的外推
机构 * EPFL（苏黎世联邦理工学院） ； Max Planck Institute for Intelligent Systems & ELLIS Institute（马克斯·普朗克智能系统研究所及ELLIS研究所）
AI总结 针对循环Transformer在变长算法任务中长度泛化脆弱的问题，提出在训练中引入循环次数的随机性，并分析RL-Halting作为学习随机调度策略，能有效降低分布外方差并稳定预测。
基于高斯混合积的扩散模型用于联合非线性MRI重建
机构 * Graz University of Technology（格拉茨技术大学） ； École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院） ； Biomedical Imaging Group and Center for Biomedical Imaging（生物医学成像组和生物医学成像中心）
AI总结 本文提出结合参数高效高斯混合积扩散模型与经典平滑先验的联合重建方法，提升MRI重建的效率和鲁棒性，同时改善去噪和图像重建效果。
神经伽辽金正则化流用于扩散模型的转移概率密度函数
机构 * CSQI, École Polytechnique Fédérale de Lausanne（CSQI，洛桑联邦理工学院）
AI总结 本文提出基于神经伽辽金正则化流的方法，通过求解对应的福克-普朗克方程近似扩散过程的转移概率密度函数，利用正则化流保证结构保持性和正性约束，数值结果表明该方法能有效捕捉真实解的关键特征。
Comments 13 pages, 5 figures
大规模和深度因子模型
机构 * Yale School of Management（耶鲁管理学院） ； AQR Capital Management（AQR资本管理公司） ； NBER（美国国家经济研究局） ； Swiss Finance Institute（瑞士金融研究所） ； EPFL（瑞士联邦理工学院） ； CEPR（欧洲央行研究中心） ； Shanghai University of Finance and Economics（上海财经大学）
AI总结 本文提出深度神经网络构建随机折现因子的分解方法，通过线性因子表示提升经济和统计显著性，但谱复杂度限制了有限样本定价。
何时、多久和多少？通过学习遮蔽和聚合构建可解释的神经网络用于时间序列回归
机构 * EPFL（瑞士联邦理工学院洛桑分校） ； IMOS Laboratory（IMOS实验室）
AI总结 本文提出MAGNETS模型，通过学习遮蔽和聚合来构建可解释的时间序列回归神经网络，无需标注即可学习人类可理解的概念，揭示预测驱动因素及时间影响。
Comments 31 pages, 6 figures, 6 tables
具有可验证奖励的串联强化学习
机构 * University of Toronto（多伦多大学） ； EPFL（瑞士联邦理工学院洛桑分校）
AI总结 提出串联强化学习（TRL），通过强弱模型交替生成推理链并共同奖励，在保持独立推理能力的同时提升模型间兼容性和可读性。
Comments 21 pages,7 figures,8 tables
历史文本中命名实体识别的时间融合策略研究
机构 * Digital Humanities Laboratory, EPFL, Lausanne, Switzerland（瑞士洛桑联邦理工学院数字人文实验室）
AI总结 针对历史文本中实体随时间漂移的问题，系统研究了将时间元数据嵌入NER模型的轻量级融合策略，实验表明后期融合在早期和噪声时期表现更鲁棒。
Journal ref International Conference on Theory and Practice of Digital Libraries 2025
宽度和数据如何影响二次神经网络中的泛化缩放定律
机构 * Statistical Physics of Computation Laboratory, École Polytechnique Fédérale de Lausanne (EPFL)（统计物理与计算实验室，洛桑联邦理工学院） ； Information, Learning and Physics Laboratory, École Polytechnique Fédérale de Lausanne (EPFL)（信息、学习与物理实验室，洛桑联邦理工学院）
AI总结 研究二次两层网络中泛化误差随样本数、宽度和正则化的缩放规律，揭示由目标谱结构控制的数据相关幂律和相变。
使用线性上下文赌博机学习同伴影响概率
机构 * University of Illinois Chicago（伊利诺伊大学芝加哥分校） ； École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院）
AI总结 针对网络环境中同伴影响概率的异质性问题，提出基于线性上下文赌博机的在线学习框架，揭示遗憾最小化与估计误差之间的权衡，并设计可调参数的不确定性引导探索算法实现任意权衡点。
Journal ref In Proceedings of the 32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining V.2 (KDD '26), August 09-13, 2026, Jeju Island, Republic of Korea. ACM, New York, NY, USA, 12 pages
一种用于电影心脏MRI时空建模的潜在ODE方法
机构 * Swiss Data Science Center, EPFL and ETH Zürich（瑞士数据科学中心，EPFL 和 ETH 苏黎世） ； Diagnostic and Interventional Radiology, University Hospital Zürich（诊断与介入放射学，苏黎世大学医院） ； Institute for Biomedical Engineering, University and ETH Zürich（生物医学工程研究所，苏黎世大学和 ETH 苏黎世） ； Biomedical Informatics Group, ETH Zürich（生物医学信息学小组，ETH 苏黎世） ； Division of Preventive Medicine, Brigham and Women’s Hospital / Harvard Medical School（预防医学部，布莱根妇女医院/哈佛医学院）
AI总结 提出一种基于神经ODE的潜在动力学模型，从心脏MRI中编码双心室结构和全周期运动，通过图网格自编码器重建3D+t运动，并利用Cox模型评估偏离预期状态对心衰的预测能力，在UK Biobank数据上优于传统指标。
Dot-Flik：一种用于分布式昆虫监测的可扩展边缘AI架构
机构 * École Polytechnique Fédérale de Lausanne（瑞士联邦理工学院洛桑校区） ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 提出基于运动信息帧过滤和分层物联网架构的边缘AI系统，在低成本硬件上实现实时昆虫监测，减少60-80%帧传输并节能22.6%。
CLEF HIPE-2026：从多语言历史文本中评估准确且高效的人物-地点关系抽取
机构 * University of Zurich, Switzerland（苏黎世大学，瑞士） ； Swiss Art Research Infrastructure (SARI), University of Zurich（瑞士艺术研究基础设施（SARI），苏黎世大学） ； École Polytechnique Fédérale de Lausanne (EPFL), Switzerland（洛桑联邦理工学院（EPFL），瑞士）
AI总结 提出HIPE-2026评测任务，针对多语言历史文本中的人物-地点关系抽取，引入联合评估准确性、计算效率和领域泛化的三方面评价框架。
Comments ECIR 2026. Official version available at https://doi.org/10.1007/978-3-032-21321-1_46 - Task Homepage at https://hipe-eval.github.io/HIPE-2026/
基于张量分解的蒙特卡洛树搜索用于机器人优化问题
机构 * Idiap Research Institute（Idiap研究机构） ； École Polytechnique Fédérale de Lausanne（瑞士联邦理工学院洛桑分校）
AI总结 提出TTTS算法，利用张量分解压缩决策树分支间的隐式相关性，以线性复杂度降低MCTS的计算和存储开销，在逆运动学、运动规划、多阶段操作等任务中实现高效全局优化。
Comments 25 pages, 17 figures
WinDOM：面向小型模型GUI定位的自家族蒸馏
机构 * \'Ecole Polytechnique F\'ed\'erale de Lausanne (EPFL), Lausanne, Switzerland
AI总结 提出WinDOM数据集和自家族蒸馏方法，通过DOM直接获取边界框数据，结合强化学习提升小模型GUI定位性能，在Qwen3.5-2B上取得显著提升。
HIPE-2026 概述：从多语言历史文本中提取人物-地点关系
机构 * University of Zurich（苏黎世大学） ； École Polytechnique Fédérale de Lausanne (EPFL)（洛桑联邦理工学院） ； Swiss Federal Institute of Technology Zurich (ETHZ)（苏黎世联邦理工学院）
AI总结 提出HIPE-2026评测任务，针对多语言历史文档中的人物-地点关系（at和isAt）进行提取，采用三方面评估框架，比较了多种方法在准确性、效率和跨域泛化上的表现。
Comments Condensed Overview of CLEF-HIPE-2026 Shared Task Results
极限空间高效语言生成
机构 * EPFL（苏黎世联邦理工学院） ； Stanford University（斯坦福大学）
AI总结 针对空间效率约束下的极限语言生成问题，提出基于DFA假设类的流式算法，在多项式空间内实现生成差距O(k^{2s-2})，并证明近乎匹配的下界。
Comments Accepted at COLT 2026
通过神经场自适应进行权重空间表示学习
机构 * EPFL（苏黎世联邦理工学院）
AI总结 提出利用预训练基础模型和低秩自适应约束优化空间，诱导权重空间结构，实现高质量、有区分性和语义结构的表示，并在潜在扩散模型中提升生成质量。
Comments 9 pages body, 9 pages appendix
Journal ref CVPR 2026
神经粒子自动机：学习自组织粒子动力学
机构 * EPFL（苏黎世联邦理工学院）
AI总结 提出神经粒子自动机（NPA），将神经细胞自动机从静态网格推广到动态粒子系统，利用可微分的平滑粒子流体动力学实现可扩展的端到端训练，在形态发生、点云分类和纹理合成等任务中展现了鲁棒性和自再生能力。
Comments 16 pages, 19 figures
BenchX: 基于人口统计和协议偏差的癌症检测与定位AI模型基准测试
机构 * Johns Hopkins University（约翰霍普金斯大学） ； German Cancer Research Center（德国癌症研究中心） ； University Hospital Basel（巴塞尔大学医院） ； University of Zurich（苏黎世大学） ； ETH AI Center（苏黎世联邦理工学院AI中心） ； Istanbul Medipol University（伊斯坦布尔梅迪波尔大学） ； Stanford University（斯坦福大学） ； École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院） ； Nanyang Technological University（南洋理工大学） ； University of California, Santa Cruz（加州大学圣克鲁兹分校） ； University of California, San Francisco（加州大学旧金山分校） ； Johns Hopkins Medicine（约翰霍普金斯医学）
AI总结 提出BenchX基准，通过85,355次CT扫描系统评估12个肿瘤检测AI模型在肿瘤大小、位置、患者亚组和成像协议上的表现，揭示模型在罕见亚组中性能不佳。
将生成式策略基于物理：面向机器人控制的优化引导扩散
机构 * ETH Zurich（苏黎世联邦理工学院） ； EPFL（洛桑联邦理工学院）
AI总结 提出推理时优化框架，通过将扩散引导建模为约束优化问题，在采样中施加物理可行性约束，无需重训练即可提升机器人任务成功率。
LangMAP：一种语言自适应的分词方法
机构 * EPFL（瑞士联邦理工学院洛桑） ； University of Cambridge（剑桥大学） ； ETH Zürich（苏黎世联邦理工学院）
AI总结 提出LangMAP分词方案，扩展UnigramLM到多语言设置，从共享词汇表生成语言特定分词，无需改变词汇表即可适配预训练模型，在14个分词器、9种自然语言和9种编程语言上提升了形态边界对齐和AST叶边界对齐。
AI驱动的团队教学对话分析：跨经验、学生群体和学习设计的声学模式
机构 * Monash University（莫纳什大学） ； EPFL（瑞士联邦理工学院）
AI总结 本文提出基于AI的语音处理方法，分析团队教学中的课堂对话，发现经验丰富的教师、本科生班级和协作学习任务中音量变化更大，表明教师更频繁调节音量以突出关键信息并促进互动。
Comments Accepted at AIED 2026 (International Conference on Artificial Intelligence in Education), 14 pages, 4 figures
选择性旋转位置嵌入
机构 * ELLIS Institute Tübingen（图宾根埃利斯研究所） ； LIONS, EPFL（日内瓦理工学院LIONS实验室） ； University of Freiburg（弗赖堡大学） ； Max-Planck-Institute for Intelligent Systems（智能系统马克斯·普朗克研究所） ； Prior Labs（Prior实验室）
AI总结 本文提出选择性RoPE，一种输入依赖的旋转嵌入机制，适用于线性和softmax变压器，通过任意角度旋转提升语言建模和复杂序列任务性能。
Comments ICLR 2026
具有函数逼近的多智能体模仿学习：线性马尔可夫博弈及其扩展
机构 * EPFL（苏黎世联邦理工学院） ； University of Zurich（苏黎世大学）
AI总结 本文首次理论分析线性马尔可夫博弈中的多智能体模仿学习，利用特征级集中性系数替代状态-动作级系数，并提出首个计算高效的交互式MAIL算法，样本复杂度仅依赖特征维度d。
CanadaFireSat：面向多模态高分辨率野火预测
机构 * EPFL（瑞士联邦理工学院） ； Université Grenoble Alpes, Inria, CNRS, Grenoble INP, LJK（格勒诺布尔阿尔卑斯大学，法国国家科学研究中心，格勒诺布尔INP，LJK实验室） ； NASA Ames Research Center, Earth Science Division（美国航空航天局阿姆斯研究中心，地球科学部门）
AI总结 提出CanadaFireSat基准数据集，利用多模态数据（高分辨率多光谱卫星图像、中分辨率卫星产品和环境因子）结合深度学习模型，实现加拿大100米分辨率野火预测，多模态输入在2023年野火季F1分数达60.3%。
Comments 37 pages, 11 figures. Published in ISPRS Journal of Photogrammetry and Remote Sensing (2026)
Journal ref ISPRS Journal of Photogrammetry and Remote Sensing, Volume 239, September 2026, Pages 555-572
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