Fast LLM-Based Semantic Filtering: From a Unified Framework to an Adaptive Two-Phase Method
基于LLM的快速语义过滤：从统一框架到自适应两阶段方法
机构 * EPFL（瑞士联邦理工学院）
AI总结 提出自适应两阶段语义过滤框架，结合无模型聚类与在线代理，利用LLM的置信度作为软标签训练代理，并通过稀疏感知校准降低级联成本，在90%准确率目标下速度提升1.6-2.0倍。
高校专区
EPFL（洛桑联邦理工学院）
Test-Time Compute Scaling for ASR with Depth-Conditioned Looped Transformers
基于深度条件循环Transformer的ASR测试时计算缩放
机构 * Idiap Research Institute（Idiap研究 institute） ； EPFL（瑞士联邦理工学院） ； BUT（布拉格技术大学） ； Novartis Institute of Biomedical Research（诺华生物医学研究 institute）
AI总结 提出LARM模型，通过深度条件循环Transformer将循环编码器深度变为可控的测试时计算轴，结合稀疏CTC检查点、监督时钟嵌入、FiLM深度条件和延迟软后验反馈，在LibriSpeech上随推理循环次数增加提升WER，实现测试时计算缩放从自回归语言模型推理扩展到连续非自回归语音识别。
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
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）
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
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）
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
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）
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
Online Convex Optimization with Sublinear Noisy Probes
具有亚线性噪声探测的在线凸优化
机构 * Sapienza University of Rome（罗马大学） ； New York University（纽约大学） ； EPFL（瑞士联邦理工学院洛桑分校）
AI总结 研究在线凸优化中利用亚线性噪声成对探测降低遗憾，通过方差缩减和连续指数权重二阶分析获得紧界。
Comments Accepted at COLT '26
Journal ref Proceedings of Thirty Ninth Conference on Learning Theory (COLT 2026), PMLR 336:1938-1962, 2026
NEST3D: A High-Resolution Multimodal Dataset of Sociable Weaver Tree Nests
NEST3D：织布鸟树巢的高分辨率多模态数据集
机构 * Institute for Geoinformatics (ifgi), University of Münster（明斯特大学地理信息学研究所） ； École Polytechnique Fédérale de Lausanne (EPFL)（洛桑联邦理工学院） ； Max Planck Institute of Animal Behavior（马克斯·普朗克动物行为研究所） ； University of Konstanz（康斯坦茨大学） ； Kuzikus Research Station（库兹库斯研究站） ； Fondazione Bruno Kessler (FBK)（布鲁诺·凯斯勒基金会）
AI总结 针对织布鸟巢缺乏精细3D结构数据的问题，提出包含104棵巢树、1.4TB多模态无人机数据集，并基准测试语义分割方法，PT-v3达86.35% mIoU。
Comments 14 pages, 4 figures. Dataset available at https://huggingface.co/NEST3D
MirrorCheck: Efficient Adversarial Defense for Vision-Language Models
MirrorCheck: 视觉-语言模型的高效对抗防御
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）
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
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）
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
机构 * École Polytechnique Fédérale de Lausanne (EPFL)（联邦理工学院洛桑校区）
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
Extracting Governing Equations from Latent Dynamics via Multi-View Contrastive Learning
通过多视图对比学习从潜在动力学中提取控制方程
机构 * EPFL（瑞士联邦理工学院洛桑）
AI总结 提出DYSCO算法，利用多视图时间对比学习从噪声高维观测中联合恢复潜在轨迹和动力学方程，并通过结构化基函数实现符号恢复，理论保证强可识别性。
G-MAPP: GPU-accelerated Multi-Agent Planning and Perception for Reactive Motion Generation
G-MAPP: 基于GPU加速的多智能体规划与感知用于反应式运动生成
机构 * Department of Electrical, Computer, and Biomedical Engineering, Toronto Metropolitan University（多伦多都会大学电气、计算机与生物医学工程系） ； Munich Institute of Robotics and Machine Intelligence (MIRMI), Technical University of Munich (TUM)（慕尼黑工业大学慕尼黑机器人与机器智能研究所） ； Institute for Experiential Robotics, Northeastern University（东北大学体验式机器人研究所） ； Idiap Research Institute（Idiap 研究所） ； EPFL（瑞士联邦理工学院洛桑） ； CHART Group at the School of Computer Science, University of Nottingham（诺丁汉大学计算机科学学院 CHART 小组） ； Mohamed bin Zayed University of Artificial Intelligence (MBZUAI)（穆罕默德·本·扎耶德人工智能大学）
AI总结 提出GPU加速的框架，通过并行状态探索和紧密耦合感知-动作循环，实现非结构化环境中的实时反应式运动生成，在7自由度机器人上达到5倍加速并成功避障。
Comments The implementation is available at: https://github.com/chart-research/g-mapp
Journal ref IEEE Robotics and Automation Letters, vol. 11, no. 6, pp. 7516-7523, June 2026
Modular Anthropomorphic Hand Design via Multi-Parameter Finger Benchmarking and Selection
模块化拟人手设计：基于多参数手指基准测试与选择
机构 * The CREATE Lab, Institute of Mechanical Engineering, Swiss Federal Institute of Technology in Lausanne (EPFL)（瑞士洛桑联邦理工学院机械工程研究所CREATE实验室）
AI总结 提出一种模块化拟人手设计框架，通过多参数基准测试优化手指设计，实现整手性能提升，并在多物体抓取和灯泡旋拧任务中验证有效性。
Comments 14 pages, 13 figures. Submitted to an IEEE journal for possible publication
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
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）
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)
Fusing Satellite Imagery and Planimetric Maps for Cross-View Localization
融合卫星图像与平面地图的跨视角定位
机构 * École Polytechnique Fédérale de Lausanne（瑞士联邦理工学院洛桑校区）
AI总结 提出一种融合卫星图像与平面地图的模块，通过跨模态条件化和补丁级融合规则，将定位误差降低30.13%。
Calibrating Overconfidence Without Sacrificing Confidence: Probe-Conditioned Head Intervention for LLMs
校准过度自信而不牺牲自信：基于探针条件的头部干预方法用于LLMs
机构 * Huawei Heisenberg Research Center（华为海森堡研究中心） ； EPFL（苏黎世联邦理工学院） ； TU Berlin（柏林技术大学） ； TUM（慕尼黑工业大学）
AI总结 提出PCHI方法，通过冻结探针检测可能错误但自信的响应，并条件性调整注意力头输出，在保持正确自信的同时减少过度自信，将ECE从21.9%降至9.2%。
Comments 11 pages, 4 figures
AbstRAG: Learning to Abstract for Retrieval Problems
AbstRAG：面向检索问题的抽象学习
机构 * Idiap Research Institute（Idiap 研究所） ； École Polytechnique Fédérale de Lausanne (EPFL)（洛桑联邦理工学院 (EPFL)） ； São Paulo State University（圣保罗州立大学） ； University of Manchester（曼彻斯特大学） ； CRUK National Biomarker Centre（英国癌症研究中心国家生物标志物中心）
AI总结 针对查询与文档证据间的抽象鸿沟问题，提出AbstRAG方法，通过将抽象作为显式检索对象，并采用反思性精炼机制，在三个基准上提升了检索和生成性能。
Reasoning without Gold Standards: A Proxy-Judge Theory of Autoformalization
无金标准推理：自动形式化的代理-裁判理论
机构 * Idiap Research Institute（Idiap研究所） ； École Polytechnique Fédérale de Lausanne (EPFL)（洛桑联邦理工学院） ； University of Manchester（曼彻斯特大学） ； CRUK National Biomarker Centre, University of Manchester（英国癌症研究中心国家生物标志物中心，曼彻斯特大学）
AI总结 提出无参考的代理-裁判框架，通过多轴属性检查替代金标准匹配，实现自动形式化的迭代优化，理论保证收敛，实验提升通过率。
PriFT: Prior-Support Guided Supervised Fine-Tuning
PriFT: 先验支持引导的监督微调
机构 * EPFL（瑞士联邦理工学院洛桑分校）
AI总结 提出PriFT方法，利用冻结的预训练模型计算token权重，避免在线模型导致的自我强化动态，在数学推理、代码生成和医疗问答任务中取得SFT最优结果，并为后续RL提供更好初始化。
Comments The first two authors contributed equally to this work
PaperMentor: A Human-Centered Multi-Agent Writing Tutor for AI Research Papers on Overleaf
PaperMentor：面向Overleaf的AI研究论文写作人本多智能体辅导系统
机构 * CMU（卡内基梅隆大学） ； Jinesis Lab, University of Toronto & Vector Institute（Jinesis实验室，多伦多大学与向量研究所） ； EuroSafeAI ； ETHZ（苏黎世联邦理工学院） ； EPFL（洛桑联邦理工学院） ； UIUC（伊利诺伊大学厄巴纳-香槟分校） ； Max Planck Institute for Intelligent Systems, Tübingen, Germany（马克斯·普朗克智能系统研究所，德国图宾根）
AI总结 提出PaperMentor，一种在Overleaf中提供内联建议的人本写作助手，通过专家技能库和12个专业智能体提供可操作反馈，用户研究中90.6%建议被认为可操作。
Comments Accepted to the ACL 2026 Demo Track
Stable and Scalable Probabilistic Numerical Solvers for Stiff and High-Dimensional ODEs
适用于刚性和高维ODE的稳定且可扩展的概率数值求解器
机构 * EPFL（瑞士联邦理工学院）
AI总结 针对刚性和高维常微分方程，提出两种互补策略：无矩阵更新步骤实现线性扩展，以及迭代重线性化提升稳定性，从而开发出稳定且可扩展的概率求解器。
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
机构 * EPFL（苏黎世联邦理工学院） ； independent（独立研究员） ； tubingen（图宾根大学）
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
机构 * École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院）
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
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）
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
Towards Tight Bounds for Streaming Attention
流式注意力机制的紧界
机构 * MIT（麻省理工学院） ； EPFL（苏黎世联邦理工学院）
AI总结 本文通过核密度估计的三种方法（差异理论、多项式方法和空间划分）的紧密结合，几乎确定了流式注意力近似问题的空间复杂度紧界，并引入带大量辅助信息的INDEX问题新下界技术。
Geodesics of Dynamic Graphs for Regime Change Detection
动态图的测地线用于状态转换检测
机构 * LTS4, EPFL（EPFL拉沃德实验室） ； Cyber-Defence Campus, Armasuisse（阿玛苏斯网络防御校区）
AI总结 提出将动态网络中的状态定义为时间图沿测地线的轨迹，通过图回归方法测量观测图与测地线的累积距离，结合变点检测算法识别状态转换，在合成和真实数据上优于现有方法。
OffQ: Taming Structured Outliers in LLM Quantization by Offsetting
OffQ：通过偏移驯服LLM量化中的结构化异常值
机构 * School of Computer and Communication Sciences, EPFL, Switzerland（瑞士联邦理工学院计算机与通信科学学院） ； Huawei, Switzerland（华为公司） ； Swiss Data Science Center, ETHZ & EPFL, Switzerland（瑞士数据科学中心，苏黎世联邦理工学院与联邦理工学院）
AI总结 提出OffQ方法，通过top-1 PCA识别异常值子空间、旋转集中异常值通道并转换为共享偏移，实现LLM的低比特均匀量化，在W4A4KV4下提升精度。
Spatiotemporal Imputation with Graph-Informed Flow Matching
基于图信息流匹配的时空插补
机构 * EPFL（苏黎世联邦理工学院）
AI总结 提出GiFlow框架，利用图信息先验和混合向量场模型进行时空插补，优于现有方法。
Comments Accepted at ICML 2026
Rigorous Asymptotics for First-Order Algorithms Through the Dynamical Cavity Method
通过动力学空腔方法严格推导一阶算法的渐进行为
机构 * 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）） ； Sloan School of Management, Operations Research Center and Institute of Data, Systems and Society (IDSS), MIT（斯隆管理学院，运筹学中心和数据、系统与社会研究所（IDSS），麻省理工学院） ； CSAIL and LIDS, MIT（计算机科学与人工智能实验室（CSAIL）和麻省理工学院数据科学研究所（LIDS））
AI总结 本文通过严格形式化的动力学空腔方法，推导出一阶算法（如梯度下降和近似消息传递）的动力学主方程，为非严谨的传统方法提供数学基础。
Journal ref COLT 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
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）
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
