高校专区
合成角色预训练：从零开始的对齐
机构 * EPFL（洛桑联邦理工学院） ； University of Toronto（多伦多大学） ； Northeastern University（东北大学） ； SJTU（上海交通大学） ； Saarland University（萨尔大学） ； Hereon（亥姆霍兹极地与海洋研究中心） ； TUHH（汉堡工业大学） ； Ontocord AI（Ontocord人工智能公司） ； TUC（德累斯顿工业大学） ； DFKI（德国人工智能研究中心）
AI总结 该研究提出合成角色预训练（SPP），在预训练token零阶段植入助手角色，通过标注反思、预训练及角色绑定，提升模型价值构成遵循度与鲁棒性，降低对齐错误率，证明预训练时角色干预是对齐的有效方法。
PixSDS：潜在SDS为何会产生带噪像素
机构 * EPFL（洛桑联邦理工学院）
AI总结 针对潜在SDS生成3D时的像素漂移问题，提出轻量级VAE一致性梯度修复方法PixSDS，减少结构化伪影并保留语义内容。
神经二次型：用于突发学习与标度律的统一最小模型
机构 * Massachusetts Institute of Technology（麻省理工学院） ； École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院）
AI总结 该研究提出神经二次型模型，统一描述感知机等多种架构的突发学习与标度律，通过对称性推导其训练动力学为洛特卡-沃尔泰拉方程，经数值验证符合相关行为。
持续大型语言模型智能体中的可控记忆干扰
机构 * China University of Geosciences (Beijing)（中国地质大学（北京）） ； Northwestern Polytechnical University（西北工业大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； Chinese Academy of Sciences（中国科学院） ； The Hong Kong Polytechnic University（香港理工大学） ； École polytechnique fédérale de Lausanne（洛桑联邦理工学院） ； National University of Singapore（新加坡国立大学）
AI总结 本研究提出可控记忆干扰（CMI）框架，揭示记忆进化受经验相互作用影响，为持续大型语言模型智能体的记忆系统提供诊断与学习方法，提升记忆更新区分度与任务性能。
思维链监控在隐含影响场景中可能不可靠
机构 * EPFL（洛桑联邦理工学院） ； UK AI Security Institute（英国人工智能安全研究院）
AI总结 该研究引入首个基准对比显式与隐含影响场景下思维链监控的可检测性，发现显式场景下检测率为60%-94%，隐含场景下下降41-46个百分点，善意部署选择还会进一步降低检测率。
偏好而非安全：成对偏好并非临床安全的可靠替代指标
机构 * EPFL（洛桑联邦理工学院） ； LiGHT Laboratory（LiGHT实验室）
AI总结 研究表明临床医生成对偏好并非LLM临床安全的可靠替代指标，其排名靠前的模型仍存在大量临床安全失败，提出结合偏好与安全反馈的临床调整排名方法，支持分离偏好与安全的评估实践。
Comments 27 pages,10 figures
基于深度学习的帕金森步态地面反作用力估计：使用优化的IMU数据集
机构 * University of Exeter（埃克塞特大学） ； École Polytechnique Fédérale de Lausanne (EPFL)（洛桑联邦理工学院） ； University of Cambridge（剑桥大学） ； University of Exeter Medical School（埃克塞特大学医学院） ； NIHR Exeter BRC（英国国立卫生研究院埃克塞特生物医学研究中心）
AI总结 本研究首次提出混合CNN-BiLSTM深度学习框架，用优化的IMU数据集估计帕金森患者垂直地面反作用力，仅需2个IMU即可实现稳健估计，为相关可穿戴系统提供实用方案。
Comments 13 pages, 5 figures, 6 tables. Published in IEEE Transactions on Neural Systems and Rehabilitation Engineering
Journal ref IEEE Transactions on Neural Systems and Rehabilitation Engineering, vol. 34, pp. 2729-2740, 2026
面向大语言模型安全的在线策略蒸馏：一种针对模板鲁棒性的重对齐路由方法
机构 * Tsinghua University（清华大学） ； Swinburne University of Technology（斯威本科技大学） ； EPFL（洛桑联邦理工学院）
AI总结 针对现有LLM安全防御的模板鲁棒性不足等问题，提出ROPD框架，通过建模输出分布差异实现重对齐，大幅降低模板不匹配风险，在防御有效性和能力保留上优于基线方法，建立了新的鲁棒重对齐标准。
基于样条的边界表示法：采用等几何分析的稀疏视图重建与仿真
机构 * Schindler AG（辛德勒公司） ； École polytechnique fédérale de Lausanne（洛桑联邦理工学院）
AI总结 提出FORGE-SIM方法，从稀疏位姿RGB图像直接重建兼容仿真的多面片B样条边界表示，统一图像重建与仿真建模，消除计算机视觉与数值分析间的障碍。
Comments 72 pages
Raven：通过稀疏内存路由实现高召回率序列建模
机构 * EPFL（洛桑联邦理工学院） ； Carnegie Mellon University（卡内基梅隆大学） ； MBZUAI（穆罕默德·本·扎耶德人工智能大学） ； Cartesia AI（卡泰西亚人工智能公司）
AI总结 研究针对线性时间序列模型长上下文召回权衡问题，提出Raven模型，通过固定内存插槽和依赖输入的路由，减轻SWA和SSMs的不足，在召回密集基准测试中表现出色，外推时也保持有效。
通过基于证据的推理进行智能根本原因分析
机构 * EPFL - IMOS Laboratory（洛桑联邦理工学院 - IMOS实验室）
AI总结 研究针对工业异常根本原因诊断依赖人工且现有数据驱动方法有局限的问题，提出AgentRCA框架，结合数字孪生和大语言模型进行推理，在实际设施上评估，性能与监督基线相当且能产生透明推理轨迹，为工业根本原因分析提供实用基础。
Comments 21 pages, 9 figures
KroQuant：用于扩散Transformer高效训练后量化的克罗内克结构块变换
机构 * EPFL（洛桑联邦理工学院） ； Advanced Micro Devices, Inc.（超威半导体公司）
AI总结 研究针对扩散Transformer训练后量化到W4A4质量严重下降问题，提出KroQuant方法，对激活值3个2元素块应用克罗内克结构可逆变换，存储参数少，运行快，结合离线LoRaQ权重校准，输出更接近FP参考且保持或提高图像质量。
LeanFlow：工作流驱动的精益自动形式化案例研究
机构 * Moonshot AI（月球计划人工智能公司） ； epfl-lara（洛桑联邦理工学院拉腊实验室）
AI总结 研究通过对两篇数学论文案例研究，探讨文档到项目形式化中运行时机制对相关指标的影响，使用Kimi2.6和GPT5.5进行消融实验，报告多项数据，展示LeanFlow在特定任务上的表现及校准成果。
Comments 14 pages, 3 figures, ICML 2026: AI for Math Workshop
用于本构模型中不确定性量化和传播的区间与模糊物理增强神经网络（iPANN和fPANN）
机构 * Cornell University（康奈尔大学） ； Ecole Polytechnique Federale de Lausanne (EPFL)（洛桑联邦理工学院） ； Sandia National Laboratories（桑迪亚国家实验室） ； University of Southern California（南加州大学） ； Pasteur Labs（巴斯德实验室）
AI总结 针对本构模型不确定性量化与传播难题，提出iPANN和fPANN，通过学习自由能密度分支、编码机械约束及两阶段转移学习训练模型，在合成数据上评估，能包围应力观测值并传播不确定性，提供了相关有效途径。
DBMol：通过结构预测模型设计高亲和力、靶向特异性小分子
机构 * EPFL（洛桑联邦理工学院） ； MRC-LMB（医学研究委员会分子生物学实验室） ； University of Cambridge（剑桥大学）
AI总结 研究旨在利用结构预测模型设计高亲和力小分子。核心方法是引入DBMol框架，经交替优化和投影过程，结合结构预测模型优化分子。主要贡献是有效优化亲和力代理，提高口袋覆盖率，保持分子多样性，在无参考配体监督下有竞争力。
神经柯尔莫哥洛夫方程：一般噪声下随机动力学的可并行学习
机构 * EPFL（洛桑联邦理工学院） ； Imperial College（帝国理工学院）
AI总结 针对神经随机微分方程现有方法的局限性，提出神经柯尔莫哥洛夫方程，基于柯尔莫哥洛夫前向方程重构，通过其算子结构学习随机强迫，利用拉格朗日伽辽金投影和算子分裂实现并行训练，在多基准测试中表现良好。
大气数据的物理信息超分辨率
机构 * EPFL（洛桑联邦理工学院） ； University of Cambridge（剑桥大学）
AI总结 针对全球变暖下大气数据超分辨率问题，提出基于原始方程的PISR方法及NPC度量，通过约束SR模型遵循物理方程，实验表明该方法能提升重建保真度，增强极端事件检测能力。
MXSens：用于高效大语言模型推理的灵敏度感知混合精度量化
机构 * EPFL（洛桑联邦理工学院） ； Tsinghua University（清华大学） ； MangoBoost Inc.（芒果助推公司） ； Korea University（韩国大学） ； Google DeepMind（谷歌DeepMind）
AI总结 研究针对大语言模型推理中4位量化因异常值致精度降的问题，提出MXSens方法，基于列和层灵敏度分配混合尾数比特宽度，无需训练，利用MXINT块结构，在多模型任务中优于现有方法，平衡了量化的准确性与资源效率。
变压器真的无所不能吗？论跨任务归纳偏差的兼容性
机构 * Idiap Research Institute（Idiap研究所） ； EPFL（洛桑联邦理工学院） ； Adelaide University（阿德莱德大学）
AI总结 研究探讨变压器对给定任务是否最优，提出为数据集优化变压器架构的方法，在算法玩具任务和代码语言建模数据集上实验，发现标准变压器非局部最优，简单替代方案有优劣，暗示有改进架构可支持多种能力。
Comments Published as a conference paper at ICLR 2026. https://github.com/idiap/lm-afs
在大型残差网络中，随机失活与随机梯度掩码渐近等价
机构 * École Polytechnique Fédérale de Lausanne（联邦理工学院洛桑校区） ； Institute of Mathematics（数学研究所） ； Department of Mathematics（数学系）
AI总结 研究随机失活与随机梯度掩码两种训练技术，发现在大型残差网络中，二者在深度和宽度渐近大时差异消失，都收敛到相同极限动态，此渐近等价性适用于多种变体，包括逐层随机失活。
基于模型的结构化软操纵器本体感觉与接触传感解耦策略
机构 * Embodied AI SA（具身人工智能公司） ； CREATE Lab, STI, EPFL（洛桑联邦理工学院智能系统学院创意实验室） ； Delft University of Technology（代尔夫特理工大学） ； German Aerospace Center（德国航空航天中心） ； MIT Computer Science & Artificial Intelligence Laboratory（麻省理工学院计算机科学与人工智能实验室）
AI总结 研究软连续体机器人传感难题，提出基于模型策略从通用流体压力传感器解耦信号，用于ITH段，单段试验效果良好，集成到Air-Helix进行演示，证明该方法是实现软机器人并发传感的实用途径。
Comments Accepted for publication in the proceedings of the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)
多模态作为监督：通过多模态进行自监督的测试环境特化
机构 * Swiss Federal Institute of Technology Lausanne (EPFL)（瑞士洛桑联邦理工学院）
AI总结 研究利用跨模态学习机制，提出在特定测试环境下的受限设置并开发TST方法，通过在测试环境收集多模态数据自监督预训练模型，评估其在下游任务的表现，发现可减少对外部大规模数据集预训练的依赖。
Comments Project page: https://tst-vision.epfl.ch/
具有全局一致性的无序输入的即时3D高斯点云重建
机构 * Inria, Université Côte d’Azur（法国蔚蓝海岸大学 - 法国国家信息与自动化研究所） ； EPFL（洛桑联邦理工学院）
AI总结 研究针对无序输入的辐射场捕获，提出利用视觉位置识别模型等实现快速匹配找关键帧，结合GPU优化等进行局部重建，再用基于聚类方法实现回环闭合，引入渐进层次结构处理大场景，提供具全局一致性的即时反馈3DGS重建。
Journal ref SIGGRAPH Conference Papers 2026
灯塔强化学习：通过策略性重置点实现样本高效的电路优化
机构 * Sony Group Corporation（索尼集团公司） ； EPFL（洛桑联邦理工学院） ； Sony Semiconductor Solutions（索尼半导体解决方案公司） ； TU Munich（慕尼黑工业大学）
AI总结 研究针对模拟电路规模确定问题，提出灯塔强化学习方法，通过策略性重置策略，从高性能配置初始化情节引导探索，相比其他方法在样本效率、优化性能、通用性等方面显著提升，可增强基于强化学习的优化方法。
通过特权表示学习实现基于视觉的人形足球运球
机构 * Sapienza University of Rome（罗马第一大学） ； Institut de Robòtica i Informàtica Industrial (CSIC-UPC)（工业机器人与信息学研究所（西班牙科学与技术研究委员会 - 加泰罗尼亚理工大学）） ； École Polytechnique Fédérale de Lausanne (EPFL)（洛桑联邦理工学院）
AI总结 研究人形机器人基于视觉的运球问题，提出将时间深度编码器嵌入强化学习策略的集成方法，应用于模拟机器人，该方法在不同场景下实现了一定成功率的运球，为处理复杂运球场景奠定基础。
用于可解释的分布外检测的稀疏自编码器
机构 * Purdue University（普渡大学） ； EPFL（洛桑联邦理工学院）
AI总结 研究如何可靠检测分布外样本，利用稀疏自编码器从神经网络中间激活中学习可解释特征，通过余弦相似度得出OOD分数，该方法在检测基准上性能领先且能提供可解释见解。
限制非确定性：作为数据库管理系统的人工智能驱动研究系统，实现可靠、无浪费、透明和协作式研究 [愿景]
机构 * EPFL（瑞士联邦理工学院）
AI总结 研究指出大语言模型代理在研究中存在不可信问题，根源是代理循环的随机调用无法检查内部状态。借鉴数据库经验，建议用确定性带版本的数据流引擎组织研究项目，大语言模型作查询编译器，五条设计规则确保研究可靠、透明且协作。
Prompting-MammAlps：用于相机陷阱数据的细粒度文本到视频检索
机构 * Ecole 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）
AI总结 针对相机陷阱数据自动检索视频的难题，提出Prompting-MammAlps基准及细粒度可解释TVR方法，训练视觉变压器并结合大语言模型处理查询，在基准测试中取得较好成绩，优于零样本VLM。
Comments Accepted at ECCV 2026; Project page: https://cnai.epfl.ch/prompting-mammalps
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
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