高校专区
基于契约的分布式模型预测控制的随时即插即用控制
机构 * Institute for Dynamic Systems and Control, ETH Zurich（动态系统与控制研究所，苏黎世联邦理工学院） ； Institute of Mechanical Engineering, École Polytechnique Fédérale de Lausanne（机械工程研究所，洛桑联邦理工学院）
AI总结 研究多移动机器人应用中通信拓扑时变问题，提出基于局部通信的分布式控制算法，靠距离邻居定义和预测轨迹契约，有效支持智能体随时加入或离开，保证避碰和约束满足。
从不完整电子健康记录数据中学习表示的双掩码自编码
机构 * Massachusetts Institute of Technology（麻省理工学院） ； EPFL（苏黎世联邦理工学院） ； Harvard University（哈佛大学） ； Beth Israel Deaconess Medical Center（贝塞斯达医院）
AI总结 AID-MAE通过双掩码技术直接从不完整EHR时间序列中学习表示，有效提升临床任务性能并实现患者群体的自然分层。
Comments MLHC 2026 camera-ready. Spotlight at NeurIPS TS4H 2025
无监督解缠无需妥协：函数正交性如何强制可识别性
机构 * EPFL, LTS4 laboratory, Lausanne, Switzerland（瑞士洛桑联邦理工学院，LTS4实验室，洛桑，瑞士）
AI总结 从函数视角出发，通过生成映射雅可比的正交性约束实现无监督解缠，证明该条件在无需统计独立或因果假设下保证非线性生成模型的可识别性，实验验证了理论有效性。
Comments Accepted at ICML 2026
多目标进化融合实现高效推理模型
机构 * Sapienza University of Rome（罗马大学） ； Independent Researcher（独立研究员） ； EPFL（瑞士联邦理工学院洛桑） ； NVIDIA（英伟达）
AI总结 本文提出Evo-L2S框架，通过多目标优化解决长到短推理问题，减少生成推理轨迹长度同时保持或提升推理准确性。
Comments Published as a conference paper at COLM 2026
大型语言模型在创造性思维过程中与人类大脑对齐
机构 * EPFL（瑞士联邦理工学院洛桑） ； Università della Svizzera italiana (USI)（意大利语区大学（瑞士）） ； Wesleyan University（卫斯理大学） ； Paris Brain Institute (ICM)（巴黎大脑研究所） ； Pennsylvania State University（宾夕法尼亚州立大学）
AI总结 研究探讨了在创造性思维过程中，fMRI数据揭示了大脑与不同规模LLM之间的对齐关系，发现模型大小和想法原创性影响对齐程度，且训练目标影响表示与人类创造力神经几何的匹配程度。
Comments Accepted at COLM 2026
CresOWLve：基于现实世界知识的创造性问题解决基准测试
机构 * EPFL（瑞士联邦理工学院洛桑） ； Università della Svizzera italiana (USI)（意大利语区瑞士大学）
AI总结 本文提出CresOWLve基准测试，评估创造性问题解决能力，通过现实世界知识中的谜题，发现模型在事实性问题与创造性问题上的表现差异显著。
Comments Accepted at COLM 2026
一个可解的高维模型，其中非线性自编码器学习到结构对PCA不可见，而测试损失与泛化不一致
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））
AI总结 本文提出一个高维模型，展示非线性自编码器能学习线性方法如PCA无法捕捉的结构，尽管其测试损失与泛化性能不一致。
Journal ref ICML 2026
协作差距：开放世界智能体协作的探索与基准测试
机构 * EPFL（瑞士联邦理工学院） ； Microsoft Research（微软研究院）
AI总结 该研究提出协作迷宫求解基准，评估32个模型的协作能力，发现模型存在协作差距，提出中继推理等缓解措施，强调协作相关评估、训练与交互设计的重要性。
Comments Accepted to COLM 2026, code available at https://github.com/trdavidson/collaboration_gap
带惯性的Dirac-Frenkel动力学用于演化问题的非线性参数化解
机构 * Scientific Computing and Uncertainty Quantification - CADMOS Chair, EPFL（科学计算与不确定性量化——CADMOS Chair，EPFL） ； Courant Institute of Mathematical Sciences, New York University（数学科学学院，纽约大学）
AI总结 针对冗余非线性参数化（如神经网络或混合模型）导致的参数动力学非唯一或病态问题，提出在Dirac-Frenkel动力学中加入惯性，使弱信息方向保留历史速度，强信息方向保持原动力学，证明良定性并给出后验误差界。
利用MPCC实现精确轨迹跟踪的扑翼微型飞行器
机构 * Laboratory of Intelligent Systems, Ecole Polytechnique Federale de Lausanne (EPFL)（智能系统实验室，瑞士联邦理工学院（EPFL））
AI总结 本文提出MPCC方法，通过在线优化轨迹跟踪，解决扑翼飞行器动力学耦合问题，实现在复杂机动中的高精度跟踪。
Comments 9 pages, 7 figures
逆强化学习的快速收敛率
机构 * EPFL（瑞士联邦理工学院）
AI总结 本文研究了熵正则化min-max逆强化学习在有限时间 horizon MDPs中的结构和统计特性，证明了在有限样本下，轨迹级KL散度和参数误差以O(n^{-1})速度收敛。
浅层神经网络在特征学习 regime 中的缩放定律与谱特性
机构 * Departement d’Informatique, École Normale Supérieure, PSL & CNRS（信息学院，巴黎高等师范学院，PSL与CNRS） ； Statistical Physics of Computation Laboratory, École Polytechnique Fédérale de Lausanne (EPFL)（计算统计物理实验室，洛桑联邦理工学院（EPFL）） ； 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（EPFL））
AI总结 本文研究了浅层神经网络在特征学习 regime 中的缩放定律与谱特性，通过分析二次和对角神经网络的缩放规律，揭示了样本复杂度和权重衰减对过剩风险缩放指数的影响，并建立了这些 regime 与训练网络权重谱性质的精确联系。
Journal ref ICLR 2026
透视箱子：基于雷达信号的非视距三维重建
机构 * École Polytechnique Fédérale de Lausanne（联邦理工学院洛桑校区）
AI总结 提出统一视距与非视距神经几何重建框架GeRaF 2.0，利用外部视距几何约束引导射频信号传播，实现稳定训练和物理一致的重建，在射频几何重建中达到新最优。
Comments Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2026
GeRaF: 从射频信号进行神经几何重建
机构 * École Polytechnique Fédérale de Lausanne（瑞士联邦理工学院）
AI总结 提出GeRaF方法，利用神经隐式学习从射频信号重建近距3D几何，通过滤波渲染、物理射频体渲染和无透镜采样策略解决低分辨率、噪声和镜面反射问题。
Comments Accepted at NeurIPS 2025 (Spotlight)
Journal ref Advances in Neural Information Processing Systems 38 (2026): 94200-94230
SEAR: 一种简单且高效的视觉几何变换器在RGB+热成像3D重建中的适应
机构 * Schindler EPFL Lab（施耐德EPFL实验室） ； EPFL（瑞士联邦理工学院） ； Örebro University（奥雷布罗大学）
AI总结 SEAR通过简单高效的微调策略，使预训练的几何变换器适应多模态RGB-热成像输入，显著提升了3D重建和姿态估计性能，尤其在低光照和浓烟等挑战条件下表现优异。
REC中对比学习的合适嵌入空间是什么？
机构 * Stony Brook University（斯通布鲁克大学） ； EPFL（苏黎世联邦理工学院）
AI总结 该研究针对REC任务现有对比学习策略的局限，提出视觉嵌入空间的C-REX框架，作为即插即用模块提升REC及类别无关计数任务性能，在REC上MAE最高提升28%、RMSE提升24.5%。
Comments 15 pages, 4 figures
样条策略：机器人策略的结构化表示
机构 * École Polytechnique Fédérale de Lausanne (EPFL)（瑞士联邦理工学院（EPFL）） ； Idiap Research Institute（Idiap研究 institute）
AI总结 提出样条策略（SP），用样条参数替代动作块，保留策略主干，支持连续轨迹解码、时域重采样、参数空间编辑及下游控制，并具有局部修正机制。
Comments This work has been submitted to the IEEE for possible publication
(如何) 学习率调节灾难性过训练
机构 * EPFL（瑞士联邦理工学院）
AI总结 研究通过隐式正则化分析学习率对微调中灾难性遗忘的影响，发现学习率大小影响模型收敛方向，并揭示学习率衰减加剧预训练模型尖锐性从而导致灾难性过训练。
Comments COLM 2026
接触网-受电弓系统中弧光检测的多模态学习
机构 * Chair of Structural Mechanics & Monitoring, ETH Zürich（苏黎世联邦理工学院结构力学与监测教授职位） ； Intelligent Maintenance and Operations Systems Lab, EPFL（洛桑联邦理工学院智能维护与运营系统实验室）
AI总结 本文提出多模态学习框架，结合图像与力数据，有效检测接触网-受电弓系统中的弧光事件，提升检测鲁棒性和准确性。
算子学习求解不同初始条件下的福克-普朗克方程
机构 * Fuzhou University（福州大学） ； Louisiana State University（路易斯安那州立大学） ； Beijing Normal-Hong Kong Baptist University（北京师范大学-香港浸会大学联合国际学院） ； École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院） ； Chinese Academy of Sciences（中国科学院）
AI总结 提出基于条件归一化流的物理信息神经网络框架，利用Chapman-Kolmogorov方程和线性化SDE基分布，高效求解多种初始条件下FPE的算子，引入时间加权损失函数解决小时间不稳定性。
Comments 26 pages, 11 figures
潜意识时钟：扩散语言模型中的潜在时间建模
机构 * Sapienza University of Rome（罗马大学） ； EPFL（洛桑联邦理工学院） ； Independent researcher（独立研究者）
AI总结 本文发现扩散语言模型在残差流中编码了与扩散时间步相关的潜在表示，可通过探针提取，并通过沿推断时间步的低维子空间引导来调节去噪进度，影响模型置信度和熵。
Comments Equal contribution: Thomas Vaitses Fontanari and Simone Petruzzi
学习交朋友：引导大语言模型智能体形成新兴社会关系
机构 * EPFL Lausanne, Switzerland（洛桑联邦理工学院） ； University of Technology Sydney（悉尼技术大学）
AI总结 研究LLM智能体能否再现人类在线行为社会动态及相关机制。提出多智能体LLM模拟框架，设计行为奖励函数，经实验发现引导后的智能体形成稳定互动与社会关系，为研究LLM群体集体动态建立测试平台。
Comments NeurIPS 2025 Workshop: Scaling Environments for Agents (SEA)
具身大脑：通过生物真实神经力学模型连接大脑、身体与行为
机构 * EPFL（瑞士联邦理工学院）
AI总结 本文综述生物真实神经力学模型，通过将人工神经控制器嵌入模拟环境中的身体模型，揭示神经、身体与环境交互的行为控制算法，并推动神经科学、机器人学和机器学习之间的交流。
Comments 18 pages, 4 figures (including 1 graphical abstract), 1 table
Journal ref Current Opinion in Neurobiology, 100, 103244 (2026)
扩展即时语言模型
机构 * Yale School of Management（耶鲁大学管理学院） ； AQR Capital Management（AQR资产管理公司） ； NBER（美国国家经济研究局） ； Swiss Finance Institute（瑞士金融研究所） ； EPFL（洛桑联邦理工学院） ； CEPR（经济政策研究中心）
AI总结 研究旨在解决大型语言模型的前瞻性偏差问题，通过在大量按时间顺序过滤的令牌上训练仅解码器变压器构建即时语言模型，缩小了与无约束模型的性能差距，经LoRA微调提升可用性，并发布完整管道支持相关研究。
通过解耦权重向量的幅度和方向改进神经网络训练
机构 * Machine Learning and Optimization Lab, EPFL（EPFL机器学习与优化实验室）
AI总结 提出幅度-方向（MD）解耦方法，将权重分解为固定范数的方向和可学习的幅度增益，以独立学习率更新，消除权重衰减和预热需求，在Adam和Muon优化器上均提升性能。
Comments Typos & writing; downstream evaluations
在机器人运动强化学习中预训练Actor-Critic算法
机构 * Robotic Systems Lab, ETH Zürich（苏黎世联邦理工学院机器人系统实验室） ； Section of Microengineering, EPFL（日内瓦联邦理工学院微工程系） ； ETH AI Center（苏黎世联邦理工学院人工智能中心）
AI总结 本研究提出了一种在机器人运动强化学习中预训练Actor-Critic算法的方法，通过预训练模型提升样本效率和任务性能。
Comments Published in IEEE Robotics and Automation Letters (RA-L)
注意力折扣自适应采样器用于掩码扩散语言模型
机构 * University of Bern（伯尔尼大学） ； EPFL（瑞士联邦理工学院洛桑分校）
AI总结 针对掩码扩散语言模型并行解码中候选词交互导致的不安全问题，提出训练无关的重排序规则ADAS，通过注意力折扣软惩罚改进子集构建，在多个基准上提升低NFE性能。
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。
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