ETH Zurich（苏黎世联邦理工学院）

ReCoSplat: Autoregressive Feed-Forward Gaussian Splatting Using Render-and-Compare

ReCoSplat: 基于渲染与比较的自回归前馈高斯点云生成

Freeman Cheng, Botao Ye, Xueting Li, Junqi You, Fangneng Zhan, Ming-Hsuan Yang

机构 * University of California Merced（加州大学默塞德分校） ； ETH Zurich（苏黎世联邦理工学院） ； NVIDIA ； Shanghai Jiao Tong University（上海交通大学） ； Hong Kong University of Science and Technology（香港科技大学） 纠错

AI总结 ReCoSplat通过引入渲染与比较模块，解决高斯点云生成中姿态误差问题，实现高效稳定的视角合成。

You Didn't Have to Say It like That: Subliminal Learning from Faithful Paraphrases

你无需那样说：从忠实的同义词中学习的潜意识学习

Isaia Gisler, Zhonghao He, Tianyi Qiu

机构 * ETH Zürich（苏黎世联邦理工学院） ； University of Cambridge（剑桥大学） ； Peking University（北京大学） 纠错

AI总结 研究通过自然语言同义词的潜意识学习，发现即使内容与教师偏好矛盾，学生模型仍能继承偏好，揭示了训练数据中潜在影响的隐蔽性。

Comments Accepted for Spotlight presentation at EACL 2026 SRW. 5 pages, 2 figures, plus appendix. Equal supervision by Zhonghao He and Tianyi Qiu

Reviving ConvNeXt for Efficient Convolutional Diffusion Models

复兴 ConvNeXt 以实现高效的卷积扩散模型

Taesung Kwon, Lorenzo Bianchi, Lennart Wittke, Felix Watine, Fabio Carrara, Jong Chul Ye, Romann Weber, Vinicius Azevedo

机构 * KAIST（韩国科学技术院） ； ETH Zürich（苏黎世联邦理工学院） ； ISTI-CNR（意大利国家研究理事会信息与自动化研究所） ； University of Pisa（比萨大学） 纠错

AI总结 本文提出全卷积扩散模型 FCDM-XL，通过使用 ConvNeXt 结构实现高效扩散模型，以更少的 FLOPs 和训练步骤达到与 DiT-XL 相当的性能。

Comments CVPR 2026. Official implementation: https://github.com/star-kwon/FCDM

Robust Spatiotemporal Motion Planning for Multi-Agent Autonomous Racing via Topological Gap Identification and Accelerated MPC

多智能体自主赛车中鲁棒时空运动规划 via 拓扑间隙识别与加速MPC

Mingyi Zhang, Cheng Hu, Yiqin Wang, Haotong Qin, Hongye Su, Lei Xie

机构 * Department of Control Science and Engineering, Zhejiang University（浙江大学控制科学与工程学院） ； Center for Project-Based Learning, D-ITET, ETH Zurich（苏黎世联邦理工学院项目导向学习中心） 纠错

AI总结 本文提出基于拓扑间隙识别与加速MPC的框架，通过预测对手行为和动态占用走廊，实现高速多智能体自主赛车中鲁棒的时空规划与高精度控制。

Latent-DARM: Bridging Discrete Diffusion And Autoregressive Models For Reasoning

Latent-DARM: 联结离散扩散与自回归模型以实现推理

Lina Berrayana, Ahmed Heakl, Abdullah Sohail, Thomas Hofmann, Salman Khan, Wei Chen

机构 * EPFL（苏黎世联邦理工学院） ； MBZUAI（马克斯·普朗克人工智能研究所） ； ETH Zürich（苏黎世联邦理工学院） ； Microsoft Research Asia（微软亚洲研究院） 纠错

AI总结 Latent-DARM通过结合离散扩散模型与自回归模型，提升多智能体系统在推理任务中的表现和协作效率。

Comments Published at LIT Workshop at ICLR 2026

AI Phenomenology for Understanding Human-AI Experiences Across Eras

人工智能现象学：理解跨时代的以人为本的AI体验

Bhada Yun, Evgenia Taranova, Dana Feng, Renn Su, April Yi Wang

机构 * ETH Zürich（苏黎世联邦理工学院） ； University of Bergen（卑尔根大学） ； Stanford University（斯坦福大学） 纠错

AI总结 本文提出人工智能现象学，通过研究用户与AI交互的主观体验，促进双向人机对齐，并提供可重复的方法论工具。

Comments This is an accepted workshop paper at CHI '26, "W37: Human-AI Interaction Alignment: Designing, Evaluating, and Evolving Value-Centered AI For Reciprocal Human-AI Futures", or https://bialign-workshop.github.io/2026/cfp