ETH Zurich（苏黎世联邦理工学院）

BioBO: Biology-informed Bayesian Optimization for Perturbation Design

BioBO：结合生物学知识的贝叶斯优化用于扰动设计

Yanke Li, Tianyu Cui, Tommaso Mansi, Mangal Prakash, Rui Liao

机构 * Johnson & Johnson Innovative Medicine（强生创新医药） ； ETH Zurich（苏黎世联邦理工学院） 纠错

AI总结 BioBO结合多模态基因嵌入和富集分析，提升代理建模和获取策略，提高标签效率25-40%，并提供路径级解释，链接设计与生物调控电路。

Comments ICLR 2026

Point-In-Context: Understanding Point Cloud via In-Context Learning

点在上下文：通过上下文学习理解点云

Mengyuan Liu, Zhongbin Fang, Xia Li, Joachim M. Buhmann, Deheng Ye, Xiangtai Li, Chen Change Loy

机构 * State Key Laboratory of General Artificial Intelligence（国家一般人工智能重点实验室） ； Peking University（北京大学） ； Shenzhen Graduate School（深圳研究生院） ； School of Intelligent Systems Engineering（智能系统工程学院） ； Sun Yat-sen University（中山大学） ； ETH Zurich（苏黎世联邦理工学院） ； Tencent Inc.（腾讯公司） ； S-Lab（S实验室） ； Nanyang Technological University（南洋理工大学） 纠错

AI总结 本文提出Point-In-Context框架，利用上下文学习实现多任务处理，通过联合采样模块和创新训练策略提升点云分割性能，无需微调即可泛化到新领域。

Comments Project page: https://fanglaosi.github.io/Point-In-Context_Pages. arXiv admin note: text overlap with arXiv:2306.08659

Mitigating Objectness Bias and Region-to-Text Misalignment for Open-Vocabulary Panoptic Segmentation

缓解对象性偏差和区域到文本对齐问题以实现开放词汇全景分割

Nikolay Kormushev, Josip Šarić, Matej Kristan

机构 * University of Ljubljana（卢布尔雅那大学） ； ETH Zurich（苏黎世联邦理工学院） ； University of Zagreb（扎格reb大学） ； Faculty of Comp. and Inf. Science（计算机与信息科学系） ； Dept. of Computer Science（计算机科学系） ； Faculty of Elec. Eng. and Computing（电子工程与计算科学系） 纠错

AI总结 本文提出OVRCOAT框架，通过CLIP条件对象性调整和开放词汇掩码到文本细化，解决开放词汇全景分割中的对象性偏差和区域对齐问题，提升分割性能。

Bayesian Scattering: A Principled Baseline for Uncertainty on Image Data

贝叶斯散射：图像数据不确定性的原理性基准

Bernardo Fichera, Zarko Ivkovic, Kjell Jorner, Philipp Hennig, Viacheslav Borovitskiy

机构 * University of Tübingen（图宾根大学） ； ETH Zurich（苏黎世联邦理工学院） ； University of Edinburgh（爱丁堡大学） 纠错

AI总结 本文提出贝叶斯散射作为图像数据不确定性的基准方法，结合波let散射变换与概率头，避免过拟合，适用于分布偏移下的不确定性估计。

Swim2Real: VLM-Guided System Identification for Sim-to-Real Transfer

Swim2Real: 基于视觉-语言模型的系统辨识用于仿真到现实迁移

Kevin Qiu, Kyle Walker, Mike Y. Michelis, Marek Cygan, Josie Hughes

机构 * University of Warsaw（华沙大学） ； IDEAS NCBR ； EPFL（瑞士联邦理工学院） ； ETH Zurich（苏黎世联邦理工学院） ； Nomagic 纠错

AI总结 本文提出Swim2Real系统，利用视觉-语言模型反馈校准水下仿真实验室，无需手动设计搜索阶段。通过同时校准16个参数，显著提升仿真到现实的迁移效果，实现零样本强化学习迁移。

Multi-scale species richness estimation with deep learning

多尺度物种丰富度估计与深度学习

Victor Boussange, Bert Wuyts, Philipp Brun, Johanna T. Malle, Gabriele Midolo, Jeanne Portier, Théophile Sanchez, Niklaus E. Zimmermann, Irena Axmanová, Helge Bruelheide, Milan Chytrý, Stephan Kambach, Zdeňka Lososová, Martin Večeřa, Idoia Biurrun, Klaus T. Ecker, Jonathan Lenoir, Jens-Christian Svenning, Dirk Nikolaus Karger

机构 * Dynamic Macroecology, Land Change Science, Swiss Federal Research Institute WSL（瑞士联邦研究 institute WSL 动态宏观生态学与土地变化科学） ； Department of Evolutionary Biology and Environmental Studies, University of Zurich（苏黎世大学进化生物学与环境研究系） ； Department of Spatial Sciences, Faculty of Environmental Sciences, Czech University of Life Sciences Prague（捷克生命科学与技术大学环境科学系空间科学系） ； Resource Analysis, Forest Resources and Management, Swiss Federal Research Institute WSL（瑞士联邦研究 institute WSL 资源分析、森林资源与管理） ； Ecosystems and Landscape Evolution, Department of Environmental Systems Science, ETH Zürich（苏黎世联邦理工学院环境系统科学系生态系统与景观演变） ； Ecosystems and Landscape Evolution, Land Change Science, Swiss Federal Research Institute WSL（瑞士联邦研究 institute WSL 生态系统与景观演变、土地变化科学） ； Department of Botany and Zoology, Faculty of Science, Masaryk University（马萨里克大学科学学院植物学与动物学系） ； Institute of Biology, Geobotany and Botanical Garden, Martin Luther University Halle-Wittenberg（马尔堡大学生物学、地质植物学与植物园系） ； German Centre for Integrative Biodiversity Research (iDiv) Halle-Jena-Leipzig（德国整合生物多样性研究中心 (iDiv) 赫尔伯斯特-耶拿-莱比锡） ； Department of Plant Biology and Ecology, Faculty of Science and Technology, University of the Basque Country UPV/EHU（巴斯克国家大学 (UPV/EHU) 科学与技术学院植物生物学与生态学系） 纠错

AI总结 本文提出MuScaRi模型，结合采样理论与深度学习，从现有生态调查数据中估计任意空间尺度的物种丰富度，提升预测精度并生成多尺度丰富度地图。

Comments 31 pages

Noise-contrastive Online Change Point Detection

基于噪声对比的在线突变点检测

Nikita Puchkin, Artur Goldman, Konstantin Yakovlev, Valeriia Dzis, Uliana Vinogradova

机构 * HSE University（俄罗斯联邦高等经济学院） ； ETH Zürich（苏黎世联邦理工学院） ； ETH AI Center（苏黎世联邦理工学院人工智能中心） ； SB Robotics（SB机器人） 纠错

AI总结 本文提出了一种新的在线突变点检测方法，通过最大化预突变与后突变分布之间的差异度，设计出适用于参数和非参数场景的灵活算法，并通过数值实验验证了其效率。

Comments The preliminary version of this paper was presented at the 26th International Conference on Artificial Intelligence and Statistics (AISTATS 2023, PMLR 206:5686-5713)

Architectural Backdoors for Within-Batch Data Stealing and Model Inference Manipulation

针对批量数据窃取和模型推理操纵的架构后门

Nicolas Küchler, Ivan Petrov, Conrad Grobler, Ilia Shumailov

机构 * ETH Zurich（苏黎世联邦理工学院） ； Google DeepMind（谷歌DeepMind） 纠错

AI总结 本文提出一种新型后门，通过利用批量推理技术实现大规模用户数据窃取和模型响应操控，提出确定性缓解策略以保障用户隐私和系统安全。

Comments This work has been accepted for publication at the IEEE Conference on Secure and Trustworthy Machine Learning (SaTML) 2026. The final version will be available on IEEE Xplore