ETH Zurich（苏黎世联邦理工学院）

Integrated electro-optic attention nonlinearities for transformers

集成电光注意力非线性性用于变换器

Luis Mickeler, Kai Lion, Alfonso Nardi, Jost Kellner, Pierre Didier, Bhavin J. Shastri, Niao He, Rachel Grange

机构 * ETH Zurich（苏黎世联邦理工学院） ； Politecnico di Milano（米兰理工大学） 纠错

AI总结 本文提出利用电光非线性特性替代传统Softmax，提升变换器在视觉和语言任务中的效率与精度，同时降低计算延迟。

A Benchmark of Dexterity for Anthropomorphic Robotic Hands

人形机器人手灵巧性基准测试

Davide Liconti, Yuning Zhou, Yasunori Toshimitsu, Ronan Hinchet, Robert K. Katzschmann

机构 * ETH Zurich（苏黎世联邦理工学院） 纠错

AI总结 本文提出POMDAR基准，通过结构化操作和抓取任务定义灵巧性，结合任务正确性和执行速度量化评分，实现人形机器人手的客观评估与比较。

MobileMold: A Smartphone-Based Microscopy Dataset for Food Mold Detection

MobileMold: 一种基于智能手机的显微图像数据集用于食品霉变检测

Dinh Nam Pham, Leonard Prokisch, Bennet Meyer, Jonas Thumbs

机构 * Technical University of Berlin（柏林工业大学） ； University of Regensburg（雷根斯堡大学） ； ETH Zurich（苏黎世联邦理工学院） ； University of Tübingen（蒂宾根大学） 纠错

AI总结 本文提出MobileMold数据集，包含4941张显微图像，用于食品霉变检测与分类。通过多种深度学习模型和增强策略，达到高准确率，验证了数据集在食品变质检测中的有效性。

Comments Accepted to ACM Multimedia Systems (MMSys'26). Dataset and code available at https://mobilemold.github.io/dataset/

CaRLi-V: Camera-RADAR-LiDAR Point-Wise 3D Velocity Estimation

CaRLi-V：摄像头-雷达-激光雷达点云三维速度估计

Landson Guo, Andres M. Diaz Aguilar, William Talbot, Turcan Tuna, Marco Hutter, Cesar Cadena

机构 * ETH Zürich（苏黎世联邦理工学院） ； Robotic Systems Lab (RSL), ETH Zürich（苏黎世联邦理工学院机器人系统实验室） 纠错

AI总结 本文提出CaRLi-V方法，结合雷达、激光雷达和摄像头数据，通过雷达速度立方体、光流和激光雷达测距，实现点云三维速度估计，优于现有场景流方法。

Structuring versus Problematizing: How LLM-based Agents Scaffold Learning in Diagnostic Reasoning

结构化与问题化：基于LLM的智能体如何在诊断推理中构建学习

Fatma Betül Güreş, Tanya Nazaretsky, Seyed Parsa Neshaei, Tanja Käser

机构 * ETH Zürich（苏黎世联邦理工学院） ； EPFL（洛桑联邦理工学院） 纠错

AI总结 本文探讨了基于LLM的智能体如何通过结构化和问题化策略促进诊断推理学习，研究发现两种策略在不同参与度指标上各有优势。

Comments 12 pages, 8 figures. Accepted at LAK 2026

Journal ref In Proceedings of the 16th International Learning Analytics and Knowledge Conference (LAK 2026), April 27-May 1, 2026, Bergen, Norway. ACM, New York, NY, USA

MATCHA: Efficient Deployment of Deep Neural Networks on Multi-Accelerator Heterogeneous Edge SoCs

MATCHA：在多加速器异构边缘SoC上高效部署深度神经网络

Enrico Russo, Mohamed Amine Hamdi, Alessandro Ottaviano, Francesco Conti, Angelo Garofalo, Daniele Jahier Pagliari, Maurizio Palesi, Luca Benini, Alessio Burrello

机构 * University of Catania（卡塔尼亚大学） ； Politecnico di Torino（都灵理工大学） ； ETH Zurich（苏黎世联邦理工学院） ； University of Bologna（博洛尼亚大学） 纠错

AI总结 MATCHA是一个统一的DNN部署框架，通过约束编程优化内存分配和调度，提升异构加速器的并发性和利用率，在MLPerf Tiny基准测试中提升了35%的加速器利用率和减少了推理延迟。

Comments Accepted at the 63rd ACM/IEEE Design Automation Conference (DAC26)

REACT3D: Recovering Articulations for Interactive Physical 3D Scenes

REACT3D: 交互式物理3D场景中关节的恢复

Zhao Huang, Boyang Sun, Alexandros Delitzas, Jiaqi Chen, Marc Pollefeys

机构 * ETH Zurich（苏黎世联邦理工学院） ； Max Planck Institute for Informatics（马克斯·普朗克信息学研究所） ； Microsoft Spatial AI Lab（微软空间人工智能实验室） 纠错

AI总结 REACT3D通过零样本框架实现静态3D场景到可交互模拟的转换，解决了标注过程繁琐的问题，提升了多任务应用的兼容性与效率。

Comments Accepted at IEEE Robotics and Automation Letters (RA-L)

Journal ref IEEE Robotics and Automation Letters, vol. 11, no. 5, pp. 5954-5961, May 2026

Adaptive Planning for Multi-Attribute Controllable Summarization with Monte Carlo Tree Search

多属性可控摘要的自适应规划

Sangwon Ryu, Heejin Do, Yunsu Kim, Gary Geunbae Lee, Jungseul Ok

机构 * GSAI, POSTECH（浦项科技大学人工智能研究院） ； CSE, POSTECH（浦项科技大学计算机科学与工程学院） ； ETH Zurich（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） ； LILT（LILT公司） 纠错

AI总结 本文提出PACO框架，通过定制化的MCTS实现多属性可控摘要的自适应规划，有效满足相关约束，实验表明其在不同领域和模型上表现优异，甚至超越大模型基线。

Comments ACL 2026

Allocation for Omnidirectional Aerial Robots: Incorporating Power Dynamics

多方向空中机器人分配：考虑功率动态

Eugenio Cuniato, Mike Allenspach, Thomas Stastny, Helen Oleynikova, Roland Siegwart, Michael Pantic

机构 * Autonomous Systems Lab (ASL), ETH Zurich（苏黎世联邦理工学院自主系统实验室） 纠错

AI总结 本文提出三种新型多方向空中机器人分配方法，通过考虑冗余性和动力学，提升动态 maneuver 的执行效率和轨迹跟踪速度。