高校专区
ConMeZO：适应性下降方向采样用于大语言模型的梯度自由微调
机构 * Department of Computer Science, ETH Zurich（苏黎世联邦理工学院计算机科学系） ； Amazon AGI Labs（亚马逊人工智能实验室）
AI总结 ConMeZO通过适应性方向采样加速大语言模型微调的收敛速度，保留低内存足迹，比MeZO快2倍。
使用大型语言模型进行具身规划引入了系统性的安全风险
机构 * ETH Zurich（苏黎世联邦理工学院） ； University College London（伦敦大学学院） ； Stanford University（斯坦福大学） ； Northwestern University（西北大学） ； National University of Singapore（新加坡国立大学）
AI总结 研究评估了大型语言模型在机器人规划中的安全性，发现即使规划能力高，安全风险仍显著存在，揭示了规划能力与安全意识之间的乘法关系。
Comments Project page: https://despite-safety.github.io/
可扩展的基于邻域的多智能体Actor-Critic
机构 * Department of Computer Science, ETH Zürich（苏黎世联邦理工学院计算机科学系）
AI总结 本文提出MADDPG-K，通过限制每个智能体的 critic 仅依赖k个最近的智能体，解决传统集中式批评者方法的计算限制，实现更高效的训练和扩展性。
可信的内窥镜超分辨率
机构 * Computer Vision Lab, ETH Zurich, Zurich, Switzerland（苏黎世联邦理工学院计算机视觉实验室）
AI总结 本文提出一种直接实用框架，通过识别重建可能失败的区域，提高超分辨率系统的可靠性。方法整合了轻量级误差预测网络，结合置信度失败掩码，提供理论保障，首次在内窥镜实时图像超分辨率中提升安全性。
Comments Code: https://github.com/jusiro/Endoscopic-CFM
通过掩码潜在注意力的心脏时间序列基础模型
机构 * Department of Computer Science, ETH Zurich, Switzerland（苏黎世联邦理工学院计算机科学系，瑞士） ； Department of Biomedical Engineering, University of Basel, Switzerland（巴塞尔大学生物医学工程系，瑞士）
AI总结 本文提出LAMAE基础模型，通过自监督预训练学习跨导联连接机制，提升ECG表示质量和迁移能力，在预测ICD-10编码上优于独立导联掩码模型和对齐基线。
Comments First two authors are co-first. Last two authors are co-senior
Journal ref ICLR 2026: Workshop on Foundation Models for Science
Pearmut：使翻译的人工评估变得简单
机构 * ETH Zurich（苏黎世联邦理工学院） ； Cohere
AI总结 Pearmut通过轻量级平台简化多语言NLP的人工评估流程，支持机器翻译任务，提供多种评估协议和动态分配策略，使人工评估成为模型开发的常规环节。
Comments typeset with Typst
基于置信预测的随机线性系统MPC
机构 * Institute for Dynamic Systems and Control, ETH Zürich（动态系统与控制研究所，苏黎世联邦理工学院） ； Division of Computer Engineering and Computer Science, University West（计算机工程与科学系，西海岸大学） ； Division of Decision and Control Systems, School of Electrical Engineering and Computer Science, KTH Royal Institute of Technology（决策与控制系统系，电气工程与计算机科学学院，皇家理工学院）
AI总结 本文提出一种针对未知扰动分布的随机线性系统MPC框架，利用置信预测构建有限样本置信区域，以最小计算开销满足联合时间机会约束，通过间接反馈实现闭环确定性形式，确保递归可行性和约束满足。
Comments 7 pages, 1 figure. This is an extended version of the publication to the 24th European Control Conference (ECC 2026)
WeatherArchive-Bench: 基于历史天气档案的检索增强推理基准测试
机构 * McGill University（麦吉尔大学） ； University of Waterloo（滑铁卢大学） ； ETH Zurich（苏黎世联邦理工学院） ； Beijing Jiaotong University（北京交通大学）
AI总结 本文提出WeatherArchive-Bench，用于评估检索增强生成系统在处理历史天气档案中的能力，揭示密集检索器在历史术语上的不足及LLM对社会脆弱性与韧性概念的误判问题。
Comments accepted to the Resource Track of SIGIR 2026
线性模型中L1正则化路径的参数高斯信息传递
机构 * ETH Zürich（苏黎世联邦理工学院）
AI总结 本文提出两种新算法，用于计算状态空间中L1正则化路径，包括L1正则化卡尔曼平滑、线性SVM、LASSO等，方法基于参数高斯信息传递。
超越可验证奖励：基于评分表的GRM用于强化微调SWE代理
机构 * ETH Zurich（苏黎世联邦理工学院）
AI总结 本文提出基于评分表的GRM，通过人类设计的评分标准提升强化微调SWE任务的性能，有效抑制不良行为并促进有益行为，提高最终测试准确率。
意图解释规划：在检索增强语言模型中实现源忠实的解释
机构 * Collegium Helveticum, ETH Zurich（瑞士苏黎世联邦理工学院学院） ； University of Zurich（瑞士苏黎世大学）
AI总结 研究通过意图宏观规划提升检索增强语言模型中解释的源忠实性，通过链式意图提示提升源忠实度，实验显示在部分模型中提升显著，但整体效果仍有限。
Comments 24 pages; Accepted for publication at XAI'2026
eCP：基于预训练模型的等变符合预测
机构 * GRASP Laboratory, Department of Electrical & Systems Engineering, University of Pennsylvania（宾夕法尼亚大学电气与系统工程系GRASP实验室） ； Department of Computer Science, University of Southern California（南加州大学计算机科学系） ； Automatic Control Laboratory, ETH Zürich（苏黎世联邦理工学院自动控制实验室）
AI总结 本文提出eCP方法，通过结合几何信息和预训练模型，改进符合预测的不确定性区域，提升高置信度下的预测精度。
MoGERNN：一种用于未观测位置的归纳性交通预测器
机构 * Institute of Intelligent Transportation Systems, College of Civil Engineering and Architecture, Zhejiang University（智能交通系统研究院，土木工程与建筑学院，浙江大学） ； Institute for Transport Planning and Systems, ETH Zurich（交通规划与系统研究所，苏黎世联邦理工学院） ； Department of Computer Science, City University of Hong Kong (Dongguan)（计算机科学系，香港城市大学（东莞）） ； ZJU-UIUC Institute, Zhejiang University（浙大-UIUC研究院，浙江大学）
AI总结 本文提出MoGERNN，一种结合图专家混合与图编码器-解码器的时空图模型，用于预测未观测位置的交通状态，实验显示其在观测与未观测区域均表现优异，且具备适应传感器网络变化的能力。
Journal ref Transportation Research Part C: Emerging Technologies, Volume 174, 2025, 105080, ISSN 0968-090X
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