ETH Zurich（苏黎世联邦理工学院）

Improved Hardness Results for Learning Intersections of Halfspaces

学习半空间交集的改进难度结果

Stefan Tiegel

机构 * Massachusetts Institute of Technology（麻省理工学院） ； ETH Zürich（苏黎世联邦理工学院） 纠错

AI总结 本文研究了在不恰当设置下学习半空间交集的下界，证明了学习ω(log log N)个半空间需要超多项式时间，并在统计查询框架下给出了无条件的难度结果。

Journal ref TheoretiCS, Volume 5 (2026), Article 8, 1-26

Universal approximation property of Banach space-valued random feature models including random neural networks

Banach空间值随机特征模型的通用逼近性质，包括随机神经网络

Ariel Neufeld, Philipp Schmocker

机构 * Nanyang Technological University, Division of Mathematical Sciences（南洋理工大学数学科学学院） ； ETH Zurich, Department of Mathematics（苏黎世联邦理工学院数学系） 纠错

AI总结 本文研究Banach空间值随机特征学习的通用逼近性质，通过随机初始化特征映射仅训练线性读出层，证明在Bochner空间中的逼近结果，并推导逼近速率和学习算法。

Comments 52 pages, 4 figures, 4 tables

SFT-then-RL Outperforms Mixed-Policy Methods for LLM Reasoning

在LLM推理中，SFT-然后-RL优于混合策略方法

Alexis Limozin, Eduard Durech, Torsten Hoefler, Imanol Schlag, Valentina Pyatkin

机构 * ETH AI Center, ETH Zürich（苏黎世联邦理工学院人工智能中心） ； EPFL（瑞士联邦理工学院） ； Allen Institute for AI（人工智能研究所） 纠错

AI总结 本文指出，混合策略方法的性能提升源于两个错误：DeepSpeed优化器在梯度累积中丢失中间微批次，以及OpenRLHF损失聚合错误加权。修正后，标准SFT-然后-RL流程在数学基准上超越了所有混合策略方法。

FunRec: Reconstructing Functional 3D Scenes from Egocentric Interaction Videos

FunRec：从第一人称交互视频重建功能3D场景

Alexandros Delitzas, Chenyangguang Zhang, Alexey Gavryushin, Tommaso Di Mario, Boyang Sun, Rishabh Dabral, Leonidas Guibas, Christian Theobalt, Marc Pollefeys, Francis Engelmann, Daniel Barath

机构 * ETH Zurich（苏黎世联邦理工学院） ； Max Planck Institute for Informatics（马克斯·普朗克研究所（信息学）） ； Stanford University（斯坦福大学） ； Microsoft（微软） ； USI Lugano（USI卢加诺） 纠错

AI总结 FunRec通过直接从第一人称RGB-D交互视频重建室内场景的3D数字双胞胎，实现了无需控制环境或多状态采集的交互式3D场景重建，提升了部分分割和重建精度。

Comments CVPR 2026. Project page: https://functionalscenes.github.io

NanoCockpit: Performance-optimized Application Framework for AI-based Autonomous Nanorobotics

NanoCockpit：面向AI自主微机器人应用的性能优化框架

Elia Cereda, Alessandro Giusti, Daniele Palossi

机构 * Dalle Molle Institute for Artificial Intelligence (IDSIA)（达勒莫利人工智能研究所） ； USI-SUPSI ； Integrated Systems Laboratory (IIS)（集成系统实验室） ； ETH Zürich（苏黎世联邦理工学院） 纠错

AI总结 本文提出NanoCockpit框架，通过协程多任务调度优化微机器人图像采集、多核计算和无线传输，提升系统吞吐量并降低延迟，实验证明其在闭环控制性能上提升了30%并提高了任务成功率。

Comments Accepted for publication in the IEEE RA-P journal. GitHub repository: https://github.com/idsia-robotics/crazyflie-nanocockpit

DeepSignature: Digitally Signed, Content-Encoding Watermarks for Robust and Transparent Image Authentication

DeepSignature: 用于鲁棒和透明图像认证的数字签名内容编码水印

Mathias Graf, Marco Willi, Melanie Mathys, Michael Aerni, Christian Schwarzer, Martin Melchior, Michael H. Graber

机构 * Institute for Data Science（数据科学研究所） ； FHNW ； ETH Zürich（苏黎世联邦理工学院） 纠错

AI总结 本文提出DeepSignature，结合数字签名与深度学习，实现隐秘且鲁棒的图像水印，支持客户端验证和潜在空间验证，实验显示其在伪造检测中表现优异。

Comments 20 pages, 9 figures, 7 tables

End-to-end Automated Deep Neural Network Optimization for PPG-based Blood Pressure Estimation on Wearables

端到端自动化深度神经网络优化用于基于PPG的血压估计在可穿戴设备上

Francesco Carlucci, Giovanni Pollo, Xiaying Wang, Massimo Poncino, Enrico Macii, Luca Benini, Sara Vinco, Alessio Burrello, Daniele Jahier Pagliari

机构 * Interuniversity Department of Regional and Urban Studies and Planning at Politecnico di Torino（理工学院区域与城市研究与规划联合大学部门） ； Department of Control and Computer Engineering at Politecnico di Torino（理工学院控制与计算机工程系） ； Department of Information Technology and Electrical Engineering at ETH Zurich（苏黎世联邦理工学院信息技术与电气工程系） ； Department of Electrical, Electronic, and Information Engineering "Guglielmo Marconi" at University of Bologna（博洛尼亚大学电子、电子与信息工程系"Guglielmo Marconi"） 纠错

AI总结 本文提出了一种端到端自动化深度神经网络优化方法，结合硬件感知神经架构搜索、剪枝和混合精度搜索，实现低功耗多核系统上的紧凑血压预测模型，显著降低误差并提升效率。

Hearing to Translate: The Effectiveness of Speech Modality Integration into LLMs

听译：将语音模态整合到LLMs中的有效性

Sara Papi, Javier Garcia Gilabert, Zachary Hopton, Vilém Zouhar, Carlos Escolano, Gerard I. Gállego, Jorge Iranzo-Sánchez, Ahrii Kim, Dominik Macháček, Patricia Schmidtova, Maike Züfle

机构 * Fondazione Bruno Kessler（布鲁诺·凯瑟尔基金会） ； Barcelona Supercomputing Center（巴塞罗那超级计算中心） ； University of Zurich（苏黎世大学） ； ETH Zurich（苏黎世联邦理工学院） ； Universitat Politècnica de Catalunya（加泰罗尼亚理工大学） ； Universitat Politècnica de València（瓦伦西亚理工大学） ； Soongsil University（顺天大学） ； Charles University（查尔斯大学） ； KIT（卡尔斯鲁厄理工学院） 纠错

AI总结 本文评估了将语音模态整合到LLMs中的有效性，发现级联系统总体更可靠，但最新SpeechLLMs在某些情况下可匹配或超越级联系统，而SFM表现较差，强调整合LLM的重要性。

Comments Project available at https://github.com/sarapapi/hearing2translate | Accepted at TACL, this version is a pre-MIT Press publication version

On the Reasoning Abilities of Masked Diffusion Language Models

关于掩码扩散语言模型的推理能力

Anej Svete, Ashish Sabharwal

机构 * ETH Zürich（苏黎世联邦理工学院） ； Allen Institute for AI（人工智能研究所） 纠错

AI总结 本文研究了掩码扩散模型在推理任务中的能力，通过与链式思维和填充循环变压器框架对比，证明了其在有限精度对数宽度下与多项式填充PLTs等效，并展示了其在解决特定问题时的高效性。