Neural Weight Norm = Kolmogorov Complexity
神经权值范数等于柯尔莫戈洛夫复杂度
机构 * ETH Zürich（苏黎世联邦理工学院）
AI总结 论文证明在固定精度下，循环神经网络输出二进制字符串的最小权值范数等于该字符串的柯尔莫戈洛夫复杂度，揭示了权值衰减与 Solomonoff 先验的联系。
高校专区
ETH Zurich（苏黎世联邦理工学院）
The Generalized Turing Test: A Foundation for Comparing Intelligence
通用图灵测试：比较智能的基础
机构 * MIT（麻省理工学院） ； ETH Zurich（苏黎世联邦理工学院） ； EPFL（苏黎世联邦理工学院）
AI总结 本文提出通用图灵测试框架，通过不可区分性比较任意智能体的能力，研究其性质并实证分析现代模型的智能层次。
Muown: Row-Norm Control for Muon Optimization
Muown：行范数控制用于缪子优化
机构 * ETH Zurich（苏黎世联邦理工学院） ； Technical University of Munich（慕尼黑技术大学） ； ELLIS Institute Tübingen（图宾根ELLIS研究所） ； MPI-IS Tübingen（图宾根MPI-IS） ； Tübingen AI Center（图宾根人工智能中心）
AI总结 本文提出Muown，通过将行幅度向量作为显式优化变量，改进了缪子优化在大规模训练中的稳定性，提升了模型 perplexity 并减少对权重衰减的敏感性。
Knowledge Poisoning Attacks on Medical Multi-Modal Retrieval-Augmented Generation
针对医疗多模态检索增强生成的知识污染攻击
机构 * Tsinghua University（清华大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； Northwestern Polytechnical University（西北工业大学） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 本文提出M³Att框架，针对医疗多模态RAG系统，通过在文本数据中注入隐蔽虚假信息并利用配对视觉数据作为查询无关触发器，提升检索概率，从而在不依赖用户查询先验知识的情况下实现知识污染攻击。
Comments Accepted by ACL 2026
Automated Approach for Solving Infinite-state Polynomial Reachability Games
求解无限状态多项式可达性游戏的自动化方法
机构 * Institute of Science and Technology Austria (ISTA)（奥地利科学与技术研究所） ； ETH Zurich（苏黎世联邦理工学院） ； Singapore Management University（新加坡管理大学）
AI总结 本文提出了一种自动化方法，用于求解无限状态的多项式可达性游戏，通过排名证书证明REACH玩家的胜利策略存在性，并在子指数时间内验证算法的正确性。
Towards a Certificate of Trust: Task-Aware OOD Detection for Scientific AI
迈向信任证书：面向科学AI的任务感知异常检测
机构 * Seminar for Applied Mathematics, ETH Zurich（应用数学研究所，苏黎世联邦理工学院） ； ETH AI Center（苏黎世人工智能中心）
AI总结 本文提出基于分数扩散模型估计联合似然的任务感知异常检测方法，通过科学数据集验证其与预测误差的强相关性，为构建可验证的信任证书提供基础。
Position: Stop Evaluating AI with Human Tests, Develop Principled, AI-specific Tests instead
评估：停止用人类测试评估AI，改而开发基于AI的原理性测试
机构 * Max Planck Institute for Intelligent Systems, Tübingen（马克斯·普朗克智能系统研究所，图宾根） ； ETH Zurich, Zurich（苏黎世联邦理工学院，苏黎世） ； University of Tübingen, Methods Center, Tübingen（图宾根大学，方法中心，图宾根） ； Massachusetts Institute of Technology, Cambridge（麻省理工学院，剑桥）
AI总结 本文指出，将AI性能评估等同于人类心理特质是理论和实证上的错误，呼吁开发专门针对AI的评估框架。
ROS-LLM: A ROS framework for embodied AI with task feedback and structured reasoning
ROS-LLM：一个用于具身AI的ROS框架，具有任务反馈和结构化推理
机构 * Huawei Noah’s Ark Lab（华为诺亚实验室） ； University of Leeds（利兹大学） ； Technical University of Darmstadt（达姆施塔特技术大学） ； East China Normal University（华东师范大学） ； Huawei Technologies（华为技术有限公司） ； ETH Zurich（苏黎世联邦理工学院） ； University College London（伦敦大学学院）
AI总结 本文提出一种基于ROS的框架，允许非专家通过自然语言提示和上下文信息编程机器人，结合大语言模型实现任务描述和行为模式控制，实验验证了其在多样化场景中的鲁棒性和扩展性。
Comments This document contains 26 pages and 13 figures
Journal ref Nature Machine Intelligence 8, 313-325 (2026)
TIDES: Implicit Time-Awareness in Selective State Space Models
TIDES：在选择性状态空间模型中引入隐式时间感知
机构 * AIMM, ETH Zürich（AIMM，瑞士联邦理工学院 Zurich）
AI总结 TIDES是一种选择性状态空间模型变体，通过将输入依赖性从时间步长转移到对角状态矩阵，实现了选择性和连续架构的结合，从而保留时间步长的物理意义，提升对不规则时间序列的处理能力，并在多个基准测试中取得新成就。
Comments Preprint submitted for peer-review
High Precision Hydraulic Excavator Control for Heavy-Duty Grading
高精度液压挖掘机控制用于重型平整作业
机构 * ETH Zürich, Robotic Systems Lab（苏黎世联邦理工学院机器人系统实验室）
AI总结 本文提出一种自主控制器，实现高精度平整作业，适用于负载传感和负流量控制设备，通过校准过程可适应不同液压系统，精度提升2.6倍，提升设备使用效率。
Comments 12 pages 19 figures, RSS 2026
3DRO: Lidar-level SE(3) Direct Radar Odometry Using a 2D Imaging Radar and a Gyroscope
3DRO：基于2D成像雷达和陀螺仪的激光雷达级SE(3)直接雷达里程计
机构 * Robotics Institute, University of Toronto（多伦多大学机器人研究所） ； Mobile Robotics Lab, ETH Zurich（苏黎世联邦理工学院移动机器人实验室）
AI总结 本文提出3DRO，扩展SE(2)直接雷达里程计框架以实现SE(3)状态估计，通过2D速度估计保持数据平面性并结合3D陀螺仪测量，实现激光雷达级精度。
Comments Accepted for presentation at the ICRA 2026 Workshop on Radar in Robotics (poster: https://drive.google.com/file/d/1P_iBrGxPiZL644B-dHxbvdY-UJUzd4Kp/view )
Explicit Bounds on the Hausdorff Distance for Truncated mRPI Sets via Norm-Dependent Contraction Rates
截断mRPI集的Hausdorff距离显式界 via 依赖范数的收缩速率
机构 * Department of Mechanical and Process Engineering, ETH Zürich（苏黎世联邦理工学院机械与过程工程系） ； School of Transportation Science and Engineering, Beihang University（北京航空航天大学交通运输工程学院）
AI总结 本文提出通过依赖范数的收缩速率计算截断mRPI集与无限时间极限之间的Hausdorff距离上界，提供显式的horizon选择规则以保证预定的近似精度。
Comments 6 pages, 5 figures. Accepted at the 2026 IEEE Conference on Control Technology and Applications (CCTA), Vancouver, BC, Canada, August 12-14, 2026
Neuroprobe: Evaluating Intracranial Brain Responses to Naturalistic Stimuli
Neuroprobe：评估自然刺激下的颅内脑响应
机构 * MIT CSAIL, CBMM（MIT CSAIL，CBMM） ； MIT McGovern Institute（MIT McGovern研究所） ； Caltech（加州理工学院） ； Columbia University（哥伦比亚大学） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 Neuroprobe通过高分辨率颅内EEG数据研究多模态语言处理，提供评估框架比较不同模型架构，揭示语言处理在大脑中的时间与空间动态。
Comments 38 pages, 7 main figures, 16 supplementary figures, 13 tables
WorldSpeech: A Multilingual Speech Corpus from Around the World
WorldSpeech: 一种来自全球的多语言语音语料库
机构 * ETH Zurich（苏黎世联邦理工学院）
AI总结 本文提出WorldSpeech，一个包含76种语言6.5万小时对齐语音数据的多语言语料库，通过微调现有ASR模型，使11种语言的词错误率平均降低63.5%。
FedVSSAM: Mitigating Flatness Incompatibility in Sharpness-Aware Federated Learning
FedVSSAM: 缓解联邦学习中sharpness-aware学习的flatness不兼容性
机构 * Fudan University（复旦大学） ； ETH Zurich（苏黎世联邦理工学院） ； Edith Cowan University（埃迪斯科文大学） ； Singapore University of Technology and Design（新加坡科技设计大学）
AI总结 FedVSSAM通过引入方差抑制的sharpness-aware最小化方法，缓解联邦学习中由于数据异质性和友好对抗现象导致的flatness不兼容性，提升全局模型的泛化能力。
SeasonScapes: Learning Large-scale Re-lightable 3D Landscapes with Seasonal Variation from Sparse Webcams
SeasonScapes: 从稀疏网络摄像头学习大规模可重照明的3D景观及其季节变化
机构 * ETH Zurich（苏黎世联邦理工学院）
AI总结 本文提出SeasonScapes框架和数据集，通过稀疏网络摄像头图像构建大规模可重照明的3D景观，利用条件扩散模型处理遮挡和缺失数据，实现季节性变化的3D景观重建。
Probing the Critical Point (CritPt) of AI Reasoning: a Frontier Physics Research Benchmark
探测人工智能推理的临界点（CritPt）：一个前沿物理研究基准
机构 * Argonne National Laboratory（阿贡国家实验室） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Virginia Tech（弗吉尼亚理工大学） ； Ohio State University（俄亥俄州立大学） ； Independent（独立） ； Northeastern University（东北大学） ； Caltech（加州理工学院） ； University of Florida（佛罗里达大学） ； University of Waterloo（滑铁卢大学） ； University of Maryland, College Park（马里兰大学学院公园分校） ； Columbia University（哥伦比亚大学） ； Perimeter Institute for Theoretical Physics（理论物理研究所） ； University of Connecticut（康涅狄格大学） ； University of Cologne（科隆大学） ； The Chinese University of Hong Kong（香港中文大学） ； Utrecht University（乌得勒支大学） ； Harvard University（哈佛大学） ； ETH Zürich（苏黎世联邦理工学院） ； Paul Scherrer Institute（保罗·谢尔研究所）
AI总结 本文提出CritPt基准，用于测试LLM在未发表的科研级推理任务中的能力，涵盖现代物理多个领域，发现当前LLM在复杂科研挑战中表现有限，仅能实现5.7%的准确率。
Comments 40 pages, 6 figures, 6 tables
RDKV: Rate-Distortion Bit Allocation for Joint Eviction and Quantization of the KV Cache
RDKV: 用于联合擦除和量化KV缓存的率-失真位分配
机构 * ETH Zurich（苏黎世联邦理工学院） ； Tsinghua University（清华大学）
AI总结 RDKV通过联合优化擦除与量化，提升长序列推理效率，实现9.1%的性能提升和97.81%的准确率恢复。
Understanding Asynchronous Inference Methods for Vision-Language-Action Models
理解面向视觉-语言-动作模型的异步推理方法
机构 * École polytechnique Systems Group, ETH Zürich（瑞士联邦理工学院系统组，苏黎世联邦理工学院）
AI总结 本文系统比较了四种异步推理方法，评估了其在不同延迟下的性能，发现A2C2在Kinetix上表现最佳，TT-RTC在LIBERO上最稳健，IT-RTC在低延迟下表现良好但高延迟下下降，VLASH在低延迟与高延迟之间存在权衡。
