ETH Zurich（苏黎世联邦理工学院）

Echo-Forcing: A Scene Memory Framework for Interactive Long Video Generation

回声驱动：一种用于交互式长视频生成的场景记忆框架

Mingqiang Wu, Weilun Feng, Zhefeng Zhang, Haotong Qin, Yuqi Li, Guoxin Fan, Xiaokun Liu, Zhulin An, Libo Huang, Yongjun Xu, Chuanguang Yang

机构 * State Key Laboratory of AI Safety, Institute of Computing Technology, Chinese Academy of Sciences, Beijing, China（中国科学院人工智能安全国家重点实验室，计算技术研究所，北京，中国） ； University of Chinese Academy of Sciences, Beijing, China（中国科学院大学，北京，中国） ； China University of Mining & Technology, Beijing（中国矿业大学（北京）） ； ETH Zürich（苏黎世联邦理工学院） ； City College of New York, City University of New York（纽约城市学院，纽约城市大学） ； Xiamen Institute of Data Intelligence, Xiamen, China（厦门数据智能研究院，厦门，中国） 纠错

AI总结 本文提出Echo-Forcing框架，通过分层时间记忆、场景回溯帧和差分记忆衰减机制，解决长视频生成中历史KV状态的函数纠缠问题，实现交互式视频生成的流畅过渡与长距离场景回溯。

Beyond Benchmarks: MathArena as an Evaluation Platform for Mathematics with LLMs

超越基准：MathArena作为LLMs数学评估平台

Jasper Dekoninck, Nikola Jovanović, Tim Gehrunger, Kári Rögnvaldsson, Ivo Petrov, Chenhao Sun, Martin Vechev

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

AI总结 本文提出MathArena作为持续维护的数学评估平台，涵盖广泛任务，展示前沿模型在数学推理中的进步。

GSQ: Highly-Accurate Low-Precision Scalar Quantization for LLMs via Gumbel-Softmax Sampling

GSQ: 通过Gumbel-Softmax采样实现高精度低精度标量量化以用于LLMs

Alireza Dadgarnia, Soroush Tabesh, Mahdi Nikdan, Michael Helcig, Eldar Kurtic, Maximilian Kleinegger, Dan Alistarh

机构 * ISTA ； ETH Zürich（苏黎世联邦理工学院） ； Red Hat AI（红帽AI） ； TU Wien（维也纳技术大学） 纠错

AI总结 本文提出GSQ，一种基于Gumbel-Softmax松弛的标量量化方法，在低比特数下实现高精度，适用于LLMs的部署。

Extrapolation Guarantees for Perturbation Modeling Under the Additive Latent Shift Assumption

在加性潜在位移假设下对扰动建模的外推保证

Julius von Kügelgen, Jakob Ketterer, Michael Vollenweider, Michael Scholkemper, Xinwei Shen, Nicolai Meinshausen, Jonas Peters

机构 * Seminar for Statistics, ETH Zurich（统计系，苏黎世联邦理工学院） ； ETH Zurich（苏黎世联邦理工学院） ； DZNE, Bonn, Germany（波恩德国DZNE） ； Department of Statistics, University of Washington, Seattle, USA（华盛顿大学统计系，美国西雅图） 纠错

AI总结 本文研究了在加性潜在位移假设下，通过扰动建模预测新扰动组合的分布，提出PDAE模型并证明了外推保证。

Comments Updated preprint with new material and empirical results; previous version presented at the ICLR'25 Workshop on Learning Meaningful Representations of Life

Learn2Splat: Extending the Horizon of Learned 3DGS Optimization

Learn2Splat: 扩展学得3DGS优化的视野

Naama Pearl, Stefano Esposito, Haofei Xu, Amit Peleg, Patricia Gschossmann, Lorenzo Porzi, Peter Kontschieder, Gerard Pons-Moll, Andreas Geiger

机构 * University of Tübingen, Tübingen AI Center（图宾根大学，图宾根人工智能中心） ； ETH Zurich（苏黎世联邦理工学院） ； Meta Reality Labs（Meta现实实验室） 纠错

AI总结 本文提出了一种学得优化器，通过元学习方案扩展优化视野，提升稀疏和密集视角下的重建质量与稳定性，实现零样本泛化。

Eskwai for Students: Generative AI Assistant for Legal Education in Ghana

Eskwai for Students：面向加纳法律教育的生成式AI助手

George Boateng, Philemon Badu, Patrick Agyeman-Budu, Samuel Ansah, Evans Atompoya, Evan Igwilo, Lord Baah, Frederick Abu-Bonsrah, Victor Wumbor-Apin Kumbol

机构 * ETH Zurich, Switzerland（瑞士苏黎世联邦理工学院） ； Charité - Universitätsmedizin Berlin, Germany（柏林夏里特医学院） ； Kwame AI Inc., U.S.（美国瓦卡姆AI公司） 纠错

AI总结 本文介绍了Eskwai for Students，一个基于检索增强生成（RAG）的生成式AI助手，用于帮助加纳法律学生解答法律问题，通过超过12000份案例法和1400项立法数据库，评估其对学生查询的帮助性及伦理影响。

Comments 10 pages. Accepted at the 27th International Conference on Artificial Intelligence in Education (AIED 2026)

Adesua: Development and Feasibility Study of an AI WhatsApp Bot for Science Learning in West Africa

Adesua：面向西非科学学习的AI WhatsApp机器人开发与可行性研究

George Boateng, Evans Atompoya, Philemon Badu, Samuel John, Samuel Ansah, Patrick Agyeman-Budu, Victor Wumbor-Apin Kumbol

机构 * ETH Zurich, Switzerland（苏黎世联邦理工学院，瑞士） ； Charité - Universitätsmedizin Berlin, Germany（柏林夏里特医学院，德国） ； Kwame AI Inc., U.S.（瓦卡姆人工智能公司，美国） 纠错

AI总结 Adesua通过WhatsApp平台为西非初中和高中学生提供科学学习支持，利用生成式AI实现问答和自动评估，初步测试显示高使用价值。

Comments 11 pages. Accepted at the 27th International Conference on Artificial Intelligence in Education (AIED 2026)

PACER: Acyclic Causal Discovery from Large-Scale Interventional Data

PACER：从大规模干预数据中进行无环因果发现

Ramon Viñas Torné, Sílvia Fàbregas Salazar, Soyon Park, Ivo Alexander Ban, Artyom Gadetsky, Nikita Doikov, Maria Brbić

机构 * Swiss Federal Technology Institute of Lausanne (EPFL), Switzerland（瑞士联邦理工学院洛桑分校） ； Cornell University, USA（康奈尔大学） ； ETH Zurich, Zurich, Switzerland（苏黎世联邦理工学院） 纠错

AI总结 PACER通过构建无环性保证的因果发现框架，在大规模高维干预数据中实现高效且准确的因果结构推断，优于现有方法。

Comments Accepted at the 43rd International Conference on Machine Learning (2026)

Belief Engine: Configurable and Inspectable Stance Dynamics in Multi-Agent LLM Deliberation

信念引擎：多智能体大语言模型协商中的可配置和可检查立场动态

Joshua C. Yang, Maurice Flechtner, Damian Dailisan, Michiel A. Bakker

机构 * ETH Zurich（苏黎世联邦理工学院） ； Centre for Democracy Studies Aarau, University of Zurich（苏黎世大学民主研究中心） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

AI总结 本文提出Belief Engine，通过可配置的信念更新机制，研究多智能体协商中的立场动态，揭示立场变化背后的证据吸收与锚定因素。

ARA: Agentic Reproducibility Assessment For Scalable Support Of Scientific Peer-Review

ARA：面向大规模科学同行评审的代理可重复性评估

Kevin Riehl, Andres L. Marin, Nikofors Zacharof, Fan Wu, Patrick Langer, Robert Jakob, Anastasios Kouvelas, Georgios Fontaras, Michail A. Makridis

机构 * ETH Zürich, IVT & Agentic Systems Lab (ASL)（苏黎世联邦理工学院，信息与通信技术研究所及代理系统实验室） ； European Commission, Joint Research Centre（欧洲委员会，联合研究中心） ； University of Konstanz（康斯坦茨大学） ； Ideas Forward 纠错

AI总结 ARA通过构建实验依赖图并评估可重复性得分，有效提升大规模科研成果的可重复性评估能力，实验表明其在不同领域和模型参数下均表现优异。

Neural Policy Composition from Free Energy Minimization

从自由能最小化中学习神经策略组合

Francesca Rossi, Veronica Centorrino, Francesco Bullo, Giovanni Russo

机构 * Scuola Superiore Meridionale, Italy（意大利南部高级学院） ； ETH, Zürich（苏黎世联邦理工学院） ； Center for Control, Dynamical Systems, and Computation, UC Santa Barbara, CA, USA（加州大学圣巴巴拉分校控制与动力系统中心） ； Department of Information and Electrical Engineering and Applied Mathematics, University of Salerno, Italy（意大利萨勒诺大学信息与电气工程及应用数学系） 纠错

AI总结 本文提出了一种基于自由能最小化的框架，通过连续时间梯度流实现策略组合，并展示了其在多智能体系统、人类决策和控制基准中的应用。