Tokenisation via Convex Relaxations
基于凸松弛的分词
机构 * ETH Zurich（苏黎世联邦理工学院） ； Kensho Technologies（Kensho科技公司）
AI总结 本文提出了一种基于凸松弛的分词方法ConvexTok，通过将分词构建问题转化为线性规划并利用凸优化工具求解，改进了分词指标和语言模型的bits-per-byte性能，并提升了下游任务表现。
高校专区
ETH Zurich（苏黎世联邦理工学院）
Deep Reinforcement Learning for Flexible Job Shop Scheduling with Random Job Arrivals
基于随机作业到达的灵活作业车间调度的深度强化学习
机构 * Centre for Artificial Intelligence, Zurich University of Applied Sciences（人工智能中心，苏黎世应用科学大学） ； Inspire AG（Inspire公司） ； Automatic Control Laboratory, ETH Zurich（自动控制实验室，苏黎世联邦理工学院）
AI总结 本文提出了一种基于事件的深度强化学习方法，用于解决具有随机作业到达的灵活作业车间调度问题，通过Proximal Policy Optimization算法和轻量级多层感知机训练智能体，以最小化所有作业的总完成时间，并在不同异质性和作业到达率的数据集上优于单独的调度规则。
SeqLoRA: Bilevel Orthogonal Adaptation for Continual Multi-Concept Generation
SeqLoRA: 为持续多概念生成的双水平正则化适应
机构 * Uppsala University（乌普萨拉大学） ； ETH Zurich（苏黎世联邦理工学院） ； Sweden（瑞典）
AI总结 本文提出SeqLoRA，一种双水平优化框架，通过联合优化LoRA因素来解决文本到图像扩散模型中多自定义概念组合时的表示干扰问题，提高了身份保持性和可扩展性。
Benchmarking Machine Learning Architectures for Antimicrobial Stewardship in Pediatric ICUs
对儿科ICU中抗菌药物使用管理的机器学习架构进行基准测试
机构 * Department of Intensive Care and Neonatology and Children’s Research Center University of Zurich University Children’s Hospital Zurich（重症护理与新生儿科及儿童研究中心，苏黎世大学苏黎世儿童医院） ； Department of Health Sciences and Technology ETH Zurich（健康科学与技术系，苏黎世联邦理工学院） ； Department of Computer Science ETH Zurich（计算机科学系，苏黎世联邦理工学院）
AI总结 本研究针对儿科ICU中抗菌药物使用管理的机器学习模型进行基准测试，通过公共数据集和私人机构队列系统评估了四种临床相关的目标，发现预测性能主要由目标流行率和数据集特征决定，而非模型复杂度，序列模型在粗粒度下提升了精度-召回权衡，但细粒度建模带来的收益有限，且校准效果较差。
Comments 16 pages, 6 figures, code: https://anonymous.4open.science/r/AMS_intervention_prediction-C024
Meta-Learning for Rapid Adaptation in Reference Tracking of Uncertain Nonlinear Systems
为不确定非线性系统参考跟踪设计快速适应的元学习
机构 * School of Automation Science and Electrical Engineering, Beihang University（北京航空航天大学自动化科学与电气工程学院） ； Mitsubishi Electric Research Laboratories（三菱电机研究实验室） ； Automatic Control Laboratory, ETH Zurich（瑞士联邦理工学院自动化实验室） ； ZHAW Centre for Artificial Intelligence, Zurich University of Applied Sciences（瑞士应用科学大学人工智能中心）
AI总结 本文针对不确定非线性系统的参考跟踪问题，提出基于元学习的控制框架，通过利用源系统数据加速训练并提升控制性能，通过两阶段方法实现对目标系统的快速适应。
Comments 13 pages
Generative Modeling by Value-Driven Transport
通过价值驱动传输进行生成建模
机构 * Universitat Pompeu Fabra Barcelona（巴塞罗那庞培乌法布拉大学） ； ETH Zürich（苏黎世联邦理工学院） ； ICREA & Universitat Pompeu Fabra Barcelona（ICREA与巴塞罗那庞培乌法布拉大学）
AI总结 本文提出了一种基于测度传输离散时间随机控制 formulations 的新生成建模框架，通过线性规划的对偶变量直接编码最优控制策略，并开发了高效的模拟-free 原始-对偶算法来计算近似最优价值函数和价值驱动传输（VDT）策略，这些策略在多个实验中表现出优越的性能和良好的可扩展性。
QuantSR+: Pushing the Limit of Quantized Image Super-Resolution Networks
QuantSR+: 推动量化图像超分辨率网络的极限
机构 * ETH Zurich（苏黎世联邦理工学院） ； Shanghai Jiao Tong University（上海交通大学） ； Beihang University（北京航空航天大学）
AI总结 本文提出QuantSR+框架，通过改进量化操作、网络设计和训练优化，实现了在精度和效率之间的更好平衡，针对超低精度下的性能下降问题，提出了三种关键技术贡献：重分布驱动位数确定、量化瘦身架构和瘦身引导的功能局部蒸馏。
No Pose, No Problem in 4D: Feed-Forward Dynamic Gaussians from Unposed Multi-View Videos
无需姿态，无问题：从未姿态多视角视频中馈送动态高斯
机构 * Politecnico di Milano（米兰理工大学） ； ETH Zürich（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）
AI总结 本文提出NoPo4D，一种首个无需姿态的馈送式系统，能够处理动态内容、多视角输入和未知相机姿态，通过速度分解和双向运动编码提升性能，优于现有方法。
PMCTS: Particle Monte Carlo Tree Search for Principled Parallelized Inference Time Scaling
PMCTS：用于原理化并行推断时间扩展的粒子蒙特卡洛树搜索
机构 * Department of Intelligent Systems, TU Delft（代尔夫特理工大学智能系统系） ； Department of Computer Science, ETH Zürich（苏黎世联邦理工学院计算机科学系） ； Trent AI Limited（Trent AI有限公司） ； Information Systems, TU Eindhoven（埃因霍温理工大学信息系统系） ； Centrum Wiskunde & Informatica, Amsterdam（阿姆斯特丹数学与信息学研究中心）
AI总结 本文提出PMCTS，一种适用于神经网络评估的原理化并行MCTS算法，通过并行计算实现推断时间扩展，并在多个领域中显著优于传统启发式基线方法。
AutoBaxBuilder: Bootstrapping Code Security Benchmarking
AutoBaxBuilder: 通过代码安全基准测试进行代码安全性评估
机构 * ETH Zurich（苏黎世联邦理工学院） ； INSAIT, Sofia University "St. Kliment Ohridski"（INSAIT，索菲亚大学"圣克莱门特·奥赫里德斯基"）
AI总结 本文提出AutoBaxBuilder，一种自动化生成代码安全基准测试任务的流水线，通过结合LLM的代码理解能力与可靠性检查，构建功能测试和端到端的安全性探测利用，从而提高代码安全性的评估效率和准确性。
Comments ICML 2026
Neuro-Symbolic AI for Analytical Solutions of Differential Equations
神经符号AI用于微分方程的解析解
机构 * Seminar for Applied Mathematics, ETH Zurich, Switzerland（应用数学研讨会，苏黎世联邦理工学院，瑞士） ； ETH AI Center, Zurich, Switzerland（苏黎世联邦理工学院人工智能中心，瑞士） ； IBM Research Europe, Zurich, Switzerland（IBM欧洲研究院，苏黎世，瑞士） ； Institute for Atmospheric and Climate Science, ETH Zurich, Switzerland（大气与气候科学研究所，苏黎世联邦理工学院，瑞士） ； Swiss Data Science Center, ETH Zurich, Switzerland（瑞士数据科学中心，苏黎世联邦理工学院，瑞士）
AI总结 本文提出SIGS神经符号框架，通过上下文无关文法生成数学上有效且物理上有意义的构建块，并结合用户指定的Ansatz进行组合，嵌入到拓扑正则化的连续潜在流形中，通过两阶段搜索发现解析解，提高了微分方程解析解的准确性和效率。
Comments Updates the method and added extra results
Learning to Evolve: Multi-modal Interactive Fields for Robust Humanoid Navigation in Dynamic Environments
学习进化：多模态交互场用于动态环境中的稳健双足机器人导航
机构 * State Key Laboratory of General Artificial Intelligence, Peking University, Shenzhen Graduate School（一般人工智能国家重点实验室，北京大学深圳研究生院） ； Oxford Robotics Institute, University of Oxford（牛津大学机器人研究所） ； Institute for Machine Learning, Department of Computer Science, ETH Zurich（苏黎世联邦理工学院计算机科学系机器学习研究所）
AI总结 本文提出多模态交互场（MIF）系统，通过结合置信度感知的语义3D高斯溅射、差异触发的空间记忆更新和任务驱动的几何重建，在闭环感知-适应管道中实现稳健的双足机器人导航，显著提高了非静态环境中的重定位成功率并减少了语义内存足迹。
Comments Accepted by Robotics: Science and Systems 2026
From monoliths to modules: Decomposing transducers for efficient world modelling
从整体到模块：分解转换器以实现高效的world建模
机构 * Department of Informatics, University of Sussex（Sussex大学信息学院） ； Beyond Institute for Theoretical Science (BITS)（理论科学研究所） ； ETH Zürich（苏黎世联邦理工学院） ； Principles of Intelligent Behaviour in Biological and Social Systems (PIBBSS)（生物和社会系统智能行为原理研究所） ； Department of Computer Science, University of Oxford（牛津大学计算机科学系） ； Araya Inc.（Araya公司） ； Sussex AI and Sussex Centre for Consciousness Science, University of Sussex（Sussex大学人工智能与意识科学中心） ； Centre for Complexity Science and Center for Psychedelic Research, Department of Brain Sciences, Imperial College London（复杂科学中心和迷幻研究中心，伦敦帝国理工学院脑科学系） ； Center for Eudaimonia and Human Flourishing, University of Oxford（幸福与人类繁荣中心，牛津大学）
AI总结 本文提出了一种分解复杂world建模的方法，通过转换器框架将世界模型分解为多个模块，从而提高计算效率并支持分布式推理，为AI安全和现实应用提供基础。
