高校专区
TriSplat: 面向仿真的前馈式3D场景重建
机构 * Zhejiang University（浙江大学） ； ETH Zurich（苏黎世联邦理工学院） ； ETH AI Center（ETH人工智能中心） ； Microsoft（微软） ； Monash University（莫纳什大学）
AI总结 提出TriSplat，一种前馈式重建网络，使用有向三角形图元表示场景，直接从稀疏视图图像预测并导出可直接用于仿真的网格场景。
Comments Project Page: https://lhmd.top/trisplat, Code: https://github.com/ziplab/TriSplat
使用多模态深度学习预测盈利公告日的股价方向
机构 * ETH Zürich（苏黎世联邦理工学院）
AI总结 本研究结合基本面指标、技术指标和新闻情感，利用LSTM和Transformer模型预测盈利公告日的股价方向，发现Transformer在识别波动方面更敏感，且新闻情感有助于提升性能。
HumanFlow -- 通过紧耦合运动跟踪、预测和控制的扩散驱动MAV在人群中导航
机构 * Technical University of Munich（慕尼黑技术大学） ； MCML ； MIRMI ； ETH Zurich（苏黎世联邦理工学院）
AI总结 提出HumanFlow，一种潜在扩散模型，统一了人体运动跟踪与预测，并利用3D场景上下文，在严重遮挡下实现高精度、高效率的运动估计，并通过紧耦合控制实现MAV在人群中的无碰撞导航。
Comments Accepted to Robotics Science and Systems (RSS), 2026
TopoAlign：拓扑感知的视觉表示对齐
机构 * University of Utah（犹他大学） ； ETH Zürich（苏黎世联邦理工学院）
AI总结 提出TopoAlign框架，利用拓扑数据分析中的mapper图，通过联合力导向优化、自动结构匹配区域检测和基序查询，从拓扑角度比较不同模型或层的表示结构对齐。
使用TensorGalerkin学习、求解和优化PDE：一种高效的高性能Galerkin组装算法
机构 * ETH Zurich, Switzerland（苏黎世联邦理工学院，瑞士） ； Imperial College London, UK（伦敦帝国学院，英国） ； Northeastern University, USA（东北大学，美国） ； Renmin University of China, China（中国人民大学，中国）
AI总结 提出基于Galerkin离散化的统一算法框架，通过张量化元素操作和稀疏矩阵乘法实现O(1)图规模的系统组装，高效求解、约束优化和物理信息学习变分PDE。
通过稀疏后训练实现内在可解释的注意力机制
机构 * MPI-IS（马克斯·普朗克研究所） ； University of Oxford（牛津大学） ； ETH Zürich（苏黎世联邦理工学院）
AI总结 提出一种后训练方法，通过约束损失下的灵活稀疏正则化，在不牺牲性能的前提下将Transformer注意力连接稀疏至约0.4%，从而简化全局电路并提升可解释性。
理解、加速和改进MeanFlow训练
机构 * Yonsei University（延世大学） ； ETH Zurich（苏黎世联邦理工学院） ； University of Zurich（苏黎世大学） ； Max Planck ETH CLS（马克斯·普朗克ETH CLS） ； Google（谷歌）
AI总结 通过分析瞬时速度与平均速度的相互作用，提出一种加速瞬时速度形成并逐步转移训练重点的有效训练方案，实现更快的收敛和更优的少步生成性能。
基于多源数据的都市尺度弹性可信交通流推断
机构 * School of Transportation, Jilin University（吉林大学交通运输学院） ； Department of Computer Science, City University of Hong Kong (Dongguan)（香港城市大学（东莞）计算机科学系） ； Institute for Transport Planning and Systems, ETH Zurich（苏黎世联邦理工学院交通规划与系统研究所） ； Institute of Intelligent Transportation Systems, College of Civil Engineering and Architecture, Zhejiang University（浙江大学智能交通系统研究所） ； ZJU-UIUC Institute, Zhejiang University（浙江大学-UIUC研究院）
AI总结 提出任务感知注意力神经过程（TA-ANP）统一概率框架，融合浮动车数据和稀疏固定检测器数据，实现高精度、可信的不确定性量化的全局交通状态推断，并在都市尺度数据集上取得最优性能。
Comments The paper has been submitted to Elsevier for possible publication
面向任务驱动无人机网络的能量感知多智能体强化学习扩展与个体奖励
机构 * Department of Computer Science, ETH Zurich（苏黎世联邦理工学院计算机科学系） ； Department of Computer Science, Colby College（科尔比学院计算机科学系）
AI总结 提出基于个体奖励函数的能量感知多智能体强化学习模型，利用深度Q网络解决无人机网络动态环境和电池容量限制下的轨迹规划问题，实验表明在任务密度高时成功率接近100%，且扩展性优于共享奖励模型。
Comments IEEE Internet of Things Journal
Journal ref volume=12, number=8, year=2025, pages=10640-10654
有限标注下的大语言模型选择
机构 * TU Delft（代尔夫特理工大学） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 提出SELECT-LLM框架，通过基于期望信息增益的查询选择规则，在有限标注下高效识别最佳大语言模型，显著降低标注成本。
Comments 33 pages, 5 figures, 4 tables
通用增强，特定抑制：基于稀疏自编码器引导的医学视觉语言模型
机构 * University of Zurich and University Hospital of Zurich（苏黎世大学及苏黎世大学医院） ； Kobe University（Kobe大学） ； ETH AI Center（苏黎世联邦理工学院人工智能中心） ； ETH Zurich（苏黎世联邦理工学院） ； Stanford University（斯坦福大学） ； Zurich University of Applied Sciences（苏黎世应用科学大学）
AI总结 本文提出一种无需权重更新的解码时残差引导方法，通过每token稀疏自编码器（SAE）对医学视觉语言模型进行干预，抑制幻觉并提升报告质量，在多个模型上取得显著改进。
弥合差距：实现软演员-评论家算法用于高性能腿部运动
机构 * ETH Zurich（苏黎世联邦理工学院）
AI总结 本文通过识别软演员-评论家（SAC）在并行训练中性能不足的根本原因，并提出策略初始化、超时感知评论家目标和多步回报估计等改进，使其在腿部运动任务中达到与近端策略优化（PPO）相当的性能。
学习通过A*后训练进行高效推理
机构 * ETH Zürich（苏黎世联邦理工学院） ； MPI for Intelligent Systems, Tübingen（图宾根智能系统研究所） ； Purdue University（普渡大学）
AI总结 本文通过A*搜索算法指导LLM生成正确且高效的推理步骤，提出监督微调和强化学习两种训练方法，在1B-3B参数模型上显著提升推理准确性和效率。
Comments Preprint
自回归变压器计算的概率分布
机构 * University of Notre Dame（内布拉斯加大学达灵顿分校） ； ETH Zürich（苏黎世联邦理工学院） ； Max-Planck Institute for Software Systems（马克斯·普朗克软件系统研究所） ； University of Kaiserslautern-Landau（凯撒斯劳滕-劳恩堡大学） ； San José State University（圣何塞州立大学）
AI总结 研究自回归变压器作为语言模型时能表达的概率分布，揭示自回归和概率化对表达力的影响。
Comments 20 pages
SkySeg: 野外异构无人机协同机载语义分割
机构 * Harbin Institute of Technology（哈尔滨工业大学） ； ETH Zurich（苏黎世联邦理工学院） ； Huawei Cloud Algorithm Innovation Lab（华为云算法创新实验室）
AI总结 针对资源受限无人机在动态环境中实时语义分割的挑战，提出SkySeg异构多无人机空-空协作框架，结合高效信息融合推理与跨设备测试时自适应策略，实现低成本传感器下的机载分割，加速约3.6倍并提升精度5.91%。
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