Confounder Detection via Treatment Intent: A New Observational Study Design
通过治疗意图进行混杂检测：一种新的观察性研究设计
机构 * UCLA（加州大学洛杉矶分校） ； ETH Zurich（苏黎世联邦理工学院） ； Columbia University（哥伦比亚大学）
AI总结 提出一种通过询问治疗决策者比较配对单元来揭示未观测混杂因素的新研究设计，并在ICU数据中验证其有效性。
高校专区
ETH Zurich（苏黎世联邦理工学院）
Global Structure-from-Motion Meets Feedforward Reconstruction
全局运动恢复结构与前馈重建的结合
机构 * ETH Zurich（苏黎世联邦理工学院） ； Meta Reality Labs（Meta现实实验室） ； Microsoft（微软公司）
AI总结 提出一种结合经典SfM和前馈重建优势的新流水线，在多种场景下实现最先进的重建结果。
Comments CVPR 2026, Highlight
Searching the Internet for Challenging Benchmarks at Scale
在互联网上大规模搜索具有挑战性的基准测试
机构 * Google（谷歌） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 提出一种自动框架，将互联网建模为多臂老虎机问题，通过epsilon-greedy策略高效搜索最具挑战性的主题，以构建无需人工筛选的基准测试。
Optimal Rates for Feasible Payoff Set Estimation in Games
博弈中可行收益集合估计的最优速率
机构 * Bocconi University, Milano, Italy（博科尼大学，米兰，意大利） ； ETH Zurich, Switzerland（苏黎世联邦理工学院，瑞士）
AI总结 针对双矩阵博弈中观察玩家动作但不知收益函数的情形，提出以Hausdorff度量下高概率估计可行收益集合的方法，并给出零和与一般和博弈中精确及近似均衡下首次极小极大最优速率。
Med-CoReasoner: Reducing Language Disparities in Medical Reasoning via Language-Informed Co-Reasoning
Med-CoReasoner: 通过语言感知的协同推理减少医学推理中的语言差异
机构 * The University of Tokyo（东京大学） ； ETH Zürich（苏黎世联邦理工学院） ； National Institute of Informatics（日本信息处理学会） ； Siriraj Informatics and Data Innovation Center（Siriraj信息与数据创新中心） ； Yale University（耶鲁大学）
AI总结 提出Med-CoReasoner框架，通过并行英语和本地语言推理、结构化概念抽象及概念级对齐与检索，将本地临床知识整合到英语逻辑框架中，以缩小医学推理中的多语言差距，在MultiMed-X基准上平均提升5%的多语言推理性能。
Stylistic Evolution and LLM Neutrality in Singlish Language
新加坡英语中的文体演变与LLM中立性
机构 * Independent Researcher（独立研究者） ； ETH Zürich（苏黎世联邦理工学院） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 通过分析十年间非正式数字信息的文体变化，研究大型语言模型（LLM）能否生成时间中立的输出，发现文体可分离性随时间距离增加，且LLM在真实性和时间中立性之间存在结构性权衡。
When LLMs Benchmark Themselves: Deconstructing Self-Bias in Automated Evaluation
当LLM自我基准测试：解构自动评估中的自我偏见
机构 * Google（谷歌） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 研究LLM自动创建基准测试时存在的自我偏见问题，发现测试集生成和评估两个环节均产生偏见，导致模型偏爱自身输出，并提出了多样性指标以部分缓解该偏见。
Harmonia: Enhancing Data Placement and Migration in Hybrid Storage Systems via Multi-Agent Reinforcement Learning
Harmonia: 通过多智能体强化学习增强混合存储系统中的数据放置与迁移
机构 * ETH Zürich（苏黎世联邦理工学院） ； AMD Research（AMD研究）
AI总结 针对混合存储系统中数据放置与迁移策略相互依赖导致性能次优的问题，提出基于多智能体强化学习的协同优化方法Harmonia，显著提升系统性能。
Efficient All-Pairs Correlation Volume Sampling for Optical Flow Estimation
高效的全对相关性体素采样用于光流估计
机构 * DisneyResearch|Studios（迪士尼研究与工作室） ； ETH Zürich（苏黎世联邦理工学院）
AI总结 提出一种内存和计算高效的算法，实现全对相关性体素采样的精确数学运算，在保持低内存占用的同时显著提升速度，并应用于高分辨率光流估计达到最优性能。
Comments CVPR 2026
