Set-Preserving Calibration from Conformal P-Values to E-Values
从共形p值到e值的集合保持校准
机构 * ETH Zurich（苏黎世联邦理工学院）
AI总结 针对共形预测中p值到e值转换的局限性，提出一种集合保持的P2E校准器，在不改变预测集的前提下实现高效转换，并在交叉共形预测和共形聚合中达到期望覆盖并提升效率。
高校专区
ETH Zurich（苏黎世联邦理工学院）
Exploring Easy Boosts for Lidar Semantic Scene Completion
探索激光雷达语义场景补全的简易提升方法
机构 * Inria, France（法国国家信息与自动化技术研究所） ； valeo.ai, France（valeo.ai公司） ； ETH Zurich, Switzerland（瑞士苏黎世联邦理工学院） ； LIGM, CNRS, Univ Gustave Eiffel, ENPC, IP Paris, France（法国高等科学研究院（CNRS））
AI总结 本文研究无需复杂架构重设计的“免费午餐”策略，通过为输入点云添加语义伪标签和可见性信息，显著提升激光雷达语义场景补全性能，使旧模型与最先进系统竞争甚至超越。
Comments Accepted to ICIP 2026
Skill-RM: Unifying Heterogeneous Evaluation Criteria via Agent Skill
Skill-RM: 通过智能体技能统一异构评估标准
机构 * Qwen Large Model Application Team, Alibaba（通义千问大模型应用团队，阿里巴巴） ； Sun Yat-sen University（中山大学） ； The Chinese University of Hong Kong（香港中文大学） ； Peking University（北京大学） ； ETH Zürich University of Zurich（苏黎世联邦理工学院）
AI总结 提出Skill-RM框架，将奖励建模重构为可重用的奖励评估技能执行，通过动态选择和聚合证据统一异构评估标准，在奖励基准和下游任务中优于传统方法。
Reasoning Structure of Large Language Models
大型语言模型的推理结构
机构 * ETH Zurich, Switzerland（苏黎世联邦理工学院）
AI总结 针对大型推理模型评估中隐藏不同推理结构的问题，提出基于逻辑谜题的基准测试和将非结构化轨迹转化为可验证推理图的方法，并定义推理效率指标，以量化分析推理拓扑结构。
Comments Accepted at ICML 2026 and presented at the ICLR 2026 workshop on LLM reasoning
TreeFlash: Parallel AR-Approximation for Faster Speculative Decoding
TreeFlash: 用于更快推测解码的并行AR近似
机构 * ETH Zurich（苏黎世联邦理工学院）
AI总结 提出TreeFlash，通过MLP层近似自回归分布，在保持O(1)解码时间复杂度的同时，提升树形推测解码的块效率和加速比。
AI Model Extraction Attacks: Bypassing Single-Client Assumptions in Defenses
AI模型提取攻击：绕过防御中的单客户端假设
机构 * ETH Zurich（苏黎世联邦理工学院） ； University of Zurich（苏黎世大学） ； University of Tübingen（图宾根大学）
AI总结 本文通过提出CerberusAI框架，系统性地证明模型提取攻击中的单客户端假设（SCA）在高级持续性威胁（APT）等协同攻击者面前无效，并展示基本轮询查询分布策略即可绕过PRADA等防御机制，呼吁转向无状态、独立于身份的防御架构。
Fast Unlearning at Scale via Margin Self-Correction
通过边际自我修正实现大规模快速遗忘学习
机构 * ETH Zürich（苏黎世联邦理工学院）
AI总结 提出MASC方法，通过在线停止规则在无需下游评估的情况下高效实现语言模型遗忘，显著降低计算成本。
Toward a Modular Architecture for Embedded AI Agent Systems at the Edge
面向边缘嵌入式AI智能体系统的模块化架构
机构 * ETH Zurich（苏黎世联邦理工学院）
AI总结 提出一种模块化参考架构，通过分层设计解耦设备端和云端智能体，并引入治理层，解决嵌入式微控制器上部署自主AI的严格资源约束问题。
QUIVER: Quantum-Informed Views for Enhanced Representations in Large ML Models
QUIVER: 用于大型机器学习模型中增强表示的量子信息视角
机构 * University of California, Berkeley（加州大学伯克利分校） ； ETH Zurich（苏黎世联邦理工学院） ； University of Cambridge（剑桥大学）
AI总结 提出QUIVER框架，通过变分量子电路提取量子Fisher信息矩阵作为几何特征，与经典特征融合以提升大型机器学习模型性能，并在QM9和JetClass数据集上验证了有效性。
Comments 9 pages, 1 figure and 2 tables. Accepted as a poster at the AI4Physics Workshop, ICML 2026 (Seoul, South Korea)
Decomposing and Measuring Evaluation Awareness
分解与度量评估意识
机构 * ETH Zürich（苏黎世联邦理工学院） ； ELLIS Institute Tübingen（图宾根ELLIS研究所） ； Max Planck Institute for Intelligent Systems（智能系统马克斯·普朗克研究院） ； Tübingen AI Center（图宾根人工智能中心） ； University of Toronto & Vector Institute（多伦多大学及向量研究所） ； EuroSafeAI（欧洲安全人工智能）
AI总结 本研究借鉴社会心理学，将评估意识分解为环境与模型两部分，通过EvalAwareBench基准测试发现识别率取决于模型与基准的配对，且识别很少导致行为改变，安全评估比能力评估更易受影响。
Mechanism Design Is Not Enough: Prosocial Agents for Cooperative AI
机制设计是不够的：面向合作AI的亲社会智能体
机构 * ETH Zürich（苏黎世联邦理工学院） ； University of Oxford（牛津大学） ； Institute for Decentralized AI（去中心化人工智能研究所） ； Jinesis Lab, University of Toronto & Vector Institute（多伦多大学Jinesis实验室及向量研究所） ； EuroSafeAI ； University of Pennsylvania（宾夕法尼亚大学） ； Max Planck Institute for Intelligent Systems, Tübingen, Germany（德国图宾根最大计划智能系统研究所） ； ELLIS Institute Tübingen（图宾根ELLIS研究所）
AI总结 本文证明仅靠机制设计无法最大化LLM智能体的社会福利，并提出亲社会智能体（兼顾他人福利）能弥补这一差距，实现更优的社会与个体结果。
Comments 42 pages
Physics-informed diffusion models in spectral space
谱空间中的物理信息扩散模型
机构 * ETH Zürich（苏黎世联邦理工学院）
AI总结 提出物理信息谱扩散（PISD）方法，结合生成式潜扩散模型与物理信息机器学习，在谱表示潜空间中对偏微分方程参数和解进行扩散建模，通过扩散后验采样施加物理约束和测量条件，在泊松、亥姆霍兹和不可压缩纳维-斯托克斯方程上展现出比现有扩散求解器更高的精度和计算效率。
Comments 18 pages, 10 figures
A Scoping Review of the Ethical Perspectives on Anthropomorphising Large Language Model-Based Conversational Agents
拟人化大型语言模型对话代理的伦理视角：一项范围综述
机构 * Institute of Biomedical Ethics and History of Medicine, University of Zürich（苏黎世大学生物医学伦理与医学史研究所） ； Dalle Molle Institute for Artificial Intelligence (IDSIA), SUPSI（瑞士SUPSI人工智能研究所） ； ETH Zürich（苏黎世联邦理工学院） ； Institute for Implementation Science in Health Care, University of Zürich（苏黎世大学医疗实施科学研究所） ； Department of Management, Technology and Economics, ETH Zürich（苏黎世联邦理工学院管理、技术与经济系） ； Dipartimento Tecnologie Innovative, SUPSI（SUPSI创新技术系） ； Management in Networked and Digital Societies (MINDS) Department, Kozminski University（科兹明斯基大学网络化与数字化社会管理系）
AI总结 本文通过范围综述，系统梳理了拟人化LLM对话代理的伦理挑战与机遇，包括概念基础、伦理问题及方法论，并提出了研究议程与设计治理建议。
Comments 2026 ACM Conference on Fairness, Accountability, and Transparency (FAccT'26)
Latent Activation Editing: Inference-Time Refinement of Learned Policies for Safer Multirobot Navigation
潜在激活编辑：基于推理时策略精炼的安全多机器人导航
机构 * Department of Computer Science, University of Southern California（南加州大学计算机科学系） ； Automatic Control Laboratory, ETH Zürich（苏黎世联邦理工学院自动控制实验室）
AI总结 提出潜在激活编辑（LAE）框架，通过在推理时在线检测并编辑中间激活，在不修改权重或架构的情况下降低预训练策略的碰撞率，在四旋翼导航中实现近90%的碰撞减少。
PINNfluence: Interpreting PINNs through Influence Functions
PINNfluence: 通过影响函数解释 PINN
机构 * Technical University of Munich（慕尼黑技术大学） ； Max Planck Institute for Intelligent Systems（智能系统马克斯·普朗克研究所） ； University of Tübingen（图宾根大学） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 提出 PINNfluence 框架，基于影响函数对物理信息神经网络进行训练数据归因，实现预测、损失分量和训练数据点之间的细粒度归因，并通过基准实验区分训练好与差的 PINN 的结构特征。
Comments Accepted at ICML 2026
