高校专区
具备安全保证的Web智能体不可信内容掩码技术
机构 * ETH Zurich（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） ； ISTA（瑞士信息科学与技术学院） ； Anthropic（Anthropic公司）
AI总结 针对Web智能体的提示注入安全边界缺失问题，提出UCM方法，利用网页DOM区分内容区域，通过掩码与沙箱交互恢复安全边界，实现带安全保障的Web环境交互。
保持离散：学习连续脊柱退变严重程度评分的益处
机构 * Biomedical Data Science Lab, Dept. D-HEST, ETH Zurich（生物医学数据科学实验室，D-HEST系，苏黎世联邦理工学院） ； Swiss Institute of Bioinformatics (SIB)（瑞士生物信息学研究所） ； Visual Geometry Group, Dept. of Engineering Science, University of Oxford（视觉几何组，工程科学系，牛津大学）
AI总结 研究将脊柱退变建模为连续严重程度排序问题，介绍SpineRankNet框架从腰椎MRI学习标量严重程度分数，与多类分类和序数回归对比，表明排序损失训练的模型可实现MRI扫描细粒度排序，分数能恢复分级且提升类间区分度。
LangLoc：“告诉我你看到了什么”
机构 * ETH Zürich（苏黎世联邦理工学院） ； University of Zürich（苏黎世大学） ； Microsoft（微软公司） ； HUN-REN SZTAKI（匈牙利科学院计算机与自动化研究所）
AI总结 研究从自然语言进行室内细粒度定位，用含CLIP语义特征的双分支GATv2编码器检索场景，通过射线投射物体可见性估计位置和方向，用贝叶斯对话模块解决歧义，贡献基准数据集。
Comments Accepted at the European Conference of Computer Vision (ECCV) 2026
流动背后的映射：作为动力系统的有限步梯度下降
机构 * Department of Computer Science, ETH Zurich（苏黎世联邦理工学院计算机科学系）
AI总结 研究固定步长梯度下降作为离散动力系统，在可精确求解模型层次中，从深度线性链平衡标量约简出发，分析其动力学行为及对学习的影响，指出学习率是训练动力学的结构参数。
FormalRx：纠正和检查自动形式化中的语义错误
机构 * LARK Lab, HKUST(GZ)（香港科技大学（广州）LARK实验室） ； ETH Zurich（苏黎世联邦理工学院） ； UCLA（加州大学洛杉矶分校） ； SJTU（上海交通大学） ； ETH AI Center（苏黎世联邦理工学院人工智能中心） ； HKUST（香港科技大学）
AI总结 研究自动形式化中语义对齐问题，提出FormalRx框架，核心是SCI错误分类法，能实现对齐判定、错误分类、定位及纠正，通过实例验证性能优于基线，助力自动形式化系统诊断与改进。
Comments 44 pages, 5 figures. Accepted at the 43rd International Conference on Machine Learning (ICML 2026)
Mask2Real-WM：作为可控灵巧世界模型的模拟到现实桥梁的分割掩码
机构 * Soft Robotic Lab, Department of Mechanical and Process Engineering ETH Zurich, Switzerland（苏黎世联邦理工学院机械与过程工程系软机器人实验室）
AI总结 提出Mask2Real-WM，一种用于灵巧操纵的两阶段动作条件世界模型，将像素预测解耦为动力学和渲染模型，利用分割空间较小的模拟到现实差距，通过合成数据预训练和真实演示微调实现各自由度动作可控。
Comments 23 pages, 24 figures, 4 tables. Preprint. Project page: https://srl-ethz.github.io/Mask2Real-WM/
从交互到意图：从溯源日志中推断用户目标
机构 * ETH Zurich（苏黎世联邦理工学院） ； The Hong Kong University of Science and Technology（香港科技大学）
AI总结 研究能否用溯源日志对视觉探索任务中的用户意图分类，记录参与者交互，发现不同分析目标有不同行为特征，嵌入上下文信息可使分类器跨数据集和投影方法预测用户目标。
Comments 13 pages, 11 figures
2026年EXIST竞赛中的AI奇才：用于表情包中多模态性别歧视识别的分层软标签学习
机构 * EXIST Lab（EXIST实验室） ； CLEF（信息检索评价论坛） ； Swiss Data Science Center, ETH Zürich（瑞士苏黎世联邦理工学院瑞士数据科学中心） ； Everest Systems GmbH（珠穆朗玛峰系统有限公司） ； Villanova.ai S.P.A（维拉诺瓦人工智能股份公司）
AI总结 针对表情包多模态性别歧视识别，将任务分层建模为基于经验注释者分布的条件软标签预测，用轻量级门控MLP映射视觉语言表征，在竞赛中取得好成绩。
如何构建数字人？从先验知识到逼真的虚拟形象
机构 * Meta ； Technical University of Munich（慕尼黑技术大学） ； Google（谷歌） ； Tsinghua University（清华大学） ； Max Planck Institute for Intelligent Systems（智能系统马克斯·普朗克研究所） ； NVIDIA ； Technical University of Darmstadt（达姆施塔特技术大学） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 概述可控3D人类虚拟形象创建，聚焦先验学习和形象创建阶段，定义现有虚拟形象表示并分类，回顾全身和头部虚拟形象等方法，概述原则、推荐文献并讨论挑战与方向。
Comments Eurographics 2026 State-of-the-Art Report (STAR). Project page: https://wojciechzielonka.com/how-to-build-digital-humans/
分身：音效及其合成孪生体
机构 * ETH Zürich（苏黎世联邦理工学院）
AI总结 介绍Doppelganger基准，用于跨合成-真实边界匹配音效。通过配对真实与合成音频，测试不同训练方式对音频编码器跨边界匹配的影响，发现特定训练可提升匹配准确率，且该匹配具有生成器特异性。
Comments 19 pages. Code: https://github.com/elliottash/doppelganger ; Data: https://huggingface.co/datasets/elliottash/doppelganger ; Models: https://huggingface.co/elliottash/doppelganger
探索用于天气降尺度的卷积神经过程
机构 * ETH Zürich（苏黎世联邦理工学院）
AI总结 该项目研究卷积条件神经过程用于将ERA5-Land每日最高气温从约11公里分辨率降尺度到瑞士约1公里分辨率，基于特定架构改进，最佳模型效果良好，还做了消融研究，指出关键挑战。
DynaVieW：用于理解分层视觉动态的模式引导世界建模
机构 * EPFL, Switzerland（瑞士联邦理工学院） ； Harvard University（哈佛大学） ； Sony Group Corporation（索尼集团） ； ETH Zurich, Switzerland（瑞士苏黎世联邦理工学院）
AI总结 针对多模态语言模型难以系统建模视频视觉场景时间演变的问题，提出DynaVieW模型，通过学习交错状态转换序列理解视觉动态，在多架构下联合建模，提升下游视觉叙事创作等任务表现。
Comments ICML 2026
通过条件策略混合展示泛化失败
机构 * University of Virginia（弗吉尼亚大学） ； ETH Zurich（苏黎世联邦理工学院） ； MATS ； Meridian Visiting Researcher Program（子午访问研究员计划） ； University of Cambridge（剑桥大学）
AI总结 研究前沿语言模型训练后因环境分布变化导致泛化失败的问题。提出构建语言模型的方法，用监督微调基于条件策略混合数据集得到模型，经强化学习训练后出现可控泛化失败，还借此说明未来语言模型泛化失败的新方式。
关于分子优化的离散扩散在线适应设计空间
机构 * Caltech（加州理工学院） ； ETH Zurich（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） ； Genesis Molecular AI（创世纪分子人工智能公司）
AI总结 研究离散扩散模型的适应问题，通过控制实验发现获取、奖励塑造、模型去偏等方法互补，重放稳定学习，有效性惩罚限制小分子探索，给出反馈高效的分子优化实用方法，优于离线微调等基线。
Comments Submitted to The Fortieth Annual Conference on Neural Information Processing Systems
GRAFT：用于零样本文本到语音中细粒度发音的嫁接参考音频
机构 * AGIGO ； ETH Zurich（苏黎世联邦理工学院） ； Sapienza University of Rome（罗马大学） ； University of Zurich（苏黎世大学）
AI总结 研究针对文本到语音神经编解码器语言建模中单词发音问题，提出GRAFT机制，通过短语音样本控制单词发音，经语音转换训练，提升发音效果，在多语言基准测试中表现出色。
离散扩散模型学到了什么？
机构 * ETH Zurich（苏黎世联邦理工学院） ； Max Planck Institute for Intelligent Systems, Tübingen（图宾根马克斯·普朗克智能系统研究所） ； ELLIS Institute Tübingen（图宾根ELLIS研究所）
AI总结 研究离散扩散模型学到了什么，通过严格推导连续时间马尔可夫链（CTMC）的ELBO，证明了Oracle Distance定理，给出其唯一优化器及不可约成本，还分析了有token分解噪声序列的情况。
Comments 66 pages, 6 figures
高风险人工智能系统与欧洲人工智能法案中的身份问题
机构 * Institute of Biomedical Ethics and History of Medicine, University of Zürich（伦理与医学史研究所，苏黎世大学） ； SUPSI, Dalle Molle Institute for Artificial Intelligence (IDSIA)（SUPSI，达勒莫利人工智能研究所） ； ETH Zürich（苏黎世联邦理工学院）
AI总结 本文通过功能+框架分析欧盟AI法案中高风险AI系统的身份认定问题，提出同步身份测试方法以支持监管审计。
Comments Accepted as a non-archival paper at The 2026 ACM Conference on Fairness, Accountability, and Transparency (FAccT '26), June 25-28, 2026, Montreal, QC, Canada. Extended version
一种用于移动机器人主动感知的高效束搜索算法
机构 * Robotic Systems Lab, ETH Zurich（机器人系统实验室，苏黎世联邦理工学院）
AI总结 本文提出一种高效束搜索算法，通过节点级搜索和前沿概念改进，提升主动感知任务的性能，实验表明其在多个任务中优于现有方法。
Comments Accepted to The International Journal of Robotics Research (IJRR). Project page: https://efficient-beam-search.github.io/
Journal ref The International Journal of Robotics Research, 2026
MOSAIC：异构机器人团队智能协作的模块化可扩展自主性
机构 * FZI Forschungszentrum für Informatik, Karlsruhe, Germany（弗赖堡信息研究中心，卡尔斯鲁厄，德国） ； Robotic Systems Lab (RSL), ETH Zürich, Zürich, Switzerland（机器人系统实验室（RSL），苏黎世联邦理工学院，苏黎世，瑞士） ； Machine Intelligence and Robotics Lab (MaiRo), Karlsruhe Institute for Technology (KIT), Karlsruhe, Germany（机器智能与机器人实验室（MaiRo），卡尔斯鲁厄技术学院（KIT），卡尔斯鲁厄，德国） ； European Space Agency (ESA), Noordwijk, Netherlands（欧洲航天局（ESA），诺德威克，荷兰）
AI总结 研究针对多机器人科学探索，提出MOSAIC框架，基于兴趣点统一任务抽象与多层自主性，依机器人能力动态分配任务，经模拟月球探测实验验证，可实现强鲁棒性、可扩展的多机器人科学探索。
Comments This work has been accepted for publication with the IEEE Transactions of Field Robotics Journal
通过不规则图的扩散模型进行分子复合物的分布外检测
机构 * Seminar for Applied Mathematics, Department of Mathematics and ETH AI Center, ETH Zurich（应用数学研讨会，数学系和ETH人工智能中心，瑞士苏黎世ETH学院） ； Institute for Computational Life Sciences, Zurich University of Applied Sciences（计算生命科学研究所，苏黎世应用科学大学） ； Department of Chemistry, Biochemistry and Pharmaceutical Sciences, University of Bern（化学、生物化学和药学系，伯尔尼大学）
AI总结 针对不规则3D图数据分布外检测难题，提出基于扩散模型的概率框架，统一处理坐标与特征，获自洽概率流ODE及典型性分数，验证其在蛋白-配体复合物上的有效性并给出多尺度轨迹统计信息。
你的基准仍然有用吗？代码语言模型的动态基准测试
机构 * The Chinese University of Hong Kong（香港中文大学） ； Huazhong University of Science and Technology（华中科技大学） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 研究模型评估中如何在模型训练可能已见过基准的情况下保持其有用性，提出动态基准测试框架，通过语义保留突变变换输入构建新基准，评估发现模型性能变差、排名变化及能抵抗数据污染问题。
Comments 15 pages, 7 figures
比例代表性聚类
机构 * UNSW Sydney（新南威尔士大学悉尼分校） ； ETH Zürich（苏黎世联邦理工学院） ； Northwestern University（西北大学）
AI总结 聚焦无监督机器学习的质心聚类，提出‘比例代表性公平’公理，现有算法不满足该公理，设计高效算法在无约束和离散聚类问题中实现此公理，无约束算法是首个多项式时间近似算法，离散算法匹配已知最佳近似因子。
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