ETH Zurich（苏黎世联邦理工学院）

High-Risk AI Systems and the Problem of Identity in the European AI Act

高风险人工智能系统与欧洲人工智能法案中的身份问题

Andrea Ferrario

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） 纠错

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

MOSAIC: Modular Scalable Autonomy for Intelligent Coordination of Heterogeneous Robotic Teams

MOSAIC：异构机器人团队智能协作的模块化可扩展自主性

David Oberacker, Julia Richter, Philip Arm, Marvin Grosse Besselmann, Lennart Puck, William Talbot, Maximilian Schik, Sabine Bellmann, Tristan Schnell, Hendrik Kolvenbach, Rüdiger Dillmann, Marco Hutter, Arne Roennau

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） 纠错

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

Out-of-Distribution Detection in Molecular Complexes via Diffusion Models for Irregular Graphs

通过不规则图的扩散模型进行分子复合物的分布外检测

David Graber, Victor Armegioiu, Rebecca Buller, Siddhartha Mishra

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） 纠错

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。

Is Your Benchmark Still Useful? Dynamic Benchmarking for Code Language Models

你的基准仍然有用吗？代码语言模型的动态基准测试

Batu Guan, Xiao Wu, Yuanyuan Yuan, Shaohua Li

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） 纠错

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

Proportionally Representative Clustering

比例代表性聚类

Haris Aziz, Barton E. Lee, Sean Morota Chu, Jeremy Vollen

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） 纠错

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。