ETH Zurich（苏黎世联邦理工学院）

LiteTopK: Exploiting the Curse of Dimensionality for a Fused Indexer-TopK Kernel in Long-Context Sparse Attention

LiteTopK：利用维度诅咒设计长上下文稀疏注意力中的融合索引器 - TopK 内核

Ziqi Yin, Jianyang Gao, Peiqi Yin, Jiangneng Li, Gao Cong

机构 * Nanyang Technological University（南洋理工大学） ； ETH Zurich（苏黎世联邦理工学院） ； The Chinese University of Hong Kong（香港中文大学） 纠错

AI总结 研究针对现有 GPU 索引器 - TopK 内核效率低的问题，利用维度诅咒设计 LITETOPK 内核，通过采样估计得分范围划分候选结果桶，降低内存开销，在实际部署中加速 GLM 5.2 预填充阶段，提升了效率。

Tree-Based Formalization of Multi-Agent Complementarity in Human-AI Interactions

基于树的人机交互中多智能体互补性形式化

Andrea Ferrario

机构 * Institute of Biomedical Ethics and History of Medicine, University of Zurich（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 Zurich（苏黎世联邦理工学院） 纠错

AI总结 本文提出一种基于树的形式化框架，通过有序智能体角色配置和平面二叉树表示人机交互协议，证明互补性在回归中可实现，但在分类中受限于局部聚合和损失函数的自然条件。

Comments 31 pages, 10 figures. Improved notation and added Figure 8 w.r.t. the original submission

MAGS-SLAM: Monocular Multi-Agent Gaussian Splatting SLAM for Geometrically and Photometrically Consistent Reconstruction

MAGS-SLAM：单目多智能体高斯点云SLAM用于几何和光度一致的重建

Zhihao Cao, Qi Shao, Shuhao Zhai, Jing Zhang, Anh Nguyen, Hesheng Wang, Baoru Huang

机构 * ETH Zurich（苏黎世联邦理工学院） ； Harbin Engineering University（哈尔滨工程大学） ； University of Liverpool（利物浦大学） ； University of Macau（澳门大学） ； University of Ottawa（多伦多大学） ； Wuhan University（武汉大学） ； Imperial College London（伦敦帝国学院） 纠错

AI总结 MAGS-SLAM通过单目视觉实现多智能体高斯点云SLAM，无需RGB-D传感器即可完成几何和光度一致的场景重建，实验表明其跟踪精度和渲染质量可与现有RGB-D方法媲美。

ORGAN: Object-Centric Representation Learning using Cycle Consistent Generative Adversarial Networks

ORGAN：基于循环一致生成对抗网络的对象中心表示学习

Joël Küchler, Ellen van Maren, Vaiva Vasiliauskaitė, Katarina Vulić, Reza Abbasi-Asl, Stephan J. Ihle

机构 * Laboratory of Biosensors and Bioelectronics, Institute for Biomedical Engineering, University and ETH Zurich（生物传感器与生物电子实验室，生物医学工程研究所，大学和ETH苏黎世分校） ； Department of Neurology, Insel Gruppe, Bern, Switzerland（神经病学系，因塞格鲁普，瑞士伯恩） ； University of California, San Francisco, USA（加州大学旧金山分校，美国） ； Department of Neurobiology, University of Chicago, 951 E 58th St, Chicago, 60637, IL, USA（神经生物学系，芝加哥大学，951 E 58th St, 奇克阿哥，60637, IL, 美国） ； Department of Physics, University of Chicago, 929 E 57th St, Chicago, 60637, IL, USA（物理学系，芝加哥大学，929 E 57th St, 奇克阿哥，60637, IL, 美国） 纠错

AI总结 ORGAN通过循环一致生成对抗网络实现对象中心表示学习，在合成数据集上表现优异，并能处理现实世界中具有众多对象和低对比度的数据。

Comments GitHub: https://github.com/Hullimulli/ORGAN

Journal ref Artificial Intelligence Applications and Innovations (AIAI 2026), IFIP Advances in Information and Communication Technology, vol. 792, pp. 94-111, Springer (2027)