ETH Zurich（苏黎世联邦理工学院）

2603.27151 2026-08-18 cs.GR cs.CV 版本更新

DiffSoup: Direct Differentiable Rasterization of Triangle Soup for Extreme Radiance Field Simplification

DiffSoup：三角汤的直接可微化着色以实现极端辐射场简化

Kenji Tojo, Bernd Bickel, Nobuyuki Umetani

机构 * The University of Tokyo（东京大学）； ETH Zürich（苏黎世联邦理工学院）

AI总结本文提出DiffSoup，一种利用少量三角形和神经纹理的辐射场表示，通过随机遮罩实现直接可微的二进制不透明度，从而在无需平滑着色的情况下实现高效的实时渲染。

Comments v2: Corrected all parameter counts in the "# Params" column of Table 3, which were incorrectly reported as 10 times smaller. This correction does not affect the discussion or conclusions drawn from the comparison

2603.20253 2026-08-18 physics.comp-ph cs.AI cs.DC cs.LG 版本更新

SimulCost: A Cost-Aware Benchmark and Toolkit for Automating Physics Simulations with LLMs

SimulCost: 一个用于自动化物理模拟的代价感知基准与工具包

Yadi Cao, Sicheng Lai, Jiahe Huang, Yang Zhang, Zach Lawrence, Rohan Bhakta, Izzy F. Thomas, Mingyun Cao, Chung-Hao Tsai, Zihao Zhou, Yidong Zhao, Hao Liu, Alessandro Marinoni, Alexey Arefiev, Rose Yu

机构 * University of California San Diego（加州大学圣地亚哥分校）； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））； Peking University（北京大学）； University of California, Los Angeles（加州大学洛杉矶分校）； California Institute of Technology（加州理工学院）； ETH Zurich（苏黎世联邦理工学院）

AI总结针对现有LLM评估忽略工具使用代价的问题，提出SimulCost基准，通过单轮和多轮参数调优任务比较LLM与传统扫描方法在准确性和计算代价上的表现，发现LLM在高精度任务中初始猜测不可靠且多轮模式效率更低。

Comments post conference revision version at ICML; update: removed CGYRO due to bug in cases search. Will add back soon; Make the title consistent w/ pdf

2410.13341 2026-08-18 cs.LG stat.ML 版本更新

Limits to scalable evaluation at the frontier: LLM as Judge won't beat twice the data

可扩展评估的极限：LLM作为裁判无法超越两倍数据

Florian E. Dorner, Vivian Y. Nastl, Moritz Hardt

机构 * Max Planck Institute for Intelligent Systems, Tübingen（马克斯·普朗克智能系统研究所，图宾根）； Tübingen AI Center（图宾根人工智能中心）； ETH Zürich（苏黎世联邦理工学院）

AI总结本文研究了使用LLM作为裁判进行模型评估的局限性，发现当裁判准确性不足时，去偏方法无法显著减少所需的真实标签数量。

Comments ICLR 2025; 27 pages, 8 figures

2507.12399 2026-08-18 cs.LG stat.ML 版本更新

ROC-n-reroll: How verifier imperfection affects test-time scaling

ROC-n-reroll：验证器缺陷对测试时缩放的影响

Florian E. Dorner, Yatong Chen, André F. Cruz, Fanny Yang

机构 * ETH Zürich（苏黎世联邦理工学院）； Max Planck ETH Center for Learning Systems（马克斯·普朗克ETH学习系统中心）； Max Planck Institute for Intelligent Systems, Tübingen（图宾根马克斯·普朗克智能系统研究所）； Tübingen AI Center（图宾根人工智能中心）

AI总结本工作针对测试时缩放中验证器缺陷的理论空白，证明相关方法的实例级精度由验证器ROC曲线几何刻画，经Qwen、LLaMA模型在指定数据集上验证，得出RS与BoN在不同计算条件下的性能规律。

Comments 47 pages, 10 Figures