高校专区
长会议文档摘要的段级树搜索
机构 * GSAI, POSTECH（浦项科技大学人工智能研究院） ； CSE, POSTECH（浦项科技大学计算机科学与工程系） ； 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） ； Agentic AI Lab, KT（KT公司智能体人工智能实验室） ； LILT（LILT公司）
AI总结 提出基于蒙特卡洛树搜索的段级摘要框架S3，无需训练即可组合段级候选摘要，使用7B模型达到72B模型性能。
Comments INTERSPEECH 2026
利用SySRs降低LLM评估成本：一种可证明利用模型相似性的Bandit算法
机构 * ETH Zurich（苏黎世联邦理工学院） ； Centrale Supélec（中央理工-高等电力学院） ； ENS de Cachan（卡尚高等师范学校） ； MPI for Intelligent Systems, Tübingen（马克斯·普朗克智能系统研究所，图宾根）
AI总结 提出SySRs算法，通过配对比较和自适应分配评估预算，利用模型相似性降低LLM评估成本，在15个基准上平均错误率最低。
Comments Published at ICML 2026
GNSS-FM：用于日常GNSS位移时间序列的自监督基础模型
机构 * Institute of Geodesy and Photogrammetry, ETH Zurich（大地测量与摄影测量研究所，苏黎世联邦理工学院） ； ETH AI Center（ETH人工智能中心）
AI总结 提出GNSS-FM自监督基础模型，通过双流输入和掩码潜在预测预训练，在位移预测和地震阶跃定位任务上优于强基线。
针对瑞士德语音识别的Whisper字幕对齐微调：基准污染、惯例不匹配以及25.6% WER（13.8% cWER）的诚实基线
机构 * Independent Researcher, Zurich, Switzerland（独立研究员，瑞士苏黎世） ； ETH Zürich（苏黎世联邦理工学院） ； University of Bern（伯尔尼大学） ； FHNW（西北应用科学与艺术大学） ； CeTIM Leiden/Munich（CeTIM 莱顿/慕尼黑）
AI总结 通过1,367小时广播语音与标准德语字幕的弱监督，系统微调Whisper large-v3用于瑞士德语音识，发现公开结果因基准污染被高估，并发布两个诚实评估的模型。
Comments 15 pages, 21 tables. Models available at https://huggingface.co/Flix-AI
OpenGlass：用于设备上基于事件的手势识别的开源智能眼镜
机构 * Department of Information Technology and Electrical Engineering, ETH Zürich（信息科技与电气工程系，瑞士联邦理工学院）
AI总结 提出开源智能眼镜平台OpenGlass，采用模块化设计、事件驱动电源管理和GAP9 RISC-V SoC，实现低功耗设备上ML，在LynX数据集上达到83.94%的跨主体手势识别准确率。
ThinkBooster: 一种用于LLM推理无缝测试时扩展的统一框架
机构 * MBZUAI ； ETH Zürich（苏黎世联邦理工学院） ； Imperial College London（伦敦帝国理工学院） ； NUS（国立大学新加坡） ； Accenture（埃森哲） ； Innopolis University（因诺普里斯大学） ； Independent Researcher（独立研究者）
AI总结 提出ThinkBooster框架，通过模块化库、联合评估基准和可部署代理服务，实现LLM推理的测试时计算扩展，在数学和编码任务上验证了性能-计算权衡。
AI天气模型能否预测两周以上？长期推演的定量基准与分析
机构 * ETH AI Center（ETH人工智能中心） ； ETH Zurich（苏黎世联邦理工学院） ； Swiss Data Science Center（瑞士数据科学中心） ； Scalable Parallel Computing Lab（可扩展并行计算实验室） ； Dep. of Applied Mathematics and Theoretical Physics（应用数学与理论物理系） ； University of Cambridge（剑桥大学） ； Institute of Geodesy and Photogrammetry（大地测量与摄影测量研究所） ； Seminar for Applied Mathematics（应用数学研讨会）
AI总结 通过九种AI天气模型的一年推演，将长期不稳定性分类为爆发、漂移和季节性丧失三种模式，并发现稳定性取决于对小时空尺度的处理。
SwAIther-Precip：考虑提前时间的偏倚校正实现瑞士全球AI降水预报的公里级降尺度
机构 * European Centre for Medium-Range Weather Forecasts（欧洲中期天气预报中心） ； University of Geneva（日内瓦大学） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 本文提出SwAIther-Precip框架，通过校正提前时间依赖性偏倚，提升全球AI降水预报的公里级概率降尺度能力，实验显示CRPS降低48%。
CodeTaste：LLM能否生成人类级别的代码重构？
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）
AI总结 研究LLM代理在代码重构中的能力，通过CodeTaste基准测试发现，代理在详细指定重构时表现良好，但难以自主发现人类选择的重构，提出“先提议后实现”分解可改善对齐。
常微分方程的基础推理模型
机构 * University of Cambridge（剑桥大学） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 提出FIM-ODE，一种预训练的基础推理模型，通过单次前向传播从含噪轨迹直接预测向量场，实现零样本性能匹配并超越ODEFormer，微调后优于现代神经和GP基线。
Comments Published in ICML 2026
Journal ref Proceedings of the 43rd International Conference on Machine Learning (ICML 2026)
基于多任务潜在空间目标的自监督学习
机构 * ESAT-PSI, KU Leuven, Belgium（KU莱顿大学ESAT-PSI实验室） ； VIB.AI, KU Leuven, Belgium（KU莱顿大学VIB.AI实验室） ； CVL, ETH Zürich, Switzerland（苏黎世联邦理工学院CVL实验室） ； INSAIT, Sofia University, Bulgaria（保加利亚索菲亚大学INSAIT研究所） ； TRACE vzw（TRACE非营利组织）
AI总结 提出自预测孪生SSL的多任务公式，通过为每种空间变换分配专用预测器解决多裁剪训练失败问题，提升线性评估3.8-4%，并引入非对称裁剪视图实现语义修复预训练。
基于高斯进化专家的浮力辅助机器人快速协同设计以应对挑战性运动
机构 * Georgia Institute of Technology（佐治亚理工学院） ； University of California, Los Angeles（加州大学洛杉矶分校） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 提出高斯进化专家（GES）框架，通过解耦设计空间划分与策略学习，在浮力辅助轻量腿单元（BALLU）上实现5-25%性能提升，并缩短37%设计优化时间。
Comments Submitted to RA-L
基于非平衡最优传输的柔性尺寸分子生成变形设计
机构 * ETH Zürich（苏黎世联邦理工学院） ； NCCR Catalysis（催化联合研究所）
AI总结 针对现有扩散和流模型固定原子数限制的问题，提出基于非平衡最优传输的柔性尺寸分子生成模型Morph，实现条件与无条件3D分子设计，在保持性能的同时提供采样灵活性，并支持分布外生成。
面向感知信息闭环仿真的自动驾驶因果概率框架
机构 * ETH Zürich（苏黎世联邦理工学院） ； KTH Royal Institute of Technology（皇家理工学院） ； University of Science and Technology of China（中国科学技术大学）
AI总结 提出一种因果概率模型框架，将感知误差注入标准仿真环境，揭示理想SIL无法捕获的潜在风险，为SOTIF验证提供可扩展路径。
3DMorph: 单图引导的局部3D形状编辑与变形
机构 * ETH Zürich（苏黎世联邦理工学院）
AI总结 提出无训练框架3DMorph，通过单张编辑图像自动定位并转移2D修改到3D局部区域，同时支持中间形状生成，在Delta3D基准上优于现有方法。
Comments Accepted to IJCNN 2026
机器人需要的不仅仅是VLA和世界模型
机构 * Motoniq.ai ； Stanford University（斯坦福大学） ； Istituto Italiano di Tecnologia（意大利技术研究院） ； ETH Zurich（苏黎世联邦理工学院） ； Technical University of Darmstadt（德累斯顿技术大学） ； UCL Centre for AI（伦敦大学学院人工智能中心）
AI总结 本文认为机器人通用智能的关键瓶颈不仅是策略学习，还缺乏将非结构化行为数据转化为机器人可用监督的机制，并提出了四种缺失的接口组件。
MidSteer：用于引导生成模型的最优仿射框架
机构 * University of Basel（巴塞尔大学） ； 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） ； University of Washington（华盛顿大学）
AI总结 本文提出MidSteer，一种基于仿射变换的最优概念引导框架，通过最小干扰实现生成模型中的概念切换，并在视觉扩散模型和大型语言模型上验证其有效性。
SERNF: 通过动作块评论家和归一化流实现样本高效的真实世界灵巧策略微调
机构 * Soft Robotics Lab, D-MAVT（软机器人实验室，D-MAVT） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 提出SERNF框架，结合归一化流策略和动作块评论家，实现真实世界灵巧操作策略的样本高效微调，解决多模态动作分布和信用分配问题。
Comments https://srl-ethz.github.io/SERNF/
LLM作为评判者中设置温度的必要性
机构 * University of Luxembourg（卢森堡大学） ； ETH Zürich（苏黎世联邦理工学院）
AI总结 系统研究温度对LLM评判行为的影响，发现高温降低一致性但暴露不确定性，低温适合稳定任务，高温适合复杂场景，建议温度作为任务相关的设计选择。
Comments 17 pages
LuMamba: 用于电极拓扑不变且高效的EEG建模的潜在统一Mamba
机构 * ETH Zürich, Institute of Information Systems（苏黎世联邦理工学院信息系统研究所）
AI总结 提出LuMamba框架，结合拓扑不变编码和线性复杂度状态空间模型，通过LUNA的查询交叉注意力机制统一通道，FEMBA的双向Mamba块高效时序建模，在5个下游任务上以4.6M参数达到SOTA性能。
Comments EUSIPCO 2026, 5 pages, 2 figures, 4 tables
因果关系是理解和平衡可信机器学习与基础模型中多个目标的关键
机构 * CISPA Helmholtz Center for Information Security（CISPA海德堡信息安全中心） ； Max Planck Institute for Intelligent Systems, Tübingen（马克斯·普朗克智能系统研究所（图宾根）） ； Google Research（谷歌研究） ； ETH Zürich（苏黎世联邦理工学院） ； University of Toronto（多伦多大学）
AI总结 本文主张将因果方法集成到机器学习中，以平衡公平性、隐私、鲁棒性、准确性和可解释性等可信原则之间的权衡，并探讨其在基础模型中的实际应用。
基于梯度的训练中对数据投毒的认证鲁棒性
机构 * Department of Computing, Imperial College London, United Kingdom（帝国理工学院伦敦分校计算机系） ； Department of Computer Science, ETH Zurich, Switzerland（苏黎世联邦理工学院计算机科学系） ； LogicStar.ai, Switzerland（LogicStar.ai公司） ； The Alan Turing Institute, United Kingdom（艾伦·图灵研究所）
AI总结 提出首个框架，通过凸松弛过度近似参数更新集，为梯度下降训练的模型提供针对无目标、有目标投毒和后门攻击的可证明鲁棒性保证。
Comments 21 pages, 8 figures
Hermes: 通过基于感知器的片外负载预测加速长延迟负载请求
机构 * ETH Zürich（苏黎世联邦理工学院） ； Intel Processor Architecture Research Lab（英特尔处理器架构研究实验室） ； LIRMM, Univ. Montpellier, CNRS（蒙彼利埃大学LIRMM实验室，CNRS）
AI总结 提出Hermes技术，利用感知器预测片外负载请求，投机性地直接从主存获取数据，同时并行访问缓存层次，从而消除片外负载关键路径上的片上缓存访问延迟，显著提升处理器性能。
Comments To appear in 55th IEEE/ACM International Symposium on Microarchitecture (MICRO), 2022
强化学习引发对未见语言的上下文翻译学习
机构 * University of Zurich（苏黎世大学） ； ETH Zurich（苏黎世联邦理工学院） ； Queen’s University Belfast（贝尔法斯特女王大学）
AI总结 提出使用强化学习（RL）方法，以chrF为奖励，使大语言模型从丰富的语言上下文中提取并应用语言学知识，实现对完全未见语言的有效翻译。
Comments 15 pages, 2 figures
LLM 自我识别：引导与检索激活签名
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）
AI总结 通过随机稀疏向量引导内部残差流，在LLM生成文本中嵌入可检测指纹，实现高精度归属，同时保持文本质量。
Comments To appear in Proceedings of the 43rd International Conference on Machine Learning (ICML 2026)
来自异构域的离散因果表示：一种贝叶斯方法及其在社会调查中的应用
机构 * Department of Statistics, University of Chicago（芝加哥大学统计学系） ； University of Tübingen（图宾根大学） ； Department of Statistics & Data Science Institute, University of Chicago（芝加哥大学统计学与数据科学研究所） ； Seminars for Statistics, ETH Zürich（苏黎世联邦理工学院统计系）
AI总结 提出一种贝叶斯方法，从多环境数据中学习离散因果概念，通过序贯蒙特卡洛采样近似多模态后验，并在社会调查数据中验证了其推断有意义的高层概念和因果关系的有效性。
Anchor PCA
机构 * ETH Zürich（苏黎世联邦理工学院）
AI总结 针对多领域数据，提出Anchor PCA方法，通过修改目标矩阵进行主成分分析，在保留共享变异方向的同时权衡整体解释方差，实现鲁棒的降维。
评估计算机网络中的代理配置修复
机构 * Department of Information Technology（信息科技系） ； Electrical Engineering, ETH Zurich（电子工程，苏黎世联邦理工学院）
AI总结 本研究通过结合形式化网络验证和上下文检索工具，评估了开源和闭源大语言模型在代理架构下的配置修复能力，发现代理架构在修复效果和安全性上分别平均提升12%和17%。
衡量对集合值AI建议适当依赖的框架
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）
AI总结 本文提出首个正式框架，用于在序列判断-顾问范式中衡量对集合值AI建议的适当依赖，涵盖分类和回归任务，并定义了新的度量指标以捕捉现有方法忽略的细微差别。
利用神经常微分方程在黎曼流形上从示范中学习：扩展摘要
机构 * ETH Zürich（苏黎世联邦理工学院）
AI总结 针对机器人状态（如方向）在弯曲空间上演化的问题，提出利用神经常微分方程在黎曼流形上从示范中学习，通过数值估计测地线实现自然运动生成，并降低计算开销。
Comments 2 pages
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