高校专区
G-STAR: 端到端全局说话人跟踪属性识别
机构 * Nanjing University（南京大学） ； Shanghai Jiao Tong University（上海交通大学） ； Central Media Technology Institute, Huawei（华为中央媒体技术研究院） ； Shenzhen Research Institute of Big Data（深圳大数据研究院） ； ETH Zürich（苏黎世联邦理工学院）
AI总结 提出G-STAR框架，通过缓存条件说话人跟踪模块与Speech-LLM转录骨干耦合，实现长时重叠多说话人语音的端到端说话人属性识别，支持组件优化和联合训练，在局部和全局评估中均表现优异。
Comments submitted to Emnlp 2026
SALAAD: 基于ADMM的稀疏低秩适配用于大语言模型推理
机构 * ETH Zurich（苏黎世联邦理工学院） ； Max Planck Institute for Intelligent Systems（智能系统马克斯·普朗克研究所） ； École polytechnique fédérale de Lausanne (EPFL)（洛桑联邦理工学院（EPFL））
AI总结 提出SALAAD框架，通过增广拉格朗日方法在训练中诱导稀疏低秩结构，实现模型容量灵活控制，降低部署内存且无需重训。
使用Transformer进行上下文无关语言识别
机构 * ETH Zürich（苏黎世联邦理工学院） ； Boston University（波士顿大学） ； Allen Institute for AI（人工智能研究院）
AI总结 本文证明循环Transformer通过O(log N)层和O(N^6)填充符号可识别所有上下文无关语言，并针对无歧义子类将填充需求降至O(N^3)。
用奇异值集合量化基础模型的不确定性
机构 * ETH Zürich, Photogrammetry \& Remote Sensing
AI总结 提出奇异值集成（SVE）方法，通过冻结奇异向量并仅训练每个成员的奇异值，以极小的参数开销实现隐式集成，从而有效量化基础模型的不确定性。
Comments Accepted at ICML 2026 (camera-ready version)
Honeyval: 基于LLM的HTTP蜜罐综合评估框架
机构 * ETH Zurich（苏黎世联邦理工学院） ； Google（谷歌） ； Google DeepMind（谷歌DeepMind） ； AI Sequrity Company（AI安全公司） ； Independent（独立）
AI总结 提出Honeyval评估框架，通过16个后端应用、AI攻击代理、控制任务和可验证利用目标，系统评估LLM驱动的HTTP蜜罐，发现其相比规则基线能显著延长攻击交互、降低被前沿模型检测率，且保持成本优势。
通过离线策略评估进行保险定价优化
机构 * Department of Mathematics, ETH Zurich（苏黎世联邦理工学院数学系）
AI总结 本文提出基于离线策略评估和随机控制的保险定价方法，利用核化逆倾向得分估计器降低方差，并通过数据共享Lasso和神经网络两种策略优化方法实现最优定价。
后训练语言模型以实现跨语言一致性
机构 * ETH Zürich（苏黎世联邦理工学院） ； CLCG, University of Groningen（格罗宁根大学CLCG中心） ； University of Amsterdam（阿姆斯特丹大学）
AI总结 针对多语言模型对翻译等价提示响应不一致的问题，提出基于信息论的跨语言一致性定义，并开发后训练方法直接一致性优化（DCO）以提升一致性。
Comments ICML 2026. The first two authors contributed equally. Codes available at: https://github.com/Betswish/ConsistencyRL
论归纳偏置在时间序列预训练中的作用：以临床时间序列学习通用表征的案例研究
机构 * ETH Zurich（苏黎世联邦理工学院） ； Swiss Paraplegic Research（瑞士脊髓损伤研究所） ； ETH Zurich, Swiss Paraplegic Research（苏黎世联邦理工学院、瑞士脊髓损伤研究所）
AI总结 通过PathoFM编码器中心Transformer，结合局部补全、时间连续性和无监督上下文动力学三种互补目标，研究预训练目标中归纳偏置对跨任务类型和受试者迁移的影响，发现动态中心混合目标能产生最平衡的迁移表征。
RHO: 基于OSM的鲁棒整体度量跨视角地理定位
机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄理工大学） ； Hunan University（湖南大学） ； ETH Zurich（苏黎世联邦理工学院） ； UCL（伦敦大学学院）
AI总结 提出RHO模型，利用全景图和OpenStreetMap进行度量跨视角地理定位，通过Split-Undistort-Merge模块处理全景畸变和Position-Orientation Fusion机制提升定位精度，在CV-RHO数据集上相比基线方法性能提升高达20%。
Comments Accepted by CVPR 2026. Project page: https://github.com/InSAI-Lab/RHO
超越二元：基于物理接触表示的仿真到现实灵巧操作
机构 * ETH Zürich（苏黎世联邦理工学院） ； UC Berkeley（伯克利加州大学）
AI总结 提出基于物理原理的中心压力（CoP）触觉表示，结合可微动力学传感器标定，实现多指手的零样本仿真到现实迁移，在插销入孔和球平衡任务中优于二元接触和原始触觉基线。
Comments Project site: https://mpan31415.github.io/tactile_rep/
Audio-Mind: 一种可审计的音频理解智能体框架
机构 * School of Intelligence Science and Technology, Nanjing University, China（南京大学智能科学与技术学院） ； Department of Computer Science, ETH Zürich, Switzerland（苏黎世联邦理工学院计算机科学系） ； X-LANCE Lab, School of Computer Science, Shanghai Jiao Tong University, China（上海交通大学计算机科学学院X-LANCE实验室） ； School of Automation Science and Engineering, Xi’an Jiaotong University, China（西安交通大学自动化科学与工程学院） ； School of Computer Science, Northwestern Polytechnical University, China（西北工业大学计算机科学学院）
AI总结 提出Audio-Mind框架，通过条件性证据获取动态结合强前端与规划器引导的工具使用，解决音频理解中智能体证据获取的时机问题，在MMAR和MSU-Bench上分别达到80.4%和82.8%的准确率，并生成可审计的推理轨迹。
为什么我们需要语音来评估语音翻译
机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 本文通过元评估发现现有文本和语音质量估计指标在评估语音翻译中的语音特有信息（如性别一致性和韵律）时均存在不足，并提出SpeechCOMET模型，分析其失败原因，强调需要专用训练数据和真正基于语音的模型。
统一全景几何估计：基于多视角基础模型
机构 * ETH Zürich（苏黎世联邦理工学院） ； Google（谷歌）
AI总结 提出PaGeR框架，利用预训练3D基础模型，从单张全景图像中统一预测尺度不变深度、度量深度、表面法线和天空掩码，实现360度场景重建。
学习带有向量网络的组合潜在结构
机构 * Institute of Neuroinformatics, UZH / ETH Zurich（神经信息学研究所，苏黎世联邦理工学院/苏黎世联邦理工人工智能中心） ； ETH AI Center Zurich, Switzerland（苏黎世联邦理工人工智能中心，瑞士）
AI总结 提出向量网络（VN），一种层级循环架构，通过可重用的秩1权重原子库实现组合泛化，在分布外任务中误差降低约一个数量级。
Trinity：通过利用合成数据统一非结构化户外环境中的类无关地形与语义分割
机构 * Institute of Robotics and Mechatronics, German Aerospace Center (DLR)（机器人与机电系统研究所，德国航空航天中心（DLR）） ； Federal Institute of Technology Zurich (ETH Zurich)（苏黎世联邦理工学院（ETH Zurich）） ； Robotics and AI Institute (RAI)（机器人与人工智能研究所（RAI））
AI总结 提出基于Transformer的统一网络Trinity，联合执行类特定语义分割和类无关地形分割，利用合成数据集RUGDSynth和真实数据集EXTerra实现机器人无关的地形先验学习。
Garment Particles: 一种用于生成和编辑的2D-3D对称服装表示
机构 * Stanford University USA（斯坦福大学） ； The University of Tokyo Japan（东京大学） ； Institute of Science Tokyo Japan（东京科学研究所） ； ETH Zurich Switzerland（苏黎世联邦理工学院）
AI总结 提出Garment Particles，一种5D点云表示，联合编码2D裁剪图和3D几何，通过Garment Particles Flow框架支持从高级输入生成和多种编辑操作，实现最先进的服装生成效果。
EngiAI: 面向LLM驱动工程设计的智能体框架与基准测试套件
机构 * IDEAL Chair of Artificial Intelligence in Engineering Design（人工智能与工程设计理想 chair） ； ETH Zurich（苏黎世联邦理工学院） ； Autom8.build
AI总结 提出EngiAI多智能体系统框架和包含工作流、RAG、HPC三维度的基准套件，通过监督架构协调七个专业智能体，验证了LLM在工程设计中的能力与局限。
Comments 26 pages, 10 figures, to be published at IDETC 2026
通过治疗意图进行混杂检测：一种新的观察性研究设计
机构 * UCLA（加州大学洛杉矶分校） ； ETH Zurich（苏黎世联邦理工学院） ； Columbia University（哥伦比亚大学）
AI总结 提出一种通过询问治疗决策者比较配对单元来揭示未观测混杂因素的新研究设计，并在ICU数据中验证其有效性。
全局运动恢复结构与前馈重建的结合
机构 * ETH Zurich（苏黎世联邦理工学院） ； Meta Reality Labs（Meta现实实验室） ； Microsoft（微软公司）
AI总结 提出一种结合经典SfM和前馈重建优势的新流水线，在多种场景下实现最先进的重建结果。
Comments CVPR 2026, Highlight
在互联网上大规模搜索具有挑战性的基准测试
机构 * Google（谷歌） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 提出一种自动框架，将互联网建模为多臂老虎机问题，通过epsilon-greedy策略高效搜索最具挑战性的主题，以构建无需人工筛选的基准测试。
博弈中可行收益集合估计的最优速率
机构 * Bocconi University, Milano, Italy（博科尼大学，米兰，意大利） ； ETH Zurich, Switzerland（苏黎世联邦理工学院，瑞士）
AI总结 针对双矩阵博弈中观察玩家动作但不知收益函数的情形，提出以Hausdorff度量下高概率估计可行收益集合的方法，并给出零和与一般和博弈中精确及近似均衡下首次极小极大最优速率。
Med-CoReasoner: 通过语言感知的协同推理减少医学推理中的语言差异
机构 * The University of Tokyo（东京大学） ； ETH Zürich（苏黎世联邦理工学院） ； National Institute of Informatics（日本信息处理学会） ； Siriraj Informatics and Data Innovation Center（Siriraj信息与数据创新中心） ； Yale University（耶鲁大学）
AI总结 提出Med-CoReasoner框架，通过并行英语和本地语言推理、结构化概念抽象及概念级对齐与检索，将本地临床知识整合到英语逻辑框架中，以缩小医学推理中的多语言差距，在MultiMed-X基准上平均提升5%的多语言推理性能。
新加坡英语中的文体演变与LLM中立性
机构 * Independent Researcher（独立研究者） ； ETH Zürich（苏黎世联邦理工学院） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 通过分析十年间非正式数字信息的文体变化，研究大型语言模型（LLM）能否生成时间中立的输出，发现文体可分离性随时间距离增加，且LLM在真实性和时间中立性之间存在结构性权衡。
当LLM自我基准测试：解构自动评估中的自我偏见
机构 * Google（谷歌） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 研究LLM自动创建基准测试时存在的自我偏见问题，发现测试集生成和评估两个环节均产生偏见，导致模型偏爱自身输出，并提出了多样性指标以部分缓解该偏见。
Harmonia: 通过多智能体强化学习增强混合存储系统中的数据放置与迁移
机构 * ETH Zürich（苏黎世联邦理工学院） ； AMD Research（AMD研究）
AI总结 针对混合存储系统中数据放置与迁移策略相互依赖导致性能次优的问题，提出基于多智能体强化学习的协同优化方法Harmonia，显著提升系统性能。
高效的全对相关性体素采样用于光流估计
机构 * DisneyResearch|Studios（迪士尼研究与工作室） ； ETH Zürich（苏黎世联邦理工学院）
AI总结 提出一种内存和计算高效的算法，实现全对相关性体素采样的精确数学运算，在保持低内存占用的同时显著提升速度，并应用于高分辨率光流估计达到最优性能。
Comments CVPR 2026
TriSplat: 面向仿真的前馈式3D场景重建
机构 * Zhejiang University（浙江大学） ； ETH Zurich（苏黎世联邦理工学院） ； ETH AI Center（ETH人工智能中心） ； Microsoft（微软） ； Monash University（莫纳什大学）
AI总结 提出TriSplat，一种前馈式重建网络，使用有向三角形图元表示场景，直接从稀疏视图图像预测并导出可直接用于仿真的网格场景。
Comments Project Page: https://lhmd.top/trisplat, Code: https://github.com/ziplab/TriSplat
使用多模态深度学习预测盈利公告日的股价方向
机构 * ETH Zürich（苏黎世联邦理工学院）
AI总结 本研究结合基本面指标、技术指标和新闻情感，利用LSTM和Transformer模型预测盈利公告日的股价方向，发现Transformer在识别波动方面更敏感，且新闻情感有助于提升性能。
HumanFlow -- 通过紧耦合运动跟踪、预测和控制的扩散驱动MAV在人群中导航
机构 * Technical University of Munich（慕尼黑技术大学） ； MCML ； MIRMI ； ETH Zurich（苏黎世联邦理工学院）
AI总结 提出HumanFlow，一种潜在扩散模型，统一了人体运动跟踪与预测，并利用3D场景上下文，在严重遮挡下实现高精度、高效率的运动估计，并通过紧耦合控制实现MAV在人群中的无碰撞导航。
Comments Accepted to Robotics Science and Systems (RSS), 2026
TopoAlign：拓扑感知的视觉表示对齐
机构 * University of Utah（犹他大学） ； ETH Zürich（苏黎世联邦理工学院）
AI总结 提出TopoAlign框架，利用拓扑数据分析中的mapper图，通过联合力导向优化、自动结构匹配区域检测和基序查询，从拓扑角度比较不同模型或层的表示结构对齐。
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