高校专区
使用TensorGalerkin学习、求解和优化PDE：一种高效的高性能Galerkin组装算法
机构 * ETH Zurich, Switzerland（苏黎世联邦理工学院，瑞士） ； Imperial College London, UK（伦敦帝国学院，英国） ； Northeastern University, USA（东北大学，美国） ； Renmin University of China, China（中国人民大学，中国）
AI总结 提出基于Galerkin离散化的统一算法框架，通过张量化元素操作和稀疏矩阵乘法实现O(1)图规模的系统组装，高效求解、约束优化和物理信息学习变分PDE。
通过稀疏后训练实现内在可解释的注意力机制
机构 * MPI-IS（马克斯·普朗克研究所） ； University of Oxford（牛津大学） ； ETH Zürich（苏黎世联邦理工学院）
AI总结 提出一种后训练方法，通过约束损失下的灵活稀疏正则化，在不牺牲性能的前提下将Transformer注意力连接稀疏至约0.4%，从而简化全局电路并提升可解释性。
理解、加速和改进MeanFlow训练
机构 * Yonsei University（延世大学） ； ETH Zurich（苏黎世联邦理工学院） ； University of Zurich（苏黎世大学） ； Max Planck ETH CLS（马克斯·普朗克ETH CLS） ； Google（谷歌）
AI总结 通过分析瞬时速度与平均速度的相互作用，提出一种加速瞬时速度形成并逐步转移训练重点的有效训练方案，实现更快的收敛和更优的少步生成性能。
基于多源数据的都市尺度弹性可信交通流推断
机构 * School of Transportation, Jilin University（吉林大学交通运输学院） ； Department of Computer Science, City University of Hong Kong (Dongguan)（香港城市大学（东莞）计算机科学系） ； Institute for Transport Planning and Systems, ETH Zurich（苏黎世联邦理工学院交通规划与系统研究所） ； Institute of Intelligent Transportation Systems, College of Civil Engineering and Architecture, Zhejiang University（浙江大学智能交通系统研究所） ； ZJU-UIUC Institute, Zhejiang University（浙江大学-UIUC研究院）
AI总结 提出任务感知注意力神经过程（TA-ANP）统一概率框架，融合浮动车数据和稀疏固定检测器数据，实现高精度、可信的不确定性量化的全局交通状态推断，并在都市尺度数据集上取得最优性能。
Comments The paper has been submitted to Elsevier for possible publication
面向任务驱动无人机网络的能量感知多智能体强化学习扩展与个体奖励
机构 * Department of Computer Science, ETH Zurich（苏黎世联邦理工学院计算机科学系） ； Department of Computer Science, Colby College（科尔比学院计算机科学系）
AI总结 提出基于个体奖励函数的能量感知多智能体强化学习模型，利用深度Q网络解决无人机网络动态环境和电池容量限制下的轨迹规划问题，实验表明在任务密度高时成功率接近100%，且扩展性优于共享奖励模型。
Comments IEEE Internet of Things Journal
Journal ref volume=12, number=8, year=2025, pages=10640-10654
有限标注下的大语言模型选择
机构 * TU Delft（代尔夫特理工大学） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 提出SELECT-LLM框架，通过基于期望信息增益的查询选择规则，在有限标注下高效识别最佳大语言模型，显著降低标注成本。
Comments 33 pages, 5 figures, 4 tables
通用增强，特定抑制：基于稀疏自编码器引导的医学视觉语言模型
机构 * University of Zurich and University Hospital of Zurich（苏黎世大学及苏黎世大学医院） ； Kobe University（Kobe大学） ； ETH AI Center（苏黎世联邦理工学院人工智能中心） ； ETH Zurich（苏黎世联邦理工学院） ； Stanford University（斯坦福大学） ； Zurich University of Applied Sciences（苏黎世应用科学大学）
AI总结 本文提出一种无需权重更新的解码时残差引导方法，通过每token稀疏自编码器（SAE）对医学视觉语言模型进行干预，抑制幻觉并提升报告质量，在多个模型上取得显著改进。
弥合差距：实现软演员-评论家算法用于高性能腿部运动
机构 * ETH Zurich（苏黎世联邦理工学院）
AI总结 本文通过识别软演员-评论家（SAC）在并行训练中性能不足的根本原因，并提出策略初始化、超时感知评论家目标和多步回报估计等改进，使其在腿部运动任务中达到与近端策略优化（PPO）相当的性能。
学习通过A*后训练进行高效推理
机构 * ETH Zürich（苏黎世联邦理工学院） ； MPI for Intelligent Systems, Tübingen（图宾根智能系统研究所） ； Purdue University（普渡大学）
AI总结 本文通过A*搜索算法指导LLM生成正确且高效的推理步骤，提出监督微调和强化学习两种训练方法，在1B-3B参数模型上显著提升推理准确性和效率。
Comments Preprint
自回归变压器计算的概率分布
机构 * University of Notre Dame（内布拉斯加大学达灵顿分校） ； ETH Zürich（苏黎世联邦理工学院） ； Max-Planck Institute for Software Systems（马克斯·普朗克软件系统研究所） ； University of Kaiserslautern-Landau（凯撒斯劳滕-劳恩堡大学） ； San José State University（圣何塞州立大学）
AI总结 研究自回归变压器作为语言模型时能表达的概率分布，揭示自回归和概率化对表达力的影响。
Comments 20 pages
SkySeg: 野外异构无人机协同机载语义分割
机构 * Harbin Institute of Technology（哈尔滨工业大学） ； ETH Zurich（苏黎世联邦理工学院） ； Huawei Cloud Algorithm Innovation Lab（华为云算法创新实验室）
AI总结 针对资源受限无人机在动态环境中实时语义分割的挑战，提出SkySeg异构多无人机空-空协作框架，结合高效信息融合推理与跨设备测试时自适应策略，实现低成本传感器下的机载分割，加速约3.6倍并提升精度5.91%。
Fill-in-the-Middle 预训练的记忆动态
机构 * Department of Computer Science, ETH Zurich（苏黎世联邦理工学院计算机科学系）
AI总结 通过对比 FIM 与标准 LTR 预训练，研究 FIM 对逐字记忆的影响，发现 FIM 更易恢复短片段或部分匹配，而 LTR 对长精确延续置信度更高，且 FIM 训练下的逐字提取随重复次数近似线性增长。
Comments MemFM @ ICML 2026
GT-HarmBench：通过博弈论视角评估AI安全风险
机构 * ETH Zürich（苏黎世联邦理工学院） ； Berea College（贝雷学院） ； University of Toronto（多伦多大学） ； Vector Institute（向量研究所） ； Max Planck Institute for Intelligent Systems, Tübingen, Germany（图宾根德国智能系统马克斯·普朗克研究所）
AI总结 提出GT-HarmBench基准，包含1535个高风险场景，基于博弈论结构（如囚徒困境、猎鹿博弈、斗鸡博弈）评估前沿AI模型在多智能体环境中的安全风险，发现模型在38%的高风险案例中未能选择对社会有益的行为，并验证了博弈论干预可提升18%的社会有益结果。
FireScope: 基于思维链预言机的野火风险栅格预测
机构 * ETH Zurich（苏黎世联邦理工学院）
AI总结 提出FireScope框架，利用视觉语言模型结合强化学习和视觉监督，通过推理轨迹生成野火风险栅格，在跨大陆泛化中取得显著性能提升。
Comments CVPR 2026, Project Page: https://firescope.ai/research
高斯过程的Vecchia诱导点全尺度近似
机构 * Institute of Financial Services（金融服务研究所） ； Lucerne University of Applied Sciences and Arts（卢塞恩应用科学与艺术大学） ； University of Zurich（苏黎世大学） ； Seminar for Statistics, ETH Zurich（苏黎世联邦理工学院统计系）
AI总结 提出Vecchia诱导点全尺度（VIF）近似，结合全局诱导点与局部Vecchia近似的优势，通过基于相关性的邻居搜索策略和预处理迭代方法，实现高效、准确且数值稳定的高斯过程训练与预测。
ObjectCache: 用于KV缓存重用的分层对象存储检索
机构 * ETH Zurich（苏黎世联邦理工学院） ； HPE Labs（惠普实验室） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
AI总结 提出ObjectCache系统，利用S3兼容对象存储存储KV缓存，通过协同设计存储协议和传输调度，在GPU消费顺序下交付数据，重叠数据传输与计算，从而在不增加集群成本的前提下最小化TTFT延迟。
基于凸松弛的分词
机构 * ETH Zurich（苏黎世联邦理工学院） ； Kensho Technologies（Kensho科技公司）
AI总结 本文提出了一种基于凸松弛的分词方法ConvexTok，通过将分词构建问题转化为线性规划并利用凸优化工具求解，改进了分词指标和语言模型的bits-per-byte性能，并提升了下游任务表现。
基于随机作业到达的灵活作业车间调度的深度强化学习
机构 * Centre for Artificial Intelligence, Zurich University of Applied Sciences（人工智能中心，苏黎世应用科学大学） ； Inspire AG（Inspire公司） ； Automatic Control Laboratory, ETH Zurich（自动控制实验室，苏黎世联邦理工学院）
AI总结 本文提出了一种基于事件的深度强化学习方法，用于解决具有随机作业到达的灵活作业车间调度问题，通过Proximal Policy Optimization算法和轻量级多层感知机训练智能体，以最小化所有作业的总完成时间，并在不同异质性和作业到达率的数据集上优于单独的调度规则。
SeqLoRA: 为持续多概念生成的双水平正则化适应
机构 * Uppsala University（乌普萨拉大学） ； ETH Zurich（苏黎世联邦理工学院） ； Sweden（瑞典）
AI总结 本文提出SeqLoRA，一种双水平优化框架，通过联合优化LoRA因素来解决文本到图像扩散模型中多自定义概念组合时的表示干扰问题，提高了身份保持性和可扩展性。
对儿科ICU中抗菌药物使用管理的机器学习架构进行基准测试
机构 * Department of Intensive Care and Neonatology and Children’s Research Center University of Zurich University Children’s Hospital Zurich（重症护理与新生儿科及儿童研究中心，苏黎世大学苏黎世儿童医院） ； Department of Health Sciences and Technology ETH Zurich（健康科学与技术系，苏黎世联邦理工学院） ； Department of Computer Science ETH Zurich（计算机科学系，苏黎世联邦理工学院）
AI总结 本研究针对儿科ICU中抗菌药物使用管理的机器学习模型进行基准测试，通过公共数据集和私人机构队列系统评估了四种临床相关的目标，发现预测性能主要由目标流行率和数据集特征决定，而非模型复杂度，序列模型在粗粒度下提升了精度-召回权衡，但细粒度建模带来的收益有限，且校准效果较差。
Comments 16 pages, 6 figures, code: https://anonymous.4open.science/r/AMS_intervention_prediction-C024
为不确定非线性系统参考跟踪设计快速适应的元学习
机构 * School of Automation Science and Electrical Engineering, Beihang University（北京航空航天大学自动化科学与电气工程学院） ； Mitsubishi Electric Research Laboratories（三菱电机研究实验室） ； Automatic Control Laboratory, ETH Zurich（瑞士联邦理工学院自动化实验室） ； ZHAW Centre for Artificial Intelligence, Zurich University of Applied Sciences（瑞士应用科学大学人工智能中心）
AI总结 本文针对不确定非线性系统的参考跟踪问题，提出基于元学习的控制框架，通过利用源系统数据加速训练并提升控制性能，通过两阶段方法实现对目标系统的快速适应。
Comments 13 pages
通过价值驱动传输进行生成建模
机构 * Universitat Pompeu Fabra Barcelona（巴塞罗那庞培乌法布拉大学） ； ETH Zürich（苏黎世联邦理工学院） ； ICREA & Universitat Pompeu Fabra Barcelona（ICREA与巴塞罗那庞培乌法布拉大学）
AI总结 本文提出了一种基于测度传输离散时间随机控制 formulations 的新生成建模框架，通过线性规划的对偶变量直接编码最优控制策略，并开发了高效的模拟-free 原始-对偶算法来计算近似最优价值函数和价值驱动传输（VDT）策略，这些策略在多个实验中表现出优越的性能和良好的可扩展性。
QuantSR+: 推动量化图像超分辨率网络的极限
机构 * ETH Zurich（苏黎世联邦理工学院） ； Shanghai Jiao Tong University（上海交通大学） ； Beihang University（北京航空航天大学）
AI总结 本文提出QuantSR+框架，通过改进量化操作、网络设计和训练优化，实现了在精度和效率之间的更好平衡，针对超低精度下的性能下降问题，提出了三种关键技术贡献：重分布驱动位数确定、量化瘦身架构和瘦身引导的功能局部蒸馏。
无需姿态，无问题：从未姿态多视角视频中馈送动态高斯
机构 * Politecnico di Milano（米兰理工大学） ； ETH Zürich（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）
AI总结 本文提出NoPo4D，一种首个无需姿态的馈送式系统，能够处理动态内容、多视角输入和未知相机姿态，通过速度分解和双向运动编码提升性能，优于现有方法。
PMCTS：用于原理化并行推断时间扩展的粒子蒙特卡洛树搜索
机构 * Department of Intelligent Systems, TU Delft（代尔夫特理工大学智能系统系） ； Department of Computer Science, ETH Zürich（苏黎世联邦理工学院计算机科学系） ； Trent AI Limited（Trent AI有限公司） ； Information Systems, TU Eindhoven（埃因霍温理工大学信息系统系） ； Centrum Wiskunde & Informatica, Amsterdam（阿姆斯特丹数学与信息学研究中心）
AI总结 本文提出PMCTS，一种适用于神经网络评估的原理化并行MCTS算法，通过并行计算实现推断时间扩展，并在多个领域中显著优于传统启发式基线方法。
AutoBaxBuilder: 通过代码安全基准测试进行代码安全性评估
机构 * ETH Zurich（苏黎世联邦理工学院） ； INSAIT, Sofia University "St. Kliment Ohridski"（INSAIT，索菲亚大学"圣克莱门特·奥赫里德斯基"）
AI总结 本文提出AutoBaxBuilder，一种自动化生成代码安全基准测试任务的流水线，通过结合LLM的代码理解能力与可靠性检查，构建功能测试和端到端的安全性探测利用，从而提高代码安全性的评估效率和准确性。
Comments ICML 2026
神经符号AI用于微分方程的解析解
机构 * Seminar for Applied Mathematics, ETH Zurich, Switzerland（应用数学研讨会，苏黎世联邦理工学院，瑞士） ； ETH AI Center, Zurich, Switzerland（苏黎世联邦理工学院人工智能中心，瑞士） ； IBM Research Europe, Zurich, Switzerland（IBM欧洲研究院，苏黎世，瑞士） ； Institute for Atmospheric and Climate Science, ETH Zurich, Switzerland（大气与气候科学研究所，苏黎世联邦理工学院，瑞士） ； Swiss Data Science Center, ETH Zurich, Switzerland（瑞士数据科学中心，苏黎世联邦理工学院，瑞士）
AI总结 本文提出SIGS神经符号框架，通过上下文无关文法生成数学上有效且物理上有意义的构建块，并结合用户指定的Ansatz进行组合，嵌入到拓扑正则化的连续潜在流形中，通过两阶段搜索发现解析解，提高了微分方程解析解的准确性和效率。
Comments Updates the method and added extra results
学习进化：多模态交互场用于动态环境中的稳健双足机器人导航
机构 * State Key Laboratory of General Artificial Intelligence, Peking University, Shenzhen Graduate School（一般人工智能国家重点实验室，北京大学深圳研究生院） ； Oxford Robotics Institute, University of Oxford（牛津大学机器人研究所） ； Institute for Machine Learning, Department of Computer Science, ETH Zurich（苏黎世联邦理工学院计算机科学系机器学习研究所）
AI总结 本文提出多模态交互场（MIF）系统，通过结合置信度感知的语义3D高斯溅射、差异触发的空间记忆更新和任务驱动的几何重建，在闭环感知-适应管道中实现稳健的双足机器人导航，显著提高了非静态环境中的重定位成功率并减少了语义内存足迹。
Comments Accepted by Robotics: Science and Systems 2026
从整体到模块：分解转换器以实现高效的world建模
机构 * Department of Informatics, University of Sussex（Sussex大学信息学院） ； Beyond Institute for Theoretical Science (BITS)（理论科学研究所） ； ETH Zürich（苏黎世联邦理工学院） ； Principles of Intelligent Behaviour in Biological and Social Systems (PIBBSS)（生物和社会系统智能行为原理研究所） ； Department of Computer Science, University of Oxford（牛津大学计算机科学系） ； Araya Inc.（Araya公司） ； Sussex AI and Sussex Centre for Consciousness Science, University of Sussex（Sussex大学人工智能与意识科学中心） ； Centre for Complexity Science and Center for Psychedelic Research, Department of Brain Sciences, Imperial College London（复杂科学中心和迷幻研究中心，伦敦帝国理工学院脑科学系） ； Center for Eudaimonia and Human Flourishing, University of Oxford（幸福与人类繁荣中心，牛津大学）
AI总结 本文提出了一种分解复杂world建模的方法，通过转换器框架将世界模型分解为多个模块，从而提高计算效率并支持分布式推理，为AI安全和现实应用提供基础。
Velocityformer: 用于宇宙学速度重建的破缺对称性匹配等价图变换器
机构 * ETH Zürich（苏黎世联邦理工学院）
AI总结 该研究提出Velocityformer，一种等价图变换器架构，通过匹配观测数据的破缺对称性来提高宇宙学速度重建的精度，其在速度相关系数r上比标准线性理论基线提高了35%。
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