高校专区
Compass: 为动态适应优化复合AI工作流
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Compass框架，通过离线优化和在线适应动态切换复合AI工作流的配置，提升准确率、延迟和成本的平衡能力。
Comments 10 pages, 7 figures; accepted at the 26th IEEE International Symposium on Cluster, Cloud, and Internet Computing (CCGrid 2026)
Journal ref Proceedings of the 2026 IEEE 26th International Symposium on Cluster, Cloud and Internet Computing (CCGrid), pp. 84-93, 2026
强化学习与控制的基础：联系与新视角
机构 * University of Technology Nuremberg（纽伦堡工业大学） ； Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所） ； University of Alberta（阿尔伯塔大学） ； ETH Zürich（苏黎世联邦理工学院） ； University of California San Diego（加州大学圣迭戈分校）
AI总结 本教程围绕强化学习与控制理论的联系与差异，介绍自适应控制、演员-评论家强化算法及二者结合的新方法，助力跨领域专家理解对方工具方法。
Comments INFORMS tutorial
冰上国际象棋：基于反向归纳与深度强化学习的冰壶战术决策
机构 * ETH Zurich（苏黎世联邦理工学院） ； Belimo Automation AG（贝利莫自动化股份公司） ； University of Padova（帕多瓦大学）
AI总结 该研究针对冰壶战术决策的建模挑战，采用适配有限时间范围结构的DDPG算法，通过自监督学习获得的智能体在简化四石冰壶中可匹敌专家启发式策略，其评论家还能提供连续动作空间的价值估计以支持战术分析。
Comments 10 pages, 8 figures
不流畅言语在语音翻译中的作用
机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； Texas A&M University（德克萨斯农工大学） ； ETH Zurich（苏黎世联邦理工学院） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 该研究针对语音翻译系统去除不流畅言语导致语义丢失的问题，构建了Uh-Mazing基准，发现错误起始和自我修正致翻译质量下降，提出推理时解码可缓解问题并发布相关资源。
DocNavRAG：面向复杂文档问答的、具有状态化证据构建能力的文档结构化图RAG
机构 * School of Computer Science, Wuhan University（武汉大学计算机学院） ； The Hong Kong University of Science and Technology（香港科技大学） ； The Chinese University of Hong Kong（香港中文大学） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 本文提出DocNavRAG，将文档结构组织为可导航图并维护证据状态，在四个文档QA基准上，相比最强基线平均提升答案质量7.8%、上下文充分性17.7%。
Comments 19 pages, 5 figures, 16 tables
DCC: 面向处理-内存架构的机器学习内核数据驱动编译
机构 * University of Toronto（多伦多大学） ； Vector Institute（向量研究所） ； Barcelona Supercomputing Center（巴塞罗那超级计算中心） ； ETH Zürich（苏黎世联邦理工学院） ； Nvidia（英伟达） ； Max Planck Institute for Software Systems（马克斯·普朗克软件系统研究所）
AI总结 针对PIM系统中数据重排与计算代码优化相互依赖的问题，提出数据驱动的编译器DCC，通过统一调优联合优化数据重排与计算代码，在HBM-PIM和AttAcc PIM上分别实现平均2.21倍和3.92倍的加速。
特征值作为序列模型记忆动力学的度量指标
机构 * ETH Zurich（苏黎世联邦理工学院） ； ETH AI Center（苏黎世人工智能中心）
AI总结 该研究提出以特征值为通用度量，通过动力系统框架统一分析注意力模型与状态空间模型的记忆动力学，经实证研究发现特征值可影响两类模型的记忆与长程依赖建模，还可用于指导架构修改与训练，为序列模型的分析与优化提供了新途径。
腿式机器人的进展、挑战与机遇
机构 * ETH Zurich（苏黎世联邦理工学院）
AI总结 该研究评估人形与四足机器人在多维度的当前能力，梳理其进展与挑战，展望未来并探讨相关伦理、经济等社会影响，为腿式机器人发展提供参考。
Comments Accepted for publication in Science Robotics. This is the author's version of the work. It is posted here by permission of the AAAS for personal use, not for redistribution. The definitive version was published in Science Robotics on July 29, 2026, DOI: 10.1126/scirobotics.aee0787
Journal ref Science Robotics, Vol. 11, Issue 116 (2026)
具有自适应验证器的多模态强化学习
机构 * Microsoft Research（微软研究院） ； UMass Amherst（马萨诸塞大学阿默斯特分校） ； ETH Zurich（苏黎世联邦理工学院） ； UW–Madison（威斯康星大学麦迪逊分校）
AI总结 本文提出Argos验证器，通过结合SFT数据筛选与RL训练，提升多模态推理模型在空间推理、视觉幻觉及机器人任务中的性能，同时减少奖励黑客问题。
面向现实世界的编译器助手
机构 * Southern University of Science and Technology（南方科技大学） ； ETH Zurich（苏黎世联邦理工学院） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 本文提出llvm-autofix，首个专为修复编译器bug设计的代理工具，通过专用工具和基准测试展示其在处理复杂编译器bug时的性能优势。
弥合差距：面向多种四足机器人的系统仿真到现实迁移
机构 * Robotic Systems Lab, ETH Zurich, Zurich, Switzerland（苏黎世联邦理工学院机器人系统实验室）
AI总结 该研究提出结合仿真到现实强化学习与永磁同步电机能量模型的框架，实现多种四足机器人可靠策略迁移，使ANYmal总运输成本降32%，效率优于现有方法。
Comments Published in The International Journal of Robotics Research (IJRR). 25 Figures, 7 Tables. Open-source software and data available
Journal ref The International Journal of Robotics Research, 2026
UniCross：统一跨技能灵巧操作合成
机构 * ETH Zürich（苏黎世联邦理工学院） ； inspire AG（inspire AG公司） ； HKUST (Guangzhou)（香港科技大学（广州））
AI总结 本研究提出UniCross框架，将抓取、重定位等四种灵巧操作技能统一建模，提炼出跨技能策略，可泛化到新物体、抗干扰，还能在不同手型间迁移，实现长时程操作。
Comments Project page: https://zdchan.github.io/UniCross/
S-CEReBrO：突破连续脑电图监测中的内存瓶颈
机构 * ETH Zurich（苏黎世联邦理工学院） ； Nanyang Technological University（南洋理工大学） ； University of Bologna（博洛尼亚大学）
AI总结 该研究针对连续EEG监测中Transformer架构的内存瓶颈，提出S-CEReBrO架构，通过窗口交替注意力实现内存恒定，在EEG下游任务中性能领先且效率提升。
Comments This is the pre-rebuttal version of a paper accepted at MICCAI 2026. The camera-ready version will be posted following the embargo
从机器学习到大规模地球观测产品：制作地图的最佳实践
机构 * 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） ； University of Cambridge（剑桥大学） ； Swiss Federal Research Institute WSL（瑞士联邦森林、雪和景观研究所） ； Asterisk Labs（星号实验室） ； EcoVision Lab, University of Zurich（苏黎世大学生态视觉实验室） ； Leipzig University（莱比锡大学） ； TU Munich（慕尼黑工业大学） ； RISE Research Institutes of Sweden（瑞典皇家理工学院）
AI总结 本文探讨从机器学习到大规模EO产品制作地图的最佳实践，围绕EO数据基础设施、数据处理、模型训练、不确定性量化、地图制作与分发及验证等六个主题，给出从卫星数据到运营地图产品整个流程的推荐做法。
Comments ECCV 2026 TerraBytes II Workshop paper, non-archival
代理神经架构协同设计包（SNAC-Pack）
机构 * University of California San Diego（加州大学圣地亚哥分校） ； ETH Zurich（苏黎世联邦理工学院） ； Fermi National Accelerator Laboratory（费米国家加速器实验室） ； University of Illinois Chicago（伊利诺伊大学芝加哥分校）
AI总结 本文提出SNAC-Pack，一种面向硬件的自动化机器学习框架，用于神经架构协同设计和端到端FPGA部署，通过多目标全局搜索和硬件代理模型减少合成成本，并结合量化感知训练和迭代幅度剪枝来压缩模型，最终在FPGA上实现高效部署。
Comments 16 pages, 3 figures, Camera-ready version for International Conference on Automated Machine Learning (AutoML) 2026
关于Kolmogorov-Arnold网络回归估计器收敛速度的论文
机构 * Department of Industrial Systems Engineering and Management, National University of Singapore（新加坡国立大学工业系统工程与管理系） ； Department of Civil, Environmental and Geomatic Engineering, ETH Zürich（苏黎世联邦理工学院土木、环境与地理工程系） ； Internet of Things Thrust, The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）物联网研究组）
AI总结 本文研究了KANs在Sobolev空间中函数近似时的收敛速度，证明了其达到最小最大最优收敛速度，并提供了B-样条结点数选择的指导方针。
VidMap：利用时序结构实现基于视频的运动恢复结构
机构 * ETH Zurich（苏黎世联邦理工学院） ； Google（谷歌） ； Microsoft（微软）
AI总结 VidMap结合SLAM序列约束与SfM全局优化，利用宽基线匹配和深度先验，在多样挑战性数据集上，较最新SLAM和SfM更鲁棒准确，可实现任意长未标定视频的度量重建。
视觉还是认知？多模态大语言模型的视觉上下文敏感性
机构 * University of Copenhagen（哥本哈根大学） ； University of Cambridge（剑桥大学） ； ETH Zürich（苏黎世联邦理工学院） ； Clemson University（克莱姆森大学）
AI总结 该研究探究多模态大语言模型在视觉证据与先验冲突任务上的失效原因，引入WhatIfVis基准，发现其能编码视觉证据但难以控制对其的依赖，监督微调等方法可提升可控性。
DVPSFormer：面向自动驾驶的高效在线深度感知视频全景分割
机构 * ETH Zürich（苏黎世联邦理工学院） ； INSAIT, Sofia University（保加利亚索菲亚大学INSAIT研究所） ； University of Bonn（波恩大学） ； Microsoft（微软公司）
AI总结 DVPSFormer是一种统一在线架构，通过ESD和OMV机制实现高效4D场景理解，在两个DVPS基准上达SOTA，为自动驾驶提供在线机器人感知的精简方案。
LLM量化几何学：GPTQ作为Babai最近平面算法
机构 * Institute of Science and Technology Austria (ISTA)（奥地利科学技术院） ； Red Hat, Inc.（红帽公司） ； ETH Zürich（苏黎世联邦理工学院）
AI总结 本文将GPTQ与Babai最近平面算法等价，揭示其几何意义和误差上界，设计出无裁剪的量化方法并提供高效GPU内核，为大规模模型量化理论奠定基础。
Comments Published as a conference paper at the Fourteenth International Conference on Learning Representations (ICLR 2026): https://openreview.net/forum?id=NFB4QGGS65
Journal ref International Conference on Learning Representations, 2026, pp. 122653-122695
超越提示：无条件3D反演用于分布外形状
机构 * ETH Zürich（苏黎世联邦理工学院） ； École Polytechnique（巴黎高等理工学院） ； Dassault Systèmes（达索系统）
AI总结 研究揭示了文本驱动生成模型在3D形状生成中的局限性，提出通过解耦几何表示与语言敏感性来提升无条件生成的鲁棒性。
Comments Accepted to ECCV 2026
一种通用的自适应非参数维度约简框架
机构 * Seminar for Statistics, Department of Mathematics, ETH Zurich（苏黎世联邦理工学院统计研究所，数学系） ； Faculty of Economics, Euler Institute, Università della Svizzera italiana（瑞士意大利大学经济学院，欧拉研究所） ； Faculty of Informatics, Università della Svizzera italiana（瑞士意大利大学信息学院） ； Department of Science and High Technology, University of Insubria（意大利因布里亚大学科学与高科技系）
AI总结 本文提出了一种通用的自适应非参数维度约简框架，通过优化局部邻域结构来提升维度约简算法的性能。
基于车载视觉估计的不确定道路几何条件下驾驶的预测控制
机构 * Institute for Dynamic Systems and Control, ETH Zurich（动态系统与控制研究所，苏黎世联邦理工学院）
AI总结 研究自动驾驶车辆在未知道路行驶时的控制问题，提出基于感知的控制框架，通过约束非线性优化识别道路曲率参数模型，结合场景模型预测控制传播曲率不确定性，经模拟和实际数据验证，该框架能让车辆更严格遵守道路边界。
用于RoboRacer平台自主赛车中泛化的持续强化学习
机构 * Center for Project-Based Learning, D-ITET, ETH Zurich（基于项目的学习中心，分布式信息技术与电气工程学院，苏黎世联邦理工学院）
AI总结 针对现代机器人适应变化环境的挑战，提出基于持续反向传播的持续强化学习框架，仅用现实世界数据训练通用策略并微调超越经典控制器，还提出离线强化学习比较方法并进行模拟分析。
Comments 8 pages, conference
具有动态显式头发的头部头像
机构 * ETH Zürich（苏黎世联邦理工学院） ； Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所） ； Max Planck Institute for Informatics（马克斯·普朗克信息研究所） ； Tübingen AI Center（图宾根人工智能中心） ； Technical University of Munich（慕尼黑工业大学） ； Technical University of Darmstadt（达姆施塔特工业大学） ； Microsoft（微软）
AI总结 该研究提出DynHair方法，用于跟踪和建模人类头部头像的动态头发。通过结构化3D高斯喷绘重建头像，利用基于头部角速度等的时间网络建模发丝动态变形，经联合优化获得可控头发动力学的动画头像，实验展现了最优性能。
Comments Project page: https://dynhair.is.tue.mpg.de/
常规临床上肢评估中的无标记运动捕捉：超越序数评分的有效性及见解
机构 * Lake Lucerne Institute（卢塞恩湖研究所） ； ETH Zurich（苏黎世联邦理工学院） ； Shirley Ryan AbilityLab（雪莉·瑞安能力实验室） ； Northwestern University（西北大学）
AI总结 研究评估临床常规ARAT评估中嵌入AI - 无标记运动捕捉能否准确重建上肢运动及产生有效运动学指标。通过对患者测试发现其生物力学重建准确稳健，运动学指标有特异性和敏感性，能补充序数评分。
用于30米晴空陆地表面温度无间隙重建的快速傅里叶卷积生成对抗网络
机构 * Technical University of Munich（慕尼黑工业大学） ； Helmholtz Centre for Polar and Marine Research, Alfred Wegener Institute（亥姆霍兹极地与海洋研究中心阿尔弗雷德·韦格纳研究所） ； Swiss Federal Institute of Technology Zurich (ETH Zurich)（瑞士联邦理工学院苏黎世分校）
AI总结 针对卫星LST数据因云层有间隙、重建难问题，提出多模态快速傅里叶卷积生成对抗网络，利用快速傅里叶卷积实现全局感受野，由卫星观测和SAR数据引导，能恢复大量缺失区域，重建效果好。
Comments 35 pages, 9 figures, Journal
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
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）
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。
基于树的人机交互中多智能体互补性形式化
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）
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：单目多智能体高斯点云SLAM用于几何和光度一致的重建
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）
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。
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