高校专区
VISION-SLS：通过系统级合成实现基于学习视觉表征的安全感知控制
机构 * Institute for Dynamic Systems and Control, ETH Zürich（动态系统与控制研究所，苏黎世联邦理工学院）
AI总结 本文提出VISION-SLS方法，通过高分辨率RGB图像实现非线性输出反馈控制，在校准的不确定性范围内保证约束满足。方法结合学习的低维观测映射和系统级合成策略，实现可扩展的安全控制。
Comments Extended version; conference version to appear in Robotics: Science and Systems XXII (RSS 2026)
衡量许可之门：对Claude Code自动模式的压测评估
机构 * Hong Kong University of Science and Technology（香港科技大学） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 本文通过AmPermBench评估Claude Code自动模式在模糊授权场景下的表现，发现其误判率显著高于生产环境，揭示了系统在处理模糊任务时的覆盖边界问题。
C3G：通过2K高斯学习紧凑的3D表示
机构 * KAIST AI（韩国成均馆大学人工智能研究所） ； ETH AI Center, ETH Zürich（苏黎世联邦理工学院人工智能中心） ； SONY AI（索尼人工智能） ； Sony Group Corporation（索尼集团）
AI总结 本文提出C3G框架，通过学习可训练标记聚合多视图特征，生成紧凑且几何意义明确的3D高斯表示，提升场景重建与理解的效率和精度。
Comments Project Page : https://cvlab-kaist.github.io/C3G/
高维高斯线性回归中早停镜像下降法的风险界
机构 * Department of Computer Science, ETH Zürich（苏黎世联邦理工学院计算机科学系） ； Department of Statistics, University of Oxford（牛津大学统计系）
AI总结 研究高维高斯线性回归中早停镜像下降法的最优风险界，基于局部高斯宽度推导出LSE的风险界扩展，提出Minkowski函数条件下的新势能构造方法，实现ESMD的minimax最优性分析。
无条件真实性：学习大语言模型的无条件不确定性
机构 * MBZUAI ； Skoltech（斯克利切夫斯基因工大学） ； AIRI ； ETH Zürich（苏黎世联邦理工学院） ； The University of Melbourne（墨尔本大学） ； FRC CSC RAS（俄罗斯科学院计算技术研究所）
AI总结 本文提出通过学习注意力特征来解决大语言模型生成过程中不确定性评分的难题，通过两阶段训练方法提升了选择性生成的效果，优于其他无监督和监督方法。
Journal ref Proceedings of the 2025 Conference on Empirical Methods in Natural Language Processing
学习半空间交集的改进难度结果
机构 * Massachusetts Institute of Technology（麻省理工学院） ； ETH Zürich（苏黎世联邦理工学院）
AI总结 本文研究了在不恰当设置下学习半空间交集的下界，证明了学习ω(log log N)个半空间需要超多项式时间，并在统计查询框架下给出了无条件的难度结果。
Journal ref TheoretiCS, Volume 5 (2026), Article 8, 1-26
Banach空间值随机特征模型的通用逼近性质，包括随机神经网络
机构 * Nanyang Technological University, Division of Mathematical Sciences（南洋理工大学数学科学学院） ； ETH Zurich, Department of Mathematics（苏黎世联邦理工学院数学系）
AI总结 本文研究Banach空间值随机特征学习的通用逼近性质，通过随机初始化特征映射仅训练线性读出层，证明在Bochner空间中的逼近结果，并推导逼近速率和学习算法。
Comments 52 pages, 4 figures, 4 tables
在LLM推理中，SFT-然后-RL优于混合策略方法
机构 * ETH AI Center, ETH Zürich（苏黎世联邦理工学院人工智能中心） ； EPFL（瑞士联邦理工学院） ； Allen Institute for AI（人工智能研究所）
AI总结 本文指出，混合策略方法的性能提升源于两个错误：DeepSpeed优化器在梯度累积中丢失中间微批次，以及OpenRLHF损失聚合错误加权。修正后，标准SFT-然后-RL流程在数学基准上超越了所有混合策略方法。
FunRec：从第一人称交互视频重建功能3D场景
机构 * ETH Zurich（苏黎世联邦理工学院） ； Max Planck Institute for Informatics（马克斯·普朗克研究所（信息学）） ； Stanford University（斯坦福大学） ； Microsoft（微软） ； USI Lugano（USI卢加诺）
AI总结 FunRec通过直接从第一人称RGB-D交互视频重建室内场景的3D数字双胞胎，实现了无需控制环境或多状态采集的交互式3D场景重建，提升了部分分割和重建精度。
Comments CVPR 2026. Project page: https://functionalscenes.github.io
NanoCockpit：面向AI自主微机器人应用的性能优化框架
机构 * Dalle Molle Institute for Artificial Intelligence (IDSIA)（达勒莫利人工智能研究所） ； USI-SUPSI ； Integrated Systems Laboratory (IIS)（集成系统实验室） ； ETH Zürich（苏黎世联邦理工学院）
AI总结 本文提出NanoCockpit框架，通过协程多任务调度优化微机器人图像采集、多核计算和无线传输，提升系统吞吐量并降低延迟，实验证明其在闭环控制性能上提升了30%并提高了任务成功率。
Comments Accepted for publication in the IEEE RA-P journal. GitHub repository: https://github.com/idsia-robotics/crazyflie-nanocockpit
DeepSignature: 用于鲁棒和透明图像认证的数字签名内容编码水印
机构 * Institute for Data Science（数据科学研究所） ； FHNW ； ETH Zürich（苏黎世联邦理工学院）
AI总结 本文提出DeepSignature，结合数字签名与深度学习，实现隐秘且鲁棒的图像水印，支持客户端验证和潜在空间验证，实验显示其在伪造检测中表现优异。
Comments 20 pages, 9 figures, 7 tables
端到端自动化深度神经网络优化用于基于PPG的血压估计在可穿戴设备上
机构 * Interuniversity Department of Regional and Urban Studies and Planning at Politecnico di Torino（理工学院区域与城市研究与规划联合大学部门） ； Department of Control and Computer Engineering at Politecnico di Torino（理工学院控制与计算机工程系） ； Department of Information Technology and Electrical Engineering at ETH Zurich（苏黎世联邦理工学院信息技术与电气工程系） ； Department of Electrical, Electronic, and Information Engineering "Guglielmo Marconi" at University of Bologna（博洛尼亚大学电子、电子与信息工程系"Guglielmo Marconi"）
AI总结 本文提出了一种端到端自动化深度神经网络优化方法，结合硬件感知神经架构搜索、剪枝和混合精度搜索，实现低功耗多核系统上的紧凑血压预测模型，显著降低误差并提升效率。
听译：将语音模态整合到LLMs中的有效性
机构 * Fondazione Bruno Kessler（布鲁诺·凯瑟尔基金会） ； Barcelona Supercomputing Center（巴塞罗那超级计算中心） ； University of Zurich（苏黎世大学） ； ETH Zurich（苏黎世联邦理工学院） ； Universitat Politècnica de Catalunya（加泰罗尼亚理工大学） ； Universitat Politècnica de València（瓦伦西亚理工大学） ； Soongsil University（顺天大学） ； Charles University（查尔斯大学） ； KIT（卡尔斯鲁厄理工学院）
AI总结 本文评估了将语音模态整合到LLMs中的有效性，发现级联系统总体更可靠，但最新SpeechLLMs在某些情况下可匹配或超越级联系统，而SFM表现较差，强调整合LLM的重要性。
Comments Project available at https://github.com/sarapapi/hearing2translate | Accepted at TACL, this version is a pre-MIT Press publication version
关于掩码扩散语言模型的推理能力
机构 * ETH Zürich（苏黎世联邦理工学院） ； Allen Institute for AI（人工智能研究所）
AI总结 本文研究了掩码扩散模型在推理任务中的能力，通过与链式思维和填充循环变压器框架对比，证明了其在有限精度对数宽度下与多项式填充PLTs等效，并展示了其在解决特定问题时的高效性。
读论文，写代码：社会科学结果的代理重生产
机构 * ETH Zurich（苏黎世联邦理工学院） ； University of Basel（巴塞尔大学）
AI总结 本文提出了一种代理重生产系统，通过提取论文中的方法描述，在不接触原始代码和数据的情况下复现社会科学结果，并通过误差溯源分析识别根本原因。
基于扩散变换器的代数语言模型用于通过扩散变换器进行超材料逆设计
机构 * Mechanics & Materials Laboratory, Department of Mechanical and Process Engineering, ETH Zürich（机械与材料实验室，机械与过程工程系，苏黎世联邦理工学院） ； Department of Materials Science and Engineering, Delft University of Technology（材料科学与工程系，代尔夫特理工大学）
AI总结 本文提出DiffuMeta框架，通过将扩散变换器与代数语言表示结合，实现三维超材料的逆设计，能生成具有精确应力-应变响应的壳体结构，并同时控制多种机械目标。
前缀解析只是解析
机构 * ETH Zürich（苏黎世联邦理工学院） ； McGill University（麦吉尔大学） ； Canada CIFAR AI Chair（加拿大 CIFAR 人工智能主席） ； Mila ； CHI-FRO
AI总结 本文提出通过前缀文法变换将前缀解析转化为普通解析，从而高效解决前缀解析问题，并引入基于算法微分的策略计算下一token权重向量，提供了一种简单、通用且高效的前缀解析框架。
Comments To appear at ACL 2026
BioTrain: 亚兆字节、亚50毫瓦边缘AI生物信号细调
机构 * Integrated Systems Laboratory (IIS), ETH Zurich（集成系统实验室（IIS），苏黎世联邦理工学院） ； Department of Electrical, Electronic and Information Engineering (DEI), University of Bologna（电气、电子与信息工程系（DEI），博洛尼亚大学） ； Department of Control and Computer Engineering (DAUIN), Politecnico di Torino（控制与计算机工程系（DAUIN），托里诺理工学院）
AI总结 针对生物信号跨用户和跨会话的显著变异性，BioTrain提出在亚50毫瓦和亚兆字节约束下实现边缘AI的全网络微调，通过高效内存管理和网络拓扑优化，提升EEG和EOG模型的精度与训练效率。
ReProbe：通过探测大语言模型的内部状态实现多步骤推理的高效测试时间扩展
机构 * ETH Zürich（苏黎世联邦理工学院） ； National University of Singapore（新加坡国立大学） ； MBZUAI（马斯喀特人工智能研究所） ； University of Zürich（苏黎世大学） ； The University of Melbourne（墨尔本大学）
AI总结 本文提出基于探测大语言模型内部状态的轻量级方法，用于多步骤推理验证，其性能超越了810倍大的Process Reward Models，为可扩展的测试时间扩展和更可 introspective 的大语言模型提供了新路径。
Comments ACL 2026 Main
IMPACT-CYCLE：一种基于合同的多智能体系统，用于长视频语义记忆的层次级监督修正
机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； INSAIT ； ETH Zurich（苏黎世联邦理工学院） ； Technical University of Munich（慕尼黑技术大学）
AI总结 本文提出IMPACT-CYCLE，通过多智能体系统实现长视频语义记忆的层次级监督修正，提升下游推理性能并降低人工仲裁成本。
Comments 7 pages, 2 figures, code are available at https://github.com/MKong17/IMPACT_CYCLE
大语言模型能否从聊天记录中推断出对话代理用户的人格特质？
机构 * ETH Zurich, Switzerland（苏黎世联邦理工学院，瑞士）
AI总结 研究探讨了大语言模型能否从用户与对话代理的交互中推断出人格特质，通过分析ChatGPT日志数据，发现模型在多个案例中能以高于随机水平的准确率推断出性格特质，揭示了与对话代理交互带来的隐私风险。
通过截断解码树的确定性探索实现高效的测试时间推理
机构 * Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所） ； ETH Zurich（苏黎世联邦理工学院） ； AI Center Tübingen（图宾根人工智能中心） ； University of Tübingen（图宾根大学） ； ELLIS Institute Tübingen（图宾根ELLIS研究所） ； IMPRS-IS（图宾根IMPRS-IS）
AI总结 本文提出Distinct Leaf Enumeration方法，通过系统性地枚举不同叶子节点提升解码效率，减少冗余生成，在数学、编码和通用推理任务中表现更优。
探测阅读时间
机构 * ETH Zürich（苏黎世联邦理工学院） ； Toyota Technological Institute at Chicago（芝加哥丰田技术研究所） ； University College London（伦敦大学学院）
AI总结 本文通过眼动追踪数据，利用正则化线性回归比较语言模型各层表示在预测阅读时间等指标上的表现，发现早期层表示在预测早期眼动指标上优于 surprisal，但对总阅读时间而言 surprisal 仍更优。
Comments ACL 2026 (main conference)
记忆超越映射：无需重建的3D物体定位
机构 * University of Zurich（苏黎世大学） ； ETH Zurich（苏黎世联邦理工学院） ； Microsoft（微软）
AI总结 本文提出无需重建的3D物体定位方法，通过轻量级视觉记忆实现快速场景索引，显著降低预处理成本，验证了基于图像的场景记忆可替代密集3D重建。
Comments 8 pages, 6 figures
SAGE-32B：通过迭代蒸馏实现代理推理
机构 * SAGEA ； Tribhuwan University（特里布文大学） ； Vedas College（韦达学院） ； Madan Bhandari Memorial College（马丹·班达里纪念学院） ； Fudan University（复旦大学） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 SAGE-32B是一种专注于代理推理和长期规划的320亿参数语言模型，通过迭代蒸馏提升推理能力，在代理推理基准测试中表现出色。
Comments 23 Pages, 3 figures, 4 tables
优化器如何隐式地偏置模型合并的损失景观？
机构 * University of Luxembourg（卢森堡大学） ； ETH Zürich, MPI for Intelligent Systems（苏黎世联邦理工学院、智能系统研究所） ； Idiap Research Institute（Idiap研究机构） ； ELLIS Institute Tübingen, MPI for Intelligent Systems, Tübingen AI Center（图宾根ELLIS研究所、智能系统研究所、图宾根人工智能中心）
AI总结 本文研究了优化动态如何影响损失景观几何及其对模型合并成功的影响，发现有效噪声尺度统一了不同优化器组件对模型合并的影响，并揭示了学习率、权重衰减等参数对有效噪声尺度的调节作用。
Comments Published at ICLR2026
ConMeZO：适应性下降方向采样用于大语言模型的梯度自由微调
机构 * Department of Computer Science, ETH Zurich（苏黎世联邦理工学院计算机科学系） ； Amazon AGI Labs（亚马逊人工智能实验室）
AI总结 ConMeZO通过适应性方向采样加速大语言模型微调的收敛速度，保留低内存足迹，比MeZO快2倍。
使用大型语言模型进行具身规划引入了系统性的安全风险
机构 * ETH Zurich（苏黎世联邦理工学院） ； University College London（伦敦大学学院） ； Stanford University（斯坦福大学） ； Northwestern University（西北大学） ； National University of Singapore（新加坡国立大学）
AI总结 研究评估了大型语言模型在机器人规划中的安全性，发现即使规划能力高，安全风险仍显著存在，揭示了规划能力与安全意识之间的乘法关系。
Comments Project page: https://despite-safety.github.io/
可扩展的基于邻域的多智能体Actor-Critic
机构 * Department of Computer Science, ETH Zürich（苏黎世联邦理工学院计算机科学系）
AI总结 本文提出MADDPG-K，通过限制每个智能体的 critic 仅依赖k个最近的智能体，解决传统集中式批评者方法的计算限制，实现更高效的训练和扩展性。
可信的内窥镜超分辨率
机构 * Computer Vision Lab, ETH Zurich, Zurich, Switzerland（苏黎世联邦理工学院计算机视觉实验室）
AI总结 本文提出一种直接实用框架，通过识别重建可能失败的区域，提高超分辨率系统的可靠性。方法整合了轻量级误差预测网络，结合置信度失败掩码，提供理论保障，首次在内窥镜实时图像超分辨率中提升安全性。
Comments Code: https://github.com/jusiro/Endoscopic-CFM
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